python_在K线找出波段_02_找出波段_python在k线找出波段-CSDN博客

本文链接：https://blog.csdn.net/m0_37967652/article/details/132056329

本文介绍了如何使用Python在K线图中找出转折点，并基于这些转折点寻找波段的方法。涉及判断高低点连线的有效性，通过一元一次方程计算以及向左右两侧反复搜索的逻辑。提供了关键代码段和主方法，以实现实时的波段识别和分析。

摘要由CSDN通过智能技术生成

承接【python_在K线找出波段_01_找出所有转折点】博文

地址：python_在K线找出波段_01_找出所有转折点_程序猿与金融与科技的博客-CSDN博客

写在前面：

在K线找出波段分两大步骤

步骤一：找出所有转折点

步骤二：找出波段

步骤一已经在【python_在K线找出波段_01_找出所有转折点】博文中表述，步骤二要在步骤一的基础上画出波段，由于波段的确认有很强的主观性，本文找波段只是提供一种方法，大家可以根据自己对波段的理解对代码进行修改。

寻找波段的逻辑：

寻找方法

1 在所有转折点中找出最高转折点

2 以最高转折点为界线，向左向右寻找下一个转折点。向右寻找右边区域的最低转折点

3 以步骤2中找到的最低转折点为分界点，继续向右找最高转折点

4 。。。重复2、3步骤，直到寻找到K线的右边尽头

5 向左方向寻找与右边的逻辑一样

判断高低点连线是否有效

如果找到的高低点连线如下图，那么该高低点的连线就无效，需要再往里拆分高低点

所以，每次找到高低点，获得连线，需要有一个方法判断这个连线是否有效。

判断方法:

1 高低点连线，相当于一个一元一次方程 y=ax+b，得出这个方程的解

2 计算高低点区间所有转折点相对于高点低连线的分布，如果

1）大多数点都在线的附近，连线成立

2）大多数点都在线的一侧，连线成立

判断点相对连线位置的方法:

将点的x，y值代入一元一次方程

所有，ax+b-y > 0 的点在同一侧 ------------------------- （1）

所有，ax+b-y < 0 的点在同一侧 ------------------------- （2）

所有，|ax+b-y| 值很小的点，说明在连线附近 --------- （3）

分别计算（1）（2）（3）占总体点数量的占比，从而得出所有点的分布情况

代码：

计算一元一次方程a b值方法

def caculate_a_b(x1,y1,x2,y2)->tuple:
    a = (y2 - y1) / (x2 - x1)
    b = y2 - a * x2
    return a,b

定位下一个转折点方法

def caculate_limit_point(pre_df,mark,contain_lr_yeah=True)->tuple:
    if contain_lr_yeah:
        df = pre_df.copy()
    else:
        df = pre_df.iloc[1:-1].copy()
    # mark为True =>找最大值
    if mark:
        y = df['y'].max()
        x = df.loc[df['y']==y].iloc[0]['x']
        pass
    else:
        y = df['y'].min()
        x = df.loc[df['y']==y].iloc[0]['x']
        pass
    return x,y

判断点相对连线位置方法

def check_point_location(pre_df,x0,y0,x1,y1):
    # “大多数点”量化
    one_size = 0.7
    # “在线段附近”量化
    near_line = 0.1
    a,b = caculate_a_b(x0,y0,x1,y1)
    if x0>x1:
        df = pre_df.loc[(pre_df['x']>=x1) & (pre_df['x']<=x0)].copy()
    else:
        df = pre_df.loc[(pre_df['x']<=x1) & (pre_df['x']>=x0)].copy()
        pass
    df['ext'] = a*df['x']+b-df['y']
    total_num = len(df)
    bigger_num = len(df.loc[df['ext']>=0])
    smaller_num = len(df.loc[df['ext']<=0])
    if float(bigger_num/total_num)>=one_size or float(smaller_num/total_num)>=one_size:
        return True
    else:
        # 是否大多数点都在线段附近
        angle_line = math.fabs(df.iloc[0]['y']-df.iloc[-1]['y'])
        df['ext00'] = df['ext'].abs()
        df['ext01'] = df['ext00']/angle_line
        ok_num = len(df.loc[df['ext01']<=near_line])
        if float(ok_num/total_num)>=one_size:
            return True
        else:
            # 刨除附件的点，远的点分布是否符合大多数在同一边
            df['ext02'] = 0
            df.loc[(df['ext01']>near_line) & (df['ext']>0),'ext02'] = 2
            df.loc[(df['ext01']>near_line) & (df['ext']<0),'ext02'] = 3
            bigger_num00 = len(df.loc[df['ext02']==2])
            smaller_num00 = len(df.loc[df['ext02']==3])
            total_num00 = bigger_num00 + smaller_num00
            if float(bigger_num00 / total_num00) >= one_size or float(smaller_num00 / total_num00) >= one_size:
                return True
            else:
                return False
        pass
    pass

