ADX 策略是如何计算的？

直接答案

基于 ADX 的“趋势强度”值是通过结合以下三项从价格变化中计算得出的：(1) 两个方向上的方向性移动，(2) 称为真实波幅（true range）的波动性度量，(3) 在一个回溯周期内的平滑处理。结果是一条单一曲线（通常称为 ADX），当方向性移动持续强劲时上升，而在较弱时下降。

机制或定义

计算试图衡量的内容

ADX 类型的指标将原始价格变动转化为两个中间概念：

1. 方向性移动：最近的高/低价变动中，有多少属于“向上”与“向下”。
2. 波动性归一化：使用真实波幅（true range）衡量该变动相对于整体交易区间的大小。

然后将这些数据合并为方向性指标，最终得出ADX，其目的是表示趋势强度，而非趋势方向。

所需输入（数据要求）

要进行计算，你需要至少包含以下内容的时间序列数据：

• 最高价（High）
• 最低价（Low）
• 收盘价（Close）

至少需要足够的K线数量以完成回溯周期和平滑计算。如果历史K线数据不足，早期的值将未定义，或需积累足够数据后才能生成。

核心中间步骤（一种常见形式）

以下是常见的逐步结构。不同的图表软件可能使用略有不同的平滑方法，但核心组件相同。

1) 计算方向性移动分量

对于每个K线 t（从第二根K线开始），将当前K线的高/低价与前一根K线比较：

• 向上变动（Up move）：当前最高价与前一根最高价比较。
• 向下变动（Down move）：前一根最低价与当前最低价比较（通常视为下降）。

方向性移动随后被拆分，每根K线仅有一个方向贡献：

• +DM：当“向上”分量强于“向下”分量时，取“向上”分量。
• -DM：当“向下”分量强于“向上”分量时，取“向下”分量。

其余情况设为零。这种“选择主导方向”的规则很重要：防止同一根K线同时计入两个方向。

2) 计算真实波幅（TR）

真实波幅衡量价格移动的距离，并考虑跳空。标准定义基于三个候选值：

• 当前最高价减去当前最低价
• 当前最高价与前一收盘价之差的绝对值
• 当前最低价与前一收盘价之差的绝对值

TR 是这三个候选值在K线 t 上的最大值。

3) 在回溯周期内对 +DM、-DM 和 TR 进行平滑处理

ADX 计算通常不会每次都使用原始总和，而是对周期 N（通常称为回溯周期）应用平滑处理。平滑方法（通常是 Wilder 风格）会更新累计值，而不是每根K线都重新从头计算。

你可以理解为：

• 计算平滑后的 +DM 总和
• 计算平滑后的 -DM 总和
• 计算平滑后的 TR 总和

具体的平滑公式很重要，因为它会影响响应速度。

4) 计算方向性指标（+DI 和 -DI）

方向性指标通过将方向性移动除以平滑后的真实波幅，转换为类似百分比的数值：

• +DI = (平滑后的 +DM / 平滑后的 TR) × 100
• -DI = (平滑后的 -DM / 平滑后的 TR) × 100

如果平滑后的 TR 为零（在极端数据中罕见但可能发生），则除法未定义；实现时应妥善处理此情况。

5) 计算 DX（方向性指数）和 ADX

一个常见的中间步骤是：

• DX = (|+DI − -DI| / (+DI + -DI)) × 100

然后 ADX 是 DX 在回溯周期内的平滑平均值：

• ADX = DX 的平滑平均值

这会产生一条单一曲线：当 +DI 与 -DI 持续分离（一个方向占主导）时上升，当它们趋近时下降。

证据或示例

一个最小化的工作示例设置（含假设）

为了验证理解，你可以使用一个短窗口进行简单的“纸面验证”。假设你选择一个回溯周期 N，然后从第1根K线开始计算。

1. 选择一个固定的 N（例如，14），并确保你至少有 N + 1 根K线。
2. 对于第一根之后的每根K线：
   • 使用向上/向下变动比较规则计算 +DM 和 -DM。
   • 将三个 TR 候选值的最大值作为 TR。
3. 对 +DM、-DM 和 TR 应用选定的平滑方法。
4. 使用平滑后的值计算 +DI 和 -DI。
5. 计算 DX，然后将 ADX 计算为 DX 的平滑平均值。

任何示例都必须明确的假设：

• 你使用特定的平滑约定。
• 你使用的索引（K线 t 和 t−1 的定义）与数据源一致。

由于不同平台可能以不同方式实现平滑细节，即使整体结构相同，数值输出也可能存在差异。

限制与风险

1) 趋势强度，而非方向

ADX 类型的输出旨在表达方向性移动的强度，而非自动指示未来价格方向。高值可能出现在上升趋势或下降趋势中；方向通常通过 +DI 与 -DI 的关系推断，而非仅靠 ADX。

2) 参数敏感性

回溯周期和平滑选择会显著影响行为：

• 较短周期通常对近期变动反应更快。
• 较长周期通常更能平滑噪音，但可能滞后。

这会影响指标上升或下降的频率，以及对市场状态变化的响应速度。

3) 数据与实现的失效模式

常见的实际问题包括：

• 历史数据不足：早期 ADX 值可能未定义或基于不完整窗口。
• 定义不同：DM 分配或 TR 的替代公式可能导致结果偏移。
• 索引错误：混淆K线顺序（时间序列）或使用错误的前收盘价引用，会导致计算错误。

4) 波动性与噪音

由于该计算通过真实波幅对方向性移动进行归一化，它可能对波动性飙升敏感。在震荡或高波动条件下，+DI 和 -DI 可能频繁交替，这可能降低单个 ADX 读数的解释价值。

验证或下一步问题

为独立验证你的理解，请执行以下检查清单：

1. 确认你的数据源提供时间有序的最高价、最低价、收盘价序列，且无缺失K线。
2. 写下目标平台使用的精确公式：
   • +DM 和 -DM 规则
   • TR 定义
   • 平滑方法
3. 在一个小样本窗口上重新计算 ADX，并比较中间输出（+DI、-DI、DX），而不仅仅是最终曲线。

如果你想更进一步，一个有用的后续问题是：设置如何改变指标的响应性和尺度（回溯周期和平滑），或 ADX 类型读数如何与 +DI 和 -DI 结合解读。