ATR 吊灯退出：用真实波幅把止损变成随波动率呼吸的活防线

止损是交易里最反人性的动作，却也是最容易被做错的动作。最常见的懒人止损是”亏 10% 就走”——固定百分比。它的问题在于：用同一把尺子量所有市场状态。低波动的横盘期，10% 止损常常被正常噪声扫掉，你刚走价格就回来；高波动的急跌期，10% 又太宽，等它触发时账户已经血肉模糊。

结论先放这：ATR 吊灯退出(Chandelier Exit, 由 Chuck LeBeau 提出)把止损线钉在”近期最高收盘下方 k 倍 ATR”，并且只上移、绝不下移——这让防线随波动率”呼吸”：波动大时止损自动拉开、波动小时自动收紧。在 8 年、约 2000 个交易日的合成日频序列（温和正漂移 + 趋势/震荡/跳变 regime）上，用 MA20 趋势入场、三种出场对比，吊灯退出(k=3)做到年化 35.6%、Sharpe 2.32、最大回撤仅 −6.7%，同时只交易 68 次；固定 10% 追踪止损年化 28.9%、Sharpe 1.93、回撤 −11.7%、交易 259 次；买入持有最差：Sharpe 0.39、回撤 −43.1%。吊灯退出用更少的交易、更小的回撤，把风险预算省了下来，而非凭空造出 alpha。附完整 Python 与六类真实陷阱（高阶）。

一、先算 ATR：真实波幅，不是”今天涨跌了多少”#

吊灯退出的地基是 ATR（Average True Range，平均真实波幅）。它衡量的是”一个交易日里价格真实能跑多远”，比单纯看收盘价涨跌更贴近交易者的真实痛感。

真实波幅 TR 取三个量的最大值：

1. 当日最高 − 当日最低
2. |当日最高 − 昨日收盘|
3. |当日最低 − 昨日收盘|

import numpy as np, pandas as pd

def compute_atr(high, low, close, period=14, idx=None):
    high = np.asarray(high, float); low = np.asarray(low, float); close = np.asarray(close, float)
    prev_close = np.roll(close, 1); prev_close[0] = close[0]
    tr = np.maximum.reduce([high - low,
                            np.abs(high - prev_close),
                            np.abs(low - prev_close)])
    atr = np.zeros_like(tr)
    atr[period-1] = tr[:period].mean()           # 初始：简单平均
    for i in range(period, len(tr)):
        atr[i] = (atr[i-1]*(period-1) + tr[i]) / period   # Wilder 平滑
    return pd.Series(atr, index=idx)

关键点：Wilder 平滑（α=1/14）比简单移动平均更看重近期，所以 ATR 对波动率突变反应快，却又不会被单根大K线永久带偏。ATR 没有方向——它只回答”现在市场有多吵”，不预测涨跌。

二、吊灯退出：把止损挂在”天花板下方”#

“吊灯”(Chandelier)这个名字很形象——止损线像一盏吊灯，挂在近期价格天花板的下方，且只升不降。多头版本：

k = 3.0
lookback = 22
highest_close = price.rolling(lookback).max()     # 近期最高收盘 = 天花板
chandelier_long = highest_close - k * atr         # 只上移，不下移

为什么”只上移不下移”是关键？因为止损线的唯一职责是保护已有利润、截断亏损。一旦价格回落，我们绝不能再把止损线下移去”等它回来”——那等于把已经到手的利润又塞回市场嘴里。所以吊灯线在上涨中跟随最高收盘逐日抬高，把浮盈锁成”越来越高的地板”；只有价格真的跌破这盏灯，才认输出局。

空头版本是镜像：最低收盘 + k*ATR，只下移不上移。

三、回测：吊灯 vs 固定止损 vs 买入持有#

入场我们用最简单的趋势信号——收盘价站上 20 日均线；出场分别用吊灯线、固定 10% 追踪止损（运行最高收盘下方 10%）、以及不止损的买入持有。注意两种追踪止损都”只上移不下移”，区别只在”尺子”：

# 固定 10% 追踪止损：运行最高收盘下方 10%
run_max   = price.cummax()
fixed_stop = run_max * (1 - 0.10)

def backtest_stop(price, stop_line, ma):
    pos = np.zeros(len(price))
    for i in range(1, len(price)):
        if pos[i-1] == 0 and price.iloc[i] > ma.iloc[i-1]:
            pos[i] = 1                                   # 上穿 MA 买入
        elif pos[i-1] == 1 and price.iloc[i] <= stop_line.iloc[i-1]:
            pos[i] = 0                                   # 跌破追踪止损离场
        else:
            pos[i] = pos[i-1]
    equity = (1 + pos * price.pct_change().fillna(0)).cumprod()
    trades = int(((pos[1:] - pos[:-1]) == 1).sum())
    return equity, trades, pos

