自己做量化交易软件(29)小白量化实战3--跨周期共振

自己做量化交易软件(29)小白量化实战3–跨周期共振
　　在第一次世界大战中，一队德国士兵迈着整齐的步伐，通过一座桥，结果把桥踩塌。就桥梁的本身负载能力而言，远远大过这队德国士兵的重量，但由于士兵步调整齐、节奏一致，结果大桥在这种齐力的作用下而倒塌，这就是共振的作用。
　　共振是物理学上的一个运用频率非常高的专业术语。共振在声学中亦称“共鸣”，它指的是物体因共振而发声的现象，如两个频率相同的音叉靠近，其中一个振动发声时，另一个也会发声。在电学中，振荡电路的共振现象称为“谐振”。
　　共振不仅在物理学上运用频率非常高，而且，共振现象也可以说是一种宇宙间最普遍和最频繁的自然现象之一。甚至可以这么说，没有共振就没有世界。
　　共振是宇宙间一切物质运动的一种普遍规律，人及其他的生物也是宇宙间的物质，当然共振也是普遍存在于这些生命中了。人除了呼吸、心跳、血液循环和说话等都有其固有频率外，人的大脑进行思维活动时产生的脑电波也会发生共振现象。
　　自然界中有的共振现象, 股票市场中也同样有共振。
　　回顾历史走势，可以发现：股票走势经常大起大伏，一旦从低位启动，产生向上突破，股价如脱缰的野马奔腾向上；而一旦从高位产生向下突破，股价又如决堤的江水一泻千里。这就是共振作用在股市之中的反映。
　　共需可以产生势，而这种势一旦产生，向上向下的威力都极大。它能引发人们的情绪和操作行为，产生一边倒的情况。向上时人们情绪高昂，蜂拥入市；向下时，人人恐慌，股价狂泻，如同遇到世界末日，江恩称之为价格崩溃。
　　荷蒲的很多指标之所以好用，完全依赖于共振思想设计指标，简单的几根线，包含了不同指标的精华。因此十多年来，总有人喜欢破解荷蒲的公式，探究其中的原理。
　　最简单的共振应用就是垮周期应用,我们举例在通达信软件上做跨周期指标.
　　例如日线KDJ引用周线KDJ自定义指标,指标内容如下:

N:=9;
M1:=3;
M2:=3;
RSV:=(CLOSE-LLV(LOW,N))/(HHV(HIGH,N)-LLV(LOW,N))*100;
K:SMA(RSV,M1,1);
D:=SMA(K,M2,1);
J:3*K-2*D;{下面是周KDJ指标的引用。}
ZK:"KDJ.K#WEEK"(N,M1,M2),LINETHICK3;
ZD:"KDJ.D#WEEK"(N,M1,M2),LINETHICK3;
ZJ:="KDJ.J#WEEK"(N,M1,M2);

指标显示结果如下图.

下面我们在Python上看怎么实现跨周期计算.
例如1分钟线引用5分钟线或指标.
1.先处理5分钟指标计算,例如读取100组数据 mydf5
计算指标得到5分钟的kdj数据.k5,d5,j5
2.读取1分钟的500组数据.mydf
进行指标计算
3.把5分钟指标值k5,d5,j5,数据放到5倍,变为500组数据.
4.把k5,d5,j5合并到mydf表中
5.后面想怎么处理计算都可以

我们下面程序给出日线KDJ引用周线KDJ的Python序.

