股价波动指标ATR的计算及绘制

2023-11-01 08:20
文章标签 计算 绘制 指标 波动 股价 atr

本文主要是介绍股价波动指标ATR的计算及绘制，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

在范·K·撒普的《通向财务自由之路》这本书中分析止损指标时提到波动幅度止损，并认为该资本是可以选用的最好的止损指标之一。股价的平均波动幅度在某种程度上代表了市场中的噪声，为了防止止损被短期的市场噪声所干扰，可以把初始止损价格设置为股价波动幅度的倍数，通常建议设置为ATR的3倍。那么股价的平均波动幅度究竟要如何计算呢？下面我们来仔细分析一下。

股价的平均波动幅度指标是由JR. Welles Wilder在其著作《技术交易系统中的新概念（New Concepts in Technical Trading Systems）》中提出的技术分析指标，全称为平均真实波动幅度（ATR，Average True Range），指的是一定时间周期内的股价波动幅度的移动平均值。计算方法如下：

（1）当日最高价和最低价之差；

（2）上一收盘价和当日最高价之差；

（3）上一收盘价和当日最低价之差；

（4）取以上三个差值的绝对值中的最大值作为当日的股价波动幅度TR。

（5）ATR指标是N个交易日波动幅度TR的移动平均值，N一般取14。

ATR指标在实际使用过程中经常用来衡量市场波动的程度，也可以称为波动变化率或市场活跃度。当ATR指标较小时，表示市场较为平稳；ATR指标变化较大时表示市场成交活跃。在短期交易中，由于剧烈的价格波动会导致短期的价格频繁达到止损位，因此趋势交易需要监测该指标，以便对止损位做出合理设置。

下面以上一篇绘制K线和成交量的文章中获取的招商银行日K线数据为例，来计算一下ATR指标，并以3倍ATR作为止损曲线将其叠加到K线中。

计算ATR的代码如下：

df = ak.stock_zh_a_hist(symbol="600036", start_date='20220101',end_date='20220916', adjust="qfq").iloc[:, :6]
df.columns = ['date','open','close','high','low','volume',] #列名改为英文方便下面操作
df['ATR1']=df['high']-df['low'] #当日最高价-最低价
df['ATR2']=abs(df['close'].shift(1)-df['high']) #上一日收盘价-当日最高价
df['ATR3']=abs(df['close'].shift(1)-df['low']) #上一日收盘价-当日最低价df['ATR4']=df['ATR1']
for i in range(len(df)): #取价格波动的最大值if df.iloc[i,14]<df.iloc[i,12] :df.iloc[i,14]=df.iloc[i,12]if df.iloc[i,14]<df.iloc[i,13] :df.iloc[i,14]=df.iloc[i,13]
df['ATR']=df.ATR4.rolling(14).mean() # N=14的ATR值
df['stop']=df['close'].shift(1)-df['ATR']*3 #止损价=(上一日收盘价-3*ATR)

其中’ATR’为最终计算得到的ATR指标值，这里取N=14，即采用14天移动平均。

注意：上述代码在操作表的过程中，是采用iloc()，通过列序号来找对应的列。这种方式操作简单，但是代码可读性非常差。这里可以改用loc()通过列名来操作表，这样就不用管列序号了。

df.index=range(len(df))
df['ATR1']=df['high']-df['low'] #当日最高价-最低价
df['ATR2']=abs(df['close'].shift(1)-df['high']) #上一日收盘价-当日最高价
df['ATR3']=abs(df['close'].shift(1)-df['low']) #上一日收盘价-当日最低价
df['ATR4']=df['ATR1']
for i in range(len(df)): #取价格波动的最大值if df.loc[i,'ATR4']<df.loc[i,'ATR2'] :df.loc[i,'ATR4']=df.loc[i,'ATR2']if df.loc[i,'ATR4']<df.loc[i,'ATR3'] :df.loc[i,'ATR4']=df.loc[i,'ATR3']
df['ATR']=df.ATR4.rolling(14).mean() # N=14的ATR值
df['stop']=df['close'].shift(1)-df['ATR']*3 #止损价=(上一日收盘价-3*ATR)

