matlab rsi的交易策略源码,vn.py 源码解析之 ATR_RSI 策略

ATR和RSI量化指标

在介绍vn.py中CTA策略ATR_RSI之前，首先需要对ATR和RSI这两个量化指标有所了解。

1、均幅指标(Average True Range，ATR)

ATR称为均幅指标，也称作平均真实波动或真实波动均值，是一种表示市场变化率的指标。是由威尔德(J Welles Wilder)于1978年在《New Concepts in Technical Trading Systems》中提出。ATR常用于表示趋势的开始或者反转，较低的ATR表示比较平稳、冷清的市场环境，而长时间的ATR则可能会是市场在积蓄力量并开始下一种趋势，这种趋势可能是当前趋势的继续或者趋势的反转；较高的ATR表示波动大、交易频繁的市场环境，而高ATR的意味着短时间的价格大幅变动，通常这种情况不会维持太长。ATR也可以用来动态设置交易的止盈和止损价位，由于ATR表示一段时间的波动真实范围，所以可以用于动态设定止盈止损价位。ATR还可以用来动态设置仓位，如海龟交易准则中就以交易标的的ATR来设置仓位，高ATR意味着高风险，则应设定较低的仓位。

在计算平均真实波幅之前需要需要先计算真实波幅 TR(True Range)，真实波幅计算的方法是：

1、计算当前交易日的最高价High(T)和最低价Low(T)之间的价差。

2、计算前一交易日的收盘价Close(T-1)和当前交易日最高价High(T)之间的价差。

3、计算前一交易日的收盘价Close(T-1)和当前交易日最低价Low(T)之间的价差。

然后计算今日最高价与最低价的价差振幅，昨日收盘价与今日最高价的价差振幅，昨日收盘价与今日最低价价差振幅三者之间的最大值。

公式表示为：

TR=max(High(T−Low(T),abs(Close(T−1)−High(T)),abs(Close(T−1)−Low(T)))

N日ATR实际上就是TR的N日移动平均值，即:ATR=MA(TR,N)

2、相对强弱指标(Relative Strength Index，RSI)

RSI也是威尔德(J Welles Wilder)于1978年在《New Concepts in Technical Trading Systems》中提出。RSI是根据一定时期内上涨点数和涨跌点数之间的比率制作的技术指标，可以表示市场一定时期的景气程度。N日RSI的计算方式为 RSI=100 *(N日收盘上涨之和 / N日收盘涨跌之和)，它的范围在0到100之间，通常RSI处于30到70之间，在10到20之间时，市场处于超卖状态，后市将会出现价格反弹回升；在80到90之间，市场处于超买状态，后市将会出现价格回落。

ATR_RSI策略

ATR描述市场的变化波动，RSI描述市场强弱的关系，因此也有很多量化策略是以ATR或者RSI指标作为交易信号。

ATR_RSI策略源码分析

vn.py中也有以ATR和RSI的CTA策略，下面就对这个ATR_RSI策略进行分析。

1、完整源码

from vnpy.app.cta_strategy import (CtaTemplate,StopOrder,TickData,BarData,TradeData,OrderData,BarGenerator,ArrayManager,)class AtrRsiStrategy(CtaTemplate):""""""author = "用Python的交易员"atr_length = 22atr_ma_length = 10rsi_length = 5rsi_entry = 16trailing_percent = 0.8fixed_size = 1atr_value = 0atr_ma = 0rsi_value = 0rsi_buy = 0rsi_sell = 0intra_trade_high = 0intra_trade_low = 0parameters = ["atr_length", "atr_ma_length", "rsi_length","rsi_entry", "trailing_percent", "fixed_size"]variables = ["atr_value", "atr_ma", "rsi_value", "rsi_buy", "rsi_sell"]def __init__(self, cta_engine, strategy_name, vt_symbol, setting):""""""super(AtrRsiStrategy, self).__init__(cta_engine, strategy_name, vt_symbol, setting)self.bg = BarGenerator(self.on_bar)self.am = ArrayManager()def on_init(self):"""Callback when strategy is inited."""self.write_log("策略初始化")self.rsi_buy = 50 + self.rsi_entryself.rsi_sell = 50 - self.rsi_entryself.load_bar(10)def on_start(self):"""Callback when strategy is started."""self.write_log("策略启动")def on_stop(self):"""Callback when strategy is stopped."""self.write_log("策略停止")def on_tick(self, tick: TickData):"""Callback of new tick data update."""self.bg.update_tick(tick)def on_bar(self, bar: BarData):"""Callback of new bar data update."""self.cancel_all()am = self.amam.update_bar(bar)if not am.inited:returnatr_array = am.atr(self.atr_length, array=True)self.atr_value = atr_array[-1]self.atr_ma = atr_array[-self.atr_ma_length:].mean()self.rsi_value = am.rsi(self.rsi_length)if self.pos == 0:self.intra_trade_high = bar.high_priceself.intra_trade_low = bar.low_priceif self.atr_value > self.atr_ma:if self.rsi_value > self.rsi_buy:self.buy(bar.close_price + 5, self.fixed_size)elif self.rsi_value < self.rsi_sell:self.short(bar.close_price - 5, self.fixed_size)elif self.pos > 0:self.intra_trade_high = max(self.intra_trade_high, bar.high_price)self.intra_trade_low = bar.low_pricelong_stop = self.intra_trade_high * \(1 - self.trailing_percent / 100)self.sell(long_stop, abs(self.pos), stop=True)elif self.pos < 0:self.intra_trade_low = min(self.intra_trade_low, bar.low_price)self.intra_trade_high = bar.high_priceshort_stop = self.intra_trade_low * \(1 + self.trailing_percent / 100)self.cover(short_stop, abs(self.pos), stop=True)self.put_event()def on_order(self, order: OrderData):"""Callback of new order data update."""passdef on_trade(self, trade: TradeData):"""Callback of new trade data update."""self.put_event()def on_stop_order(self, stop_order: StopOrder):"""Callback of stop order update."""pass

