大盘结束：
交易日「循环订盘」
铁律：
如果一下子跌穿止损价，直接市价卖出。或者直接跌停 那么1%的损失就是为这个存在的，如果卖了不了只能认栽，如果立马突破价格涨停直接挂牌市价卖出。
如果超过买入价 就不买
开盘开盘跌停或者大幅度跌入买入价 不买
低一点就市价买入
静态
止损价=买入价-k*ATR
止盈价=买入价+k*ATR
动态：
当前最高价（或近期高点） – k × ATR
或者
多头止损价 = 最新收盘价 – k × ATR ← 但这容易被噪音触发
或者（稳健）
止损价 = 该最高价 – k × ATR （持仓期间最高价）
止盈触发条件：价格从持仓期间最高点回撤 ≥ k × ATR”
即你买入后 回撤 > k*ATR 立即卖出
从你买入那天起，到今天为止，价格曾经达到过的最高价
“从最高点回撤 ≥ k×ATR” 就像给利润装了一个“弹性保险绳”——
涨得越高，允许它回调的空间越大；
一旦回调超过市场正常波动范围，就果断放手。”
只要价格 < MA5，就不允许新开多单。
在空仓时，买入决策通常要同时满足三个条件：
表格
| 维度 | 指标 | 作用 |
|---|---|---|
| 1. 趋势方向 | MA5（或更长均线） | 避免逆势交易 |
| 2. 动能/突破 | 价格突破关键位 | 捕捉启动信号 |
| 3. 波动率过滤 | ATR | 避免在“死水”中假突破 |
买入 = 同时 3 条
1）趋势：价格 > MA5，MA5 向上
2）突破：今日收盘突破 N 日高点，且阳线，涨幅 > 0.7 倍 ATR
3）波动：当前 ATR 不低于近 20 日 25 分位（排除死水）
import pandas as pd
df=pd.read_csv("000021.csv")
# print(df.head())
# df["日期"] = pd.to_datetime(df["日期"]) # 转为时间格式
# df.sort_values("日期", inplace=True) # 按日期正序排列
df['vol_ma5']=df["成交量"].rolling(window=5).mean()
df['vol_ma10']=df["成交量"].rolling(window=10).mean()
df['vol_ma20']=df["成交量"].rolling(window=20).mean()
df['vol_ma60']=df["成交量"].rolling(window=60).mean()
df['ma5']=df["收盘"].rolling(window=5).mean()
df['ma10']=df["收盘"].rolling(window=10).mean()
df['ma20']=df["收盘"].rolling(window=20).mean()
df['ma60']=df["收盘"].rolling(window=60).mean()
df['高低']=df['最高']-df['最低']
df['高收']=abs(df['最高']-df['收盘'].shift(1))
df['低收']=abs(df['最低']-df['收盘'].shift(1))
df['TR']=df[['高低','高收','低收']].abs().max(axis=1) #axis=1行计算
df['ATR'] = df['TR'].ewm(span=14, adjust=False).mean()
df['delta']=df['收盘'].diff()
df['gain']=df['delta'].where(df['delta']>0,0)
df['loss']=-df['delta'].where(df['delta']<0,0)
df['avg_gain']=df['gain'].rolling(14).mean()
df['avg_loss']=df['loss'].rolling(14).mean()
df['avg_loss'] = df['avg_loss'].replace(0, 1e-6)
df['rs']=df['avg_gain']/df['avg_loss']
df['rsi']=100-(100/(1+df['rs']))
df.to_csv("zzz.csv", index=False)
print(df.head(100))import pandas as pd
df=pd.read_csv(“000021.csv”)
# print(df.head())
# df[“日期”] = pd.to_datetime(df[“日期”]) # 转为时间格式
# df.sort_values(“日期”, inplace=True) # 按日期正序排列
df[‘vol_ma5’]=df[“成交量”].rolling(window=5).mean()
df[‘vol_ma10’]=df[“成交量”].rolling(window=10).mean()
df[‘vol_ma20’]=df[“成交量”].rolling(window=20).mean()
df[‘vol_ma60’]=df[“成交量”].rolling(window=60).mean()
df[‘ma5’]=df[“收盘”].rolling(window=5).mean()
df[‘ma10’]=df[“收盘”].rolling(window=10).mean()
df[‘ma20’]=df[“收盘”].rolling(window=20).mean()
df[‘ma60’]=df[“收盘”].rolling(window=60).mean()
df[‘高低’]=df[‘最高’]-df[‘最低’]
df[‘高收’]=abs(df[‘最高’]-df[‘收盘’].shift(1))
df[‘低收’]=abs(df[‘最低’]-df[‘收盘’].shift(1))
df[‘TR’]=df[[‘高低’,’高收’,’低收’]].abs().max(axis=1) #axis=1行计算
df[‘ATR’] = df[‘TR’].ewm(span=14, adjust=False).mean()
df[‘delta’]=df[‘收盘’].diff()
df[‘gain’]=df[‘delta’].where(df[‘delta’]>0,0)
df[‘loss’]=-df[‘delta’].where(df[‘delta’]<0,0)
df[‘avg_gain’]=df[‘gain’].rolling(14).mean()
df[‘avg_loss’]=df[‘loss’].rolling(14).mean()
df[‘avg_loss’] = df[‘avg_loss’].replace(0, 1e-6)
df[‘rs’]=df[‘avg_gain’]/df[‘avg_loss’]
df[‘rsi’]=100-(100/(1+df[‘rs’]))
df.to_csv(“zzz.csv”, index=False)
print(df.head(100))