talib提供给我们的K线形态

在前面的博文中，我们介绍了talib提供给我们的6种K形态。不过，那只是博主通过讲解一部分，让大家认识如何使用talib区分K线，其实talib提供给我们的K线形态函数一共44个。那么如果通过软件进行标记呢？

其实在众多的股票交易软件中，并不会主动给我们标记K线形态数据，而且K线形态这么多，哪怕程序员记下来恐怕也无能为力。所以，我们需要使用pyqt5设计界面给我们标记K线形态，并提示使用者那种K线预示涨，哪些K线预示跌。

这里，我们首先需要使用python的反射来完成用户的切换，不然通过ifelse语句一句一句去区分调用，完全是重复的代码劳动，得不偿失。具体反射使用以及K线绘图方式如下：

import talib
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import matplotlib.ticker as ticker
from matplotlib.backends.backend_qt5agg import FigureCanvasQTAgg as FigureCanvas
from matplotlib.figure import Figure
import mpl_finance as mpf
from matplotlib import gridspecclass KMplCanvas(FigureCanvas):def __init__(self, parent=None, width=5, height=4, dpi=100):plt.rcParams['font.sans-serif'] = ['SimHei']self.fig = Figure(figsize=(width, height), dpi=dpi)FigureCanvas.__init__(self, self.fig)spec = gridspec.GridSpec(4, 1, height_ratios=[3, 1, 1, 1])self.ax1 = self.fig.add_subplot(spec[0])self.ax2 = self.fig.add_subplot(spec[1])self.ax3 = self.fig.add_subplot(spec[2])self.ax4 = self.fig.add_subplot(spec[3])self.setParent(parent)self.k_text = ['十字星', '两只乌鸦', '三只乌鸦', '三内部上涨和下跌', '三线打击','三外部上涨和下跌', '南方三星', '三个白兵', '弃婴', '大敌当前','捉腰带线', '脱离', '收盘缺影线', '藏婴吞没', '反击线', '乌云压顶', '蜻蜓十字/T形十字', '吞噬模式', '十字暮星', '暮星','向上/下跳空并列阳线', '墓碑十字/倒T十字', '锤头', '上吊线', '母子线','十字孕线', '风高浪大线', '陷阱', '修正陷阱', '家鸽','三胞胎乌鸦', '颈内线', '倒锤头', '反冲形态', '由较长缺影线决定的反冲形态','停顿形态', '条形三明治', '探水竿', '跳空并列阴阳线', '插入','三星', '奇特三河床', '向上跳空的两只乌鸦', '上升/下降跳空三法']FigureCanvas.updateGeometry(self)def start_staict_plot(self, df, method="CDLDOJISTAR", numb=0):self.ax1.clear()self.ax2.clear()self.ax3.clear()self.ax4.clear()self.fig.canvas.draw_idle()mytalib = talibf = getattr(mytalib, method)df['date'] = pd.to_datetime(df['date'])df['date'] = df['date'].apply(lambda x: x.strftime('%Y-%m-%d'))mpf.candlestick2_ochl(self.ax1, df["open"], df["close"], df["high"], df["low"], width=0.6, colorup='r',colordown='green',alpha=1.0)df['star'] = f(df['open'].values, df['high'].values, df['low'].values, df['close'].values)pattern = df[(df['star'] == 100) | (df['star'] == -100)]for key, val in df.items():for index, today in pattern.iterrows():x_posit = df.index.get_loc(index)self.ax1.annotate("{}\n{}".format(self.k_text[numb], today["date"]), xy=(x_posit, today["high"]),xytext=(0, pattern["close"].mean()), xycoords="data",fontsize=8, textcoords="offset