K线形态识别_十字星和十字线

写在前面：
1. 本文中提到的“K线形态查看工具”的具体使用操作请查看该博文；
2. K线形体所处背景，诸如处在上升趋势、下降趋势、盘整等，背景内容在K线形态策略代码中没有体现；
3. 文中知识内容来自书籍《K线技术分析》by邱立波。

目录

解说

技术特征

技术含义

K线形态策略代码

结果

解说

        十字线是上下影线都比较短的同价位线，十字星是实体和上下影线都很短的K线，一般实体长度不超过上一交易日价格的0.5%，大盘十字星的实体长度要更小一些。

         单根十字星和十字线表明交易双方都无心应战，只是试探性地进行了一些攻防。多方或空方仅仅取得微弱优势，基本上可以看作双方势均力敌，表明行情将会进一步沿着原有的方向运行。但处在支撑与压力位的十字线和十字星是转势信号，这是因为在支撑与压力位收出十字星和十字线，表明进攻的一方气力将尽，而另一方已经开始试探性反击。

技术特征

1）既可以出现在涨势中，也可以出现在跌势中。

2）十字线的开盘价和收盘价相同，十字星的实体长度很短。

3）上下影线都很短。

技术含义

1）在股价或指数已有较大涨幅后出现，是见顶信号。

2）在股价或指数已有较大跌幅后出现，是见底信号。

3）在上涨途中出现十字星和十字线，继续看涨，是持仓信号。

4）在下跌途中出现十字线和十字星，继续看跌，应持币观望。

K线形态策略代码

def excute_strategy(daily_file_path):
    '''
    名称：十字星和十字线
    识别：实体长度不超过上一交易日价格0.5%，上下影线很短
    自定义：影线很短=》不超过上一交易日价格1.5%
    前置条件：计算时间区间 2021-01-01 到 2022-01-01
    :param daily_file_path: 股票日数据文件路径
    :return:
    '''
    import pandas as pd
    import os
    start_date_str = '2021-01-01'
    end_date_str = '2022-01-01'
    df = pd.read_csv(daily_file_path,encoding='utf-8')
    # 删除停牌的数据
    df = df.loc[df['openPrice'] > 0].copy()
    df['o_date'] = df['tradeDate']
    df['o_date'] = pd.to_datetime(df['o_date'])
    df = df.loc[(df['o_date'] >= start_date_str) & (df['o_date']<=end_date_str)].copy()
    # 保存未复权收盘价数据
    df['close'] = df['closePrice']
    # 计算前复权数据
    df['openPrice'] = df['openPrice'] * df['accumAdjFactor']
    df['closePrice'] = df['closePrice'] * df['accumAdjFactor']
    df['highestPrice'] = df['highestPrice'] * df['accumAdjFactor']
    df['lowestPrice'] = df['lowestPrice'] * df['accumAdjFactor']
 
    # 开始计算
    df.loc[df['closePrice']>=df['openPrice'],'type'] = 1
    df.loc[df['closePrice']'openPrice'],'type'] = -1
 
    df['body_length'] = abs(df['closePrice'] - df['openPrice'])
    df.loc[df['type']==1,'top_shadow_length'] = df['highestPrice'] - df['closePrice']
    df.loc[df['type']==-1,'top_shadow_length'] = df['highestPrice'] - df['openPrice']
    df.loc[df['type']==1,'bottom_shadow_length'] = df['openPrice'] - df['lowestPrice']
    df.loc[df['type']==-1,'bottom_shadow_length'] = df['closePrice'] - df['lowestPrice']
 
    df['signal'] = 0
    df['signal_name'] = 0
    df.loc[(df['body_length']/df['closePrice'].shift(1)<=0.005) & (df['top_shadow_length']/df['closePrice'].shift(1)<0.015) & (df['bottom_shadow_length']/df['closePrice'].shift(1)<0.015),'signal'] = 1
    df.loc[(df['body_length']/df['closePrice'].shift(1)<=0.005) & (df['top_shadow_length']/df['closePrice'].shift(1)<0.015) & (df['bottom_shadow_length']/df['closePrice'].shift(1)<0.015),'signal_name'] = (df['body_length']/df['closePrice'].shift(1))*100
    df = df.round({'signal_name':4})
 
    file_name = os.path.basename(daily_file_path)
    title_str = file_name.split('.')[0]
 
    line_data = {
        'title_str':title_str,
        'whole_header':['日期','收','开','高','低'],
        'whole_df':df,
        'whole_pd_header':['tradeDate','closePrice','openPrice','highestPrice','lowestPrice'],
        'start_date_str':start_date_str,
        'end_date_str':end_date_str,
        'signal_type':'line'
    }
    return line_data

结果