故小里1. 项目背景与核心价值
股票市场情绪指标是量化交易中的重要参考依据。ARBR指标作为经典的技术分析工具，能够有效反映市场买卖双方的力量对比。这个指标由人气指标(AR)和意愿指标(BR)两部分组成，通过计算特定周期内的价格变化，帮助投资者判断市场超买超卖状态。
在实际交易中，我发现很多新手量化开发者面临两个主要痛点：一是对ARBR指标的计算原理理解不深，二是难以将理论转化为可执行的Python代码。本文将用最接地气的方式，带你从零实现这个经典指标。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. ARBR指标原理解析
2.1 AR指标计算逻辑
AR(人气指标)的计算公式为：
AR = (N日内上涨总和 / N日内下跌总和) × 100
这里的上涨和下跌不是指收盘价的涨跌，而是用当日最高价减去开盘价的差值作为上涨幅度，开盘价减去当日最低价的差值作为下跌幅度。这种计算方式能更真实反映市场在交易时段内的多空博弈。
关键点：AR值在80-120之间为盘整区间，高于150考虑超买，低于70可能超卖
2.2 BR指标计算逻辑
BR(意愿指标)的计算公式为：
BR = (N日内上涨总和 / N日内下跌总和) × 100
与AR不同，BR使用的是昨日收盘价与当日最高/最低价的比较。当昨日收盘价低于当日最高价时，差值计入上涨；高于当日最低价时，差值计入下跌。
3. Python实现完整流程
3.1 数据准备
我们使用tushare获取A股数据：
python复制import tushare as ts
import pandas as pd
# 设置token（需提前注册获取）
ts.set_token('你的token')
pro = ts.pro_api()
# 获取日线数据
df = pro.daily(ts_code='600519.SH', start_date='20200101', end_date='20221231')
df = df.sort_values('trade_date')
3.2 核心计算函数
python复制def calculate_arbr(data, n=26):
"""
计算ARBR指标
:param data: 包含OHLC的DataFrame
: