Python：平均方向指数 (ADX) 4 方向移动系统计算

最新推荐文章于 2025-04-12 19:56:46 发布
最新推荐文章于 2025-04-12 19:56:46 发布
阅读量385 收藏 2
点赞数 6
CC 4.0 BY-SA版权
文章标签： matplotlib python numpy
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/sentdex/article/details/141359972

这段文字是关于股票指标教程系列中，如何计算平均方向指数（ADX）的讲解。

教程首先回顾了之前计算出的正向指标（+DI）和负向指标（-DI），这些指标是ADX的一部分。接着，教程开始定义ADX，并使用代码进行计算。

代码中，首先定义了两个变量，分别代表正向指标和负向指标的长度。然后，由于在之前的计算中，只考虑了从第二天开始的价格，因此在计算ADX时，需要考虑从第一个数据点开始的所有数据。

接下来，代码开始计算DX，即方向指标。DX的计算公式为：100 * |(+DI - -DI)| / (+DI + -DI)。代码中使用循环遍历所有数据点，并计算每个数据点的DX值。

最后，为了得到ADX，需要对DX进行14周期指数移动平均（EMA）。教程解释了，对DX进行EMA和对DX计算公式中所有指标进行EMA，然后乘以100的效果是一样的。

总结来说，这段文字详细讲解了如何通过代码计算ADX，包括计算DX和对DX进行EMA的步骤。教程还强调了在进行计算时，需要考虑数据点从第一个数据点开始的情况。

本视频教你如何在 Python 中计算平均方向指数 (ADX)，ADX 是 Welles Wilder 开发的方向性移动系统的一部分。 本系列的目的是在 Python 中教授数学知识。 为此，我们将使用技术分析中常用的许多流行的股票指标。 对于大多数指标，我们将首先讨论它们，它们的用途，然后教授如何在 Python 中编程它们，最后将它们实际显示在图表上。基本的图表应用程序来自之前的教程系列，这里：http://www.youtube.com/playlist?list=PLQVvvaa0QuDcR-u9O8LyLR7URiKuW-XZq所需文件：实际图表部分的示例代码：http://sentdex.com/sentiment-analysisbig-data-and-python-tutorials-algorithmic-trading/python-matplotlib-sample-code-charting-stocks-python/Python：http://python.orgNumpy：http://www.lfd.uci.edu/~gohlke/pythonlibs/#numpyMatplotlib：http://matplotlib.org/downloads.html

