我的交易工具之价格反转图

夏悠

已于 2023-12-11 22:55:24 修改

阅读量3.1k

点赞数 7

分类专栏：以交易为生文章标签： python 数据分析

于 2021-05-30 16:07:54 首次发布

本文链接：https://blog.csdn.net/qq_37944726/article/details/117399465

版权

以交易为生专栏收录该内容

12 篇文章 2 订阅

订阅专栏

摘要：使用Python绘制价格反转图

我与反转图

我第一次了解到反转图，是在交易书籍上看到的。当时就被它直观的视觉方式惊呆了，感觉它在揭示趋势的延续和趋势的反转方面的能力，堪称一绝。

可惜，国内的交易软件都不能展示反转图。当时，我还没有学习过Python，甚至一点都不了解Python。于是只能在有限的软件里使劲折腾，费了极大的精力和功夫，也不过弄了个凑乎能用的东西出来，距离真正的反转图还是差得太远。

再后来，开始做量化交易，了解到了一款国外的软件，里面有自带的新价线，对反转图有了大概90%的还原度，也是勉强能用了。

为此，我不惜注册了相关的账号。但用了之后发现很多问题难以解决。比如其指标的编写方式，直到现在我依旧不喜欢。其次，因为是外国的软件，用的人很少，在网络上几乎搜索不到任何有用的资料。所以，如果你有编写一个稍微复杂些的指标，如果在某一步卡住了，那么很抱歉，你可能会不得不停止了。当然，这些都不算什么，总归是可以克服的。最后让我不得不放弃它的原因是，频繁掉线。

是的，频繁掉线！不论是白天还是夜盘，平均每隔一分钟就掉线一次。联系了客服，反复检查，还远程操作了我的电脑，也没能解决问题。同样的账号，登录其他的交易软件都没有问题，可以排除是期货公司的原因。

两个星期后，我终于还是放弃了。因为其并不支持云端条件单，因此如果掉线，所有的下单指令都会失效。这简直太可怕了！

举个例子：比如，我交易10手沥青，可能前10秒，还盈利5000，但是因为掉线，导致平仓慢了那么几秒，就从浮盈5000变成了浮亏5000。这损失难道软件公司会赔我吗？

你叫我怎么用？怎么能用？又怎么敢用？所以，我最终还是和该软件说了再见！

后来，因为接触到量化交易，于是学习了Python，从此打开了量化交易的另一扇门，进入了新的世界！

以上，是为缘起。

不多言，我们一起来看下反转图的魅力吧！

-----------------------------------------------------------------

首先,导入必要的模块!

# 导入K线和指标绘制模块
from MyKlines import *
# 系统模块，用于自动打开文件
import os

然后，我们获取股票的数据。

之前的文章有讲过怎么获取免费的股票数据，这里就不再重复了。这里，我们选择凯莱英来作为示例。

data = get_data_juejin(symbol="002821",
                       start="2023-07-01",
                       end=now,
                       frequency="1d",
                       fields="symbol,frequency,open,close,high,low,volume,amount")

获取到的数据如下所示

          date  symbol frequency    open   close    high     low   volume  \
0   2023-07-03  002821        1d  117.70  119.18  119.37  117.30  2611887   
1   2023-07-04  002821        1d  118.50  121.99  121.99  117.71  3684893
2   2023-07-05  002821        1d  122.01  121.69  122.41  120.12  2531778
3   2023-07-06  002821        1d  121.19  119.60  121.21  118.01  3016366
4   2023-07-07  002821        1d  119.01  119.13  119.90  118.30  1628204
..         ...     ...       ...     ...     ...     ...     ...      ...
105 2023-12-05  002821        1d  124.55  123.00  127.80  122.85  6095569
106 2023-12-06  002821        1d  123.00  125.14  127.38  122.99  4978861
107 2023-12-07  002821        1d  124.51  122.71  124.99  121.99  4151701
108 2023-12-08  002821        1d  122.60  121.03  122.60  120.07  5709433
109 2023-12-11  002821        1d  120.03  121.70  122.10  118.88  4289756

下面就是绘制反转图了。

这里，我们用到kbreak()函数,相关的参数如下所示：

参数：
ax：绘图的区域
data：pandas数据：包括时间和价格
n=3, 反转的柱体
width：float格式，柱体的宽度
edgecolor_up='red', 上涨的边框颜色
facecolor_up='white', 上涨的填充颜色
edgecolor_down='green', 下跌的边框颜色
facecolor_down='green', 下跌的填充颜色
count_show=False, 是否显示趋势计数
grid_show=True, 是否显示网格

