K线形态识别_上升三部曲(升势三鸦)

最新推荐文章于 2024-10-20 16:16:40 发布

程序猿与金融与科技

最新推荐文章于 2024-10-20 16:16:40 发布

阅读量415

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/127747608

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

上升三部曲又称升势三鸦，出现在上涨途中，是由两根中阳线或大阳线，中间夹着三根没有跌破第一根阳线开盘价的小阴线组成的。上升三部曲的走势有点像英文字母的"N"

技术特征

1）出现在上涨途中。

2）由大小不等的五根K线组合而成。

3）先收出一根中阳线或大阳线，接着收出三根小阴线，但三根小阴线都没有跌破前面阳线的开盘价。

4）最后收出一根大阳线或中阳线，整体走势形态有点像英文字母“N”

技术含义

上升三部曲是买入信号，后市看涨。

上升三部曲K线组合出现在上涨趋势中，虽然收出三根阴线，但既没有跌破第一根阳线的开盘价，也没有改变上升趋势的方向，说明多方在积蓄力量，清洗获利盘。有时短线主力也利用三连阴打压吸筹，所以上升三部曲是看涨信号。交易者可以在收出最后一根阳线时进场买入。

K线形态策略代码

def excute_strategy(daily_file_path):
    '''
    名称：上升三部曲(升势三鸦)
    识别：
    1. 由大小不等的五根K线组合而成
    2. 先收出一根中阳线或大阳线，接着收出三根小阴线，但三根小阴线都没有跌破前面阳线的开盘价
    3. 最后收出一根大阳线或中阳线，整体走势形态有点像英文字母‘N'
    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 = '2006-01-01'
    end_date_str = '2007-01-01'
    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['small_body_type'] = 0
    df.loc[(df['type']==-1) & (df['body_length']/df['closePrice'].shift(1)>0.005) & (df['body_length']/df['closePrice'].shift(1)<0.015),'small_body_type'] = 1
    df['median_type'] = 0
    df.loc[(df['type']==1) & (df['body_length']/df['closePrice'].shift(1)>0.02),'median_type'] = 1

    df['five_yeah'] = 0
    df.loc[(df['median_type']==1) & (df['small_body_type'].shift(-1)==1) & (df['small_body_type'].shift(-2)==1) & (df['small_body_type'].shift(-3)==1) & (df['median_type'].shift(-4)==1),'five_yeah'] = 1

    df['pre_four_yeah'] = 0
    df.loc[(df['five_yeah']==1) & (df['closePrice'].shift(-1)>df['openPrice']) & (df['closePrice'].shift(-2)>df['openPrice']) & (df['closePrice'].shift(-3)>df['openPrice']),'pre_four_yeah'] = 1
    df['signal'] = 0
    df['signal_name'] = ''
    df.loc[(df['pre_four_yeah']==1) & (df['closePrice'].shift(-1)>df['closePrice'].shift(-2)) & (df['closePrice'].shift(-2)>df['closePrice'].shift(-3)) & (df['closePrice'].shift(-3)>df['openPrice'].shift(-4)),'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':[-3],
        'temp':len(df.loc[df['signal']==1])
    }
    return line_data