ADX指标详解(指标交易的重要信号)-免费API工具
Xueqiualltick的博客
09-17 1707
由于ADX是基于一系列的平滑处理（也就是上面提到的移动平均）计算得出的，也就是说它其实对市场的反应速度相对是较慢的。如果你对ADX指标的原理和应用感兴趣，并想深入了解更多关于它的细节和实际操作方法，我强烈推荐你阅读Welles Wilder的经典著作《技术交易新概念》。这在我们以前的教程中有反复提及过，任何投资决策都不应该依赖单一的指标，虽然ADX能有效地衡量趋势的强度，但它并不提供趋势方向的信息。而ADX的作用就是把这两个指标的力量整合起来，给出一个总的趋势强度的数值。ADX 是DX的平滑平均值。
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
封步宇AIGC的博客
11-18 909
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。
Python：平均方向指数（ADX）方向性移动系统计算
sentdex的博客
08-16 542
方向移动系统（ADX）详解 这段文字介绍了技术指标方向移动系统（ADX），它由威尔斯·怀尔德（Wells Wilder）开发，并由三个指标构成：正向指标（+DI）、负向指标（-DI）和ADX线。 ADX系统的工作原理如下： 判断市场趋势： ADX首先判断市场是否处于趋势之中，以及趋势是向上还是向下。 衡量趋势强度： ADX线用来衡量趋势的强度。 计算正向指标（+DI）和负向指标（-DI）： ...
Python：平均方向指数（ADX）2 方向移动系统计算
sentdex的博客
08-16 449
本段文字介绍了如何使用 Python 代码实现 Average Directional Index (ADX) 指标的计算。 首先，作者强调了需要先获取示例数据，并提供了数据获取的网站和方法。然后，作者开始讲解代码实现，包括导入 numpy 库、读取数据、定义 True Range (TR) 函数以及定义 Directional Movement (DM) 函数。 代码实现中，作者使用 numpy...
ADX指标
最新发布
极客神殿
04-12 1159
ADX（Average Directional Index，平均趋向指数）是由提出的技术指标，用于衡量价格趋势的强弱，而非趋势的方向。它是趋势型交易者常用的重要指标，尤其是在量化和趋势策略中非常实用。
python股票全套系统_GitHub - marsdin/stock: stock，股票系统。使用python进行开发。
weixin_30407555的博客
02-21 1万+
pythonstock V1 项目简介特别说明：股市有风险投资需谨慎，本项目只能用于Python代码学习，股票分析，投资失败亏钱不负责，不算BUG。PythonStock V1 是基于Python的pandas，tushare，bokeh，tornado，stockstats，ta-lib等框架开发的全栈股票系统。1)可以直接使用docker直接本地部署运行，整个项目在docker hub上压缩后...
python股票全套系统_GitHub - hyspider/stock: stock，股票系统。使用python进行开发。
weixin_29771573的博客
02-21 3604
pythonstock V1 项目简介特别说明：股市有风险投资需谨慎，本项目只能用于Python代码学习，股票分析，投资失败亏钱不负责，不算BUG。PythonStock V1 是基于Python的pandas，tushare，bokeh，tornado，stockstats，ta-lib等框架开发的全栈股票系统。1)可以直接使用docker直接本地部署运行，整个项目在docker hub上压缩后...
高级 Python 技术：掌握波动率指标以更好地进行市场分析
进击的小学生
01-05 1018
CHV 指标不直接预测价格方向，而是专注于波动性的变化，帮助交易者识别潜在的市场突破或趋势反转。Relative Volatility Index (RVI) 是一种强大的技术分析工具，能够帮助交易者识别市场波动性和趋势强度。尽管其计算复杂且存在一定滞后性，但结合其他指标使用时，RVI 可以提供更全面的市场洞察，帮助交易者做出更明智的决策。它通过计算一定周期内的最高价和最低价，形成一个价格通道，帮助交易者判断市场的支撑位、阻力位以及趋势方向。上升的 RVI 表明走强的趋势，而下降的 RVI 表明势头减弱。
python龙虎榜数据_GitHub - TR678/stock: stock，股票系统。使用python进行开发。
weixin_39785524的博客
12-16 782
pythonstock V1 项目简介特别说明：股市有风险投资需谨慎，本项目只能用于Python代码学习，股票分析，投资失败亏钱不负责，不算BUG。PythonStock V1 是基于Python的pandas，tushare，bokeh，tornado，stockstats，ta-lib等框架开发的全栈股票系统。1)可以直接使用docker直接本地部署运行，整个项目在docker hub上压缩后...
【原生代码】Python3 计算DI、ADX趋向指标
sumubaiblog的博客
11-13 2572
1.引用： import pandas as pd import numpy as np 2.代码 #RSI中使用的移动平均线。 它是指数加权移动平均线，alpha加权值 = 1 /长度 def RMA(r, days, name=0): cps = [ v[name] for v in r ] if name else r rmas = [0 for i in range(len(cps))] # 创造一个和cps一样大小的集合 alpha = 1 / days
ADX
03-27
ADX
趋势盘整判断ADX，让你知道何时买通达信指标公式源码.doc
08-11
趋势盘整判断ADX，让你知道何时买通达信指标公式源码.doc
ADX 深度揭秘：精准捕捉市场交易趋势反转的秘诀！（附完整源码）
weixin_70955880的博客
02-17 1874
大家好，今天我们来聊聊ADX指标。它不仅能帮我们判断市场趋势的强弱，还能提前发出反转信号。在这篇文章中，我会分享如何用ADX指标在波动的市场中做出更聪明的决策，帮你更清晰地看懂市场变化，抓住最佳买卖时机。
python量化策略源码_【Python量化投资】趋向系统指标策略 ADX、DMI指标用于股票池（附源码）...
weixin_39534321的博客
11-23 2323
原标题：【Python量化投资】趋向系统指标策略 ADX、DMI指标用于股票池（附源码） [什么是ADX]ADX(average directional indicator) 平均趋向指数，常用的趋势衡量指标。通常与趋向系统（DMI）一起使用，利用多空趋向之变化差离与总和判定平均趋势，ADX数值不能显示趋势的发展方向。但是如果趋势存在，ADX可以衡量趋势的强度。[ADX的计算方法(默认区间14天)...
程序化交易平台ADX
技术人宝哥
01-22 4677
DMP介绍
如何使用ADX公式，分步讲解
anzocapital的博客
08-07 1086