points",arrowprops=dict(arrowstyle="simple", color="r"))df["SMA5"] = df["close"].rolling(5).mean()df["SMA10"] = df["close"].rolling(10).mean()df["SMA30"] = df["close"].rolling(30).mean()df["SMA60"] = df["close"].rolling(60).mean()self.ax1.plot(np.arange(0, len(df)), df['SMA5'], label="5日均线")  # 绘制5日均线self.ax1.plot(np.arange(0, len(df)), df['SMA10'], label="10日均线")  # 绘制10日均线self.ax1.plot(np.arange(0, len(df)), df['SMA30'], label="30日均线")  # 绘制30日均线self.ax1.plot(np.arange(0, len(df)), df['SMA60'], label="60日均线")  # 绘制30日均线self.ax1.legend()red_pred = np.where(df["close"] > df["open"], df["volume"], 0)blue_pred = np.where(df["close"] < df["open"], df["volume"], 0)self.ax2.bar(np.arange(0, len(df)), red_pred, facecolor="red")self.ax2.bar(np.arange(0, len(df)), blue_pred, facecolor="blue")self.ax2.set(ylabel=u"成交量")low_list = df["close"].rolling(9, min_periods=1).min()high_list = df["high"].rolling(9, min_periods=1).max()rsv = (df["close"] - low_list) / (high_list - low_list) * 100df["K"] = rsv.ewm(com=2, adjust=False).mean()df["D"] = df["K"].ewm(com=2, adjust=False).mean()df["J"] = 3 * df["K"] - 2 * df["D"]self.ax3.plot(df["date"], df["K"], label="K")self.ax3.plot(df["date"], df["D"], label="D")self.ax3.plot(df["date"], df["J"], label="J")self.ax3.legend()self.ax3.set(ylabel=u"KDJ")EMA1 = df["close"].ewm(span=12, adjust=False).mean()EMA2 = df["close"].ewm(span=26, adjust=False).mean()DIF = EMA1 - EMA2DEA = DIF.ewm(span=9, adjust=False).mean()BAR = 2 * (DIF - DEA)red_bar = np.where(BAR > 0, BAR, 0)blue_bar = np.where(BAR < 0, BAR, 0)self.ax4.plot(np.arange(0, len(df)), DIF)self.ax4.plot(np.arange(0, len(df)), DEA)self.ax4.bar(np.arange(0, len(df)), red_bar, color="red")self.ax4.bar(np.arange(0, len(df)), blue_bar, color="blue")self.ax4.set(ylabel=u"MACD")self.ax1.xaxis.set_major_locator(ticker.MaxNLocator(9))def format_date(x, pos=None):if x < 0 or x > len(df['date']) - 1:return ''return df['date'][int(x)]self.ax1.xaxis.set_major_formatter(ticker.FuncFormatter(format_date))self.ax1.grid(True)plt.setp(self.ax1.get_xticklabels(), visible=True)plt.setp(self.ax2.get_xticklabels(), visible=False)plt.setp(self.ax3.get_xticklabels(), visible=False)plt.setp(self.ax4.get_xticklabels(), visible=False)plt.setp(plt.gca().get_xticklabels(), rotation=45, horizontalalignment='right')

