K线形态识别_镊子线

最新推荐文章于 2024-08-10 23:14:03 发布

程序猿与金融与科技

最新推荐文章于 2024-08-10 23:14:03 发布

阅读量453

点赞数

分类专栏：金融 pandas基础与金融实例练习文章标签： python

本文链接：https://blog.csdn.net/m0_37967652/article/details/127733147

版权

金融同时被 2 个专栏收录

123 篇文章 22 订阅

订阅专栏

pandas基础与金融实例练习

122 篇文章 23 订阅

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

镊子线是由两根一阴一阳的大K线夹着一根小K线的K线组合。如果第一根K线是阳线，第三根K线就是阴线，且三根K线的最高价基本处在同一水平位置上，经常出现在上涨趋势中。如果第一根K线是阴线，第三根K线就是阳线，且三根K线的最低价基本处在同一水平位置上，经常出现在下降趋势中。

镊子线的形状就像有人拿着镊子小心翼翼地夹着一块小东西。

技术特征

1）既可以出现在上涨趋势中，也可以出现在下跌趋势中。

2）由一阴一阳两根实体较长的K线和一根实体较短的K线组成，其中短K线夹在两根长K线中间。

3）出现在上涨趋势中的镊子线，第一根K线是阳线，第三根K线是阴线；出现在下跌趋势中的镊子线，第一根K线是阴线，第三根K线是阳线。

4）三根K线实体的最高价或最低价几乎在一个水平位置上。

技术含义

1）股价或指数大幅下跌后出现镊子线，止跌回升的可能性较大。

2）股价或紫苏大幅上涨后出现镊子线，见顶回落的可能性较大。

K线形态策略代码

def excute_strategy(daily_file_path):
    '''
    名称：镊子线
    识别：
    1. 第一根K线是阳线，第三根K线就是阴线，且三根K线的最高价基本处在同一水平位置上
    2. 第一根K线是阴线，第三根K线就是阳线，且三根K线的最低价基本处在同一水平位置上
    自定义：
    1. 第一根和第三根K线定义为大阳线或大阴线，实体长度是前一交易日价格的4%以上
    2. 中间K线是小阳线或小阴线
    3. 同一水平位置=》以第一根为标杆，参差不超过0.5%
    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 = '1992-01-01'
    end_date_str = '1993-01-01'
    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['type'] = 0
    df.loc[df['closePrice']>=df['openPrice'],'type'] = 1
    df.loc[df['closePrice']<df['openPrice'],'type'] = -1

    body_len = 0.04

    df['body_length'] = abs(df['closePrice'] - df['openPrice'])
    df['big_body_yeah'] = 0
    df.loc[df['body_length']/df['closePrice'].shift(1)>=body_len,'big_body_yeah'] = 1
    df['big_type'] = 0
    df.loc[(df['type']==1) & (df['big_body_yeah']==1),'big_type'] = 1
    df.loc[(df['type']==-1) & (df['big_body_yeah']==1),'big_type'] = -1
    df['small_yeah'] = 0
    df.loc[(df['body_length']/df['closePrice'].shift(1)>0.005) & (df['body_length']/df['closePrice'].shift(1)<0.015),'small_yeah'] = 1
    df['horizonal_yeah'] = 0
    df.loc[(abs(df['highestPrice']-df['highestPrice'].shift(1))/df['highestPrice'].shift(2)<=0.005) & (abs(df['highestPrice'].shift(1)-df['highestPrice'].shift(2))/df['highestPrice'].shift(2)<=0.005),'horizonal_yeah'] = 1

    df['signal'] = 0
    df['signal_name'] = ''
    df.loc[(df['big_type'].shift(2)==1) & (df['small_yeah'].shift(1)==1) & (df['big_type']==-1) & (df['horizonal_yeah']==1),'signal'] = 1
    df.loc[(df['big_type'].shift(2)==1) & (df['small_yeah'].shift(1)==1) & (df['big_type']==-1) & (df['horizonal_yeah']==1),'signal_name'] = '阳 短 阴'
    df.loc[(df['big_type'].shift(2)==-1) & (df['small_yeah'].shift(1)==1) & (df['big_type']==1) & (df['horizonal_yeah']==1),'signal'] = 1
    df.loc[(df['big_type'].shift(2)==-1) & (df['small_yeah'].shift(1)==1) & (df['big_type']==1) & (df['horizonal_yeah']==1),'signal_name'] = '阴 短 阳'

    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':'duration',
        'duration_len':[3],
        'temp':len(df.loc[df['signal']==1])
    }
    return line_data