K线形态识别_上升抵抗

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165

点赞数

分类专栏： pandas基础与金融实例练习金融文章标签： python

本文链接：https://blog.csdn.net/m0_37967652/article/details/127743862

版权

K线形态上升抵抗技术分析买进信号 Python策略

关键词由CSDN通过智能技术生成

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

上升抵抗是指上涨行情中，股价或指数收出若干连续跳空高开的阴线和阳线，其中阴线收盘价也高于前一根K线shoupanjia

技术特征

1）出现在上涨途中。

2）由若干阳线和阴线组合而成。

3）连续跳空高开，即使是阴线，其收盘价也比前一根K线的收盘价高。

技术含义

上升抵抗是买进信号，后市看涨。

上升抵抗出现在上涨趋势中，每一次多方都跳高开盘，然后向上推升股价或指数。空方偶尔反抗也仅仅是迟滞了多方前进的步伐。在这一阶段，局面呈一边倒的态势，多方牢牢地占据着市场主导权，是多空双方作战时多方的全盛阶段，也是交易者比较容易获取较大利润的时期。

K线形态策略代码

def excute_strategy(daily_file_path):
    '''
    名称：上升抵抗
    识别：股价收出若干连续跳空高开的阴线和阳线，其中的阴线收盘价也高于前一根K线收盘价
    自定义：
    1. 若干 =》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 = '2018-01-01'
    end_date_str = '2019-01-01'
    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

    # 跳空高开，即使是阴线，收盘价也与前一根K线之间有缺口
    df['gap'] = 0
    df.loc[(df['type']==1) & (df['type'].shift(1)==1),'gap'] = df['openPrice'] - df['closePrice'].shift(1)
    df.loc[(df['type']==1) & (df['type'].shift(1)==-1),'gap'] = df['openPrice'] - df['openPrice'].shift(1)
    df.loc[(df['type']==-1) & (df['type'].shift(1)==1),'gap'] = df['closePrice'] - df['closePrice'].shift(1)
    df.loc[(df['type']==-1) & (df['type'].shift(1)==-1),'gap'] = df['closePrice'] - df['openPrice'].shift(1)

    df['target_yeah'] = 0
    df.loc[df['gap']>0,'target_yeah'] = 1

    df['ext_0'] = df['target_yeah'] - df['target_yeah'].shift(1)
    df['ext_1'] = df['target_yeah'] - df['target_yeah'].shift(-1)
    df.reset_index(inplace=True)
    df['i_row'] = [i for i in range(0, len(df))]
    df_m_s = df.loc[df['ext_0'] == 1].copy()
    df_m_e = df.loc[df['ext_1'] == 1].copy()
    i_row_s = df_m_s['i_row'].values.tolist()
    i_row_e = df_m_e['i_row'].values.tolist()

    i_row_two = i_row_s + i_row_e
    i_row_two.sort()

    df['signal'] = 0
    df['signal_name'] = ''
    for s, e in zip(i_row_s, i_row_e):
        if e - s < 3:
            continue
        df.loc[(df['i_row'] >= s) & (df['i_row'] <= e), 'signal'] = 1
        df.loc[(df['i_row'] >= s) & (df['i_row'] <= e), 'signal_name'] = str(e - s)
        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