ATR：真实波幅与它在止损中的正确用法

写在前面

新手最常问的问题之一："螺纹钢我该设多少点止损？"

常见的三种回答：

"50 个点吧。"
"亏 2% 就走。"
"跌破支撑位就走。"

这三个答案，错的地方是同一个：它们都默认市场的波动是恒定的。

但市场不是。同一个螺纹钢：

行情平静的时候，一天可能就走三十来个点，来回蹭
行情剧烈的时候，一天走一两百个点很正常

同一个 50 点止损，放在平静期是太宽（亏满了才走，白亏），放在剧烈期是太窄（正常的日内噪音就能把你扫出去，然后行情按你原来的方向走了）。

你以为你在止损，其实你只是在用一个固定的尺子，量一个尺寸一直在变的东西。

ATR 要解决的就是这一件事：给"波动"一个单位，让止损跟着市场一起呼吸。

这是本号《米粒指标》栏目的第一篇。之所以从 ATR 开始，不是因为它最有名（它远不如 MACD 有名），而是因为它是少数几个真正能改善你交易结果的指标——而且它改善的不是"你买在哪儿"，是"你亏多少"。

一、定义：ATR 是一把尺子，不是一个信号

ATR（Average True Range，平均真实波幅），由 Welles Wilder 在 1978 年的《New Concepts in Technical Trading Systems》中提出。同一本书里还诞生了 RSI、ADX、抛物线 SAR——这位老兄一个人贡献了半部技术分析教科书。

一句话定义：

ATR 衡量的是"最近这段时间，价格平均每天波动多大"。

请注意这句话里没有方向。

这是全文第一个、也是最重要的一个点：

⚠️ ATR 只回答"多大"，从不回答"往哪儿"。

ATR 上升 ≠ 价格上涨，ATR 上升只意味着市场变得更剧烈了——可能是暴涨，也可能是暴跌。

ATR 是一把尺子，不是一个买卖信号。 用它来判断方向，等于拿卷尺测体温。这是它被误用的头号方式。

二、公式：为什么要取三个值里的最大值

2.1 先看"真实波幅" TR

单看某一天的波动幅度，最直觉的算法是「最高价 − 最低价」。

但这个算法有个大漏洞：它测不出跳空。

设想一天：昨天收盘 3800，今天低开在 3600，然后全天在 3600–3620 之间窄幅整理。

按「最高 − 最低」算：波动只有 20 点，看起来风平浪静
但实际上，从昨收到今天，价格已经走了 200 点

对持仓的人来说，这一天的真实杀伤力是 200 点，不是 20 点。

所以 Wilder 定义了真实波幅 True Range，取以下三个值中的最大值：

#	计算	捕捉的情况
①	今日最高 − 今日最低	正常的日内波动
② 绝对值	今日最高 − 昨日收盘	向上跳空
③ 绝对值	今日最低 − 昨日收盘	向下跳空

TR = \max(H - L,\ |H - C_{prev}|,\ |L - C_{prev}|)

② 和 ③ 里的"昨日收盘"，就是专门为跳空准备的。

2.2 这一条对国内期货格外重要

前面几篇讲过两件事，这里正好接上：

夜盘的存在（见《发刊词》）让欧美盘的波动不至于全部堆成第二天早上的一个大缺口，但夜盘收盘到次日日盘开盘之间，缺口依然会发生
涨跌停（见《期货 vs 股票》）意味着极端行情下会连续跳空，而且你平不掉仓

也就是说，在国内期货市场，跳空不是罕见事故，是常规现象。一个测不出跳空的波动指标，在这里是残废的。

TR 这个"取三者最大"的设计，正是为此而生。

2.3 ATR = TR 的平均

ATR_n = \text{TR 的 } n \text{ 期平均}

单日 TR 噪音太大，做个平均就平滑了。

三、一个大多数人不知道的细节坑

"平均"这两个字，藏着一个坑。

Wilder 用的不是简单移动平均（SMA），也不是我们通常说的那个 EMA。他用的是自己的一套平滑（后人称 Wilder's Smoothing / RMA）：

