===============================================================================================
唐奇安通道流行于上世纪七十年代,由著名海龟交易员Richard Donchian发明,最早用于日内交易,其主要思想是寻找一定时间内(如20日)出现的最高价和最低价,将最高价和最低价分布作为通道的上下轨道,当价格突破上轨道时,说明股价运动较强势,释放出买入信号;当价格线向下突破下轨道的时候,空方市场较为强势,市场下跌趋势较为明显,则释放出卖出信号。
唐奇安通道由三条轨道线构成:
-
通道上界 = 过去20日内的最高价
-
通道下界 = 过去20日内的最低价
-
中轨道 = 通 道 上 界 + 通 道 下 界 2 \displaystyle {\frac{通道上界 + 通道下界}{2} } 2通道上界+通道下界
绘图代码示例:
提取收盘价,最高价,最低价数据
Close = df.Close
High = df.High
Low = df.Low
设定上、下、中通道线初始值
upboundDC = pd.Series(0.0, index=Close.index)
downboundDC = pd.Series(0.0, index=Close.index)
midboundDC = pd.Series(0.0, index=Close.index)
求唐奇安上、中、下通道
for i in range(20,len(Close)):
upboundDC[i] = max(High[(i-20):i])
downboundDC[i] = min(Low[(i-20):i])
midboundDC[i] = 0.5 * (upboundDC[i] + downboundDC[i])
upboundDC = upboundDC[20:]
downboundDC = downboundDC[20:]
midboundDC = midboundDC[20:]
绘制2020年洛阳钼业价格唐奇安通道上中下轨道线图
plt.rcParams[‘font.sans-serif’] = [‘SimHei’]
plt.plot(Close[‘2020’], label=“Close”, color=“k”)
plt.plot(upboundDC[‘2020’], label=“upboundDC”, color=“b”, linestyle=“dashed”)
plt.plot(midboundDC[‘2020’], label=“midboundDC”, color=“r”, linestyle=“-.”)
plt.plot(downboundDC[‘2020’],label=“downboundDC”, color=“b”, linestyle=“dashed”)
plt.title(“2020年洛阳钼业股价唐奇安通道”)
plt.xlabel(‘日期’)
plt.ylabel(‘values’)
plt.grid(True)
plt.legend()
plt.show()
生成图像效果如下:
-
以价格运动趋势来观察,我们不难看出,当整体价格趋势呈现出上升趋势的时候,三条均线也同时会呈现出一定的上升趋势;当股价大幅回落的时候,三条线也会有明显的向下运动趋势。
-
从曲线的平滑程度来观察,价格线的上下波动较频繁,且三条轨道线相对平滑。从上下通道的间距情况大致可以看出来股价的震荡情况。股价波动较小时,两条轨道线的间距大致稳定,股价波动较大时,带宽也时大时小,股价与中间轨道交叉的次数也越多。
未来看到更多的价格信息和股票价格运动情况,我们在K线图中绘制唐奇安的上下通道线,代码如下:
s = mpf.make_mpf_style(base_mpf_style=‘nightclouds’, rc={‘font.family’: ‘SimHei’}) # 解决mplfinance绘制输出中文乱码
add_plot=[
mpf.make_addplot(upboundDC[‘2020’]),
mpf.make_addplot(midboundDC[‘2020’]),
mpf.make_addplot(downboundDC[‘2020’])]
mpf.plot(df[‘2020’], type=‘candle’, style=s, title=‘洛阳钼业2020年K线图及唐奇安通道线’, addplot=add_plot, volume=True)
图像效果如下:
这里选择的时间跨度较大,实际研究可以选择更细节的时间跨度。
使用mplfinance库我们只需要传入参数mav,就可以添加上指定时间跨度的均线图一起研究(以5日,10日,20日,40日为例):
s = mpf.make_mpf_style(base_mpf_style=‘nightclouds’, rc={‘font.family’: ‘SimHei’})
add_plot=[
mpf.make_addplot(upboundDC[‘2020’]),
