K线形态识别_淡友反攻

最新推荐文章于 2025-04-29 15:28:57 发布

程序猿与金融与科技

最新推荐文章于 2025-04-29 15:28:57 发布

阅读量623

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/127763509

版权

金融同时被 2 个专栏收录

123 篇文章

订阅专栏

pandas基础与金融实例练习

122 篇文章

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

淡友反攻是在上涨过程中先收出一根中阳线或大阳线，接着收出一根高开中阴线或大阴线，阴线的收盘价与阳线的收盘价相同或相近。

技术特征

1）出现在上涨趋势中。

2）由一阳一阴两根K线组合而成。

3）先是收出一根中阳线或大阳线，接着是一根跳空高开的中阴线或大阴线。

4）阴线的收盘价在前一根阳线收盘价相同或相近的位置。

技术含义

淡友反攻是见顶信号。

淡友反攻与好友反攻是相对的K线形态，二者形态相同，颜色、方向和技术含义相反，都是反转形态的预警信号。交易者见到淡友反攻，可以减仓，也可以不减，但一定要做好随时离场的准备。

K线形态策略代码

def excute_strategy(daily_file_path):
    '''
    名称：淡友反攻
    识别：
    1. 先收出一根中阳线或大阳线，接着收出一根高开中阴线或大阴线
    2. 阴线的收盘价与阳线的收盘价相同或相近
    自定义：
    1. 相同或相近=》差距不超过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 = '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['m_position_yeah'] = 0
    df.loc[(df['type']==1) & (df['body_length']/df['closePrice'].shift(1)>0.02),'m_position_yeah'] = 1
    df['m_negative_yeah'] = 0
    df.loc[(df['type']==-1) & (df['body_length']/df['closePrice'].shift(1)>0.02),'m_negative_yeah'] = 1

    df['two_yeah'] = 0
    df.loc[(df['m_position_yeah']==1) & (df['m_negative_yeah'].shift(-1)==1),'two_yeah'] = 1

    df['signal'] = 0
    df['signal_name'] = ''
    df.loc[(df['two_yeah']==1) & (abs(df['closePrice']-df['closePrice'].shift(-1))/df['closePrice']<0.005),'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