ATR_t = \frac{ATR_{t-1} \times (n-1) + TR_t}{n}

它等价于平滑系数 α = 1/n 的指数移动平均。

而大多数人默认的 EMA 用的是 α = 2/(n+1)。

两者差多少？ 一个 14 期的 Wilder 平滑，其平滑强度大致相当于 27 期左右的常规 EMA——差了将近一倍。

后果：不同软件、不同库算出来的 "ATR(14)"，数值可能明显不同。你在 A 平台调好的 2 × ATR 止损参数，搬到 B 平台可能就完全不是那个宽度了。

这不是学究式的抠字眼，这是实盘会亏钱的差别。第七节的代码里我把三种算法都写出来了，你可以自己跑一遍看看差多少。

建议：搞清楚你用的平台是哪种算法，然后始终用同一种。用哪种其实没那么重要，前后不一致才要命。

四、参数：14 是从哪来的，该不该改

Wilder 的默认值是 14。 这个数字没有什么神圣的数学依据，就是他当年在日线上用着顺手。

调小（7–10）：反应更快，能更早察觉波动率的抬升；代价是噪音大，止损宽度会跟着日内情绪频繁抖动
调大（20–30）：更稳定，止损宽度不会一惊一乍；代价是行情突然变剧烈时，它反应慢半拍
海龟交易法则用的是 20 日（他们管它叫 N）

我的建议：别在这个参数上花太多时间。

ATR 是这一类指标里参数敏感度相对最低的一个——因为它测的是波动率，而波动率本身具有很强的持续性（大波动之后往往跟着大波动，这在学术上叫波动率聚集）。14 和 20 算出来的结果，趋势方向基本一致。

真正会显著改变你结果的，不是 n，而是下一节里那个 k。

五、正确用法（三个，按价值排序）

5.1 用法一：ATR 止损（最常见）

\text{多单止损} = \text{入场价} - k \times ATR

\text{空单止损} = \text{入场价} + k \times ATR

k 通常取 2–3。 海龟交易法则用的是 2N（即 2 倍的 20 日 ATR）。

k 该怎么选？ 这是一个明确的取舍，没有最优解：

k 值	效果	代价
小（1–1.5）	单笔亏损小、资金效率高	胜率显著下降，经常被噪音扫出去
大（3–4）	不容易被噪音打掉，能拿住趋势	单笔亏损大，同样资金下只能开更小的仓

关键认知：把 k 调大并不会降低你的总风险。因为止损放宽之后，为了保持单笔风险不变，你的手数必须相应减少。 k 决定的不是"你亏多少"，而是"你用什么姿势去亏"——是被频繁小额扫损，还是少数几次大额止损。

5.2 用法二：ATR 仓位管理（这才是它真正的杀手锏）

这一条知道的人少得多，但价值远高于止损。

先看一个问题：

你有 20 万，同时想做螺纹钢和黄金。每个品种该开几手？

如果你的答案是"一样多"或者"随便"，那你的账户风险是完全失控的——因为这两个品种的波动天差地别。一手螺纹钢波动一天可能亏几百，一手黄金可能亏几千。

ATR 让你可以用同一把尺子量所有品种：

\text{手数} = \frac{\text{账户权益} \times \text{单笔风险比例}}{k \times ATR \times \text{合约乘数}}