mpf.make_addplot(midboundDC[‘2020’]),
mpf.make_addplot(downboundDC[‘2020’])]
mpf.plot(df[‘2020’], type=‘candle’, style=s, title=‘洛阳钼业2020年K线图附唐奇安通道线及均线’, mav=(5,10,20,40),addplot=add_plot, volume=True)
效果展示如下:
选定一个时间段后,唐奇安通道突破的主要规则是:当价格线走强,而突破前n期的最高价时做多;当价格线向下运动,价格低于前n期最低价时做空。一般而言,n=20为投资者较为常用的时间段设定。
我们继续以20日为时间跨度,捕捉唐奇安通道突破日期,设定买卖点交易,并计算交易获胜率。
首先,先定义向上突破和向下突破函数upbreak()和downbreak()
def upbreak(tsLine, tsRefLine):
n = min(len(tsLine), len(tsRefLine))
tsLine = tsLine[-n:]
tsRefLine = tsRefLine[-n:]
signal = pd.Series(0, index=tsLine.index)
for i in range(1, len(tsLine)):
if all([tsLine[i]>tsRefLine[i], tsLine[i-1]<tsRefLine[i-1]]):
signal[i] = 1
return(signal)
downbreak()函数
def downbreak(tsLine, tsRefLine):
n = min(len(tsLine), len(tsRefLine))
tsLine = tsLine[-n:]
tsRefLine = tsRefLine[-n:]
signal = pd.Series(0, index=tsLine.index)
for i in range(1, len(tsLine)):
if all([tsLine[i] < tsRefLine[i], tsLine[i-1] > tsRefLine[i-1]]):
signal[i] = 1
return(signal)
唐奇安通道突破策略
UpBreak = upbreak(Close[upboundDC.index[0]:], upboundDC)
DownBreak = downbreak(Close[downboundDC.index[0]:], downboundDC)
制定交易策略
上穿,signal为1
下穿,signal为-1
合并上下穿突破总信号
BreakSig = UpBreak - DownBreak
计算预测获胜率
tradeSig = BreakSig.shift(1)[‘2020’]
ret = Close / Close.shift(1) - 1 # 这里的Close依然是全时间序列的
tradeRet = (ret * tradeSig).dropna() # 一次乘法加dropna()之后,Close()多的时间序列就被过滤掉了。
winRate = len(tradeRet[tradeRet > 0]) / len(tradeRet[tradeRet != 0])
print(winRate)
唐奇安通道突破的规则相对简单,但是要注意,时间跨度n的选择尤为重要。n的取值不同,结果也随之而变,寻找合适的时间跨度n是唐奇安通道突破策略的关键。
在20到60的时间跨度中寻找该股票唐奇安通道突破策略胜率最大 的时间跨度
list1 = []
list2 = []
for m in range(20,61):
upboundDC = pd.Series(0.0, index=Close.index)
downboundDC = pd.Series(0.0, index=Close.index)
midboundDC = pd.Series(0.0, index=Close.index)
求唐奇安上、下通道
for i in range(m,len(Close)):
upboundDC[i] = max(High[(i-m):i])
downboundDC[i] = min(Low[(i-m):i])
upboundDC = upboundDC[m:]
downboundDC = downboundDC[m:]
midboundDC = midboundDC[m:]
唐奇安通道突破策略
UpBreak = upbreak(Close[upboundDC.index[0]:], upboundDC)
DownBreak = downbreak(Close[downboundDC.index[0]:], downboundDC)
BreakSig = UpBreak - DownBreak
计算预测获胜率
tradeSig = BreakSig.shift(1)[‘2020’]
ret = Close / Close.shift(1) - 1 # 这里的Close依然是全时间序列的
