ATR网格---ATR计算原理研究运用

文章声明:本内容为个人的业余研究，和任何单位，机构没有关系，文章出现的股票代码，全部只是测试例子，不做投资参考，投资有风险，代码学习使用，不做商业用途

最近这个市场一上一下的，网格做红利，外盘，宽基金，黄金还是非常不错的，我看了网格是一个不错的交易方式的，常见的网格是固定的，不同的标的波动率不一样，使用的固定的网格不合适全部标的，ATR是这个自动匹配波动率的非常不错的指标，我写了2个atr网格，后面给策略的运行原理图，今天先了解atr的计算，原理

周末qmt在维护不好测试代码，星期一策略一下看看结果，网格用来做黄金，宽基金，外盘，红利，银行是非常不错的选择，atr的计算

先看一下atr的运用原理ATR网格---ATR计算原理研究运用https://mp.weixin.qq.com/s/N7QANrYlZ-nXqX2VMbktMw

第一部分：ATR 的核心概念与计算

1. 核心概念

ATR的“真实波幅”考虑了一个时间段内的最高价、最低价以及前一个交易日的收盘价，以捕捉可能出现的“跳空缺口”带来的波动。因此，它比简单的“最高价-最低价”范围更能真实地反映市场的波动性。

2. 详细计算步骤

ATR的计算分为两步：先计算真实波幅（TR），再对TR进行移动平均（通常是14期）。

步骤一：计算当前K线的真实波幅（True Range, TR）
TR是以下三个值的最大值：

1. 当前K线的最高价 - 当前K线的最低价
   （High_t - Low_t）

2. 当前K线的最高价 - 前一根K线的收盘价（的绝对值）
   （| High_t - Close_{t-1} |）

3. 当前K线的最低价 - 前一根K线的收盘价（的绝对值）
   （| Low_t - Close_{t-1} |）

公式为：
TR_t = MAX( High_t - Low_t, | High_t - Close_{t-1} |, | Low_t - Close_{t-1} | )

步骤二：计算ATR
对TR进行平滑处理，通常使用14作为周期（N）。威尔德在他的书中推荐使用14周期的移动平均，这个参数至今仍被广泛使用。计算方式有两种：

• 经典方法（Wilder的平滑法）：这是威尔德最初提出的方法，也是一种指数移动平均的变体。

  • 第一个ATR值：ATR_14 = (前14个TR的总和) / 14

  • 后续ATR值：当前ATR = [ (前一个ATR * 13) + 当前TR ] / 14

• 简单移动平均（SMA）法：现在很多交易软件也提供直接用SMA计算ATR的选项。

  • ATR = SMA(TR, N) （即过去N根K线的TR值的简单算术平均）

重要提示：绝大多数现代交易平台（如TradingView, MetaTrader, Thinkorswim等）都会自动完成这些计算，你只需要在图表上添加ATR指标并设置周期即可，无需手动计算。

3. 如何解读ATR值

• ATR值本身没有意义，其数值代表的是价格的平均波动范围。例如，一只股票的ATR是1.5，意味着平均每天波动1.5元。

• ATR值越高，代表波动性越大，市场情绪越激烈（无论是贪婪还是恐惧）。通常在发布重要新闻、财报或市场出现恐慌/狂热时，ATR会急剧上升。

• ATR值越低，代表波动性越小，市场处于盘整或犹豫不决的状态。

• ATR值的比较：

  • 纵向比较：将当前的ATR值与自身历史值进行比较。例如，当前ATR是2.0，而过去一个月的平均ATR是1.0，说明现在波动性是过去的两倍。

  • 横向比较：比较不同资产的ATR值。例如，一只科技股的ATR是3.0，而一只公用事业股的ATR是0.5，说明科技股的波动性远大于公用事业股。

---

第二部分：ATR 的实际运用

ATR不预测方向，但它是风险管理和策略优化的强大工具。

1. 动态设置止损（最常用、最核心的用法）

这是ATR最经典和最有价值的应用。基于固定点数或金额的止损无法适应市场波动性的变化。ATR止损是动态的，能根据市场波动自动调整止损幅度。

• 方法：

  • 做多止损：入场价格 - (X * ATR值)

  • 做空止损：入场价格 + (X * ATR值)

• 参数X：通常是一个倍数，常见的有1.5、2、2.5或3。这个倍数取决于你的交易策略和风险承受能力。

  • 例如，你在100元入场做多，当前14周期ATR是2.5。你使用2倍ATR作为止损距离，那么你的止损位就是 100 - (2 * 2.5) = 95元。

优点：

• 避免被噪音震出局：在波动大的市场中，止损会放宽，避免被正常的市场“噪音”触发止损。

• 锁定利润：在趋势行情中，ATR值会增大，你的跟踪止损幅度也会相应变大，可以更好地让利润奔跑。

• 适应性：自动适应不同波动性的股票、期货、外汇等不同资产。

2. 动态设置止盈目标

同理，你也可以用ATR来设定合理的目标位。

• 方法：

  • 做多目标：入场价格 + (X * ATR值)

  • 做空目标：入场价格 - (X * ATR值)

