K线形态识别_塔形底

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

        塔形底是下跌过程中收出一根大阴线或中阴线，接着在阴线底部收出几根小阴线和小阳线，最后收出一根大阳线或中阳线。因其形状像一个倒扣的塔顶而得名。

技术特征

1）出现在下跌行情中。

2）先是收出一根大阴线或中阴线，接着在阴线底部收出一连串的小阴线、小阳线，最后是一根大阳线或中阳线。

技术含义

        塔形底是见底信号，后市看涨。塔形底也是一种比较常见的反转形态，由于组成形态的时间相对较长，所以塔形底的转势信号比较可靠，所转趋势也经常是中期下降趋势。

        塔形底底部的K线是阴是阳并不是特别重要。当然，如果能同时收出其他见底和看涨的K线形态，肯定更值得交易者信赖。塔形底信号的可靠性更加依赖于最后一根阳线对第一根阴线的包容程度。阳线收盘价超出阴线开盘价越高，塔形底的转势作用就越大。

        那些阳线收盘价没有超出阴线开盘价的塔形底，对见底作用没有任何影线，但转势力度很显然弱于那些阳线收盘价超出阴线开盘价的塔形底。交易者还需要继续观察最后一根阳线之后的走势。如果随后股价或指数继续向上攻击，超越第一根阴线的开盘价，则塔形底的转势信号同样值得信赖。如果后期走势没能超越第一根阴线的开盘价，就转身再度向下，交易者就要考虑该塔形底是否是一个失败的形态。总的来说，塔形底的转势作用很强，交易者可以在收出塔形底后适量介入。

        最后一根阳线价格超越第一根阴线开盘价，是后低高于前低，后高高于前高，确认了确实逆转。

K线形态策略代码

def excute_strategy(daily_file_path):
    '''
    名称：塔形底
    识别：下跌过程找那个收出一根大阴线或中阴线，接着在阴线底部收出几根小阳线或小阴线，最后收出一根大阳线或中阳线
    自定义：
    1. 阴线底部=》最高价在阴线实体底部三分之一以下
    2. 最后一根阳线的收盘价不得低于第一根实体顶部的五分之一
    3. 最后一根阳线的开盘价不得高于第一根实体底部的三分之一
    4. 几根=》至少3根
    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 = '2017-01-01'
    end_date_str = '2018-01-01'
    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['m_body_type'] = 0
    df.loc[(df['type']==-1) & (df['body_length']/df['closePrice'].shift(1)>0.02),'m_body_type'] = 2
    df.loc[(df['type']==1) & (df['body_length']/df['closePrice'].shift(1)>0.02),'m_body_type'] = 4
    df['small_type'] = 0
    df.loc[df['body_length']/df['closePrice'].shift(1)<0.015,'small_type'] = 1
    df.reset_index(inplace=True)
    df['i_row'] = [i for i in range(0,len(df))]
    df_m_n = df.loc[df['m_body_type']==2].copy()
    df_m_p = df.loc[df['m_body_type']==4].copy()
    i_row_n = df_m_n['i_row'].values.tolist()
    i_row_p = df_m_p['i_row'].values.tolist()

    i_row_two = i_row_n + i_row_p
    i_row_two.sort()
    n_list = []
    p_list = []
    for i in range(0,len(i_row_two)-1):
        if i_row_two[i] in i_row_n and i_row_two[i+1] in i_row_p:
            n_list.append(i_row_two[i])
            p_list.append(i_row_two[i+1])
        pass

    df['signal'] = 0
    df['signal_name'] = ''
    for n,p in zip(n_list,p_list):
        if p-n < 3:
            continue
        enter_yeah = True
        for i in range(n+1,p):
            if df.iloc[i]['small_type']!=1:
                enter_yeah = False
                break
            pass
        if enter_yeah:
            final_yeah = False
            target_body_length = df.iloc[n]['body_length']
            if (df.iloc[n]['closePrice'] + target_body_length*0.33) < df.iloc[p]['openPrice']:
                continue
            if (df.iloc[n]['openPrice'] - target_body_length*0.2) > df.iloc[p]['closePrice']:
                continue
            for m_i in range(n+1,p):
                if (df.iloc[n]['closePrice'] + target_body_length*0.33) < df.iloc[m_i]['highestPrice']:
                    final_yeah = True
                    break
            if final_yeah:
                continue
            df.loc[(df['i_row']>=n) & (df['i_row']<=p),'signal'] = 1
            df.loc[(df['i_row']>=n) & (df['i_row']<=p),'signal_name'] = str(p-n)
            pass

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

结果