K线形态识别_下降覆盖线

最新推荐文章于 2025-04-24 19:54:05 发布

程序猿与金融与科技

最新推荐文章于 2025-04-24 19:54:05 发布

阅读量273

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/127784583

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

下降覆盖线是四根K线组成的K线组合形态，出现在下跌趋势中。前两根是阴线穿阳线的穿头破脚，第三根是实体短于前一根阴线的小阳线或中阳线，第四根是实体深入到第三根阳线的小阴线或中阴线。

技术特征

1）出现在下跌趋势中。

2）由四根K线组成，前两根是阴线穿阳线的穿头破脚，第三根是小阳线或中阳线，实体短于前一根阴线，第四根是实体深入到第三根阳线的小阴线或中阴线。

技术含义

下降覆盖线是卖出信号，继续看跌。

下降覆盖线出现在下跌过程中，多方试图反击，但却仅仅迟滞了空方进攻的脚步，表明空方的优势非常明显。出现该形态，交易者应离场观望，已空仓的不应进场。

下降覆盖线的实质是：前半部分是一根阴线穿阳线的顶部穿头破脚形态，中间是身怀六甲形态，后半部分是淡友反攻或乌云盖顶形态。以上各形态都是转势信号，一种形态中包含了这么意义相近的其他形态，其信号作用不容小觑。

K线形态策略代码

def excute_strategy(daily_file_path):
    '''
    名称：下降覆盖线
    识别：
    1. 四根K线组成
    2. 前两根是阴线穿阳线的穿头破脚
    3. 第三根是实体短于前一根阴线的小阳线或中阳线
    4. 第四根是实体深入到第三根阳线的小阴线或中阴线。
    自定义：
    1. 深入 =》到实体三分之一以下
    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 = '2013-01-01'
    end_date_str = '2014-01-01'
    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_yeah'] = 0
    df.loc[(df['body_length']/df['closePrice'].shift(1)>0.005) & (df['body_length']/df['closePrice'].shift(1)<0.04),'median_yeah'] = 1
    df['four_yeah'] = 0
    df.loc[(df['type']==1) & (df['type'].shift(-1)==-1) & (df['type'].shift(-2)==1) & (df['type'].shift(-3)==-1),'four_yeah'] = 1

    df['signal'] = 0
    df['signal_name'] = ''
    df.loc[(df['four_yeah']==1) & (df['closePrice']<df['openPrice'].shift(-1)) & (df['openPrice']>df['closePrice'].shift(-1)) & (df['median_yeah'].shift(-2)==1) & (df['median_yeah'].shift(-3)==1) & (df['body_length'].shift(-1)>df['body_length'].shift(-2)) & (df['closePrice'].shift(-2)-df['body_length']*0.33>df['closePrice'].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