需要注意的是，loc()要想方便的操作行，需要将行索引设置为数字序号。这个是通过重新设置索引实现的：

df.index=range(len(df))

对于loc()和iloc()操作经常弄混的，可以看下这篇《DataFrame常用操作实例》。

把以上ATR和计算与上一篇的K线绘制代码整合起来如下：

import akshare as ak
import pandas as pd
from pyecharts.charts import *
from pyecharts import options as optsdf = ak.stock_zh_a_hist(symbol="600036", start_date='20220101',end_date='20220916', adjust="qfq").iloc[:, :6]
df.columns = ['date','open','close','high','low','volume',] #列名改为英文方便下面操作# 把date作为日期索引
df.index = pd.to_datetime(df.date)
df.index=df.index.strftime('%Y%m%d')
df=df.sort_index()
df['sma']=df.close.rolling(5).mean()
df['lma']=df.close.rolling(10).mean()
df['lma20']=df.close.rolling(20).mean()
df['lma30']=df.close.rolling(30).mean()
df['lma60']=df.close.rolling(60).mean()
df.index=range(len(df)) #修改索引为数字序号
df['ATR1']=df['high']-df['low'] #当日最高价-最低价
df['ATR2']=abs(df['close'].shift(1)-df['high']) #上一日收盘价-当日最高价
df['ATR3']=abs(df['close'].shift(1)-df['low']) #上一日收盘价-当日最低价
df['ATR4']=df['ATR1']
for i in range(len(df)): #取价格波动的最大值if df.loc[i,'ATR4']<df.loc[i,'ATR2'] :df.loc[i,'ATR4']=df.loc[i,'ATR2']if df.loc[i,'ATR4']<df.loc[i,'ATR3'] :df.loc[i,'ATR4']=df.loc[i,'ATR3']
#for i in range(len(df)): #取价格波动的最大值
#    if df.iloc[i,14]<df.iloc[i,12] :
#        df.iloc[i,14]=df.iloc[i,12]
#    if df.iloc[i,14]<df.iloc[i,13] :
#        df.iloc[i,14]=df.iloc[i,13]
df['ATR']=df.ATR4.rolling(14).mean() # N=14的ATR值
df['stop']=df['close'].shift(1)-df['ATR']*3 #止损价=(上一日收盘价-3*ATR)df.index = pd.to_datetime(df.date)
df.index=df.index.strftime('%Y%m%d')
kline = (Kline(init_opts=opts.InitOpts(width="1200px",height="600px")).add_xaxis(xaxis_data=list(df.index)) #X轴数据.add_yaxis(series_name="klines", #序列名称y_axis=df[["open","close","low","high"]].values.tolist(), #Y轴数据itemstyle_opts=opts.ItemStyleOpts(color="#ec0000", color0="#00da3c"),markpoint_opts=opts.MarkPointOpts(data=[#添加标记符opts.MarkPointItem(type_='max', name='最大值'),opts.MarkPointItem(type_='min', name='最小值'), ],#symbol='circle',#symbol_size=[100,30]),).set_global_opts(title_opts=opts.TitleOpts(title="K线及均线",pos_left='45%'), #标题位置legend_opts=opts.LegendOpts(pos_right="35%",pos_top="5%"), #图例位置#legend_opts=opts.LegendOpts(is_show=True, pos_bottom=10, pos_left="center"),datazoom_opts=[opts.DataZoomOpts(is_show=False,type_="inside", #内部缩放xaxis_index=[0,1],  #可缩放的x轴坐标编号range_start=0, range_end=100, #初始显示范围),opts.DataZoomOpts(is_show=True, #显示滑块type_="slider", #滑块缩放xaxis_index=[0,1],  #可缩放的x轴坐标编号pos_top="85%",range_start=0, range_end=100, #初始显示范围),],yaxis_opts=opts.AxisOpts(is_scale=True, #缩放时是否显示0值splitarea_opts=opts.SplitAreaOpts( #分割显示设置is_show=True, areastyle_opts=opts.AreaStyleOpts(opacity=1) ),),tooltip_opts=opts.TooltipOpts( #提示框配置trigger="axis", #坐标轴触发提示axis_pointer_type="cross", #鼠标变为十字准星background_color="rgba(245, 245, 245, 0.8)", #背景颜色border_width=1, border_color="#ccc", #提示框配置textstyle_opts=opts.TextStyleOpts(color="#000"), #文字配置),visualmap_opts=opts.VisualMapOpts( #视觉映射配置is_show=False, dimension=2,series_index=5, is_piecewise=True,pieces=[ {"value": 1, "color": "#00da3c"}, {"value": -1, "color": "#ec0000"}, ],),axispointer_opts=opts.AxisPointerOpts( #轴指示器配置is_show=True,link=[{"xAxisIndex": "all"}],label=opts.LabelOpts(background_color="#777"), #显示标签设置),brush_opts=opts.BrushOpts(x_axis_index="all", #所有seriesbrush_link="all", #不同系列选中后联动out_of_brush={"colorAlpha": 0.1}, #高亮显示程度brush_type="lineX", #纵向选择),)
)#均线
line=Line()
line.add_xaxis( df.index.tolist() ) #X轴数据
line.add_yaxis( 'MA5', #序列名称df.sma.round(2).tolist(), #Y轴数据is_smooth=True, #平滑曲线is_symbol_show=False #不显示折线的小圆圈
)
line.add_yaxis( 'MA10',df.lma.round(2).tolist(),is_smooth=True,is_symbol_show=False )
line.add_yaxis( 'MA20',df.lma20.round(2).tolist(),is_smooth=True,is_symbol_show=False )
line.add_yaxis( 'MA30',df.lma30.round(2).tolist(),is_smooth=True,is_symbol_show=False )
line.add_yaxis( 'MA60',df.lma60.round(2).tolist(),is_smooth=True,is_symbol_show=False )
line.set_series_opts(label_opts=opts.LabelOpts(is_show=False), #是否显示数据标签linestyle_opts=opts.LineStyleOpts(width=1), #线宽
)
line.set_global_opts(datazoom_opts=[opts.DataZoomOpts(is_show=False,type_="inside", #图内缩放调整xaxis_index=[0,1],  #可缩放的x轴坐标编号range_start=0, range_end=100, #初始显示范围),opts.DataZoomOpts(is_show=True, #是否显示滑块type_="slider", #外部滑块缩放调整xaxis_index=[0,1],  #可缩放的x轴坐标编号pos_top="85%",range_start=0, range_end=100, #初始显示范围),],legend_opts=opts.LegendOpts(pos_right="20%",pos_top="5%"), #图例位置tooltip_opts=opts.TooltipOpts(trigger="axis", axis_pointer_type="cross") #趋势线设置
)
