价格振幅距离指标（Price Distance）：捕捉价格波动幅度的高效工具

在技术分析中，价格的涨跌幅并不能完整揭示市场的真实“运动距离”。例如，一根长影线的K线，虽然收盘价变化不大，但实际价格波动可能剧烈。此时，仅靠开盘价与收盘价的差值，容易忽略隐藏的市场能量。

为此，价格振幅距离指标（Price Distance） 应运而生。它旨在量化一根K线的整体价格运动幅度，无论方向如何，为短线交易者与波动性策略提供有力支持。

一、什么是 Price Distance 指标？

Price Distance 是一种基于单根K线价格范围变化的指标。它试图回答这样一个问题：

一根K线的实际波动距离到底有多大？

它综合考虑了开盘价、最高价、最低价和收盘价这四个维度，不仅仅关注最终结果（如收盘涨跌），而是着眼于“过程中的波动”。

✅ 应用价值

• 衡量市场活跃度
• 识别异常波动时段
• 判断剧烈波动背后是否存在重大消息驱动
• 可作为波动策略的触发条件或过滤器

二、pandas_ta 中的参数说明

在 pandas_ta 中，调用 price_distance() 指标的方法非常简洁：

返回结果

返回一个单列的 DataFrame，列名形如：

PRICED_1

其中 1 为 drift 值。

三、Price Distance 的计算原理

虽然 pandas_ta 并未公开该指标的详细数学公式，但我们可以推测其核心逻辑大致如下：

$$ \text{Price Distance}_t = \sqrt{(High_t - Low_t)^2 + (Open_t - Close_t)^2} $$

它衡量的是：

• 最高价和最低价之间的纵向波动
• 开盘价与收盘价之间的方向移动

通过将两个因素结合，Price Distance 可以揭示一根K线内的整体波动范围，而不仅仅是涨跌。

四、Python 实战：如何用 pandas_ta 计算 Price Distance？

import pandas as pd
import pandas_ta as ta
import matplotlib.pyplot as plt

# 加载你的行情数据
df = pd.read_csv("AAPL.csv", index_col="Date", parse_dates=True)

# 计算价格振幅距离指标
df["PRICED_1"] = ta.price_distance(open_=df["Open"], high=df["High"], low=df["Low"], close=df["Close"], drift=1)

# 可视化
plt.figure(figsize=(14,6))
plt.plot(df["PRICED_1"], label="价格振幅距离 PRICED_1", color="orange")
plt.title("价格振幅距离指标（Price Distance）")
plt.xlabel("日期")
plt.ylabel("价格距离")
plt.grid(True)
plt.legend()
plt.show()

五、交易策略中的应用技巧

✅ 波动启动信号

• 当 PRICED 指标突然跳升，说明市场短期内波动剧烈，可能是行情启动的前兆；
• 可结合 MACD、均线等判断方向，确认是否进场。

✅ 新闻行情检测

• 若 Price Distance 指标在非交易时段突然扩大，可能预示有未公开利好或利空消息泄露；
• 可作为提示交易者加快响应速度的警示信号。

✅ 策略过滤条件

• 仅在 Price Distance 高于某一阈值时入场，避免陷入无效震荡；
• 可与 NATR（标准化波动率）配合过滤震荡行情。

六、与其他波动指标对比

七、总结：为什么要关注价格振幅距离（Price Distance）？

• 📊 快速识别高波动时段
• 🎯 可用于剔除“平淡无波”的行情区间
• 🔧 适合作为短线策略的辅助筛选器
• 🧠 提供非方向性市场能量判断方式