ATR指標應用 | 肯特納通道（Keltner Channel）

from finlab import data
from finlab.plot import plot_tw_stock_candles
from finlab.data import indicator
overlay_func={
              'ema_10':indicator('EMA',timeperiod=10),
              'keltner_up':indicator('EMA',timeperiod=10)+2*indicator('ATR',timeperiod=10),
              'keltner_down':indicator('EMA',timeperiod=10)-2*indicator('ATR',timeperiod=10),
                                  }
technical_func={
                'atr_10':indicator('ATR',timeperiod=10),
                'atr_20':indicator('ATR',timeperiod=20)
                }
plot_tw_stock_candles('6104',overlay_func=overlay_func,technical_func=technical_func)

股價波動率

ATR主要應用在停損停利設定與結合通道理論來操作。
每一檔股票的價格曲線當能藉ATR/股價 (波動率) 反應股性，高波動率的股票代表高波動震盪是常態，適合當作短線或當沖的標的，低波動率的股票適合不喜承受短線劇烈波動或尋找逐底期進場的投資人。

停損停利

停損停利改用ATR作為標準，能避免用固定的單一數值統一出場造成的粗糙結果。
例如整個策略統一用10%當停損點，但大波動的股票可能上下動動20%是常態，用10%當停損點會常被洗出場。若改用均線下2倍或其他倍數的ATR來出場，就能依照每支股票波動性設定不同的出場點，做更細膩的出場設定，降低被洗出的可能。

肯特納通道（Keltner Channel）

通道模型利用過去一段時間內的價格訊息，繪製出上下軌的通道，藉此設定股價的相對高、低界線，兩條通道線的距離也呈現股價的震盪幅度，震盪小時，通道窄，震盪大時，通道寬。通道模型將價格高低與波度幅度融合，成為判斷市場趨勢的指標，能過濾均線系統中假突破的訊號。
常見的通道模型為”布林通道”用股價的標準差當作波動頻寬，肯特納通道的概念也非常類似，主要差異在使用ATR當作波動頻寬，並使用EMA當中間線。

肯特納通道 V.S. 布林通道

由上面的比較圖可知，布林通道 (bband) 的缺點在標準差 (std) 收斂和發散快，數值跳動很大，在剛股價剛往上突破、通道剛開始發散時，為明顯訊號，但上軌不適合當趨勢線，由於數值發散快，只要股價動能稍弱，就很容易會跌破上軌，不適合作為抱波段或中途切入的指標。

ATR的波動則相較”標準差”穩定，數值不會太急速跳動，更適合當作抱長波段的指標，減低大飆股太早被洗出場的可能。布林通道標準差的概念可能較適合做逆勢策略，抓價格過高或過低的反轉點。

肯特納通道策略範例

策略條件

限定上市櫃普通股股票。
收盤價位剛站上肯特納上軌通道為買進條件。
收盤價位於肯特納上軌通道之上為持有條件，位於之下則賣出。
EMA均線多頭排列。
換股頻率為兩週(短線)。
排除日均成交量過小標地。

from finlab.backtest import sim
from finlab import data

data.set_universe(market='TSE_OTC')

adj_close = data.get('etl:adj_close').loc['2012':]
ema_5=data.indicator('EMA', adjust_price=True, resample='D',timeperiod=5)
ema_10=data.indicator('EMA', adjust_price=True, resample='D',timeperiod=10)
ema_20=data.indicator('EMA', adjust_price=True, resample='D',timeperiod=20)
atr=data.indicator('ATR', adjust_price=True, resample='D',timeperiod=10)
keltner_up=ema_10+2*atr
vol=data.get('price:成交股數')/1000
vol_avg=vol.average(20)

cond1 = (adj_close > keltner_up) & (adj_close.shift() < keltner_up.shift())
cond2 = (ema_5 > ema_10) & (ema_10 > ema_20)
cond3 = vol_avg > 100
entries =  cond1 & cond2 & cond3
exits = adj_close < keltner_up

position = entries.hold_until(exits,nstocks_limit=20, rank=vol_avg)
rr=sim(position,resample='2W',position_limit=0.05)