stop=(Line().add_xaxis( df.index.tolist() ) #X轴数据.add_yaxis( 'STOP', #序列名称df.stop.round(2).tolist(), #Y轴数据is_smooth=True, #平滑曲线).set_series_opts(label_opts=opts.LabelOpts(is_show=False), #是否显示数据标签linestyle_opts=opts.LineStyleOpts(width=2), #线宽).set_global_opts(datazoom_opts=[opts.DataZoomOpts(is_show=False,type_="inside", #图内缩放调整xaxis_index=[0,1],  #可缩放的x轴坐标编号range_start=0, range_end=100, #初始显示范围),opts.DataZoomOpts(is_show=True, #是否显示滑块type_="slider", #外部滑块缩放调整xaxis_index=[0,1],  #可缩放的x轴坐标编号pos_top="85%",range_start=0, range_end=100, #初始显示范围),],legend_opts=opts.LegendOpts(pos_right="20%",pos_top="5%"), #图例位置tooltip_opts=opts.TooltipOpts(trigger="axis", axis_pointer_type="cross") #趋势线设置)
)
kline.overlap(line)
kline.overlap(stop) #止损数据叠加到K线
#成交量
bar = (Bar().add_xaxis(xaxis_data=list(df.index)) #X轴数据.add_yaxis(series_name="volume",y_axis=df["volume"].tolist(), #Y轴数据xaxis_index=1,yaxis_index=1,label_opts=opts.LabelOpts(is_show=False),itemstyle_opts=opts.ItemStyleOpts(color='#ef232a' #'#14b143'),).set_global_opts(xaxis_opts=opts.AxisOpts(type_="category", #坐标轴类型-离散数据grid_index=1,axislabel_opts=opts.LabelOpts(is_show=False),),legend_opts=opts.LegendOpts(is_show=False),)
)
#价格波动指标ATR
atr=(Line().add_xaxis( df.index.tolist() ) #X轴数据.add_yaxis( 'ATR', #序列名称df.ATR.round(2).tolist(), #Y轴数据yaxis_index=1,is_smooth=True #平滑曲线).set_series_opts(label_opts=opts.LabelOpts(is_show=False), #是否显示数据标签linestyle_opts=opts.LineStyleOpts(width=2), #线宽).set_global_opts(datazoom_opts=[opts.DataZoomOpts(is_show=False,type_="inside", #图内缩放调整xaxis_index=[0,1],  #可缩放的x轴坐标编号range_start=0, range_end=100, #初始显示范围),opts.DataZoomOpts(is_show=True, #是否显示滑块type_="slider", #外部滑块缩放调整xaxis_index=[0,1],  #可缩放的x轴坐标编号pos_top="85%",range_start=0, range_end=100, #初始显示范围),],legend_opts=opts.LegendOpts(pos_right="20%",pos_top="5%"), #图例位置tooltip_opts=opts.TooltipOpts(trigger="axis", axis_pointer_type="cross") #趋势线设置)
)
#bar.overlap(atr)grid_chart = Grid(init_opts=opts.InitOpts(width="1200px", #显示图形宽度height="600px",animation_opts=opts.AnimationOpts(animation=False), #关闭动画)
)
grid_chart.add( #加入均线图kline,grid_opts=opts.GridOpts(pos_left="10%", pos_right="8%", height="40%"),
)
grid_chart.add( #加入成交量图bar,grid_opts=opts.GridOpts(pos_left="10%", pos_right="8%", pos_top="55%", height="20%"),
)
grid_chart.add( #加入ATR图atr,grid_opts=opts.GridOpts(pos_left="10%", pos_right="8%", pos_top="80%", height="15%"),
)grid_chart.render("ATR.html")
df.to_excel('example.xlsx', sheet_name='600036', index=False)