对比（对数轴净值）：

三个结论：

1. 吊灯退出回撤最小（−6.7%）：因为它的尺子跟着 ATR 走，剧烈下跌时止损线已经提前拉宽，不会被一根恐慌K线扫在最低点；而固定 10% 在同样的急跌里照样被扫。
2. 交易次数少得多（68 vs 259）：固定 10% 尺子太”敏感”，震荡市里反复触发、反复再入场，摩擦成本与磨损远高于吊灯。
3. 不是凭空造 alpha，是省下风险预算：吊灯的高 Sharpe 主要来自”少亏、少交易”，而不是”多赚”。把波动率当尺子，等于把”市场现在有多吵”写进了风控系统。

四、k 与 lookback 怎么选：参数敏感度#

吊灯退出有两个旋钮：

• k（倍数）：k 小→止损紧→吃小波动、被洗频繁；k 大→止损宽→抗噪但回撤深。3 是经典默认值，A 股/加密货币这类高波动品种常调到 4−5，低波动品种可降到 2。
• lookback（最高收盘回看窗口）：窗口短→灯挂得低、对回落敏感；窗口长→灯挂得高、给趋势更多呼吸空间。22（约一个月交易日）是常见起点。

实操建议：用你目标品种的 ATR 分布做参数扫描，挑”回撤可接受、交易次数不过密”的组合，而不是挑”历史净值最漂亮”的那个——后者几乎必然是过拟合（见陷阱 █）。

五、六类真实陷阱（高阶）#

1. 过拟合 k 与 lookback：在单一历史段上穷举 k∈{2,2.5,3,3.5,4}×lookback∈{10,14,22,30}，挑最优，等于在噪声里刻舟。必须做样本外或 walk-forward：用前 5 年定参、后 3 年验证，参数若大幅漂移就是过拟合。
2. 只看收盘价触发、忽略日内：吊灯线用收盘价判断，但极端跳空低开时，你”看到”的止损价是收盘后的，实际开盘可能已远低于止损线——缺口风险会让真实亏损远超 ATR 预算。加密/期货夜盘、财报日尤甚。
3. 高波动期 ATR 滞后：Wilder ATR 有平滑惯性，波动率骤升的瞬间 ATR 还没跟上，止损线暂时偏窄，可能在该收紧时没收紧。对策：对跳变敏感的品种叠加事件过滤（财报/议息日前降仓）。
4. 震荡市反复磨损：纯趋势+追踪止损在均值回归行情里会”买在高、卖在低”来回挨巴掌。吊灯不是万能出场，必须配合”大周期趋势过滤”（如只在 200 日均线上方做多）才能少挨打。
5. 前视偏差(look-ahead)：用全样本算 rolling(max) 和 cummax 没问题（它们都是历史函数），但如果你用”未来 N 天的最高收盘”定灯的位置，就污染了。务必只用截至 t 的信息。
6. 幸存者与流动性假设：回测默认你能以收盘价成交、且流动性充足。小盘股/低流动性标的在急跌时根本卖不出止损价，实际滑点能把 −6.7% 变成 −15%。合成数据没有建模滑点，真实落地必须加冲击成本。

六、怎么用，而不是怎么迷信#

吊灯退出的正确定位是出场/风控模块，不是完整策略。它回答的是”我该在哪认输/锁利”，不回答”我该不该进场”。落地三步：

• 入场归入场：用你已有的信号（突破、均线、动量）决定买，吊灯只管卖。
• 波动率归一化仓位：既然 ATR 衡量噪音，仓位也该用 ATR 归一——仓位 ≈ 风险预算 / (k*ATR)，让每笔交易承受等量的”噪音单位”风险，而非等量的金额风险。
• 多周期叠加：日线定灯、小时线执行，可让止损更早被日内跌破触发，减少隔夜跳空暴露。

最后必须诚实说明：本文价格序列为固定随机种子生成的合成数据（实时行情接口 Yahoo 当前 429、Stooq 触发 JS 反爬均不可达），含温和正漂移与可控 regime 切换，用于演示 ATR 与吊灯退出的机制与对比——其中的收益/回撤数字不能当作某真实品种的历史表现。把代码里的合成段替换成你的 yfinance / akshare / 交易所行情，即可在真实数据上复跑并做样本外验证。

# 完整可复现骨架（合成价格段可替换为真实行情）
import numpy as np, pandas as pd

np.random.seed(20260716)
n = 252 * 8
price = pd.Series(100 * np.exp(np.cumsum(0.0003 + np.random.normal(0, 0.012, n))))
atr = compute_atr(price*1.006, price*0.994, price, 14, idx=price.index)  # 合成高低
atr = atr.bfill()
highest = price.rolling(22).max()
chandelier = (highest - 3 * atr).bfill()
print("当前吊灯止损线 vs 价格:", round(chandelier.iloc[-1], 2), round(price.iloc[-1], 2))
print("ATR/价格占比(%):", round(atr.iloc[-1]/price.iloc[-1]*100, 2))

止损不是认输，是给下一次机会留子弹。ATR 吊灯退出的精髓，就是让这道防线懂市场的脾气——安静时贴近、狂暴时退后，而不是一根筋地死守一个百分比。