当前位置：首页 > news >正文

用 Python 自动检测交易图形态的实用指南请查收

news 2024/11/6 10:11:40

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：
本文详细介绍了如何利用 Python 和 EODHD API 来自动化检测股票交易市场中的蜡烛图形态。我会解释作为交易策略重要组成部分蜡烛图的基本概念，并说明这些数据如何在图表上展现形态，最后还会举例进行展示说明。

为了探讨今天这个主题，我们需要先从基础讲起。多数人都熟悉交易图表，它通常由绿红柱形图组成线形图，虽简单却蕴含大量数据信息。一根蜡烛代表一个数据区间，如一小时图表，包含开盘价、最高价、最低价和收盘价四个关键信息，简称 OHLC 数据。若收盘价高于开盘价，蜡烛图为绿色；反之则为红色（美股中的绿涨红跌和我们A股是反的，需要大家注意这个细节）。下图更清晰地说明了这一概念。

举例说明：

您可能会注意到蜡烛序列中出现的特定形态，即蜡烛图形态。交易策略通常就是根据这些形态制定的。

一、使用 EODHD API 中的标准普尔 500 指数进行演示

第一步是获取分析所需的数据集，为此我们将使用官方的 EODHD API Python 库。下面提供的代码片段可获取 720 小时（30 天）的数据。

import config as cfg
from eodhd import APIClientapi = APIClient(cfg.API_KEY)def get_ohlc_data():df = api.get_historical_data("AAPL.US", "1h", results=(24*30))return dfif __name__ == "__main__":df = get_ohlc_data()print(df)

我们先来看一个简单明了的蜡烛图形态，即锤子或锤子形态。这种形态是一种看涨反转指标，通常出现在下跌趋势的末端。它的特点是开盘价和收盘价在顶部几乎完全相同，加上较长的低位灯芯，其长度至少是空头主体的两倍。

为说明这种形态，现将蜡烛图的修改版介绍如下：

总之，锤子形态是看涨转折的信号，被视为温和的反转形态，表明市场方向可能从下行转向上行。

我们开发了一些代码，以便在数据集中找出这些蜡烛。

import pandas as pd
import config as cfg
from eodhd import APIClientapi = APIClient(cfg.API_KEY)def candle_hammer(df: pd.DataFrame = None) -> pd.Series:"""* Candlestick Detected: Hammer ("Weak - Reversal - Bullish Signal - Up"""# Fill NaN values with 0df = df.fillna(0)return (((df["high"] - df["low"]) > 3 * (df["open"] - df["close"]))& (((df["close"] - df["low"]) / (0.001 + df["high"] - df["low"])) > 0.6)& (((df["open"] - df["low"]) / (0.001 + df["high"] - df["low"])) > 0.6))def get_ohlc_data():df = api.get_historical_data("AAPL.US", "1h", results=(24*30))return dfif __name__ == "__main__":df = get_ohlc_data()df["hammer"] = candle_hammer(df)print(df)print(df[df["hammer"] == True])

为了便于演示，我们将数据集显示两次。初始数据集显示锤形蜡烛的识别。随后的数据集只显示检测到锤子形态的情况。在过去的 720 个小时中，锤子形态出现了 67 次。

在此基础上，自然会出现一种相关的蜡烛图形态--倒锤子形态。作为锤子的对应形态，它在图形上类似于一个倒转的锤子。它仍然是一个看涨信号，通常出现在下跌趋势的末端。

def candle_inverted_hammer(df: pd.DataFrame = None) -> pd.Series:"""* Candlestick Detected: Inverted Hammer ("Weak - Continuation - Bullish Pattern - Up")"""# Fill NaN values with 0df = df.fillna(0)return (((df["high"] - df["low"]) > 3 * (df["open"] - df["close"]))& ((df["high"] - df["close"]) / (0.001 + df["high"] - df["low"]) > 0.6)& ((df["high"] - df["open"]) / (0.001 + df["high"] - df["low"]) > 0.6))

二、烛台形态

蜡烛图形态基本上可分为两类：

看涨或看跌
犹豫不决/中性、弱、可靠或强

下面简要介绍一下流行的蜡烛图形态：

2.1 犹豫不决/中性（Indecision / Neutral）

Doji

2.2 弱（Weak）

锤子（看涨）
倒锤（看涨）
Shooting Star （看跌）

2.3 可靠（Reliable）

Hanging Man (看跌)
Three Line Strike (看涨)
Two Black Gapping (看跌)
Abandoned Baby (看涨)
Morning Doji Star (看涨)
Evening Doji Star (看跌)

