ASI振动升降指标策略–量化实战(附Python代码)

振动升降指标（Accumulation Swing Index, ASI），由 Welles Wilder 开发，是一种动量指标，用于衡量价格动量的变化，尤其适用于震荡市场。与简单依赖收盘价的指标不同，ASI 考虑了整个价格波动范围，提供了更为全面的市场视角。

一、振动升降指标ASI简介

ASI 指标的计算较为复杂，涉及多个步骤，主要包括以下几个部分：

真实范围（TR）：真实范围是当前交易日的最高价、最低价与前一交易日收盘价之间的最大价差。
动量（M）：动量是当前周期的收盘价与上一个周期的ASI值之间的差值。
动量因子（MF）：动量因子是动量与真实范围的比值。
短期简单移动平均（SMA）：对动量因子进行短期简单移动平均处理。

ASI指标的计算公式拆解

二、交易信号的生成

买入信号：当ASI指标上升突破其短期移动平均线时，视为买入信号。
卖出信号：当ASI指标下降跌破其短期移动平均线时，视为卖出信号。

三、ASI振动升降指标策略量化实战

import pandas as pdimport numpy as np
def calculate_tr(df):    df['TR'] = np.maximum(df['High'] - df['Low'],                           np.maximum(df['High'] - df['Close'].shift(1),                                     df['Low'] - df['Close'].shift(1)))
def calculate_m(df, asii):    df['M'] = df['Close'] - asii
def calculate_mf(df):    df['MF'] = df['M'] / df['TR']
def calculate_asi(df, period=14):    calculate_tr(df)    df['SMA_MF'] = df['MF'].rolling(window=period).mean()    df['ASI'] = df['Close']  # 初始化ASI    for i in range(1, len(df)):        df['ASI'].iloc[i] = df['ASI'].iloc[i-1] + (df['MF'].iloc[i] * df['TR'].iloc[i] * 26 / period)
    return df['ASI']
# 假设df是包含股票最高价、最低价和收盘价的DataFramedf['ASI'] = calculate_asi(df)
# 生成交易信号df['Signal'] = 0df['Signal'][df['ASI'] > df['ASI'].shift(1)] = 1  # 买入信号df['Signal'][df['ASI'] < df['ASI'].shift(1)] = -1  # 卖出信号
# 绘制ASI指标和交易信号import matplotlib.pyplot as plt
plt.figure(figsize=(14, 7))plt.plot(df['Close'], label='Close Price', alpha=0.5)plt.plot(df['ASI'], label='ASI', linestyle='--')plt.plot(df[df['Signal'] == 1].index, df['Close'][df['Signal'] == 1], '^', markersize=10, color='green', label='Buy Signal')plt.plot(df[df['Signal'] == -1].index, df['Close'][df['Signal'] == -1], 'v', markersize=10, color='red', label='Sell Signal')plt.legend()plt.show()

策略回测

策略回测是量化交易中验证交易策略有效性的重要步骤。通过历史数据模拟交易，可以评估策略的收益、风险和稳定性。

四、结语

振动升降指标ASI为量化交易者提供了一种在震荡市场中识别交易机会的有效工具。本文通过实战应用展示了ASI指标的计算、交易信号生成和策略回测的全过程，为交易者提供了一种系统的量化交易策略开发和评估方法。需注意，以上内容和代码仅为示例，实际应用中需要根据具体情况进行调整和优化。量化交易涉及复杂的数学模型和编程技能，建议交易者在充分学习和测试后，再将策略应用于实际交易中。

发布者：股市刺客，转载请注明出处：https://www.95sca.cn/archives/106019
站内所有文章皆来自网络转载或读者投稿，请勿用于商业用途。如有侵权、不妥之处，请联系站长并出示版权证明以便删除。敬请谅解！