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

使用C#代码计算数学表达式实例

使用C#代码计算数学表达式实例

《使用C#代码计算数学表达式实例》这段文字主要讲述了如何使用C#语言来计算数学表达式,该程序通过使用Dictionary保存变量,定义了运算符优先级,并实现了EvaluateExpression方法来... 目录C#代码计算数学表达式该方法很长，因此我将分段描述下面的代码片段显示了下一步以下代码显示该方法如
阅读更多...
使用Python绘制蛇年春节祝福艺术图

使用Python绘制蛇年春节祝福艺术图

《使用Python绘制蛇年春节祝福艺术图》：本文主要介绍如何使用Python的Matplotlib库绘制一幅富有创意的“蛇年有福”艺术图,这幅图结合了数字,蛇形,花朵等装饰,需要的可以参考下... 目录1. 绘图的基本概念2. 准备工作3. 实现代码解析3.1 设置绘图画布3.2 绘制数字“2025”3.3
阅读更多...
使用Python绘制可爱的招财猫

使用Python绘制可爱的招财猫

《使用Python绘制可爱的招财猫》招财猫,也被称为“幸运猫”,是一种象征财富和好运的吉祥物,经常出现在亚洲文化的商店、餐厅和家庭中,今天,我将带你用Python和matplotlib库从零开始绘制一... 目录1. 为什么选择用 python 绘制？2. 绘图的基本概念3. 实现代码解析3.1 设置绘图画
阅读更多...
Python绘制土地利用和土地覆盖类型图示例详解

Python绘制土地利用和土地覆盖类型图示例详解

《Python绘制土地利用和土地覆盖类型图示例详解》本文介绍了如何使用Python绘制土地利用和土地覆盖类型图,并提供了详细的代码示例,通过安装所需的库,准备地理数据,使用geopandas和matp... 目录一、所需库的安装二、数据准备三、绘制土地利用和土地覆盖类型图四、代码解释五、其他可视化形式1.
阅读更多...
如何用Java结合经纬度位置计算目标点的日出日落时间详解

如何用Java结合经纬度位置计算目标点的日出日落时间详解

《如何用Java结合经纬度位置计算目标点的日出日落时间详解》这篇文章主详细讲解了如何基于目标点的经纬度计算日出日落时间,提供了在线API和Java库两种计算方法,并通过实际案例展示了其应用,需要的朋友... 目录前言一、应用示例1、天安门升旗时间2、湖南省日出日落信息二、Java日出日落计算1、在线API2
阅读更多...
如何用Python绘制简易动态圣诞树

如何用Python绘制简易动态圣诞树

《如何用Python绘制简易动态圣诞树》这篇文章主要给大家介绍了关于如何用Python绘制简易动态圣诞树,文中讲解了如何通过编写代码来实现特定的效果,包括代码的编写技巧和效果的展示,需要的朋友可以参考... 目录代码：效果：总结 代码：import randomimport timefrom math
阅读更多...
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...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2