K线形态识别_旭日东升

最新推荐文章于 2024-09-14 19:55:48 发布

程序猿与金融与科技

最新推荐文章于 2024-09-14 19:55:48 发布

阅读量307

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/127738879

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

旭日东升是在下跌过程中先收出一根中阴线或大阴线，接着收出一根高开中阳线或大阳线，阳线的收盘价高于阴线的开盘价。

技术特征

1）出现在下跌趋势中。

2）先出现一根大阴线或中阴线，接着出现一根高开高收的大阳线或中阳线。

3）阳线的收盘价高于阴线的开盘价。

技术含义

旭日东升是见底信号，后市止跌回升是大概率事件。旭日东升的意思是黑夜过去，光明来临，转势信号比较强烈。

先是一根中阴线或大阴线，延续下跌走势，令多方继续处在暗黑的夜里，看不到光明和方向。谁料次日一开盘，股价或指数即向上跳空高开，然后一路高歌。收盘时不仅尽收失地，将前一日的阴线完全包容，还远远超出阴线的开盘价。话语权一日之内易手，多方掌握了主动。

就旭日东升这两根K线而言，股价或指数已经完成了后低高于前低，后高高于前高的转化过程，短期趋势已经逆转，交易者可以逢低买入。

短线交易者可以于收出旭日东升当日临近收盘时择机适量买入，然后于回试不破大阳线时加仓。中长线和稳健的交易者则可以在收出旭日东升之后，继续观察等待，直至股价或指数发出中长线的买入信号再入场。

K线形态策略代码

def excute_strategy(daily_file_path):
    '''
    名称：旭日东升
    识别：
    1. 第一根为中阴线或大阴线，接着收出一根高开的中阳线或大阳线
    2. 阳线的收盘价高于阴线开盘价
    自定义：
    1. 中阴线或大阴线、中阳线或大阳线 =》K线实体长度超过前一交易日价格的2%
    2. 高开=》高出部分大于等于阴线实体部分的二分之一
    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['type'] = 0
    df.loc[df['closePrice']>=df['openPrice'],'type'] = 1
    df.loc[df['closePrice']<df['openPrice'],'type'] = -1

    df['body_length'] = abs(df['closePrice']-df['openPrice'])

    df['median_body_yeah'] = 0
    df.loc[(df['type']==-1) & (df['body_length']/df['closePrice'].shift(1)>0.02),'median_body_yeah'] = 1
    df['median_2_body_yeah'] = 0
    df.loc[(df['type']==1) & (df['body_length']/df['closePrice'].shift(1)>0.02),'median_2_body_yeah'] = 1

    df['signal'] = 0
    df['signal_name'] = ''
    df.loc[(df['median_body_yeah']==1) & (df['median_2_body_yeah'].shift(-1)==1) & (df['openPrice']<=(df['closePrice'].shift(-1)-df['body_length'].shift(-1)*0.5)),'signal'] = 1

    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':[0],
        'temp':len(df.loc[df['signal']==1])
    }
    return line_data