tradeRet = (ret * tradeSig).dropna() # 一次乘法加dropna()之后,Close()多出的时间序列就被过滤掉了。
winRate = len(tradeRet[tradeRet > 0]) / len(tradeRet[tradeRet != 0])
list1.append(m)
list2.append(winRate)
print(‘该股票2020年唐奇安道路突破策略时间跨度为m为{}时胜率最大为{}’.format(list1[list2.index(max(list2))], max(list2)))
结果输出:
结果我们可以看出,在20-60的时间跨度内,2020年度选择50日日时间跨度是唐安奇通道突破策略胜率最大。
=============================================================================
-
“布林通道”又称“布林带状(Bollinger Bands, BBands)”,或者保力加通道,是通道的形式之一。与唐奇安通道类似,布林带通道也有刻画股票价格变化和波动幅度大小的作用。布林带通道是由美国投资者约翰·布林格(John Bollinger)在20世纪后期结合统计学理论发明的一种技术分析指标。
-
在分析股价运动时,一般选取股价平均线作为参照线,而布林带在均线的基础上增添了上下两条“股价通道”线。布林带的中轨道线是股价的平均线,上通道为均线加上一定倍数的标准差,下通道则是均线减去一定倍数的标准差得到的。
-
布林带通道的趋势主要由中轨道平均线决定,当平均线呈现上升趋势的时候,布林带通道也会向上走,当平均线走低时,布林带通道也会有向下的趋势。布林带通道的宽由股价的标准差决定;而股价的标准差刻画了股价波动的范围的大小,当股价的波动较大时,标准差较大,布林带通道带宽也越大;反之股价波动幅度较小的时候,标准差较小,布林带带宽会相应变窄。
- 布林带中轨道线: μn = 1 n ∑ i = 1 n p i \displaystyle {\frac{1}{n} }{\sum_{i=1}^n p_i } n1i=1∑npi
其中un是第t期观测到的前n期股票价格均值
- 第t期观测到,股价在过去n期的标准差为
σn = 1 n ∑ i = 1 n ( p i − μ n ) 2 \displaystyle \sqrt{{\frac{1}{n}}{\sum_{i=1}^n \left(p_i-μ_n \right)^2}} n1i=1∑n(pi−μn)2
- 布林带上轨道线值 B u p _ n \displaystyle \ B_{up\_n} Bup_n:
B u p _ n \displaystyle \ B_{up\_n} Bup_n = un + a × σn
- 布林带下轨道线值 B d o w n _ n \displaystyle \ B_{down\_n} Bdown_n:
B d o w n _ n \displaystyle \ B_{down\_n} Bdown_n = un - a × σn
-
a表示标准差的倍数。
-
从上述公式可以看出,时间区间n和标准差倍数a的取值可以影响到布林带三条通道的计算结果。一般吧n取值为20天,a取值为2,依此设定暂有:
-
σ20 = 1 20 ∑ i = 1 n ( p i − μ 20 ) 2 \displaystyle \sqrt{{\frac{1}{20}}{\sum_{i=1}^n \left(p_i-μ_{20} \right)^2}} 201i=1∑n(pi−μ20)2
-
B u p _ 20 \displaystyle \ B_{up\_20} Bup_20 = u20 + a × σ20
-
B d o w n _ 20 \displaystyle \ B_{down\_20} Bdown_20 = u20 - a × σ20
定义布林带通道函数bbands()
def bbands(tsPrice, period=20, times=2):
upBBand = pd.Series(0.0, index=tsPrice.index)
midBBand = pd.Series(0.0, index=tsPrice.index)
downBBand = pd.Series(0.0, index=tsPrice.index)
sigma = pd.Series(0.0, index=tsPrice.index)
for i in range(period-1, len(tsPrice)):
midBBand[i] = np.nanmean(tsPrice[i-(period-1):(i+1)]) # nanmean忽略Nan计算均值
sigma[i] = np.nanstd(tsPrice[i-(period-1):(i+1)]) # nanstd忽略Nan计算标准差
upBBand[i] = midBBand[i] + times * sigma[i]
