ADX指标源码中如何准确计算DI+和DI-？

Question

在实现ADX指标时，如何准确计算+DI和-DI是关键难点。常见问题是：在计算真实波幅（TR）、上升方向动向（+DM）和下降方向动移（-DM）后，未正确进行平滑处理，导致+DI和-DI失真。例如，直接使用原始DM值而非14周期指数或简单移动平均，或在TR为零时未合理处理除零异常。此外，初学者常忽略方向线的平滑机制，误用单日DM/TR比值作为最终结果。如何基于Wilders平滑法（如前一日平滑值×13 + 当日值）精确递推+DI与-DI？这是确保ADX计算准确的核心环节。

Answer 1

1. ADX指标中的+DI与-DI计算：基础概念解析

平均方向指数（ADX）是Welles Wilder提出的技术分析工具，用于衡量趋势强度。其核心组成部分包括正方向指标（+DI）、负方向指标（-DI）和ADX本身。其中，+DI和-DI的准确计算是整个系统可靠性的基石。

在开始计算前，必须先理解三个关键中间变量：

• 真实波幅（True Range, TR）：取以下三者最大值：
  1. 当日高点与低点之差（High - Low）
  2. |High - 前一日收盘|
  3. |Low - 前一日收盘|
• +DM（Positive Directional Movement）：若当日High - 前日High > 前日Low - 当日Low且前者为正，则+DM = High - 前日High；否则为0。
• -DM（Negative Directional Movement）：反之，若前日Low - 当日Low > 当日High - 前日High且前者为正，则-DM = 前日Low - 当日Low；否则为0。

这些原始值虽反映短期动向变化，但直接使用会导致噪声过大。

2. 平滑处理的重要性与Wilders平滑法原理

未经平滑的+DM、-DM和TR序列波动剧烈，无法稳定反映趋势方向。因此，Wilders引入了一种特殊的指数加权移动平均机制——即“Wilders平滑”：

周期数(n)	平滑因子α	递推公式
14	1/14 ≈ 0.0714	SMMA = (前一日SMMA × 13 + 当日值) / 14
9	1/9 ≈ 0.1111	同理可得
n	1/n	SMMA_t = (SMMA_{t-1} × (n-1) + X_t) / n

这种平滑方式等价于EMA的一种变体，但起始初始化需特别注意：首期SMMA通常用前n日简单平均作为种子值。

例如，在计算TR的14周期SMMA时，前14天的TR求算术平均，作为第14天的初始SMMA(TR)。

3. 关键难点一：+DM与-DM的平滑处理流程

常见错误在于直接将单日+DM/TR比值当作+DI输出。正确的做法如下：

1. 对+DM序列进行14周期Wilders平滑，得到平滑后+DM₁₄
2. 对-DM序列进行同样处理，得-DM₁₄
3. 对TR序列也执行14周期Wilders平滑，得TR₁₄

代码示例如下（Python风格伪代码）：

def wilders_smooth(series, n=14):
    smoothed = [np.nan] * len(series)
    smoothed[n-1] = np.mean(series[:n])  # 初始值
    for i in range(n, len(series)):
        smoothed[i] = (smoothed[i-1] * (n-1) + series[i]) / n
    return smoothed

# 应用于+DM, -DM, TR
plus_dm_smooth = wilders_smooth(plus_dm_values)
minus_dm_smooth = wilders_smooth(minus_dm_values)
tr_smooth = wilders_smooth(true_ranges)

此步骤确保了所有输入变量在同一时间尺度上具备可比性。

4. 关键难点二：避免除零异常与数值稳定性处理

当市场处于横盘状态时，可能出现连续多日价格不变的情况，导致TR为零。此时若直接计算+DI或-DI，会出现除以零的异常：

+DI = (+DM₁₄ / TR₁₄) × 100
-DI = (-DM₁₄ / TR₁₄) × 100

解决方案包括：

• 判断TR₁₄是否接近零（如小于1e-8），若是则设+DI = 0 或保持前值
• 使用条件判断防止浮点异常
• 在数据预处理阶段剔除无效K线（如无交易记录）

实际工程中建议采用安全除法函数：

def safe_div(a, b, default=0.0):
    return a / b if abs(b) > 1e-8 else default

5. 完整+DI与-DI递推实现逻辑流程图

graph TD A[获取OHLC数据] --> B[计算每日TR, +DM, -DM] B --> C{是否满14周期?} C -- 否 --> D[累积原始值] C -- 是 --> E[计算首期SMMA(+DM), SMMA(-DM), SMMA(TR)] D --> F[继续积累] E --> G[进入递推阶段] G --> H[应用Wilders公式更新各SMMA] H --> I[计算+DI = (SMMA(+DM)/SMMA(TR)) * 100] I --> J[计算-DI = (SMMA(-DM)/SMMA(TR)) * 100] J --> K[输出+DI/-DI序列]

该流程强调了从原始数据到最终指标的完整生命周期管理，尤其关注初始窗口填充和平滑启动问题。

6. 实践中的典型误用案例对比分析

错误类型	表现形式	后果	修正方案
未平滑直接比值	用当日+DM/TR作+DI	剧烈跳变，假信号频发	强制使用Wilders平滑后的分母与分子
错误初始化	SMMA初值设为0或第一项	前若干周期失真	使用前n项均值初始化
忽略TR为零	程序崩溃或NaN传播	后续指标中断	加入安全除法与边界检测
周期不一致	+DM用SMA而TR用EMA	比例失衡	统一使用Wilders平滑
动态周期调整缺失	固定14周期不适应不同品种	灵敏度偏差	支持参数化配置

这些问题在高频回测系统中尤为敏感，可能导致策略误判。