# 设置画布
fig = plt.figure(figsize=(12, 9), dpi=300)
# 添加绘图区域
ax = fig.add_subplot(111)

先来个三线反转图

默认的反转图，上涨趋势是红色空心的，下跌趋势是绿色实心的。

# 画反转图
kbreak(ax, data, grid_show=False)
# 调整图片的边缘空白大小，取值0-1.
# 注意：right > left, top > bottom
plt.subplots_adjust(left=0.1, right=0.9, top=0.9, bottom=0.1)

也可以改成都是实心的柱体，柱体的颜色都是可以随意调整的，改为自己喜欢的颜色即可。

# 画图前清除绘图区域
plt.cla()
kbreak(
    ax,  #绘图的区域
    data,  # 绘图数据，包括时间和价格
    n=3,  #反转的柱体
    width=0.5,  # 柱体的宽度
    edgecolor_up='red',  # 上涨的边框颜色
    facecolor_up='red',  # 上涨的填充颜色
    edgecolor_down='green',  # 下跌的边框颜色
    facecolor_down='green',  # 下跌的填充颜色
    count_show=False,  # 是否显示趋势计数
    draw_start=0,  # 为了避免缺失值，从哪一项开始绘制
    grid_show=False,  # 是否显示网格
)
# 调整图片的边缘空白大小，取值0-1.
# 注意：right > left, top > bottom
plt.subplots_adjust(left=0.1, right=0.9, top=0.9, bottom=0.1)

为了更好地观察和对比价格，我们可以为反转图添加网格。

# 画图前清除绘图区域
plt.cla()
kbreak(
    ax,  #绘图的区域
    data,  # 绘图数据，包括时间和价格
    n=3,  #反转的柱体
    facecolor_up='red',  # 上涨的填充颜色
    grid_show=True,  # 是否显示网格
)
# 调整图片的边缘空白大小，取值0-1.
# 注意：right > left, top > bottom
plt.subplots_adjust(left=0.1, right=0.9, top=0.9, bottom=0.1)

为了更明显地展示趋势的延续情况，可以在柱体上添加趋势的计数。

# 画图前清除绘图区域
plt.cla()
kbreak(
    ax,  #绘图的区域
    data,  # 绘图数据，包括时间和价格
    n=3,  #反转的柱体
    facecolor_up='red',  # 上涨的填充颜色
    count_show=True,  # 是否显示趋势计数
    grid_show=True,  # 是否显示网格
)
# 调整图片的边缘空白大小，取值0-1.
# 注意：right > left, top > bottom
plt.subplots_adjust(left=0.1, right=0.9, top=0.9, bottom=0.1)

反转图的特点，就是可以过滤掉震荡，把握住每一次的趋势。

如果不反转就不清仓，那么就绝不会过早止盈，从而提高盈亏比，吃掉趋势的绝大部分利润。利用反转图，我们可以清楚地看到趋势的发展情况。趋势是刚开始？还是已经延续了一段时间？趋势反转了吗？关于趋势的问题，没有必反转图更好的可视化工具了！

我是真的太喜欢反转图了！

我们还可以调大反转图的反转参数，过滤掉一些较小的震荡。

比如，从三线反转，调整为六线反转，我们来看一下凯莱英的六线反转图：

data2 = get_data(code="sz.002821", start_date="2020-01-01", end_date="2021-05-29", frequency="d", adjust='2')
# 画图前清除绘图区域
plt.cla()
kbreak(
    ax,  #绘图的区域
    data2,  # 绘图数据，包括时间和价格
    n=6,  #反转的柱体
    facecolor_up='red',  # 上涨的填充颜色
    count_show=True,  # 是否显示趋势计数
    grid_show=False,  # 是否显示网格
)
# 调整图片的边缘空白大小，取值0-1.
# 注意：right > left, top > bottom
plt.subplots_adjust(left=0.1, right=0.9, top=0.9, bottom=0.1)

日线的数据+六线反转，适用于揭示长期的趋势。

就凯莱英的六线反转图而言，趋势十分明显!