● M =高(i) -高(i-1)-M =低(i-1) -低(I)高和低是最大值和最小值，而I和i-1是当前和先前的低和高时段，表示当前和先前的棒线或蜡烛线。Close是烛台的收盘价，I和i-1是当前和先前的蜡烛。+M是绝对的正价格运动，-M是绝对的负价格运动。TR = Max(高(I)，Close (i-1)) - Min(低(I)，Close (i-1))● DM = -M，如果-M> +M且-M > 0;如果-M，则-DM = 0。● DM = +M，如果+M> -M且+M > 0;
在 Python 中使用 ADX 进行算法交易
进击的小学生
01-01 960
在阅读本文前，可查阅以往文章:技术指标有几个分支，其中趋势指标使用最广泛。这些工具可帮助交易者确定市场趋势的方向和强度，使他们能够相应地调整交易。如果趋势指标得到有效应用，它们通常会产生积极的结果。在本文中，将仔细研究最突出的趋势指标之一——平均方向指数 （ADX）。首先，将对 ADX 有一个基本的了解，包括其用途和计算。之后，将从头开始开发指标，并在 Python 中基于它实施交易策略。
Python 实现 DMI 指标计算：股票技术分析的利器系列（5）
二等碗
02-19 2922
先看看官方介绍：DMI (趋向指标）用法1.PDI线从下向上突破MDI线，显示有新多头进场，为买进信号；2.PDI线从上向下跌破MDI线，显示有新空头进场，为卖出信号；3.ADX值持续高于前一日时，市场行情将维持原趋势；4.ADX值递减，降到20以下，且横向行进时，市场气氛为盘整；5.ADX值从上升倾向转为下降时，表明行情即将反转。rolling函数通常与其他函数（如meansumstd等）一起使用，以计算滚动统计量，例如滚动均值、滚动总和等。以下是rollingwindow。
PythonStock（13）：使用stockstats计算股票中的16个常用指标方法大全
热门推荐
freewebsys的专栏
11-20 5万+
前言使用Python开发一个股票项目。 项目地址： https://github.com/pythonstock/stock 相关资料： http://blog.youkuaiyun.com/freewebsys/article/details/78294566 主要使用开发语言是python。 使用的lib库是pandas，tushare，TensorFlow，tornado等。本文的
adx用Python实现，不用talib库
12-30
### 实现ADX指标的纯Python代码 为了计算ADX（平均方向指数），需要先理解其构成部分。ADX由正向和负向方向线（+DI 和 -DI）、真实波动范围（TR）、以及平滑后的True Range (ATR)组成。 #### 正向和负向方向线 (+DI 和-DI) 这些值基于高低价差的变化来衡量上升或下降趋势的力量： \[ +DM = \begin{cases} High_t - High_{t-1}, & \text{if } High_t - High_{t-DM = \begin{cases} Low_{t-1} - Low_t, & \text{if } Low_{t-1} - Low_t > High_t-High_{t-1}\\ 0, & otherwise \end{cases} \] 其中 \( t \) 表示当前周期，\( t-1 \) 是前一周期的数据[^3]。 #### 平均真波幅 (ATR) 这是用来标准化其他变量的一种方法: \[ TR=\max[(H-L),|H-C_{prev}|, |L-C_{prev}|]\] 这里 H 代表最高价 L 最低价 C_prev 昨收价。之后 ATR 就是对一定时期内所有 True Ranges 的简单移动平均数。 以下是完整的 Python 实现，不依赖于 `talib` 库： ```python import numpy as np def calculate_adx(highs, lows, closes, period=14): """Calculate ADX without using Talib.""" # 初始化 DM+, DM-, TR 数组 plus_dm = [] minus_dm = [] tr_values = [] for i in range(1, len(closes)): move_up = highs[i] - highs[i-1] move_down = lows[i-1] - lows[i] if move_up > move_down and move_up > 0: plus_dm.append(move_up) else: plus_di.append(0) if move_down > move_up and move_down > 0: minus_dm.append(move_down) else: minus_dm.append(0) tr_value = max( abs(highs[i]-lows[i]), abs(highs[i]-closes[i-1]), abs(lows[i]-closes[i-1]) ) tr_values.append(tr_value) atr = sum(tr_values[:period]) / float(period) plus_dms_smoothed = smooth_data(plus_dm, period)[period:] minus_dms_smoothed = smooth_data(minus_dm, period)[period:] di_plus = 100 * (np.array(plus_dms_smoothed)/atr) di_minus = 100 * (np.array(minus_dms_smoothed)/atr) dx_series = 100 * abs((di_plus-di_minus)/(di_plus+di_minus)) adx = moving_average(dx_series.tolist(), n=period)[-1] return adx def smooth_data(data_list, window_size): weights = np.repeat(1.0, window_size)/window_size smoothed_data = np.convolve(data_list, weights, 'valid') return smoothed_data def moving_average(values, n): ret = np.cumsum(values, dtype=float) ret[n:] = ret[n:] - ret[:-n] return ret[n - 1:] / n high_prices = [78.95, 79.26, ... ] # 用户需提供具体数据序列 low_prices = [... ] close_prices = [...] print(f"The calculated ADX value is {calculate_adx(high_prices, low_prices, close_prices)}") ``` 此函数实现了ADX的核心逻辑并返回最终的结果。需要注意的是，在实际应用中应当替换掉示例中的价格列表为真实的市场价格数据[^1]。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

sentdex

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值