小散量化炒股记｜股价如波浪起伏，教你用量化识别波段的极值点

前言

相信大家都听说了量化交易这个东西了吧！量化交易是一种新兴的系统化金融投资方法。

那么，什么才是普通股民所适合的量化交易打开方式呢？

本文就用一个接地气的股票分析场景 —— 用量化方法识别股价波段的极值点 来和大家分享一下，普通股民如何去使用量化交易！

识别波段极值点 

股票的走势不是一条单一的直线，而是像海水的浪潮一样有高有低。于是股价的高低起伏走势会形成一个个波段。

很多经典的策略都是基于波段的分析。比如艾略特的波浪理论、低买高卖的波段操作、 寻找支撑位和压力位等等。

然而这些策略的共同基础就是识别出波段，也就是股价的极值点。

通常我们是用肉眼在行情软件上去识别和标记的，那么所谓的量化就是把极值点的特点归纳成一种算法模型，用量化程序去识别。

第一步是识别金叉和死叉。（关于实现原理在往期的《小散量化炒股记》中已经介绍，此处不在赘述）

此处我们是先识别MACD的金叉和死叉。如图所示，标记G为金叉（GLOD缩写），而标记D为死叉（DEATH缩写）。

第二步则是基于金叉和死叉去找到极值点。原理其实很简单：一个金叉和死叉之间必然存在一个最大值，同理一个死叉和一个金叉之间也存在一个最小值。如下所示：

以寻找最大值为例，关键代码如下所示：

# 找出上一个的金叉 这个金叉和下一个死叉之间会出现股价最大值
df_temp_1 = df_stockload[(df_stockload.index <= df_stockload.index[i])]
df_temp_2 = df_temp_1[df_temp_1.cross_m > 0]


if df_temp_2.empty == False:
    df_temp_3 = df_temp_1[(df_temp_1.index >= df_temp_2.index[-1])]
    close_val = df_temp_3["High"].max() #
    df_temp_4 = df_temp_3[df_temp_3["High"].values == df_temp_3["High"].max()]
    time1 = df_temp_4.index.to_pydatetime()[0].strftime("%Y-%m-%d")
    posit = df_stockload.index.get_loc(time1)
    df_stockload.loc[df_temp_4.index, "Max"] = True

寻找之后再用Matplotlib库的annotate方法标记，效果图如下所示：

标记了波段的最大值和最小值之后，有什么好处呢？

首先是得到波段最大值对应的压力位大小，以及波段最小值对应的支撑位大小，这个数值可以参考该日对应的成交量。

以及可以把一段时间内的压力位所对应的成交量进行累加，作为当前突破压力位所受到的阻力值。

其次，我们可以把波段的最大值和最小值分别连接起来，作为趋势的判断依据。如下图所示：

比如，我们识别到连续波段的高点和低点都在一个数值附近，那么可以判断当前处于震荡走势之中。当连续的波段高点和低点不断抬高，那么当前正处于上升趋势之中，同理为下跌趋势的判断亦然。这个正是大方向上的把握。

总结

通过这个简单而又实用的股票量化场景，希望能够给广大朋友对于量化交易有一个直观的感受。

然后，我们应该升级自己的炒股方式了，把自己以前炒股的那套方法，抽象成策略模型，用量化的方法去全市场回测评估，然后让程序帮助我们监测行情的走势。

这个才是普通股民所适合的量化交易打开方式！

说明

例程中代码涉及到《Python股票量化交易从入门到实践》书中知识点。比如：

第8章   股票技术指标的可视化分析*** 

    8.1 定制可视化接口

        8.1.1 可视化代码结构分析

        8.1.2 可视化接口框架实现

        8.1.3 可视化图表类型实现

        8.1.4 可视化接口使用说明

    8.2 基础技术指标的可视化

        8.2.1 原生量价指标可视化

        8.2.2 移动平均线 SMA 可视化

        8.2.3 震荡类指标 KDJ 可视化

        8.2.4 趋势类指标MACD可视化

    8.3 衍生技术指标的可视化

        8.3.1 均线交叉信号可视化

        8.3.2  股价跳空缺口可视化 

        8.3.3  量价指标周期重采样 

        8.3.4  黄金分割与支撑/阻力线

    8.4 使用 TA-Lib 库计算技术指标

        8.4.1  常用技术指标的计算方法 

        8.4.2  常见 K 线形态的识别方法

        8.4.3  TA-Lib 库的计算速率优势

    8.5 自定义显示界面框架开发

        8.5.1  行情界面需求分析 

        8.5.2  行情界面框架实现

        8.5.3  如何显示行情界面 

关于例程中的代码，我们会上传至《玩转股票量化交易》知识星球（知识星球的目录可点击【阅读原文】查看）。

更多量化交易内容扫码加入星球！

—————————————————

往期回顾

小散量化炒股记|只用一分钟选出底部放量跳空上扬的强势股

小散量化炒股记|不用追高！Python告诉你强势股回调介入的位置

小散量化炒股记｜一文揭秘主力、散户资金流入流出的来龙去脉

小散量化炒股记｜搭建本地化的股票量化数据库这么几步就够了

小散量化炒股记｜Python数据透视表和热力图跟踪行业板块热点切换

小散量化炒股记｜趋势指标金叉死叉策略在震荡行情中怎么处理

小散量化炒股记｜只花几秒钟！多任务爬虫获取A股每日实时行情数据

元宵大师的量化交易书籍开售！！京东、当当、天猫有售！！凭订单进读者交流群获取工具源码！