2.4 强（Strong）

Three White Soldiers （三个白兵）(看涨)
Three Black Crows（三只黑鸦） (看跌)
Morning Star (看涨)
Evening Star (看跌)

我们将这些烛台形态编码成 Python 函数，并使用 Numpy 来处理一些更复杂的形态。

import numpy as npdef candle_hammer(df: pd.DataFrame = None) -> pd.Series:"""* Candlestick Detected: Hammer ("Weak - Reversal - Bullish Signal - Up"""# Fill NaN values with 0df = df.fillna(0)return (((df["high"] - df["low"]) > 3 * (df["open"] - df["close"]))& (((df["close"] - df["low"]) / (0.001 + df["high"] - df["low"])) > 0.6)& (((df["open"] - df["low"]) / (0.001 + df["high"] - df["low"])) > 0.6))def candle_inverted_hammer(df: pd.DataFrame = None) -> pd.Series:"""* Candlestick Detected: Inverted Hammer ("Weak - Reversal - Bullish Pattern - Up")"""# Fill NaN values with 0df = df.fillna(0)return (((df["high"] - df["low"]) > 3 * (df["open"] - df["close"]))& ((df["high"] - df["close"]) / (0.001 + df["high"] - df["low"]) > 0.6)& ((df["high"] - df["open"]) / (0.001 + df["high"] - df["low"]) > 0.6))def candle_shooting_star(df: pd.DataFrame = None) -> pd.Series:"""* Candlestick Detected: Shooting Star ("Weak - Reversal - Bearish Pattern - Down")"""# Fill NaN values with 0df = df.fillna(0)return (((df["open"].shift(1) < df["close"].shift(1)) & (df["close"].shift(1) < df["open"]))& (df["high"] - np.maximum(df["open"], df["close"]) >= (abs(df["open"] - df["close"]) * 3))& ((np.minimum(df["close"], df["open"]) - df["low"]) <= abs(df["open"] - df["close"])))def candle_hanging_man(df: pd.DataFrame = None) -> pd.Series:"""* Candlestick Detected: Hanging Man ("Weak - Reliable - Bearish Pattern - Down")"""# Fill NaN values with 0df = df.fillna(0)return (((df["high"] - df["low"]) > (4 * (df["open"] - df["close"])))& (((df["close"] - df["low"]) / (0.001 + df["high"] - df["low"])) >= 0.75)& (((df["open"] - df["low"]) / (0.001 + df["high"] - df["low"])) >= 0.75)& (df["high"].shift(1) < df["open"])& (df["high"].shift(2) < df["open"]))def candle_three_white_soldiers(df: pd.DataFrame = None) -> pd.Series:"""*** Candlestick Detected: Three White Soldiers ("Strong - Reversal - Bullish Pattern - Up")"""# Fill NaN values with 0df = df.fillna(0)return (((df["open"] > df["open"].shift(1)) & (df["open"] < df["close"].shift(1)))& (df["close"] > df["high"].shift(1))& (df["high"] - np.maximum(df["open"], df["close"]) < (abs(df["open"] - df["close"])))& ((df["open"].shift(1) > df["open"].shift(2)) & (df["open"].shift(1) < df["close"].shift(2)))& (df["close"].shift(1) > df["high"].shift(2))& (df["high"].shift(1) - np.maximum(df["open"].shift(1), df["close"].shift(1))< (abs(df["open"].shift(1) - df["close"].shift(1)))))def candle_three_black_crows(df: pd.DataFrame = None) -> pd.Series:"""* Candlestick Detected: Three Black Crows ("Strong - Reversal - Bearish Pattern - Down")"""# Fill NaN values with 0df = df.fillna(0)return (((df["open"] < df["open"].shift(1)) & (df["open"] > df["close"].shift(1)))& (df["close"] < df["low"].shift(1))& (df["low"] - np.maximum(df["open"], df["close"]) < (abs(df["open"] - df["close"])))& ((df["open"].shift(1) < df["open"].shift(2)) & (df["open"].shift(1) > df["close"].shift(2)))& (df["close"].shift(1) < df["low"].shift(2))& (df["low"].shift(1) - np.maximum(df["open"].shift(1), df["close"].shift(1))< (abs(df["open"].shift(1) - df["close"].shift(1)))))def candle_doji(df: pd.DataFrame = None) -> pd.Series:"""! Candlestick Detected: Doji ("Indecision / Neutral")"""# Fill NaN values with 0df = df.fillna(0)return (((abs(df["close"] - df["open"]) / (df["high"] - df["low"])) < 0.1)& ((df["high"] - np.maximum(df["close"], df["open"])) > (3 * abs(df["close"] - df["open"])))& ((np.minimum(df["close"], df["open"]) - df["low"]) > (3 * abs(df["close"] - df["open"]))))def candle_three_line_strike(df: pd.DataFrame = None) -> pd.Series:"""** Candlestick Detected: Three Line Strike ("Reliable - Reversal - Bullish Pattern - Up")"""# Fill NaN values with 0df = df.fillna(0)return (((df["open"].shift(1) < df["open"].shift(2)) & (df["open"].shift(1) > df["close"].shift(2)))& (df["close"].shift(1) < df["low"].shift(2))& (df["low"].shift(1) - np.maximum(df["open"].shift(1), df["close"].shift(1))< (abs(df["open"].shift(1) - df["close"].shift(1))))& ((df["open"].shift(2) < df["open"].shift(3)) & (df["open"].shift(2) > df["close"].shift(3)))& (df["close"].shift(2) < df["low"].shift(3))& (df["low"].shift(2) - np.maximum(df["open"].shift(2), df["close"].shift(2))< (abs(df["open"].shift(2) - df["close"].shift(2))))& ((df["open"] < df["low"].shift(1)) & (df["close"] > df["high"].shift(3))))def candle_two_black_gapping(df: pd.DataFrame = None) -> pd.Series:"""*** Candlestick Detected: Two Black Gapping ("Reliable - Reversal - Bearish Pattern - Down")"""# Fill NaN values with 0df = df.fillna(0)return (((df["open"] < df["open"].shift(1)) & (df["open"] > df["close"].shift(1)))& (df["close"] < df["low"].shift(1))& (df["low"] - np.maximum(df["open"], df["close"]) < (abs(df["open"] - df["close"])))& (df["high"].shift(1) < df["low"].shift(2)))def candle_morning_star(df: pd.DataFrame = None) -> pd.Series:"""*** Candlestick Detected: Morning Star ("Strong - Reversal - Bullish Pattern - Up")"""# Fill NaN values with 0df = df.fillna(0)return ((np.maximum(df["open"].shift(1), df["close"].shift(1)) < df["close"].shift(2)) & (df["close"].shift(2) < df["open"].shift(2))) & ((df["close"] > df["open"]) & (df["open"] > np.maximum(df["open"].shift(1), df["close"].shift(1))))def candle_evening_star(df: pd.DataFrame = None) -> np.ndarray:"""*** Candlestick Detected: Evening Star ("Strong - Reversal - Bearish Pattern - Down")"""# Fill NaN values with 0df = df.fillna(0)return ((np.minimum(df["open"].shift(1), df["close"].shift(1)) > df["close"].shift(2)) & (df["close"].shift(2) > df["open"].shift(2))) & ((df["close"] < df["open"]) & (df["open"] < np.minimum(df["open"].shift(1), df["close"].shift(1))))def candle_abandoned_baby(df: pd.DataFrame = None) -> pd.Series:"""** Candlestick Detected: Abandoned Baby ("Reliable - Reversal - Bullish Pattern - Up")"""# Fill NaN values with 0df = df.fillna(0)return ((df["open"] < df["close"])& (df["high"].shift(1) < df["low"])& (df["open"].shift(2) > df["close"].shift(2))& (df["high"].shift(1) < df["low"].shift(2)))def candle_morning_doji_star(df: pd.DataFrame = None) -> pd.Series:"""** Candlestick Detected: Morning Doji Star ("Reliable - Reversal - Bullish Pattern - Up")"""# Fill NaN values with 0df = df.fillna(0)return (df["close"].shift(2) < df["open"].shift(2)) & (abs(df["close"].shift(2) - df["open"].shift(2)) / (df["high"].shift(2) - df["low"].shift(2)) >= 0.7) & (abs(df["close"].shift(1) - df["open"].shift(1)) / (df["high"].shift(1) - df["low"].shift(1)) < 0.1) & (df["close"] > df["open"]) & (abs(df["close"] - df["open"]) / (df["high"] - df["low"]) >= 0.7) & (df["close"].shift(2) > df["close"].shift(1)) & (df["close"].shift(2) > df["open"].shift(1)) & (df["close"].shift(1) < df["open"]) & (df["open"].shift(1) < df["open"]) & (df["close"] > df["close"].shift(2)) & ((df["high"].shift(1) - np.maximum(df["close"].shift(1), df["open"].shift(1)))> (3 * abs(df["close"].shift(1) - df["open"].shift(1)))) & (np.minimum(df["close"].shift(1), df["open"].shift(1)) - df["low"].shift(1)) > (3 * abs(df["close"].shift(1) - df["open"].shift(1)))def candle_evening_doji_star(df: pd.DataFrame = None) -> pd.Series:"""** Candlestick Detected: Evening Doji Star ("Reliable - Reversal - Bearish Pattern - Down")"""# Fill NaN values with 0df = df.fillna(0)return (df["close"].shift(2) > df["open"].shift(2)) & (abs(df["close"].shift(2) - df["open"].shift(2)) / (df["high"].shift(2) - df["low"].shift(2)) >= 0.7) & (abs(df["close"].shift(1) - df["open"].shift(1)) / (df["high"].shift(1) - df["low"].shift(1)) < 0.1) & (df["close"] < df["open"]) & (abs(df["close"] - df["open"]) / (df["high"] - df["low"]) >= 0.7) & (df["close"].shift(2) < df["close"].shift(1)) & (df["close"].shift(2) < df["open"].shift(1)) & (df["close"].shift(1) > df["open"]) & (df["open"].shift(1) > df["open"]) & (df["close"] < df["close"].shift(2)) & ((df["high"].shift(1) - np.maximum(df["close"].shift(1), df["open"].shift(1)))> (3 * abs(df["close"].shift(1) - df["open"].shift(1)))) & (np.minimum(df["close"].shift(1), df["open"].shift(1)) - df["low"].shift(1)) > (3 * abs(df["close"].shift(1) - df["open"].shift(1)))