这里，我们通过getattr函数，将talib库赋值给它。然后，只需要通过方法名就可以切换K线形态数据。这里博主为了简便，没有将文本数据单独设置为全局变量，在实际的开发中，还是要将其独立，免得重复copy造成代码混乱。

pyqt5绘制K线图

如上面代码所示，我们不仅仅绘制了K线图，而且还绘制了成交量，KDJ，以及MACD，这里对比起来看某个股票往往更具有参考价值。那么界面的代码如下所示：

class MyFrom(QMainWindow):# K线模块def init_kTab(self):self.grid_k = QGridLayout()self.grid_k.setSpacing(5)k_text = ['十字星', '两只乌鸦', '三只乌鸦', '三内部上涨和下跌', '三线打击','三外部上涨和下跌', '南方三星', '三个白兵', '弃婴', '大敌当前','捉腰带线', '脱离', '收盘缺影线', '藏婴吞没', '反击线', '乌云压顶', '蜻蜓十字/T形十字', '吞噬模式', '十字暮星', '暮星','向上/下跳空并列阳线', '墓碑十字/倒T十字', '锤头', '上吊线', '母子线','十字孕线', '风高浪大线', '陷阱', '修正陷阱', '家鸽','三胞胎乌鸦', '颈内线', '倒锤头', '反冲形态', '由较长缺影线决定的反冲形态','停顿形态', '条形三明治', '探水竿', '跳空并列阴阳线', '插入','三星', '奇特三河床', '向上跳空的两只乌鸦', '上升/下降跳空三法']self.k_content = ['预示着当前趋势反转', '预示股价下跌', '预示股价下跌', '预示着股价上涨', '预示股价下跌','预示着股价上涨', '预示下跌趋势反转，股价上升', '预示股价上升', '预示趋势反转，发生在顶部下跌，底部上涨', '预示股价下跌', '收盘价接近最高价，预示价格上涨', '预示价格上涨', '预示着趋势持续', '预示着底部反转', '预示趋势反转', '预示着股价下跌', '预示趋势反转', '预示趋势反转', '预示顶部反转', '预示顶部反转','趋势持续', '预示底部反转', '处于下跌趋势底部,预示反转', '处于上升趋势的顶部，预示着趋势反转', '预示趋势反转，股价上升','预示着趋势反转', '预示着趋势反转', '趋势继续', '趋势继续', '预示着趋势反转','预示价格下跌', '预示着下跌继续', '在下跌趋势底部，预示着趋势反转', '存在跳空缺口', '与反冲形态类似，较长缺影线决定价格的涨跌','预示着上涨结束', '预示着股价上涨', '预示趋势反转', '上升趋势持续', '预示着趋势持续','预示着趋势反转', '收盘价不高于第二日收盘价，预示着反转，第二日下影线越长可能性越大', '预示股价下跌', '收盘价高于第一日收盘价，预示股价上升']self.K_method = ['CDLDOJISTAR', 'CDL2CROWS', 'CDL3BLACKCROWS', 'CDL3INSIDE', 'CDL3LINESTRIKE','CDL3OUTSIDE', 'CDL3STARSINSOUTH', 'CDL3WHITESOLDIERS', 'CDLABANDONEDBABY', 'CDLADVANCEBLOCK','CDLBELTHOLD', 'CDLBREAKAWAY', 'CDLCLOSINGMARUBOZU', 'CDLCONCEALBABYSWALL', 'CDLCOUNTERATTACK','CDLDARKCLOUDCOVER', 'CDLDRAGONFLYDOJI', 'CDLENGULFING', 'CDLEVENINGDOJISTAR','CDLEVENINGSTAR','CDLGAPSIDESIDEWHITE', 'CDLGRAVESTONEDOJI', 'CDLHAMMER', 'CDLHANGINGMAN', 'CDLHARAMI','CDLHARAMICROSS', 'CDLHIGHWAVE', 'CDLHIKKAKE', 'CDLHIKKAKEMOD', 'CDLHOMINGPIGEON','CDLIDENTICAL3CROWS', 'CDLINNECK', 'CDLINVERTEDHAMMER', 'CDLKICKING', 'CDLKICKINGBYLENGTH','CDLSTALLEDPATTERN', 'CDLSTICKSANDWICH', 'CDLTAKURI', 'CDLTASUKIGAP', 'CDLTHRUSTING','CDLTRISTAR', 'CDLUNIQUE3RIVER', 'CDLUPSIDEGAP2CROWS', 'CDLXSIDEGAP3METHODS']self.cb = QComboBox()self.cb.addItems(k_text)self.cb.currentIndexChanged.connect(self.selectionchange)self.cb_label = QLabel("预示着当前趋势反转")self.k_label = QLabel("选择K线图的形态：")self.grid_k.addWidget(self.k_label, 0, 0, 1, 1)self.grid_k.addWidget(self.cb, 0, 2, 1, 2)self.grid_k.addWidget(self.cb_label, 0, 5, 1, 5)self.kTab2.setLayout(self.grid_k)self.kLineThread = KLineThread()self.kLineThread.setValue("sh600690")self.kLineThread._signal.connect(self.kLineThread_callbacklog)self.kLineThread.start()def kLineThread_callbacklog(self, df):self.df = dfself.mplK = KMplCanvas(self, width=5, height=4, dpi=100)self.mplK.start_staict_plot(df)mpl_ntb = NavigationToolbar(self.mplK, self)mpl_ntb.setStyleSheet("background-color:white;color:black")self.grid_k.addWidget(self.mplK, 2, 0, 13, 12)self.grid_k.addWidget(mpl_ntb, 2, 0, 1, 5)def selectionchange(self, i):self.cb_label.setText(self.k_content[i])self.mplK.start_staict_plot(self.df, self.K_method[i], i)

同样的，我们这里也需要通过线程获取K线图的基本数据，具体代码如下所示：

from PyQt5 import QtCore
from PyQt5.QtCore import pyqtSignal
import pandas as pd
from pandas import DataFrameclass KLineThread(QtCore.QThread):_signal = pyqtSignal(DataFrame)def __init__(self):super(KLineThread, self).__init__()def setValue(self, shareNumber):self.share_num = shareNumberdef run(self):df = pd.read_excel("海尔智家k.xlsx")self._signal.emit(df)

