什么是抛物线SAR指标？要如何使用？附Python代码示例

当抛物线在价格下方时，表示市场处于上升趋势。而抛物线在价格上方时，则代表市场是处于下降趋势的。

发现潜在的行情反转点 SAR指标还可以用来寻找潜在的反转点。我们可以通过观察抛物线的走向，密切留意抛物线是否从价格下方翻转到上方，或从上方翻转到下方时，这表明可能即将发生趋势反转。我们可以根据这个信号来决定入场还是撤资。

SAR指标的计算方法

抛物线SAR指标的计算方法由两个重要部分组成：极端价格和加速因子。

极端价格（EP）

极端价格（EP）表示当前趋势期间记录的最高点或最低点：

如果整体趋势是上升的，EP的值等于自趋势开始以来观察到的最高点。 反之，在下降趋势中，EP是从趋势开始以来观察到的最低点。

加速因子（AF）

加速因子（AF）决定了SAR指标的灵敏度。它的初始值为0.02，并且在趋势中每达到一个新的极值点时可以逐步增加，最高可达到0.20。AF的调整如下：

– 初始值为0.02。

– 每达到一个新的极值点（最高点或最低点），AF增加0.02。

– 达到0.20后不再增加。

这种调整确保了SAR在趋势加强时变得更加灵敏，能够更紧密地跟踪价格。

抛物线SAR的计算公式 抛物线SAR的计算公式如下：

SARnew=SARcurrent+AF×(EP–SARcurrent)

import pandas as pd
import matplotlib.pyplot as plt
import allticks

# 从Alltick的行情接口获取苹果股票价格数据
# 申请免费token：https://alltick.co/register
apple_stock_data = allticks.get_stock_data('AAPL')

# 确保数据按日期排序
apple_stock_data = apple_stock_data.sort_index()

# 计算抛物线SAR
def calculate_parabolic_sar(data, af_start=0.02, af_increment=0.02, af_max=0.20):
    # 初始化变量
    sar = [0] * len(data)
    trend = 1  # 1表示上升趋势，-1表示下降趋势
    ep = data['Low'][0]  # 极端点：上升趋势时为最低价，下降趋势时为最高价
    af = af_start  # 加速因子

    # 设置初始SAR值
    sar[0] = data['Low'][0] if trend == 1 else data['High'][0]

    for i in range(1, len(data)):
        prev_sar = sar[i - 1]
        if trend == 1:
            sar[i] = prev_sar + af * (ep - prev_sar)
            if data['Low'][i] < sar[i]:
                trend = -1
                sar[i] = ep
                ep = data['High'][i]
                af = af_start
            else:
                if data['High'][i] > ep:
                    ep = data['High'][i]
                    af = min(af + af_increment, af_max)
        else:
            sar[i] = prev_sar - af * (prev_sar - ep)
            if data['High'][i] > sar[i]:
                trend = 1
                sar[i] = ep
                ep = data['Low'][i]
                af = af_start
            else:
                if data['Low'][i] < ep:
                    ep = data['Low'][i]
                    af = min(af + af_increment, af_max)

    return sar

# 计算SAR值
apple_stock_data['SAR'] = calculate_parabolic_sar(apple_stock_data)

# 可视化结果
plt.figure(figsize=(14, 7))
plt.plot(apple_stock_data['Close'], label='Apple Stock Price')
plt.plot(apple_stock_data['SAR'], label='Parabolic SAR', linestyle='--')
plt.title('Apple Stock Price with Parabolic SAR')
plt.xlabel('Date')
plt.ylabel('Price')
plt.legend()
plt.show()