• 这里的X倍数可以与止损倍数相同，也可以不同，取决于你的风险回报比策略。例如，你可能会设置一个3倍ATR的止盈和一个1.5倍ATR的止损，以达到2:1的风险回报比。

3. 作为仓位管理（资金管理）的关键输入

ATR是波动性调整仓位的核心。你的仓位大小应该与市场的波动性成反比。

• 原理：波动性越大（ATR越高），单笔交易潜在的风险就越大，因此你应该持有更小的头寸以控制风险。

• 方法（Van Tharp的方法）：

  1. 确定你愿意为单笔交易承担的最大风险（比如账户总额的1%）。

  2. 计算你基于ATR的止损距离（比如 2 * ATR）。

  3. 头寸大小 = (账户总资金 * 1%风险) / (止损距离 * 每点价值)

• 例子：账户有10万元，单笔风险1%（即1000元）。你交易某股票，ATR为2元，使用2倍ATR止损，即止损距离为4元。你最多可以买入：1000 / 4 = 250股。这样，无论市场波动多大，你的最大亏损都被锁定在1000元。

4. 识别市场波动性变化和趋势强度

• ATR上升：表明波动性在增加，通常发生在现有趋势加速或反转之初。趋势强劲时，ATR保持高位或继续上升。

• ATR下降：表明波动性在收缩，市场进入盘整或犹豫期，这通常是爆发前的宁静，预示着可能即将出现一波大的行情（突破）。结合布林带收缩等指标一起观察，效果更好。

• 趋势确认：在上升趋势中，价格不断创新高，如果同时ATR也同步上升，说明买盘力量强劲，趋势健康。如果价格创新高但ATR下降（顶背离），则可能暗示趋势动力不足，是潜在的反转警告。下降趋势中同理。

ATR是一个专注于衡量波动性的工具，它在风险管理（动态止损、仓位管理）方面的价值远大于其作为信号发生器的作用。

一个典型的交易工作流可能是：

1. 用趋势指标或价格行为确定交易方向（做多/做空）。

2. 查看当前ATR值，评估市场波动性。

3. 根据ATR值和个人风险偏好（如2倍ATR）设置科学的止损位。

4. 根据止损距离和账户风险承受度（如1%），计算合理的买入头寸。

5. 在持仓过程中，根据最新的ATR值动态调整止损位（跟踪止损），并管理仓位。

计算的代码，先安装西蒙斯数据库，读取不同标的的数据教程

量化研究--推出强大西蒙斯金融量化交易数据库2https://mp.weixin.qq.com/s?__biz=MzI5NTE5NTExMw==&mid=2247495257&idx=1&sn=47f47a51a2fa6b664d905d8566746eb1&scene=21#wechat_redirect

比如计算半导体etf

ATR计算输出***************股票:512480 目前:ATR0.06157142857142856 对应涨跌幅:4.484444906877536

匹配还是非常不错的

比如计算宽基金561930沪深300ETF

输出的结果

ATR计算输出***************股票:561930 目前:ATR0.026428571428571485 对应涨跌幅:1.801538611354566

计算源代码

'''
ATR计算研究
作者:西蒙斯量化
微信:xg_quant
'''
from xms_quant_trader_data.xms_quant_trader_data import xms_quant_trader_data
import pandas as pd
import numpy as np
#读取西蒙斯数据库数据
#教程https://gitee.com/li-xingguo11111/xms_quant_trader_data
api=xms_quant_trader_data(url='http://14.103.193.242',port='8080',password='test')
def ABS(S):  '''返回N的绝对值'''   return np.abs(S)  
def REF(S, N=1):  '''        对序列整体下移动N,返回序列(shift后会产生NAN)    '''return pd.Series(S).shift(N).values    
def MA(S,N):    '''求序列的N日简单移动平均值，返回序列     '''                         return pd.Series(S).rolling(N).mean().values  
def MAX(S1,S2): '''序列max'''return np.maximum(S1,S2)    
def ATR(CLOSE,HIGH,LOW,N=14):'''真实波幅输出MTR:(最高价-最低价)和1日前的收盘价-最高价的绝对值的较大值和1日前的收盘价-最低价的绝对值的较大值输出真实波幅:MTR的N日简单移动平均'''MTR=MAX(MAX((HIGH-LOW),ABS(REF(CLOSE,1)-HIGH)),ABS(REF(CLOSE,1)-LOW))ATR=MA(MTR,N)return MTR,ATR
#读取etf数据
stock='561930'
start_date='20250101'
end_date='20500101'
df=api.get_ETF_daily_hist_data(stock=stock,start_date=start_date,end_date=end_date)
print(df)
CLOSE=df['close']
HIGH=df['high']
LOW=df['low']
N=14
mtr,atr=ATR(CLOSE=CLOSE,HIGH=HIGH,LOW=LOW,N=N)
last_atr=atr[-1]
close=CLOSE.tolist()[-1]
zdf=(last_atr/close)*100
print("ATR计算输出***************")
print('股票:{} 目前:ATR{} 对应涨跌幅:{}'.format(stock,last_atr,zdf))