前言
WR（Williams %R，威廉指标）是短线交易常用的超买超卖指标，擅长捕捉股价短期高低拐点。WR和RSI原理相近，但WR灵敏度更高，经常提前发出反转信号，适合震荡行情抄底、逃顶。
很多同学自己写WR时容易踩坑：分子分母写反、忘记乘以负号，最终计算结果和通达信、东方财富不一致。本文严格遵循通达信原版公式，使用Pandas原生实现，不依赖TA-Lib，附带绘图展示、自动交易信号识别，全部代码可直接复制运行，能够接入量化回测系统。
⚠️ 重要声明：本文仅作为Python量化编程学习，不构成任何投资建议。
一、WR指标原理与通达信计算公式
指标简介
WR威廉指标，利用一段时间内最高价、最低价与当前收盘价的相对位置，判断股价是否处于短期极端高位/低位。
A股软件默认双周期参数：WR1=10，WR2=20
通达信原版公式
HH:=HHV(HIGH,N); LL:=LLV(LOW,N); WR:=(HH-CLOSE)/(HH-LL)*100; WR指标 = -WR数学公式：
W R = − H H N − C l o s e H H N − L L N × 100 WR = -\frac{HH_N - Close}{HH_N - LL_N} \times 100WR=−HHN−LLNHHN−Close×100
- H H N HH_NHHN：N周期内最高价
- L L N LL_NLLN：N周期内最低价
- C l o s e CloseClose：当日收盘价
重点提醒：最终结果需要取负数！区间范围[-100, 0]
WR指标基础交易规则
- 超买区（0 ~ -20）
股价短期上涨过多，多头动能衰竭，有回调风险，止盈、减仓信号。 - 超卖区（-80 ~ -100）
短期持续下跌，空头释放充分，反弹概率加大，关注低吸机会。 - 中性区间（-20 ~ -80）
多空相对均衡，没有明确超买超卖信号，观望为主。 - 双周期共振
WR1、WR2同时进入超卖区，底部信号可靠性更高；同时进入超买区，回落风险加大。
二、环境依赖
pipinstallpandas numpy matplotlib三、Python实现WR指标计算
3.1 封装通用WR计算函数
importpandasaspdimportnumpyasnpimportmatplotlib.pyplotaspltdefcalc_wr(df,high_col="high",low_col="low",close_col="close",n1=10,n2=20):""" 复刻通达信 WR威廉指标 :param df: K线DataFrame，必须包含 high low close :param high_col: 最高价列名 :param low_col: 最低价列名 :param close_col: 收盘价列名 :param n1: WR1短期周期 默认10 :param n2: WR2长期周期 默认20 :return: 添加 WR1 WR2 后的DataFrame """data=df.copy()# N周期最高价、最低价hh_n1=data[high_col].rolling(window=n1).max()ll_n1=data[low_col].rolling(window=n1).min()hh_n2=data[high_col].rolling(window=n2).max()ll_n2=data[low_col].rolling(window=n2).min()# 防止除零（横盘，最高价=最低价）# WR1denom1=hh_n1-ll_n1 wr1_raw=np.where(denom1==0,0,(hh_n1-data[close_col])/denom1*100)data["WR1"]=-wr1_raw# WR2denom2=hh_n2-ll_n2 wr2_raw=np.where(denom2==0,0,(hh_n2-data[close_col])/denom2*100)data["WR2"]=-wr2_rawreturndata3.2 模拟行情数据测试
if__name__=="__main__":np.random.seed(666)base_price=12data_list=[]foriinrange(180):change=np.random.normal(0,0.22)close=round(base_price+change,2)high=round(close+abs(np.random.normal(0,0.1)),2)low=round(close-abs(np.random.normal(0,0.1)),2)data_list.append({"high":high,"low":low,"close":close})base_price=close df=pd.DataFrame(data_list)df["date"]=pd.date_range(start="2026-01-01",periods=180,freq="D")# 计算WRdf=calc_wr(df)print(df[["date","close","WR1","WR2"]].tail(15))前N-1行数据会是NaN，属于正常现象，滚动窗口需要足够K线数量。