计算完成后的数据表如下图所示：

结果如下图所示：

上图中的‘ATR’即为股价的平均真实波动幅度，‘STOP’即为根据ATR计算得到的止损曲线。写完才发现加入ATR曲线以后，底部的ATR图与缩放滑块的位置居然重叠了☹，大家自己把Grid()中几个图表的pos_top和height调整一下就好了（具体可参考上一篇文章中相关参数的说明）~~😊

-----------------------------------

原创不易，请多支持！

这篇关于股价波动指标ATR的计算及绘制的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！


http://www.chinasem.cn/article/321724。

相关文章

poj 1113 凸包+简单几何计算

poj 1113 凸包+简单几何计算

题意： 给N个平面上的点，现在要在离点外L米处建城墙，使得城墙把所有点都包含进去且城墙的长度最短。 解析： 韬哥出的某次训练赛上A出的第一道计算几何，算是大水题吧。 用convexhull算法把凸包求出来，然后加加减减就A了。 计算见下图： 好久没玩画图了啊好开心。 代码： #include <iostream>#include <cstdio>#inclu
阅读更多...
uva 1342 欧拉定理（计算几何模板）

uva 1342 欧拉定理（计算几何模板）

题意： 给几个点，把这几个点用直线连起来，求这些直线把平面分成了几个。 解析： 欧拉定理： 顶点数 + 面数 - 边数= 2。 代码： #include <iostream>#include <cstdio>#include <cstdlib>#include <algorithm>#include <cstring>#include <cmath>#inc
阅读更多...
uva 11178 计算集合模板题

uva 11178 计算集合模板题

题意： 求三角形行三个角三等分点射线交出的内三角形坐标。 代码： #include <iostream>#include <cstdio>#include <cstdlib>#include <algorithm>#include <cstring>#include <cmath>#include <stack>#include <vector>#include <
阅读更多...
【WebGPU Unleashed】1.1 绘制三角形

【WebGPU Unleashed】1.1 绘制三角形

一部2024新的WebGPU教程，作者Shi Yan。内容很好，翻译过来与大家共享，内容上会有改动，加上自己的理解。更多精彩内容尽在 dt.sim3d.cn ，关注公众号【sky的数孪技术】，技术交流、源码下载请添加微信号：digital_twin123 在 3D 渲染领域，三角形是最基本的绘制元素。在这里，我们将学习如何绘制单个三角形。接下来我们将制作一个简单的着色器来定义三角形内的像素
阅读更多...
XTU 1237 计算几何

XTU 1237 计算几何

题面： Magic Triangle Problem Description: Huangriq is a respectful acmer in ACM team of XTU because he brought the best place in regional contest in history of XTU. Huangriq works in a big compa
阅读更多...
Flutter 进阶：绘制加载动画

Flutter 进阶：绘制加载动画

绘制加载动画：由小圆组成的大圆 1. 定义 LoadingScreen 类2. 实现 _LoadingScreenState 类3. 定义 LoadingPainter 类4. 总结 实现加载动画 我们需要定义两个类：LoadingScreen 和 LoadingPainter。LoadingScreen 负责控制动画的状态，而 LoadingPainter 则负责绘制动画。
阅读更多...
音视频入门基础：WAV专题（10）——FFmpeg源码中计算WAV音频文件每个packet的pts、dts的实现

音视频入门基础：WAV专题（10）——FFmpeg源码中计算WAV音频文件每个packet的pts、dts的实现

一、引言 从文章《音视频入门基础：WAV专题（6）——通过FFprobe显示WAV音频文件每个数据包的信息》中我们可以知道，通过FFprobe命令可以打印WAV音频文件每个packet（也称为数据包或多媒体包）的信息，这些信息包含该packet的pts、dts： 打印出来的“pts”实际是AVPacket结构体中的成员变量pts，是以AVStream->time_base为单位的显
阅读更多...
利用matlab bar函数绘制较为复杂的柱状图，并在图中进行适当标注

利用matlab bar函数绘制较为复杂的柱状图，并在图中进行适当标注

示例代码和结果如下：小疑问：如何自动选择合适的坐标位置对柱状图的数值大小进行标注？😂 clear; close all;x = 1:3;aa=[28.6321521955954 26.2453660695847 21.69102348512086.93747104431360 6.25442246899816 3.342835958564245.51365061796319 4.87
阅读更多...
计算数组的斜率，偏移，R2

计算数组的斜率，偏移，R2

模拟Excel中的R2的计算。         public bool fnCheckRear_R2(List<double[]> lRear, int iMinRear, int iMaxRear, ref double dR2)         {             bool bResult = true;             int n = 0;             dou
阅读更多...
GPU 计算 CMPS224 2021 学习笔记 02

GPU 计算 CMPS224 2021 学习笔记 02

并行类型 （1）任务并行 （2）数据并行 CPU & GPU CPU和GPU拥有相互独立的内存空间，需要在两者之间相互传输数据。 （1）分配GPU内存 （2）将CPU上的数据复制到GPU上 （3）在GPU上对数据进行计算操作 （4）将计算结果从GPU复制到CPU上 （5）释放GPU内存 CUDA内存管理API （1）分配内存 cudaErro
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2