Python量化实战：三重顶底形态捕捉股市反转机会（附工具）

最新推荐文章于 2025-04-26 21:03:53 发布

老余捞鱼

最新推荐文章于 2025-04-26 21:03:53 发布

阅读量751

点赞数 23

分类专栏： AI顾投高级策略文章标签： python 人工智能算法

本文链接：https://blog.csdn.net/weixin_70955880/article/details/146239160

版权

AI顾投高级策略专栏收录该内容

204 篇文章

订阅专栏

作者：老余捞鱼

原创不易，转载请标明出处及原作者。

写在前面的话：最近全球股市波动加剧，如何捕捉反转机会？我用Python写了个量化工具，专门检测三重顶底形态。三重顶底是技术分析中的经典反转信号，能帮我们预判市场趋势。本文将手把手教你用Python实现这一策略，并分享代码和实战技巧。用简单的工具观察市场，才能更好地把握机会和风险。

一、什么是三重顶底？

三重顶和三重底模式是技术分析中的两种图表模式，可能帮助你预测股票价格的未来走势。

1.1 三重顶

三重顶就是价格在上升趋势中三次测试同一阻力位后反转下跌，形成“M”形。

上图红线部分的三个顶部红点就称为三重顶。当股票价格上涨后，连续三次触及相似高点，但每次都回落，说明卖家力量增强，价格可能开始下跌。

比如美股标普500指数就形成过三重顶模式，如果能提前识别就是做空的好机会。

1.2 三重底

三重底就是价格在下降趋势中三次测试同一支撑位后反转上涨，形成“W”形。

上图红线部分的三个底部红点就称为三重底。而三重底形态指的是股价在下跌过程中，在同一水平附近连续触及三次低点。大家都知道，当价格连续碰到相同支撑位时，市场上的卖压消减，买盘开始涌入，从而形成买进信号。

比如大A股在经历了漫长的调整期后，开始在低位震荡，从去年四季度开始识别到就能在A股跟出一波上涨行情。

1.3 如何识别这些模式？

这两种形态之所以重要，是因为它们反映了市场情绪的转变。

当价格多次测试同一水平但无法突破时，说明这一位置有强大的支撑或阻力，一旦突破，往往会引发趋势反转。

支撑与阻力
三重底形成强大的支撑位，三重顶形成强大的阻力位。这些位置往往是未来交易决策的关键参考点。
趋势反转信号
三重顶通常预示上升趋势可能结束，三重底则预示下跌趋势可能反转。
风险管理工具
你可以在三重顶上方或三重底下方设置明确的止损位，从而控制风险。
成交量验证
形态形成时，成交量通常会逐渐减少；突破时，成交量会明显放大，进一步确认信号的有效性。

识别这些模式需要观察股票价格图表：

三重底模式：找三个低点，价格差不多，中间有两次反弹。比如，阿里巴巴股票价格连续三次跌到100美元，但每次都反弹，可能是个信号。

三重顶模式：找三个高点，价格差不多，中间有两次回落。比如，腾讯股票价格连续三次涨到500美元，但每次都回落，可能是个卖出信号。

确认模式时，需看价格是否突破阻力（高点）或支撑（低点），这能增加信号的可靠性。

二、实战案例：捕捉全球市场中的反转机会

三重顶底形态在全球范围内同样具有重要的参考价值。以下我们将通过几个典型案例，展示如何利用Python检测三重顶底形态，并结合实际市场数据进行分析。

案例1：美股Block Inc.(SQ)的三重顶形态

背景：
2021年初，美股Block Inc公司在经历了一轮强劲上涨后，开始了将近为期一年的高位震荡。到了11月市场情绪逐渐从乐观转向谨慎，投资者开始关注潜在的反转信号。

检测过程：

接下来，我将手把手教你用Python实现三重顶底形态的检测。我们将使用以下工具：

yfinance：获取美股及欧洲股市数据。
matplotlib：可视化价格走势。
scipy.signal：检测局部极值（峰值和谷值）。

数据获取：
使用yfinance库获取Block Inc.(SQ)的历史数据，时间范围为2021年1月1日至2022年1月1日。

import yfinance as yf

data = yf.download('SQ', start='2021-01-01', end='2022-01-01')

极值检测：
使用scipy.signal.argrelextrema检测局部极值，设置window=60以捕捉中期趋势。

from scipy.signal import argrelextrema
import numpy as np

data['LocalMax'] = data.iloc[argrelextrema(data['Close'].values, np.greater_equal, order=60)[0]]['Close']

形态验证：
检测三个连续峰值是否处于相近价格水平（tolerance=0.02）。

peaks = data[data['LocalMax'].notnull()].index
triple_tops = []
for i in range(len(peaks) - 2):
    p1, p2, p3 = peaks[i], peaks[i+1], peaks[i+2]
    if abs(data.loc[p1, 'Close'] - data.loc[p2, 'Close']) < 0.02 * data.loc[p1, 'Close'] and \
       abs(data.loc[p2, 'Close'] - data.loc[p3, 'Close']) < 0.02 * data.loc[p2, 'Close']:
        triple_tops.append((p1, p2, p3))

结果与可视化：
检测到三重顶形态后，使用matplotlib绘制价格走势图，并用红色标记形态位置。

import matplotlib.pyplot as plt

plt.figure(figsize=(14, 7))
plt.plot(data['Close'], label='SQ Close Price')
for p1, p2, p3 in triple_tops:
    plt.plot(data.loc[p1:p3, 'Close'], color='red', linewidth=2)
    plt.scatter([p1, p2, p3], [data.loc[p1, 'Close'], data.loc[p2, 'Close'], data.loc[p3, 'Close']], color='red')
plt.title('SQ Triple Top Pattern')
plt.xlabel('Date')
plt.ylabel('Close Price (USD)')
plt.legend()
plt.grid(True)
plt.show()

市场表现：
在检测到三重顶形态后，Block Inc.(SQ) 在2021年11月出现显著下跌，验证了这一形态的有效性。

案例2：沪深300指数(000300.SH)的三重底形态

背景：自2009年后，沪深300每一轮熊市大跌幅度均不超过50%，从去年熊市已经大跌42%，从空间看调整是非常充分的。

检测过程：

这里需要将数据源从yfinance换成tushare，可以更稳定的获取A股数据。

还有就是需要替换 Tushare Token：将 your_token 替换为你的 Tushare API Token。如果没有 Token，可以前往 Tushare官网注册并获取。

import tushare as ts

# 设置tushare token
ts.set_token('your_token')  # 替换为你的tushare token
pro = ts.pro_api()

# 获取沪深300指数数据
data = pro.index_daily(ts_code='000300.SH', start_date='20180101', end_date='20250131')
data = data.set_index('trade_date')
data.index = pd.to_datetime(data.index)
data['close'] = data['close'].astype(float)

后面的代码都大同小异，这里不再累述。

市场表现：
在检测到三重底形态后，从去年四季度开始了新的指数上涨行情。