向左右两个方向反复寻找方法

def find_band_by_max_min(pre_df,contain_lr_yeah=True):
    final_list = []
    waitting_list = []
    df = pre_df.copy()
    right_end_x = df.iloc[0]['x']
    left_end_x = df.iloc[-1]['x']
    # 找到最大值
    first_x_max,first_y_max = caculate_limit_point(df,True,contain_lr_yeah)
    # 向左开始找
    left_x0 = first_x_max
    left_y0 = first_y_max
    left_mark = False
    while True:
        if left_x0 <= left_end_x:
            break
        pre_left_df = df.loc[df['x']<=left_x0].copy()
        left_x1, left_y1 = caculate_limit_point(pre_left_df, left_mark)

        # print('left',left_x0,left_y0,left_x1,left_y1)

        res_left = check_point_location(pre_left_df,left_x0,left_y0,left_x1,left_y1)
        if res_left:
            final_list.append([[left_x0,left_y0],[left_x1,left_y1]])
            left_x0 = left_x1
            left_y0 = left_y1
            left_mark = not left_mark
            pass
        else:
            waitting_list.append([[left_x0, left_y0], [left_x1, left_y1]])
            left_x0 = left_x1
            left_y0 = left_y1
            left_mark = not left_mark
            pass
        pass
    # 向右开始找
    right_x0 = first_x_max
    right_y0 = first_y_max
    right_mark = False
    while True:
        if right_x0 >= right_end_x:
            break
        pre_right_df = df.loc[df['x']>=right_x0].copy()
        right_x1, right_y1 = caculate_limit_point(pre_right_df, right_mark)

        # print('right',right_x0,right_y0,right_x1,right_y1)

        res_right = check_point_location(pre_right_df, right_x0, right_y0, right_x1, right_y1)
        if res_right:
            final_list.append([[right_x0, right_y0], [right_x1, right_y1]])
            right_x0 = right_x1
            right_y0 = right_y1
            right_mark = not right_mark
            pass
        else:
            waitting_list.append([[right_x0, right_y0], [right_x1, right_y1]])
            right_x0 = right_x1
            right_y0 = right_y1
            right_mark = not right_mark
            pass
        pass

    return final_list,waitting_list

主方法

def enter_main_two(pre_df):
    df = pre_df.copy()
    whole_final_list = []
    whole_waitting_list = []
    final_list,waiting_list = find_band_by_max_min(df)
    whole_final_list.extend(final_list)
    whole_waitting_list.extend(waiting_list)
    if whole_waitting_list:
        while True:
            if not whole_waitting_list:
                break
            one_w = whole_waitting_list.pop()
            x0 = one_w[0][0]
            x1 = one_w[1][0]
            if x0>x1:
                w_df = df.loc[(df['x']>=x1) & (df['x']<=x0)].copy()
            else:
                w_df = df.loc[(df['x'] <= x1) & (df['x'] >= x0)].copy()
                pass
            one_final_list,one_waitting_list = find_band_by_max_min(w_df,False)
            whole_final_list.extend(one_final_list)
            whole_waitting_list.extend(one_waitting_list)
    return whole_final_list