首页 > 代码库 > WeQuant交易策略—ATR

WeQuant交易策略—ATR

ATR(真实波幅均值)策略

策略介绍

ATR(average true range,真实波幅均值),是用来衡量一段时间内价格的真实的平均波动范围,ATR不是一个领先指标,但是它测量最重要的市场参数之一——价格波动。

ATR主要应用于了解股价的震荡幅度和节奏,在窄幅整理行情中用于寻找突破时机。通常情况下股价的波动幅度会保持在一定常态下,但是如果有主力资金进出时,股价波幅往往会加剧。另外,在股价横盘整理、波幅减少到极点时,也往往会产生变盘行情。真实波幅(ATR)正是基于这种原理而设计的指标。

计算方法(以日为单位举例)

ATR的计算比较简单,首先我们要算出当前真实的波幅。这里不单单考虑当前的价格波动,同时也要考虑到前一个时间点收盘价和当前开盘价之间的价格缺口(由于比特币是24小时连续交易,这个缺口一般不明显)。而ATR则是真实波幅一段时间窗口(一般取14天)的简单移动平均。计算公式如下:

(1)     真实波幅(TR):
                TR = MAX(∣最高价-最低价∣,∣最高价-昨收∣,∣昨收-最低价∣)
(2)     真实波幅均值(ATR):
                ATR = TR的N日简单移动平均

使用方法

ATR利用一段时间真实波幅的平均值,来反映一段时间内价格的波动。ATR上升,说明市场环境越发不稳定;ATR下降,说明市场正在趋于稳定。所以,ATR的走势可以帮助我们判断当前市场的波动趋势。

同时,ATR本身的值,也是也可以做为参考,帮助我们制定突破策略。在我们提供的示例代码中,就是使用了ATR作为一个点位突破的指标。若当前价格高于之前收盘价一定倍数的ATR值时,全仓买入;当价格低于之前一定倍数的ATR值时,全仓卖出。这两个倍数的设置的越大,越不容易产生突破的信号。

有些成熟的交易系统,比如海龟交易系统,使用ATR来确定头寸规模,进行头寸管理,很有成效。利用ATR与波动性成正比的关系,来设置交易的止损位。ATR越小,则止损距应该越短;ATR越大,则止损距就相应的拉长。这样,可以防止在大幅震荡的行情中,由于止损距过小而被提前震出场;或是在平稳的行情中,由于止损距过大,而无法应对突然的暴跌。

回测

  • 参数设置如下:

时间段

2016-01-01至2016-10-10
回测频率(context.frequency) 1d
多头ATR倍数 0.2
空头ATR倍数 0.25
回看时间窗口 10(天)

参数中,多头和空头的倍数设置是不对称的。多头更小,所以更容易触发,产生买入信号;而空头相对更大一些,不容易产生卖出的信号。这种设置是在我们看多比特价格时,而采用的“宽进严出”的策略,不要因为一时的下跌而错过大幅的上涨。相反,如果看空,也可以将空头的倍数设置的更小一些,让卖出信号更容易触发,防止大跌造成损失。如果无法判断行情,或者判断行当前为震荡行情,则可以将两个倍数调成相等,空头和多头信号触发难易程度一样,在震荡中抓取每一个小幅波动的收益。

  • 代码如下:
# !/usr/bin/env python
# -*- coding: utf-8 -*-

# 策略代码总共分为三大部分,1)PARAMS变量 2)initialize函数 3)handle_data函数
# 请根据指示阅读。或者直接点击运行回测按钮,进行测试,查看策略效果。

# 策略名称:ATR策略
# 策略详细介绍:https://wequant.io/study/strategy.atr.html
# 关键词:真实波幅、价格突破。
# 方法:
# 1)利用真实波幅来构造上下轨;
# 2)价格突破上轨买入;
# 3)价格突破下轨卖出。

import numpy as np
import talib


# 阅读1,首次阅读可跳过:
# PARAMS用于设定程序参数,回测的起始时间、结束时间、滑点误差、初始资金和持仓。
# 可以仿照格式修改,基本都能运行。如果想了解详情请参考新手学堂的API文档。
PARAMS = {
    "start_time": "2016-01-01 00:00:00",  # 回测起始时间
    "end_time": "2016-10-01 00:00:00",  # 回测结束时间
    "slippage": 0.001,  # 此处“slippage"包含佣金(千二)+交易滑点(千一)
    "account_initial": {"huobi_cny_cash": 100000, "huobi_cny_btc": 0},  # 设置账户初始状态
}


