K线形态识别_大阳线

程序猿与金融与科技

已于 2022-11-07 09:22:26 修改

阅读量531

点赞数

分类专栏：金融 pandas基础与金融实例练习文章标签： python

于 2022-11-07 09:17:35 首次发布

本文链接：https://blog.csdn.net/m0_37967652/article/details/127724538

版权

金融同时被 2 个专栏收录

123 篇文章

订阅专栏

pandas基础与金融实例练习

122 篇文章

订阅专栏

写在前面：
1. 本文中提到的“K线形态查看工具”的具体使用操作请查看该博文；
2. K线形体所处背景，诸如处在上升趋势、下降趋势、盘整等，背景内容在K线形态策略代码中没有体现；
3. 文中知识内容来自书籍《K线技术分析》by邱立波。

解说

大阳线又叫长阳线、长红线，其K线实体长度为上一交易日价格4%以上。如果用于大盘指数，实体长度应相应缩小，一般实体长度为上一交易日的2%以上即可。大阳线可以有上下影线。

日K线收出阳线，说明一个交易日内多方取得了最终的胜利。周K线收出阳线，说明一个交易周内多方取得了最终的胜利。其他时间周期的阳线以此类推。阳线的实体越长，说明多方的力量越强，反之则越弱。沪深股市的股票，如果以跌停开盘，涨停收盘，最大日阳线实体可达20%。

一般情况下，股票收出大阳线，表明后市看涨。这是因为多方从一开盘就发动攻势，步步紧逼。空方虽然也会尽力反击，展开一些拉锯战，但终究难以低档多方的进攻。多方牢牢占据优势，推动股价或指数持续上涨直至收盘。收出大阳线，局面很显然是一边倒的态势。

从交易心理上看，大阳线充分表达了多方的信心，以及强烈的上涨势头。随着股价或指数的上升，交易者的热情越发高涨，更多的资金疯狂涌进，为了成交而频频高挂买单。那些已经持有股票的交易者，则沉浸在获利的狂欢当中，不愿抛售筹码，筹码供给减少，进一步加剧了供小于求的状况。

需要提醒的是：单根阳线不足以代表全局，交易者还要根据大阳线在K线图所处的位置，具体情况具体分析。

技术特征

1）可以出现在任何位置和形态当中。

2）实体很长，上下影线一般很短。

技术含义

1）在连续下跌时，出现一根大阳线，说明多方开始发起反攻，有可能否极泰来，股价就此见底回升。买入信号。

2）上涨初期出现大阳线，表示多方的战果继续扩大，涨势将会继续，股价有时会加速上扬。是买入信号。

3）股价加速上扬，或大幅上涨后，出现大阳线有可能见顶回落。

4）股价上涨一段后进行调整，然后以大阳线的方式突破技术整理形态，后市继续看涨。是买入信号。

K线形态策略代码

def excute_strategy(daily_file_path):
    '''
    名称：大阳线
    识别：K线实体长度为上一交易日价格4%以上。
    前置条件：计算时间区间 2021-01-01 到 2022-01-01
    :param daily_file_path: 股票日数据文件路径
    :return:
    '''
    import pandas as pd
    import os
    start_date_str = '2021-01-01'
    end_date_str = '2022-01-01'
    df = pd.read_csv(daily_file_path,encoding='utf-8')
    # 删除停牌的数据
    df = df.loc[df['openPrice'] > 0].copy()
    df['o_date'] = df['tradeDate']
    df['o_date'] = pd.to_datetime(df['o_date'])
    df = df.loc[(df['o_date'] >= start_date_str) & (df['o_date']<=end_date_str)].copy()
    # 保存未复权收盘价数据
    df['close'] = df['closePrice']
    # 计算前复权数据
    df['openPrice'] = df['openPrice'] * df['accumAdjFactor']
    df['closePrice'] = df['closePrice'] * df['accumAdjFactor']
    df['highestPrice'] = df['highestPrice'] * df['accumAdjFactor']
    df['lowestPrice'] = df['lowestPrice'] * df['accumAdjFactor']

    # 开始计算
    df['body_length'] = df['closePrice'] - df['openPrice']
    df['signal'] = 0
    df['signal_name'] = 0
    df.loc[(df['body_length']>0) & (df['body_length']/df['closePrice'].shift(1)>=0.04),'signal'] = 1
    df.loc[(df['body_length']>0) & (df['body_length']/df['closePrice'].shift(1)>=0.04),'signal_name'] = (df['body_length']/df['closePrice'].shift(1))*100
    df = df.round({'signal_name':2})

    file_name = os.path.basename(daily_file_path)
    title_str = file_name.split('.')[0]

    line_data = {
        'title_str':title_str,
        'whole_header':['日期','收','开','高','低'],
        'whole_df':df,
        'whole_pd_header':['tradeDate','closePrice','openPrice','highestPrice','lowestPrice'],
        'start_date_str':start_date_str,
        'end_date_str':end_date_str,
        'signal_type':'line'
    }
    return line_data