探索我们的数据集，看看能否识别出任何强势蜡烛图形态...

if __name__ == "__main__":df = get_ohlc_data()df["three_white_soldiers"] = candle_three_white_soldiers(df)df["three_black_crows"] = candle_three_black_crows(df)df["morning_star"] = candle_morning_star(df)df["evening_star"] = candle_evening_star(df)print(df[(df["three_white_soldiers"] == True) | (df["three_black_crows"] == True) | (df["morning_star"] == True) | (df["evening_star"] == True)])

事实上，在过去的 30 天里，强势形态已经出现了很多次。从分享的数据中，我们可以看出蜡烛图形态出现的时间和类型。一个有趣的练习是查看标准普尔 500 指数小时图中的这些特定时间段，并尝试找出这些形态。

观点回顾

请大家记住，没有任何一种策略能保证交易成功。与其他交易方法一样，基于蜡烛图形态的策略的可行性受市场动态、流动性和波动性的影响。因此，建议交易者将这些策略纳入更全面、更多样化的交易方法中，并通过其他分析和工具对其进行强化，以获得更全面的视角。

蜡烛图形态是交易分析的关键工具：文章强调了蜡烛图形态在交易策略中的作用，并通过实际的 Python 代码示例展示了如何识别这些形态。
自动化分析提高了交易效率：通过使用 Python 和 EODHD API，交易者可以自动化地分析大量历史数据，快速识别潜在的交易机会。
蜡烛图形态的多样性和复杂性：文章列举了多种蜡烛图形态，并根据它们的可靠性和强度对它们进行了分类，从而为交易者提供了一个全面的参考框架。
综合交易策略的重要性：作者指出，虽然蜡烛图形态提供了有价值的市场信号，但交易者应该将它们与其他技术分析和基本面分析相结合，以形成一个更为健全的交易策略。
持续学习和适应市场变化：文章鼓励交易者持续学习新的分析技巧和工具，以适应不断变化的市场环境。

感谢您阅读到最后。如果对文中的内容有任何疑问，请给我留言，必复。

本文内容仅仅是技术探讨和学习，并不构成任何投资建议。

转发请注明原作者和出处。

查看全文

http://www.mrgr.cn/news/66642.html