算一遍（数字仅为演示，实际请以交易所合约规格与实时行情为准）：

账户权益：20 万
单笔愿意承担的风险：1% = 2000 元
螺纹钢合约乘数：10 吨/手
当前 ATR(14)：假设 60 元/吨
k = 2

每手的风险敞口 = 2 × 60 × 10 = 1200 元

手数 = 2000 ÷ 1200 ≈ 1.67 → 开 1 手

这个公式的威力在于：

不管你做什么品种、不管市场是平静还是剧烈，每一笔交易亏掉的钱都是一样的（约账户的 1%）。

波动大的品种 → ATR 大 → 自动开小仓

波动小的品种 → ATR 小 → 自动开大仓

同一品种进入剧烈期 → ATR 变大 → 自动降仓

风险被归一化了。 你的账户不再被某个恰好在暴动的品种绑架。

这就是海龟交易法则里"一个 Unit"的核心思想，也是绝大部分专业 CTA 做仓位管理的基础思路。

如果这篇文章你只带走一样东西，请带走这个公式，而不是止损那个。

5.3 用法三：行情状态过滤

ATR 处于极低水平 → 市场缩量窄幅 → 突破类策略在这种环境下容易被反复打脸（假突破多）。

反过来，ATR 从低位快速抬升，往往对应着方向选择的开始。

注意：这只是个粗糙的环境判断，不是入场信号。它告诉你"现在适不适合用某类策略"，不告诉你"该买还是该卖"。

六、失效场景（这一节比上一节更重要）

任何只讲用法不讲失效的指标文章，都是在害人。ATR 有五个明确的失效边界：

① 它没有方向——头号误用

再说一遍：ATR 上升只说明波动变大了，不说明要涨。 拿 ATR 当买卖信号，是最常见也最昂贵的错误。

② 它是滞后的

ATR 描述的是已经发生的波动。

黑天鹅来临的那一刻，ATR 还停留在"昨天很平静"的水平上，于是它给出的止损宽度恰恰在最需要宽的时候是最窄的。

ATR 帮你适应波动率的缓慢变化，救不了你于突变。

③ 涨跌停时，ATR 止损直接失效

这是国内期货特有的、也是最致命的一条。

你算得再精确的止损位，如果价格封死在跌停板上没有对手盘，你就是平不掉。

止损是一个需要成交才能兑现的承诺。ATR 只能帮你算价位，不能帮你保证成交。

唯一的对策不是更好的止损，是更轻的仓位。

④ 不同品种的 ATR 绝对值不能横向比较

螺纹钢的 ATR 是"多少元/吨"，黄金的 ATR 是"多少元/克"，单位都不一样，比大小毫无意义。

要横向比较，必须用相对波幅：

ATR\% = \frac{ATR}{\text{收盘价}} \times 100\%

这个数才是可比的。它回答的是"这个品种一天大约波动百分之几"。

⑤ 主力连续合约的陷阱（量化的人尤其注意）

如果你用未经价差调整的主力连续合约数据算 ATR：

在移仓换月那一天，新旧合约之间存在价差，会被算成一根巨大的 TR——一个纯粹由拼接方式造成的、市场上根本没发生过的"暴动"。

后果：那几天的 ATR 被严重高估，你的止损宽度和仓位计算全部失真，而回测里你根本看不出来。

务必使用做过价差调整的连续合约，或者直接在单个合约上计算。 （主力连续合约怎么拼接，值得单开一篇，我放在后面的排期里。）

七、代码

ATR 的计算逻辑写成纯函数，不绑定任何数据源——你从哪儿拿的数据都能用，只要有 high / low / close 三列、按时间升序排列。

import pandas as pd

def true_range(df: pd.DataFrame) -> pd.Series:
    """真实波幅 TR = max(H-L, |H-PrevC|, |L-PrevC|)"""
    prev_close = df["close"].shift(1)
    return pd.concat([
        df["high"] - df["low"],
        (df["high"] - prev_close).abs(),
        (df["low"]  - prev_close).abs(),
    ], axis=1).max(axis=1)

def atr_wilder(df: pd.DataFrame, n: int = 14) -> pd.Series:
    """Wilder 原版平滑（RMA），alpha = 1/n —— 这是"正统"的 ATR"""
    return true_range(df).ewm(alpha=1/n, adjust=False, min_periods=n).mean()

def atr_sma(df: pd.DataFrame, n: int = 14) -> pd.Series:
    """简单移动平均版本"""
    return true_range(df).rolling(n).mean()

def atr_ema(df: pd.DataFrame, n: int = 14) -> pd.Series:
    """常规 EMA 版本，alpha = 2/(n+1) —— 不少平台默认用这个"""
    return true_range(df).ewm(span=n, adjust=False, min_periods=n).mean()

def atr_pct(df: pd.DataFrame, n: int = 14) -> pd.Series:
    """相对波幅，唯一能跨品种横向比较的口径"""
    return atr_wilder(df, n) / df["close"] * 100