当然，我们也是可以把反转图用于更小的周期。

比如60分钟、15分钟，乃至tick数据都没有任何问题。

还是凯莱英，我们使用60分钟数据，看下它的近期走势如何。

data3 = get_data(code="sz.002821", start_date="2021-01-01", end_date="2021-05-29", frequency="60", adjust='2')
# 画图前清除绘图区域
plt.cla()
kbreak(
    ax,  #绘图的区域
    data3,  # 绘图数据，包括时间和价格
    n=3,  #反转的柱体
    facecolor_up='red',  # 上涨的填充颜色
    count_show=True,  # 是否显示趋势计数
    grid_show=False,  # 是否显示网格
)
# 调整图片的边缘空白大小，取值0-1.
# 注意：right > left, top > bottom
plt.subplots_adjust(left=0.1, right=0.9, top=0.9, bottom=0.1)

把各个周期和不同反转柱体的反转图画到一起

为了更好地比较，我们可以把日线和分钟数据的反转图，画到一起。

# 画图前清除画布
plt.clf()
ax1 = fig.add_subplot(211)
ax2 = fig.add_subplot(212)
kbreak(
    ax1,  #绘图的区域
    data,  # 绘图数据，包括时间和价格
    n=3,  #反转的柱体
    facecolor_up='r',  # 上涨的填充颜色
    grid_show=False,  # 是否显示网格
)
ax1.set_title('凯莱英三线反转图(日线) 2020-09-01至2021-05-29')
kbreak(
    ax2,  #绘图的区域
    data,  # 绘图数据，包括时间和价格
    n=3,  #反转的柱体
    facecolor_up='r',  # 上涨的填充颜色
    grid_show=False,  # 是否显示网格
)
ax2.set_title('凯莱英三线反转图(60分钟) 2021-01-01至2021-05-29')
# 调整图片的边缘空白大小，取值0-1.
# 注意：right > left, top > bottom
plt.subplots_adjust(left=0.1, right=0.9, top=0.9, bottom=0.1)

顺便提一下，我发现其他颜色和风格的反转图，也是很酷！

# 画图前清除画布
plt.clf()
ax1 = fig.add_subplot(221)
ax2 = fig.add_subplot(222)
ax3 = fig.add_subplot(223)
ax4 = fig.add_subplot(224)
kbreak(
    ax1,  #绘图的区域
    data,  # 绘图数据，包括时间和价格
    n=3,  #反转的柱体
    draw_start=60,
    edgecolor_up='r',  # 上涨的边框颜色
    facecolor_up='w',  # 上涨的填充颜色
    edgecolor_down='g',  # 下跌的边框颜色
    facecolor_down='g',  # 下跌的填充颜色
    grid_show=False,  # 是否显示网格
)

ax1.set_title('凯莱英三线反转图(日线) 2020-09-01至2021-05-29')
kbreak(
    ax2,  #绘图的区域
    data,  # 绘图数据，包括时间和价格
    n=3,  #反转的柱体
    draw_start=60,
    edgecolor_up='g',  # 上涨的边框颜色
    facecolor_up='g',  # 上涨的填充颜色
    edgecolor_down='r',  # 下跌的边框颜色
    facecolor_down='r',  # 下跌的填充颜色
    grid_show=False,  # 是否显示网格
)

kbreak(
    ax3,  #绘图的区域
    data,  # 绘图数据，包括时间和价格
    n=3,  #反转的柱体
    draw_start=60,
    edgecolor_up='k',  # 上涨的边框颜色
    facecolor_up='w',  # 上涨的填充颜色
    edgecolor_down='k',  # 下跌的边框颜色
    facecolor_down='k',  # 下跌的填充颜色
    grid_show=False,  # 是否显示网格
)

kbreak(
    ax4,  #绘图的区域
    data,  # 绘图数据，包括时间和价格
    n=3,  #反转的柱体
    draw_start=60,
    edgecolor_up='r',  # 上涨的边框颜色
    facecolor_up='r',  # 上涨的填充颜色
    edgecolor_down='b',  # 下跌的边框颜色
    facecolor_down='b',  # 下跌的填充颜色
    grid_show=False,  # 是否显示网格
)

# 调整图片的边缘空白大小，取值0-1.
# 注意：right > left, top > bottom
plt.subplots_adjust(left=0.1, right=0.9, top=0.9, bottom=0.1)

夏悠

关注

7
点赞
踩
14

收藏

觉得还不错? 一键收藏
打赏
12
评论
我的交易工具之价格反转图

摘要：使用Python绘制价格反转图我与反转图我第一次了解到反转图，是在购买的交易书籍上看到的。当时就被它直观的视觉方式惊呆了，感觉它在揭示趋势的延续和趋势的反转方面的能力，堪称一绝。可惜，国内的交易平台，不论是股票还是期货平台，都不能展示反转图。当时，我还没有学习过Python，甚至一点都不了解Python。于是只能在文华财经和通达信里使劲折腾，费了极大的精力和功夫，也不过弄了个凑乎能用的东西出来，距离真正的反转图还是差得太远。再后来，开始做量化交易，了解到了一款国外的软件，叫.
复制链接

扫一扫