downBBand[i] = midBBand[i] - times * sigma[i]
BBands = pd.DataFrame({‘upBBand’:upBBand[(period-1):],\
‘midBBand’:midBBand[(period-1):],\
‘downBBand’:downBBand[(period-1):],\
‘sigma’:sigma[(period-1):]})
return(BBands)
计算20日布林带通道线
LymyBBands = bbands(Close, 20, 2)
提取数据
UpBBands = LymyBBands.upBBand[‘2020’]
DownBBands = LymyBBands.downBBand[‘2020’]
MidBBands = LymyBBands.midBBand[‘2020’]
s = mpf.make_mpf_style(base_mpf_style=‘nightclouds’, rc={‘font.family’: ‘SimHei’})
add_plot=[
mpf.make_addplot(UpBBands),
mpf.make_addplot(DownBBands),
mpf.make_addplot(MidBBands)]
mpf.plot(df[‘2020’], type=‘candle’, style=s, title=“洛阳钼业2020年K线图及布林带通道线”, addplot=add_plot, volume=True)
自我介绍一下,小编13年上海交大毕业,曾经在小公司待过,也去过华为、OPPO等大厂,18年进入阿里一直到现在。
深知大多数Python工程师,想要提升技能,往往是自己摸索成长或者是报班学习,但对于培训机构动则几千的学费,着实压力不小。自己不成体系的自学效果低效又漫长,而且极易碰到天花板技术停滞不前!
因此收集整理了一份《2024年Python开发全套学习资料》,初衷也很简单,就是希望能够帮助到想自学提升又不知道该从何学起的朋友,同时减轻大家的负担。
既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,基本涵盖了95%以上Python开发知识点,真正体系化!
由于文件比较大,这里只是将部分目录大纲截图出来,每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频,并且后续会持续更新
如果你觉得这些内容对你有帮助,可以添加V获取:vip1024c (备注Python)
如果你也是看准了Python,想自学Python,在这里为大家准备了丰厚的免费学习大礼包,带大家一起学习,给大家剖析Python兼职、就业行情前景的这些事儿。
一、Python所有方向的学习路线
Python所有方向路线就是把Python常用的技术点做整理,形成各个领域的知识点汇总,它的用处就在于,你可以按照上面的知识点去找对应的学习资源,保证自己学得较为全面。
二、学习软件
工欲善其必先利其器。学习Python常用的开发软件都在这里了,给大家节省了很多时间。
三、全套PDF电子书
书籍的好处就在于权威和体系健全,刚开始学习的时候你可以只看视频或者听某个人讲课,但等你学完之后,你觉得你掌握了,这时候建议还是得去看一下书籍,看权威技术书籍也是每个程序员必经之路。
四、入门学习视频
我们在看视频学习的时候,不能光动眼动脑不动手,比较科学的学习方法是在理解之后运用它们,这时候练手项目就很适合了。
四、实战案例
光学理论是没用的,要学会跟着一起敲,要动手实操,才能将自己的所学运用到实际当中去,这时候可以搞点实战案例来学习。
五、面试资料
我们学习Python必然是为了找到高薪的工作,下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料,并且有阿里大佬给出了权威的解答,刷完这一套面试资料相信大家都能找到满意的工作。
成为一个Python程序员专家或许需要花费数年时间,但是打下坚实的基础只要几周就可以,如果你按照我提供的学习路线以及资料有意识地去实践,你就有很大可能成功!
最后祝你好运!!!
mg-blog.csdnimg.cn/img_convert/ec690501ea1dbe2cb209cbf4013c2477.png)
四、实战案例
光学理论是没用的,要学会跟着一起敲,要动手实操,才能将自己的所学运用到实际当中去,这时候可以搞点实战案例来学习。
五、面试资料
我们学习Python必然是为了找到高薪的工作,下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料,并且有阿里大佬给出了权威的解答,刷完这一套面试资料相信大家都能找到满意的工作。
成为一个Python程序员专家或许需要花费数年时间,但是打下坚实的基础只要几周就可以,如果你按照我提供的学习路线以及资料有意识地去实践,你就有很大可能成功!
最后祝你好运!!!