一个实现细节：Wilder 原始算法的种子值是前 n 根 TR 的简单平均，而 ewm 是从第一个有效值开始递推。两者在最开始的几十根 K 线上会有差异，之后会收敛。做长周期回测可以忽略；如果你的样本很短，就自己写循环实现原版递推。

仓位管理函数（5.2 那个公式）：

def position_size(equity: float, risk_pct: float,
                  atr: float, k: float, multiplier: float) -> int:
    """
    equity     : 账户权益
    risk_pct   : 单笔愿意承担的风险比例，如 0.01 表示 1%
    atr        : 当前 ATR（价格单位/手的计价单位）
    k          : 止损倍数，常用 2~3
    multiplier : 合约乘数（如螺纹钢 10 吨/手）
    """
    risk_per_lot = k * atr * multiplier
    if risk_per_lot <= 0:
        return 0
    return int(equity * risk_pct / risk_per_lot)   # 向下取整，宁少勿多

注意最后一行的 int()：向下取整，不是四舍五入。在仓位这件事上，永远往少了取。

取数据（以 AKShare 为例，接口和列名可能随版本变化，以官方文档为准）：

import akshare as ak

df = ak.futures_main_sina(symbol="RB0")          # 螺纹钢主力连续
df = df.rename(columns={
    "日期": "date", "最高价": "high",
    "最低价": "low", "收盘价": "close",
})
df = df[["date", "high", "low", "close"]].sort_values("date").reset_index(drop=True)

df["atr"]  = atr_wilder(df, 14)
df["atr%"] = atr_pct(df, 14)

⚠️ 回看第六节第 ⑤ 条：这样直接取到的主力连续合约大概率没做价差调整，移仓日的 ATR 会失真。拿它做演示可以，拿它做实盘参数不行。

八、三个你该自己跑一遍的实验

指标文章最没价值的写法，就是作者给一堆数字让你信。这三个实验代码就在上面，跑一遍你会记一辈子。

实验一：三种平滑算法差多少

把 atr_wilder / atr_sma / atr_ema 在同一个品种上画在一张图里。

你会看到：三条线明显分离，Wilder 那条最平滑、位置通常也最不一样。

结论：你在别人文章里看到的"2 倍 ATR 止损"，必须先问清楚是哪种 ATR。

实验二：不同品种的 ATR% 差多少

挑五六个品种（比如螺纹钢、铜、黄金、豆粕、PTA），各算一条 atr%，放在一张图上。

你会看到：各品种的日均相对波幅存在明显差距，而且这个差距长期稳定存在。

结论："每个品种都开 2 手"是一种未经计算的风险敞口。 5.2 那个公式不是锦上添花，是必需品。

实验三：固定点数止损 vs ATR 止损

同一套入场规则，一组用固定点数止损，一组用 2 × ATR，比较两者的最大回撤和单笔亏损的离散程度（标准差）。

你重点要看的不是谁赚得多（那可能只是运气），而是：ATR 止损那一组，每一笔亏损的金额是不是明显更一致、更可控。

这才是 ATR 的真正价值：它不提高你的胜率，它让你的亏损变得可预测。

九、结论

用三句话收尾：

1. ATR 是尺子，不是信号。 它只回答"多大"，永远不回答"往哪儿"。指望它告诉你买卖方向，是拿卷尺测体温。

2. 它最大的价值在仓位，不在止损。 用它把不同品种、不同市况下的单笔风险归一化——这一条的收益，远大于把止损从固定点数换成 ATR。

3. 它救不了重仓。 涨跌停面前，再精确的止损位也只是屏幕上的一个数字。能保护你的从来不是止损单，是仓位。

下一篇：《保证金制度：杠杆是怎么来的，又是怎么要命的》——把各品种的真实资金门槛算给你看。

⚠️ 风险提示 本文仅为期货知识分享与研究交流，不构成任何投资建议。文中所有参数、算例与代码均为原理演示，不构成任何交易参数推荐，历史数据与回测结果不代表未来表现。期货交易具有高杠杆特性，可能导致本金全部损失甚至产生穿仓负债。合约乘数、涨跌停等规则以各期货交易所官方最新公告为准。请通过正规期货公司开户，理性参与、独立决策、风险自担。