K线形态识别_下跌三颗星

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621

点赞数

分类专栏：金融 pandas基础与金融实例练习

本文链接：https://blog.csdn.net/m0_37967652/article/details/127779673

版权

K线形态下跌三颗星技术分析卖出信号 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

下跌三颗星是在下跌行情初期和中期出现的，由一根大阴线或中阴线及下方收出的三根小K线组成。小K线可以是十字线、十字星，也可以是小阳线、小阴线。

技术特征

1）出现在下跌行情初期和中期。

2）由四根K线组成，前面是一根大阴线或中阴线，然后阴线下方收出三根小K线。小K线可以是十字星、十字线，也可以是小阴线、小阳线。

技术含义

下跌三颗星是卖出信号，后市看跌。

下跌三颗星表明多方的抵抗非常虚弱，仅仅迟滞了一下空方前进的脚步。在多空双方胜负已分的情况下，空仓的交易者要继续观望，持仓的交易者应及时离场。

K线形态策略代码

def excute_strategy(daily_file_path):
    '''
    名称：下跌三颗星
    识别：由一根大阴线或中阴线及下方收出的三根小K线组成。小K线可以是十字线、十字星，也可以是小阳线、小阴线。
    自定义：
    1. 阴线下方=》阴线实体底部三分之一以下
    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['small_body_yeah'] = 0
    df.loc[df['body_length']/df['closePrice'].shift(1)<=0.015,'small_body_yeah'] = 1

    df['four_yeah'] = 0
    df.loc[(df['median_body_yeah']==1) & (df['small_body_yeah'].shift(-1)==1) & (df['small_body_yeah'].shift(-2)==1) & (df['small_body_yeah'].shift(-3)==1),'four_yeah'] = 1

    df['signal'] = 0
    df['signal_name'] = ''
    df.loc[(df['four_yeah']==1) & (df['body_length']*0.33+df['closePrice']>df['highestPrice'].shift(-1)) & (df['body_length']*0.33+df['closePrice']>df['highestPrice'].shift(-2)) & (df['body_length']*0.33+df['closePrice']>df['highestPrice'].shift(-3)),'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':[-2],
        'temp':len(df.loc[df['signal']==1])
    }
    return line_data