需要注意的是，如上篇博文说的一样，最好是先获取网络数据存储在xlsx中后，在获取详细数据，这样在非交易时间段不会造成延迟。后续，这里我们会通过数据库进行更改，暂时先这里处理。

运行之后，显示效果如下图所示：

在界面中，我们可以通过QComboBox控件进行切换K线图，同时图片也会标记符合K线图的数据，而且文字上面也会提示这种K线图代表什么，意味着什么。这是不是散户最想拥有的K线识别器呢？毕竟一般股票交易软件都需要付费才能这么玩。

软件资源代码下载地址：点击下载

python股票量化交易（13）---使用pyqt5构建股票交易K线形态相关推荐

量化交易12-backtrader回测三日定律K线形态图
三日定律: 三日定律其实是来源与乔治·道格拉斯·泰勒的"预约法",在后来它就被演变成了LSS三日周期法.泰勒说,市场波动最开始就是从内部开始驱动的,有内部消息者或者聪明人最先买进, ...
python股票量化交易接口是应用到股票上吗？
python股票量化交易接口是应用到股票上吗?当然可以,而且是任何交易者都可以使用量化交易技术,股票交易数据是很容版易采集的,就是分析起来比权较麻烦,如果题主是职业散户,美股研究社更建议使用一些软件炒 ...
《Python股票量化交易从入门到实践》随书赠送“回测框架”的使用帮助
点击:QTYX最新版本使用指南[文字版] 点击:QTYX最新版本使用指南[视频版] 点击: QTYX历史版本更新说明赠送"回测框架"的目的为了帮助读者再建立一座从书本知识到实战 ...
python股票量化交易（1）---K线图、均线与成交量绘制
远思扬祖宗之德,近思盖父母之愆:上思报国之恩,下思造家之福:外思济人之急,内思闲己之邪. 本文目录前言获取股票的数据绘制K线图均线图成交量前言都说2020年是牛市的起点,很显然对于数据来 ...
python股票量化交易（8）---K线图：锤头，射击之星，早晨之星
人之有志,如树之有根,立定此志,须念念谦虚,尘尘方便,自然感动天地,而造福由我. 目录锤头倒锤头射击之星早晨之星锤头本篇接着上篇介绍K线形态. 首先,我们今天介绍的第一个K线形态是锤头,T ...
python股票量化交易（6）---使用TA-Lib计算技术指标
务要日日知非,日日改过:一日不知非,即一日安于自是:一日无过可改,即一日无步可进:天下聪明俊秀不少,所以德不加修.业不加广者,只为因循二字,耽搁一生. 目录什么是TA-Lib SMA指标的计算 MA ...
python股票量化交易（7）---K线图：乌鸦、乌云压顶、十字星
随缘济众,其类至繁,约言其纲,大约有十:第一,与人为善;第二,爱敬存心;第三,成人之美;第四,劝人为善;第五,救人危急;第六,兴建大利;第七,舍财作福;第八,护持正法;第九,敬重尊长;第十,爱惜物命. ...
python股票量化交易（11）---使用pyqt5构建股票交易软件主页
目录前言构建界面的整体框架主页顶部前言在前面10篇博文中,我们详细介绍了各种股票图形的绘制以及股票的预测算法,但是有一点非常的不方便,就是每次查看某个股票的数据,我们还需要将代码替换或者更改 ...
python股票量化交易（12）---使用pyqt5构建股票交易软件主页
目录实时股票数据每笔交易详情数据绘制股票走势图与买卖盘数据实时股票数据接着上篇博文的内容,今天我们来实现获取与绘制实时的股票行情数据.首先,我们需要通过akshare库获取某一天的实时交易数 ...
python股票量化交易入门到实践_量化资料学习《Python与量化投资从基础到实战》+《量化交易之路用Python做股票量化分析》+《组织与管理研究的实证方法第2版》...
我们需要利用Python进行数据分析的指南,有大量的关于数据处理分析的应用,重点学习如何高效地利用Python解决投资策略问题,推荐学习<Python与量化投资从基础到实战>等电子资料. ...

python股票量化交易（13）---使用pyqt5构建股票交易K线形态

目录

talib提供给我们的K线形态

pyqt5绘制K线图

python股票量化交易（13）---使用pyqt5构建股票交易K线形态相关推荐

最新文章

热门文章