四、WR指标可视化绘图
上下双图：上图股价，下图WR曲线，同时画出-20、-80两条分界线，贴近行情软件样式：
defplot_wr_chart(df):plt.rcParams["font.sans-serif"]=["SimHei"]plt.rcParams["axes.unicode_minus"]=Falsefig,(ax1,ax2)=plt.subplots(2,1,figsize=(14,8),sharex=True,gridspec_kw={"height_ratios":[2,1]})# 上图：收盘价走势ax1.plot(df["date"],df["close"],c="#f5222d",linewidth=1.6,label="收盘价")ax1.set_title("股价走势 + WR威廉指标",fontsize=14)ax1.set_ylabel("价格")ax1.legend()ax1.grid(alpha=0.3)# 下图 WR曲线ax2.plot(df["date"],df["WR1"],c="#1890ff",linewidth=1.3,label="WR1(10)")ax2.plot(df["date"],df["WR2"],c="#fa8c16",linewidth=1.3,label="WR2(20)")# 超买超卖分界线ax2.axhline(y=-20,c="red",linestyle="--",alpha=0.6)ax2.axhline(y=-80,c="green",linestyle="--",alpha=0.6)ax2.set_ylabel("WR")ax2.legend()ax2.grid(alpha=0.3)plt.tight_layout()plt.show()plot_wr_chart(df)五、自动识别WR交易信号
根据超买超卖区间生成信号，方便策略回测：
defgenerate_wr_signal(df):data=df.copy()signal_list=[]for_,rowindata.iterrows():wr1=row["WR1"]wr2=row["WR2"]ifpd.isna(wr1)orpd.isna(wr2):signal_list.append(None)continue# 双周期同时进入超卖区：低吸信号ifwr1<=-80andwr2<=-80:signal_list.append("buy")# 双周期同时进入超买区：卖出信号elifwr1>=-20andwr2>=-20:signal_list.append("sell")else:signal_list.append(None)data["wr_signal"]=signal_listreturndata df=generate_wr_signal(df)buy_signal=df[df["wr_signal"]=="buy"]sell_signal=df[df["wr_signal"]=="sell"]print("====WR超卖低吸信号====")print(buy_signal[["date","close","WR1","WR2"]])print("\n====WR超买卖出信号====")print(sell_signal[["date","close","WR1","WR2"]])六、开发高频踩坑总结
1. 分子分母写反（最常见错误）
错误写法：(Close - LL)/(HH-LL)
正确写法：(HH - Close)/(HH-LL)
顺序颠倒会直接导致指标走势完全反向。
2. 忘记乘以负号
部分国外资料WR范围是0~100，而国内通达信统一[-100,0]，计算完成后必须取负，否则区间和信号全部相反。
3. 缺少除零保护
长期横盘个股，周期内最高价等于最低价HH-LL=0，直接除法会触发inf无穷值，代码中需要增加判断规避。
4. WR不适合单边大趋势
持续牛市，WR会长时间处于超买区间；持续熊市，长期处于超卖区间。单纯依靠WR极易出现持续假信号，建议搭配趋势指标MACD、均线组合使用。
5. 忽略周期参数
短线交易用10周期，中长线可调整20、30周期，参数越大指标越平滑、灵敏度越低。
七、拓展方向
- 接入Akshare / Tushare获取A股真实日线、分钟K数据；
- 增加WR背离检测（顶背离、底背离）；
- WR+MACD共振策略开发与历史回测；
- 封装为API接口，供前端量化页面实时计算指标；
- 结合仓位管理规则构建完整交易策略。
八、总结
- WR威廉指标核心是利用周期高低点相对位置判断超买超卖；复刻通达信重点注意分子顺序 + 末尾取负数；
- 默认双周期WR1(10)、WR2(20)共振使用，信号稳定性高于单周期；
- WR优势是反应灵敏、提前捕捉拐点，短板是单边行情容易持续失真；
- 量化开发优先手写指标，摆脱第三方库黑盒，便于自定义修改、问题排查与策略调试。
)