近五年年化41.3%，卡玛1.69的基于ATR的波动率全球资产轮动（指标+策略代码）

本文链接：https://blog.csdn.net/weixin_38175458/article/details/145675945

原创内容第800篇，专注量化投资、个人成长与财富自由。

今天的策略是基于波动率（通过归一化的ATR平均波幅）来选择ETF。

ATR可以帮助交易者判断市场是处于趋势状态还是盘整状。

趋势市场：当ATR上升时，表明市场波动性增加，可能是趋势延续的信号。交易者可以考虑在ATR上升时进入趋势方向的交易。
盘整市场：当ATR下降时，表明市场波动性降低，交易者可能选择避免交易或采用区间交易策略。

TR的计算方法如下：
首先计算每个周期的真实波幅（TR），TR是以下三者之间的最大值：
当期最高价与最低价之差（High - Low）
当期最高价与前一收盘价之差的绝对值（|High - Previous Close|）
当期最低价与前一收盘价之差的绝对值（|Low - Previous Close|）
然后，计算一定周期（通常为14天）内所有TR的平均值，即为ATR。

由于talib安装比较麻烦，因此我让deepseek用pandas直接写：

@calc_by_symbol
def ATR(high, low, close, timeperiod=14):
    # 计算前一日收盘价，第一个元素为NaN
    prev_close = close.shift(1)

    # 计算三个波动值
    tr1 = high - low
    tr2 = (high - prev_close).abs()
    tr3 = (low - prev_close).abs()

    # 计算真实波幅TR，当prev_close为NaN时（首日），仅取tr1
    tr = pd.Series(
        np.where(prev_close.isna(), tr1, np.maximum(np.maximum(tr1, tr2), tr3)),
        index=high.index
    )

    # 初始化ATR为TR的滚动平均值
    atr = tr.rolling(window=timeperiod, min_periods=timeperiod).mean()

    # 使用Wilder's平滑方法计算后续ATR
    for i in range(timeperiod, len(tr)):
        if pd.isna(atr.iloc[i]):
            prev_atr = atr.iloc[i - 1]
            current_tr = tr.iloc[i]
            atr.iloc[i] = (prev_atr * (timeperiod - 1) + current_tr) / timeperiod

    return atr

完整的策略代码如下：

from bt_algos_extend import Task, Engine


def ranking_ETFs():
    t = Task()
    t.name = '均线能量行业轮动'
    # 排序
    t.period = 'RunDaily'
    t.weight = 'WeighEqually'
    t.order_by_signal = 'ATR(high,low,close,10)/close'
    t.start_date = '20210101'

    t.symbols = [
        '162411.SZ',  # 华宝油气LOF'
        '159981.SZ',  # 能源化工
        '159980.SZ',  # 有色
        '518880.SH',  # 黄金
        '161226.SZ',  # 白银
        '159985.SZ',  # 豆粕
        # 跨境
        '164824.SZ',  # 印度
        '159920.SZ',  # 恒生
        '513100.SH',  # 纳指
        '513080.SH',  # 法国CAC40
        '513030.SH',  # 德国30
        '513520.SH',  # 日经
    ]
    t.benchmark = '510300.SH'
    return t


from config import DATA_DIR_QUOTES_INDEX

res = Engine(path='quotes').run(ranking_ETFs())
import matplotlib.pyplot as plt

print(res.stats)
from matplotlib import rcParams

rcParams['font.family'] = 'SimHei'
# res.plot_weights()
(res.prices.pct_change()+1).cumprod().plot()
plt.show()

ATR一般是用于计算止损位置，不过高波动率也是市场趋势判断的状态之一，因此，这个策略就是使用ATR来判断趋势方向，效果还不错。

代码在如下位置：