量化交易系统开发-实时行情自动化交易-4.1.3.A股平均趋向指数（ADX）实现

19年创业做过一年的量化交易但没有成功，作为交易系统的开发人员积累了一些经验，最近想重新研究交易系统，一边整理一边写出来一些思考供大家参考，也希望跟做量化的朋友有更多的交流和合作。

接下来继续说说A股平均趋向指数实现。

平均趋向指数（ADX，Average Directional Index）是一种衡量市场趋势强度的技术指标，广泛用于判断 A 股市场的趋势强弱，而不判断趋势方向。ADX 是基于正向趋向指标 (+DI) 和负向趋向指标 (-DI) 计算得出的一个趋势强度指标，通常用于确认趋势是否强劲。以下是通过 Python 和 Tushare 实现 A 股市场的 ADX 指标的代码示例。

1. ADX 的基本组成

• +DI（Positive Directional Indicator）：衡量价格上升的强度。

• -DI（Negative Directional Indicator）：衡量价格下降的强度。

• ADX：基于 +DI 和 -DI 计算的指数，用于衡量趋势的强度，而非方向。

2. 获取 A 股数据

使用 Tushare 获取 A 股的股票数据，确保你有 Tushare 的 API token。

import tushare as ts
import pandas as pd
import matplotlib.pyplot as plt# 设置 Tushare token
ts.set_token('your_tushare_token')
pro = ts.pro_api()# 获取 A 股的日线数据（以贵州茅台为例）
def get_a_stock_data(stock_code, start_date, end_date):df = pro.daily(ts_code=stock_code, start_date=start_date, end_date=end_date)df = df[['trade_date', 'high', 'low', 'close']]df['trade_date'] = pd.to_datetime(df['trade_date'])df.set_index('trade_date', inplace=True)df = df.sort_index()return df# 获取贵州茅台（600519.SH）的日线数据
stock_code = '600519.SH'
start_date = '20200101'
end_date = '20221231'
stock_data = get_a_stock_data(stock_code, start_date, end_date)

3. 计算 ADX 指标

# 计算 ADX 指标
def calculate_adx(data, window=14):"""计算平均趋向指数 (ADX) 指标。:param data: 股票数据的 pandas DataFrame，必须包含 'high', 'low', 'close' 列:param window: ADX 的窗口大小，通常为 14:return: 包含 ADX 指标的 DataFrame"""# 计算 True Range (TR)data['tr1'] = data['high'] - data['low']data['tr2'] = abs(data['high'] - data['close'].shift(1))data['tr3'] = abs(data['low'] - data['close'].shift(1))data['TR'] = data[['tr1', 'tr2', 'tr3']].max(axis=1)# 计算 +DM 和 -DMdata['+DM'] = np.where((data['high'] - data['high'].shift(1)) > (data['low'].shift(1) - data['low']), data['high'] - data['high'].shift(1), 0)data['+DM'] = np.where(data['+DM'] < 0, 0, data['+DM'])data['-DM'] = np.where((data['low'].shift(1) - data['low']) > (data['high'] - data['high'].shift(1)), data['low'].shift(1) - data['low'], 0)data['-DM'] = np.where(data['-DM'] < 0, 0, data['-DM'])# 计算平滑的 TR, +DM, -DMdata['TR_smooth'] = data['TR'].rolling(window=window).sum()data['+DM_smooth'] = data['+DM'].rolling(window=window).sum()data['-DM_smooth'] = data['-DM'].rolling(window=window).sum()# 计算 +DI 和 -DIdata['+DI'] = 100 * (data['+DM_smooth'] / data['TR_smooth'])data['-DI'] = 100 * (data['-DM_smooth'] / data['TR_smooth'])# 计算 DX 和 ADXdata['DX'] = 100 * abs(data['+DI'] - data['-DI']) / (data['+DI'] + data['-DI'])data['ADX'] = data['DX'].rolling(window=window).mean()return data# 计算贵州茅台的 ADX 指标
stock_data = calculate_adx(stock_data)# 打印结果
data[['high', 'low', 'close', '+DI', '-DI', 'ADX']]# 绘制 ADX 图表
plt.figure(figsize=(12, 8))
plt.subplot(2, 1, 1)
plt.plot(stock_data.index, stock_data['close'], label='Close Price', color='blue')
plt.title(f'{stock_code} Close Price')
plt.xlabel('Date')
plt.ylabel('Price')
plt.legend()
plt.grid()plt.subplot(2, 1, 2)
plt.plot(stock_data.index, stock_data['+DI'], label='+DI', color='green')
plt.plot(stock_data.index, stock_data['-DI'], label='-DI', color='red')
plt.plot(stock_data.index, stock_data['ADX'], label='ADX', color='blue')
plt.title('ADX Indicator')
plt.xlabel('Date')
plt.ylabel('Value')
plt.legend()
plt.grid()plt.tight_layout()
plt.show()

4. 代码解释

• 获取数据：我们使用 Tushare 的 pro.daily 接口获取贵州茅台的日线数据，数据包括最高价、最低价和收盘价。

• 计算 True Range (TR)：TR 是衡量市场波动的真实范围，计算方式为最高价与最低价的差值、前一日收盘价与最高价的差值、前一日收盘价与最低价的差值三者中的最大值。

• +DM 和 -DM：+DM 和 -DM 分别表示向上和向下的价格动向，用于衡量价格上涨和下跌的强度。

• +DI 和 -DI：+DI 和 -DI 分别表示正向和负向的趋向指标，表示价格上涨或下跌的强度相对于真实范围的百分比。

• DX 和 ADX：DX 是 +DI 和 -DI 的差值的绝对值除以其和的百分比，用于衡量趋势的强弱。ADX 是 DX 的移动平均值，表示趋势强度的平滑值。

5. 使用 ADX 的交易信号

• 趋势强度判断：当 ADX 高于 25 时，通常表示市场处于强趋势状态，无论是上升趋势还是下降趋势；当 ADX 低于 20 时，表示市场处于无趋势状态或震荡阶段。

• 结合 +DI 和 -DI：当 +DI 高于 -DI 且 ADX 上升时，表明上升趋势强烈，可以考虑买入；当 -DI 高于 +DI 且 ADX 上升时，表明下跌趋势强烈，可以考虑卖出。

6. 总结

平均趋向指数（ADX）是 A 股市场中衡量趋势强度的重要工具，通过分析 +DI、-DI 和 ADX 的变化，交易者可以判断当前市场是否具有明确的趋势，以及趋势的强度。ADX 常与其他技术指标结合使用，以便更好地识别市场的交易机会和风险。