点击蓝字
关注我们
![728d92e2c4b06da868b0825616bc3d35.gif](https://img-blog.csdnimg.cn/img_convert/728d92e2c4b06da868b0825616bc3d35.gif)
记得小编初入股市,会尝试各种各样的投资方法,其中有一段时间特别痴迷技术分析,会花大量时间研究什么上升三角形、下降旗形,画起辅助线时比高考数学还认真。
本期就介绍如何使用python中的talib包方便的识别K线形态。
如果您相信技术分析,talib将是您的好工具。
如果您不相信技术分析,您也可以使用talib来证明技术分析是无效的。
![a172dccc50c7b9adf2c570243f3f0b95.png](https://img-blog.csdnimg.cn/img_convert/a172dccc50c7b9adf2c570243f3f0b95.png)
![728d92e2c4b06da868b0825616bc3d35.gif](https://img-blog.csdnimg.cn/img_convert/728d92e2c4b06da868b0825616bc3d35.gif)
![728d92e2c4b06da868b0825616bc3d35.gif](https://img-blog.csdnimg.cn/img_convert/728d92e2c4b06da868b0825616bc3d35.gif)
一、talib基本介绍及安装
与pandas、numpy一样,talib也是可以用python调入的包(可以理解为工具包),主要用来进行股市技术分析,包含了150多个指标,包括:ADX,MACD, RSI, Stochastic, Bollinger Bands, 等,可以用来进行K线形态识别,这个包是完全免费的。
安装:如果之前安装过anaconda或使用优矿进行研究,无需再单独安装,软件已经默认安装好。
如果没有安装过上述软件,需在命令行(运行cmd)输入:
pip install Ta-Lib
注:网上有帖子说这种安装方法可能会报错,因此小编建议提前安装好anaconda。
![728d92e2c4b06da868b0825616bc3d35.gif](https://img-blog.csdnimg.cn/img_convert/728d92e2c4b06da868b0825616bc3d35.gif)
![728d92e2c4b06da868b0825616bc3d35.gif](https://img-blog.csdnimg.cn/img_convert/728d92e2c4b06da868b0825616bc3d35.gif)
二、可研究的指标及形态:
按照类型可以分为以下几类:![728d92e2c4b06da868b0825616bc3d35.gif](https://img-blog.csdnimg.cn/img_convert/728d92e2c4b06da868b0825616bc3d35.gif)
![728d92e2c4b06da868b0825616bc3d35.gif](https://img-blog.csdnimg.cn/img_convert/728d92e2c4b06da868b0825616bc3d35.gif)
三、案例演示
本期主要对早晨之星和射击之星两种K线形态识别进行展示: 1、K线形态介绍- 早晨之星:三日K线模式,股价处于下跌趋势,第一日阴线,第二日价格振幅较小,第三天阳线,预示底部反转。
- 射击之星:一日K线模式,上影线至少为实体长度两倍,没有下影线,预示着股价下跌。
数据格式必须是浮点型,不能是整型,需要使用python自带的float函数调整,优矿调取的价格数据均为浮点型,无需再做调整
numpy的数组形式(array)。调整方法:使用numpy的array函数,具体代码请看文章结尾代码链接。
df['MorningStar']=talib.CDLMORNINGSTAR(Open,High,Low,Close,penetration=0)
射击之星:
df['ShootingStar']=talib.CDLSHOOTINGSTAR(Open,High, Low, Close)
4、结果查看:
K线形态识别返回的结果有三种:
-100:出现卖出信号
0:没有出现该形态
100:出现买入信号
![728d92e2c4b06da868b0825616bc3d35.gif](https://img-blog.csdnimg.cn/img_convert/728d92e2c4b06da868b0825616bc3d35.gif)
![728d92e2c4b06da868b0825616bc3d35.gif](https://img-blog.csdnimg.cn/img_convert/728d92e2c4b06da868b0825616bc3d35.gif)
小编对于技术形态分析的浅见:
小编认为不能通过一次技术形态有效就判断该指标有效,也不能因为一次无效就判断指标无效,需要经过大规模的数据统计去计算这个指标有效的概率。 当然有效的标准需要仿照因子研究,先排除那些市场、规模、行业等方面的贝塔的影响,看剩下的阿尔法收益是否期望为正。 但是同样的问题又来了,历史有效的指标能否代表未来有效呢? 这又涉及了因子有效性的研究。 。 。 。 。 。 完整代码链接: (百度网盘链接) https://pan.baidu.com/s/1EaYpUeXGZm4LqWnJm6BlQw 2019年9月9日 写于: 北京外国语大学