单只标的的日线在免费额度内即可试算；批量/全市场需 Starter 及以上，详见 [AlphaFeed 定价页](https://alphafeed.org/pricing)。

如何用 Python 计算 ADX 判断趋势强弱？（区分趋势市与震荡市）

Q: ADX 多少算有趋势？

经验上 ADX≥25 视为趋势明确、<20 视为震荡，20~25 为过渡。这是习惯阈值，建议用你的标的回测校准。

Q: ADX 能告诉我涨还是跌吗？

不能。ADX 只测强弱，方向看 `+DI` 与 `-DI` 谁大：`+DI>-DI` 偏多，反之偏空。

分析与指标 · 代码验证于 2026-09-13

如何用 Python 计算 ADX 判断趋势强弱？（区分趋势市与震荡市）

一句话回答： ADX（平均趋向指数）度量的是”趋势有多强”而不是方向：ADX 越高趋势越明确，越低越像震荡。用 AlphaFeed 取复权日线，用 Wilder 口径算出 +DI、-DI、ADX，就能用「ADX≥25 视为强趋势、+DI/-DI 谁大定多空」几十行判断当前是趋势市还是震荡市，让均线/突破类策略只在有趋势时出手。

为什么会有这个问题 / 传统做法的痛点

均线金叉、突破这类顺势策略在震荡市会被反复打脸（假突破、来回止损）。问题的根源是”没先判断有没有趋势”。ADX 正是为此设计：

DI（方向指标）：+DI 强表示上涨动能强，-DI 强表示下跌动能强；
ADX：由 +DI/-DI 的背离程度平滑而来，只看强弱不看方向。

难点是 ADX 计算链条较长（TR→ATR→DM→DI→DX→ADX）且要用 Wilder 平滑，手写容易错。数据则需要干净的复权 OHLC——正是 AlphaFeed 的强项。

分步骤解决（每步配可运行代码）

第 1 步：取复权日线

from alphafeed import AlphaFeed
import numpy as np
import pandas as pd

af = AlphaFeed(api_key="your-api-key")  # 或 export ALPHAFEED_API_KEY 后 AlphaFeed()

df = af.klines.get("000001.SZ", period="1d", count=250,
                   adjust="forward", to_dataframe=True)
df = df.sort_values("trade_date").reset_index(drop=True)

第 2 步：Wilder 口径计算 +DI / -DI / ADX

def adx(df, n=14):
    high, low, close = df["high"], df["low"], df["close"]
    up = high.diff()
    down = -low.diff()
    plus_dm = np.where((up > down) & (up > 0), up, 0.0)     # 上升方向动量
    minus_dm = np.where((down > up) & (down > 0), down, 0.0)  # 下降方向动量
    tr = pd.concat([(high - low),
                    (high - close.shift()).abs(),
                    (low - close.shift()).abs()], axis=1).max(axis=1)
    atr = tr.ewm(alpha=1 / n, adjust=False).mean()           # Wilder ATR
    plus_di = 100 * pd.Series(plus_dm, index=df.index).ewm(alpha=1/n, adjust=False).mean() / atr
    minus_di = 100 * pd.Series(minus_dm, index=df.index).ewm(alpha=1/n, adjust=False).mean() / atr
    dx = 100 * (plus_di - minus_di).abs() / (plus_di + minus_di).replace(0.0, np.nan)
    adx_ = dx.ewm(alpha=1 / n, adjust=False).mean()
    out = df.copy()
    out["plus_di"], out["minus_di"], out["adx"] = plus_di, minus_di, adx_
    return out

ADX 计算链条与含义：

步骤	公式要点	含义
TR	max(高-低,	高-昨收
ATR	TR 的 Wilder 平滑	波动基准
+DM/-DM	方向性动量	上/下方向强度
+DI/-DI	100×DM 平滑/ATR	多空方向指标
ADX	\|+DI−−DI\|/(+DI+−DI) 的平滑	趋势强度（无方向）

第 3 步：判断趋势 / 震荡与多空

def adx_state(symbol, count=250, n=14):
    df = af.klines.get(symbol, period="1d", count=count,
                       adjust="forward", to_dataframe=True).sort_values("trade_date").reset_index(drop=True)
    last = adx(df, n).iloc[-1]
    a = float(last["adx"])
    state = "强趋势" if a >= 25 else ("弱趋势/震荡" if a >= 20 else "震荡")
    direction = "多头" if last["plus_di"] > last["minus_di"] else "空头"
    return {"adx": round(a, 1),
            "plus_di": round(float(last["plus_di"]), 1),
            "minus_di": round(float(last["minus_di"]), 1),
            "state": state, "direction": direction}

print(adx_state("000001.SZ"))
# 例如：{'adx': 35.7, 'plus_di': 24.9, 'minus_di': 11.7, 'state': '强趋势', 'direction': '多头'}
print(adx_state("600519.SH"))
# 例如：{'adx': 14.2, 'plus_di': 20.6, 'minus_di': 26.4, 'state': '震荡', 'direction': '空头'}

上例实测：平安银行 ADX≈35.7 且 +DI>-DI → 强趋势·多头；茅台 ADX≈14.2 → 震荡（此时不宜用顺势突破策略）。这正是 ADX 的用法：先过滤市场状态，再决定用哪类策略。

关键坑与注意事项

ADX 不看方向：ADX 高只代表”趋势强”，涨跌都可能。方向要看 +DI vs -DI。
滞后性：ADX 经过两层 Wilder 平滑，反应偏慢，是”确认”而非”预测”工具，别指望它抓拐点。
阈值是经验值：常用 25 为强趋势线、20 以下为震荡，但不同标的/周期差异大，最好回测校准，勿过拟合。
Wilder 口径：DI/ADX 必须用 Wilder 平滑（ewm(alpha=1/n, adjust=False)），用简单均值会和软件对不上。
复权：adjust="forward"，避免除权跳空污染 TR/DM。

常见问题（FAQ）

Q：ADX 多少算有趋势？ A：经验上 ADX≥25 视为趋势明确、<20 视为震荡，20~25 为过渡。这是习惯阈值，建议用你的标的回测校准。

Q：ADX 能告诉我涨还是跌吗？ A：不能。ADX 只测强弱，方向看 +DI 与 -DI 谁大：+DI>-DI 偏多，反之偏空。

Q：ADX 怎么和其他策略配合？ A：常见做法是”ADX 做过滤器”——只在 ADX≥25 时启用均线/突破等顺势策略，在震荡时改用均值回归或空仓，减少假突破损失。

Q：需要付费吗？ A：单只标的的日线在免费额度内即可试算；批量/全市场需 Starter 及以上，详见 AlphaFeed 定价页。

小结

ADX 的价值在于”先判断有没有趋势，再决定用什么策略”：ADX 测强弱、DI 定方向。计算链条长且要用 Wilder 平滑，容易写错，数据也要干净复权。AlphaFeed 提供口径一致的复权日线，让你几十行就能给策略加一个”市场状态过滤器”，少在震荡市里挨打。