2、策略参数与变量

从代码中可以看出这个策略有6个超参和5个变量。

六个超参的意义是：

1、 atr_length：ATR指标的周期长度，也即是多少日的TR的均值。

2、atr_ma_length：ATR指标的移动平均值长度。

3、rsi_length：RSI指标的周期长度。

4、rsi_entry：RSI指标的进场数值。

5、trailing_percent：用于止盈或者止损的百分比。

6、fixed_size：仓位数。

五个变量的意义是：

1、atr_value：当前ATR的值。

2、atr_ma：当前ATR的移动均值。

3、rsi_value：当前RSI的值。

4、rsi_buy：RSI的多头上轨。

5、rsi_sell：RSI的空头上轨。

atr_length = 22atr_ma_length = 10rsi_length = 5rsi_entry = 16trailing_percent = 0.8fixed_size = 1atr_value = 0atr_ma = 0rsi_value = 0rsi_buy = 0rsi_sell = 0intra_trade_high = 0intra_trade_low = 0parameters = ["atr_length", "atr_ma_length", "rsi_length","rsi_entry", "trailing_percent", "fixed_size"]variables = ["atr_value", "atr_ma", "rsi_value", "rsi_buy", "rsi_sell"]

3、策略执行逻辑

在策略执行之前需要初始化策略变量，其中rsi+buy和rsi_sell两个超参分别设置为66和34，用于表示开多和开空的上下轨：

def on_init(self):"""Callback when strategy is inited."""self.write_log("策略初始化")self.rsi_buy = 50 + self.rsi_entryself.rsi_sell = 50 - self.rsi_entryself.load_bar(10)

与之前的策略一样，ATR_RSI策略的主要交易逻辑也是在on_bar()函数中，策略开始时先取消上一bar数据中未成交的所有订单。然后需要做的也是将新的bar数据添加到ArrayManger容器，然后通过底层ta-lib计算当前相应的指标ATR、ATR的均值以及RSI。

self.cancel_all()am = self.amam.update_bar(bar)if not am.inited:returnatr_array = am.atr(self.atr_length, array=True)self.atr_value = atr_array[-1]self.atr_ma = atr_array[-self.atr_ma_length:].mean()self.rsi_value = am.rsi(self.rsi_length)

接下来，如果没有持仓的话就进行判断是否满足开仓条件，先记录当前bar的最高最低价到intra_trade_high和intra_trade_low，分别用于表示日内交易当前bar的最高价和最低价。如果当前ATR的值大于ATR的N均值，并且RSI的值大于开多的上轨时，就以超价限价单开多；如果当前ATR的值大于ATR的N均值，并且RSI的值小于开空的下轨时，就以超价限价单开空。

if self.pos == 0:self.intra_trade_high = bar.high_priceself.intra_trade_low = bar.low_priceif self.atr_value > self.atr_ma:if self.rsi_value > self.rsi_buy:self.buy(bar.close_price + 5, self.fixed_size)elif self.rsi_value < self.rsi_sell:self.short(bar.close_price - 5, self.fixed_size)

当持有多头仓位时，通过trailing_percent对日内交易的最高价位设置价位，然后以这个价位发出停止单以止盈止损平仓；当持有空头仓位时，也是通过trailing_percent对日内交易的最低价位设置价位，然后以这个价位发出停止单以止盈止损平仓。

elif self.pos > 0:self.intra_trade_high = max(self.intra_trade_high, bar.high_price)self.intra_trade_low = bar.low_pricelong_stop = self.intra_trade_high * (1 - self.trailing_percent / 100)self.sell(long_stop, abs(self.pos), stop=True)elif self.pos < 0:self.intra_trade_low = min(self.intra_trade_low, bar.low_price)self.intra_trade_high = bar.high_priceshort_stop = self.intra_trade_low * (1 + self.trailing_percent / 100)self.cover(short_stop, abs(self.pos), stop=True)