技术分析入门：Stochastic 随机指标与 ATR 波动率

Soulock
2026年06月18日
- 技术

技术分析中，Stochastic（随机指标）用于判断超买超卖，ATR 用于量化波动幅度，两者经常配合使用。

Stochastic 随机指标

%K 线（快线）计算公式：

%K = (当前收盘价 - N 周期最低价) / (N 周期最高价 - N 周期最低价) × 100

%D 线（慢线）= %K 的移动平均线（通常 3 周期 SMA）

常见参数：Stoch(14, 3, 3)

超买超卖的正确理解

Stoch > 80：超买区——价格接近近期高点，不等于马上下跌
Stoch < 20：超卖区——价格接近近期低点，不等于马上反弹

强趋势中，Stoch 可以在超买区（> 80）持续数周。直接在超买区做空是新手最常见的错误，强上涨趋势中会被持续轧空。

更可靠的使用方式

震荡行情：超买出现死叉（%K 下穿 %D）→ 考虑空；超卖出现金叉（%K 上穿 %D）→ 考虑多。

趋势行情（顺势交易）：

下跌趋势中，等反弹到高位出现 Stoch 死叉再做空
上涨趋势中，等回调到低位出现 Stoch 金叉再做多

背离信号

顶背离（看跌）：价格创新高，但 Stoch 没有创新高——上涨动能减弱。

价格：100 → 110（新高）
Stoch：95 → 85（未创新高）

背离不代表立即反转，需配合：Stoch 死叉 + 阻力位 + 成交量萎缩，多条件共振才更可靠。

底背离（看涨）：价格创新低，但 Stoch 未创新低——空头力量衰竭。

ATR（Average True Range，平均真实波幅）

ATR 回答的是：价格最近平均波动有多大，而不是方向。

True Range（TR）计算

每根 K 线的真实波幅取三个值中的最大值：

TR = max(
    H - L,            # 本根K线高低差
    |H - 昨收|,       # 处理向上跳空
    |L - 昨收|        # 处理向下跳空
)

H = 最高价，L = 最低价

ATR(14) 计算

第一个值：前 14 根 K 线 TR 的简单平均。

后续更新（Wilder 平滑法）：

ATR(t) = ATR(t-1) + (TR(t) - ATR(t-1)) / 14

ATR 的实战应用

动态止损：

# 不使用固定点数，而是基于当前波动率
stop_loss = entry_price + 1.5 * atr  # 做空的止损
take_profit = entry_price - 3 * atr  # 做空的止盈

固定止损（如 ±2%）在低波动市场太宽，在高波动市场太窄。ATR 止损随市场自适应。

判断追单风险：如果当根 K 线已经运动超过 2~3 个 ATR，追单的风险/收益比明显恶化。

顺势做空的基本逻辑

顺势做空不是”跌多了就空”，而是：

确认下跌趋势：均线空头排列，价格持续创新低
等反弹：不追空，等价格反弹到阻力位（云带/均线）
找信号：Stoch 在高位死叉，或出现顶背离
进场：止损放在反弹高点上方 1~1.5 ATR

需要避免的情况：

在强上涨趋势中因为超买做空
在重要支撑位附近追空（风险大，利润空间小）
重大消息前开仓（ATR 在消息前后会剧烈变化，技术指标失效）
小周期信号对抗大周期趋势

Python 计算 ATR（简单实现）

import pandas as pd

def calculate_atr(df, period=14):
    df["tr"] = pd.concat([
        df["high"] - df["low"],
        (df["high"] - df["close"].shift(1)).abs(),
        (df["low"] - df["close"].shift(1)).abs(),
    ], axis=1).max(axis=1)

    df["atr"] = df["tr"].ewm(alpha=1/period, adjust=False).mean()
    return df

pandas 的 ewm 实现了类 Wilder 的指数加权平均。

#Python