# 阅读2,遇到不明白的变量可以跳过,需要的时候回来查阅:
# initialize函数是两大核心函数之一(另一个是handle_data),用于初始化策略变量。
# 策略变量包含:必填变量,以及非必填(用户自己方便使用)的变量
def initialize(context):
    # 设置回测频率, 可选:"1m", "5m", "15m", "30m", "60m", "4h", "1d", "1w"
    context.frequency = "1d"
    # 设置回测基准, 比特币:"huobi_cny_btc", 莱特币:"huobi_cny_ltc", 以太坊:"huobi_cny_eth"
    context.benchmark = "huobi_cny_btc"
    # 设置回测标的, 比特币:"huobi_cny_btc", 莱特币:"huobi_cny_ltc", 以太坊:"huobi_cny_eth"
    context.security = "huobi_cny_btc"

    # 设定ATR的参数
    # ATR算法回看天数
    context.user_data.atr_period = 5
    # 当前价格与之前1天的价格相比较
    context.user_data.pre_period = 1
    # 多头ATR的倍数
    context.user_data.long_multi = 0.2
    # 空头ATR的倍数
    context.user_data.short_multi = 0.3

    # 至此initialize函数定义完毕。


# 阅读3,策略核心逻辑:
# handle_data函数定义了策略的执行逻辑,按照frequency生成的bar依次读取并执行策略逻辑,直至程序结束。
# handle_data和bar的详细说明,请参考新手学堂的解释文档。
def handle_data(context):
    # 获取回看时间窗口内的历史数据
    hist = context.data.get_price(context.security, count=context.user_data.atr_period + 1, frequency=context.frequency)
    if len(hist.index) < context.user_data.atr_period + 1:
        context.log.warn("bar的数量不足, 等待下一根bar...")
        return
    # 收盘价
    close = np.array(hist["close"])
    # 最高价
    high = np.array(hist["high"])
    # 最低价
    low = np.array(hist["low"])

    # 使用talib计算ATR
    try:
        # 获取最新的ATR值
        atr = talib.ATR(high, low, close, timeperiod=context.user_data.atr_period)[-1]
    except:
        context.log.error("计算ATR时出现错误...")
        return

    # 获取最新价格
    current_price = context.data.get_current_price(context.security)
    # 获取context.user_data.pre_period个bar前的价格
    prev_price = close[-(context.user_data.pre_period + 1)]
    # 计算上下轨
    upper = prev_price + context.user_data.long_multi * atr
    lower = prev_price - context.user_data.short_multi * atr

    context.log.info("当前价格=%s元, 上轨=%s元, 下轨=%s元" % (current_price, upper, lower))

    # 如果当前价格比之前价格低1个ATR,产生卖出信号
    if current_price < lower:
        context.log.info("价格超过了下轨,产生卖出信号")
        # 若持有仓位,则全仓卖出
        if context.account.huobi_cny_btc >= HUOBI_CNY_BTC_MIN_ORDER_QUANTITY:
            context.log.info("正在卖出 %s" % context.security)
            context.log.info("卖出数量为 %s" % context.account.huobi_cny_btc)
            context.order.sell(context.security, quantity=str(context.account.huobi_cny_btc))
        else:
            context.log.info("仓位不足,无法卖出")
    # 如果当前价格比之前价格高1个ATR,产生买入信号
    elif current_price > upper:
        context.log.info("价格超过了上轨,产生买入信号")
        # 若持有现金,则全仓买入
        if context.account.huobi_cny_cash >= HUOBI_CNY_BTC_MIN_ORDER_CASH_AMOUNT:
            context.log.info("正在买入 %s" % context.security)
            context.log.info("下单金额为 %s 元" % context.account.huobi_cny_cash)
            context.order.buy(context.security, cash_amount=str(context.account.huobi_cny_cash))
        else:
            context.log.info("现金不足,无法下单")
    else:
        context.log.info("无交易信号,进入下一根bar")

 

  • 回测结果如下:

技术分享

 

回测结果比较理想,策略在基准上涨的时候大部分都能够跟上,而在下跌的时候,又能够比较及时的逃出,锁定收益,在6月份的大涨大跌中表现尤为明显。

总结

本策略使用ATR值设置突破信号,达到追涨杀跌的目的。这种策略在牛市、熊市、震荡市中均可以使用,但要注意参数的调整。

WeQuant交易策略—ATR