【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 = 22
    atr_ma_length = 10
    rsi_length = 5
    rsi_entry = 16
    trailing_percent = 0.8
    fixed_size = 1

    atr_value = 0
    atr_ma = 0
    rsi_value = 0
    rsi_buy = 0
    rsi_sell = 0
    intra_trade_high = 0
    intra_trade_low = 0

    parameters = ["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_entry
        self.rsi_sell = 50 - self.rsi_entry

        self.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.am
        am.update_bar(bar)
        if not am.inited:
            return

        atr_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_price
            self.intra_trade_low = bar.low_price

            if 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_price

            long_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_price

            short_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.
        """
        pass

    def 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 = 22
    atr_ma_length = 10
    rsi_length = 5
    rsi_entry = 16
    trailing_percent = 0.8
    fixed_size = 1

    atr_value = 0
    atr_ma = 0
    rsi_value = 0
    rsi_buy = 0
    rsi_sell = 0
    intra_trade_high = 0
    intra_trade_low = 0

    parameters = ["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_entry
        self.rsi_sell = 50 - self.rsi_entry

        self.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.am
        am.update_bar(bar)
        if not am.inited:
            return

        atr_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_price
            self.intra_trade_low = bar.low_price

            if 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_price

            long_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_price

            short_stop = self.intra_trade_low * (1 + self.trailing_percent / 100)
            self.cover(short_stop, abs(self.pos), stop=True)