# -*- coding: utf-8 -*-
# 小白量化跨周期自编指标计算
'''
独狼荷蒲qq:2886002
通通小白python量化群:524949939
tkinter,pyqt,gui,Python交流2群:517029284
微信公众号：独狼股票分析
'''
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import HP_global as g  #小白量化全局变量库
from HP_formula import *
import HP_tdx as htdx
import HP_plt as hplt   #小白量化指标绘图模块
plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签
plt.rcParams['axes.unicode_minus']=False #用来正常显示负号
#白底色
g.ubg='w'
g.ufg='b'
g.utg='b'
g.uvg='#1E90FF'#列表扩展
def Listexpand(List,n):Lista=[]for x in List:for i in range(n):Lista.append(x)return Listaglobal CLOSE,LOW,HIGH,OPEN,VOLdef KDJ(N=9, M1=3, M2=3):"""KDJ 随机指标"""RSV = (CLOSE - LLV(LOW, N)) / (HHV(HIGH, N) - LLV(LOW, N)) * 100K = EMA(RSV, (M1 * 2 - 1))D = EMA(K, (M2 * 2 - 1))J = K * 3 - D * 2return K, D, J#首先要对数据预处理
#获取数据
htdx.TdxInit(ip='183.60.224.178',port=7709)
code='600436'#nCategory -> K 线种类
#0 5 分钟K 线
#1 15 分钟K 线
#2 30 分钟K 线
#3 1 小时K 线
#4 日K 线
#5 周K 线
#6 月K 线
#7 1 分钟
#8 1 分钟K 线
#9 日K 线
#10 季K 线
#11 年K 线 #获取周线数据
df = htdx. get_security_bars(nCategory=5,nMarket = 0,code=code,nStart=0, nCount=100)#对数据做小白量化各式转换
mydf=df.copy()
CLOSE=mydf['close']
LOW=mydf['low']
HIGH=mydf['high']
OPEN=mydf['open']
VOL=mydf['volume']
C=mydf['close']
L=mydf['low']
H=mydf['high']
O=mydf['open']
V=mydf['volume']k5,d5,j5=KDJ()   #周线指标计算#获取日线数据
df = htdx. get_security_bars(nCategory=4,nMarket = 0,code=code,nStart=0, nCount=500)#对数据做小白量化各式转换
mydf=df.copy()
CLOSE=mydf['close']
LOW=mydf['low']
HIGH=mydf['high']
OPEN=mydf['open']
VOL=mydf['volume']
C=mydf['close']
L=mydf['low']
H=mydf['high']
O=mydf['open']
V=mydf['volume']k,d,j=KDJ()   #日线指标计算#把指标值添加到mydf数据表中
mydf['k']=k
mydf['d']=d
mydf['j']=j#把周线数据放大5倍,保存到日线数据表中
mydf['k5']=pd.Series(Listexpand(list(k5),5))
mydf['d5']=pd.Series(Listexpand(list(d5),5))
mydf['j5']=pd.Series(Listexpand(list(j5),5))#输入水平线20,50,80
mydf['z20']=20
mydf['z50']=50
mydf['z80']=80#数据裁减
m=1
mydf=mydf.tail(150*m).head(150).copy()#绘制图形
plt.figure(1,figsize=(16,12), dpi=80)#绘制主图指标
ax1=plt.subplot(211)
hplt.ax_K(ax1,mydf,t=code,n=6)#绘制副图指标
ax2=plt.subplot(212)
mydf['k'].plot.line(legend=True,linewidth=3)
#mydf['d'].plot.line(legend=True,linewidth=3)
mydf['j'].plot.line(legend=True,linewidth=3)
mydf['k5'].plot.line(legend=True,color='blue')
mydf['d5'].plot.line(legend=True,)
#mydf['j5'].plot.line(legend=True)
mydf['z20'].plot.line(legend=False,color='red')
mydf['z50'].plot.line(legend=False,color='red')
mydf['z80'].plot.line(legend=False,color='red')plt.show()

程序运行结果如下:

本篇介绍了不同周期指标计算的合并显示问题,当然我们也可以进行跨周期计算.通过上图我们明显发现,日线k值在数值40以下上穿周KDJ的k5值,是不错的中线买点,我们的买点指标要怎么描述呢?

#小白量化仿通达信指标计算
mydf['buy']=IF(k<40,CROSS(k,k5),0)

如果 mydf.buy值为1，说明出现买点，否则值为0。后面再介绍如何用这个信号回测和自动交易。
　　本篇文章技术知识介绍结束。

如果你想学指标编写，包括C++编写大智慧指标，参考书籍《看盘秘籍》。
　　如果你想学量化软件开发或自动交易，参考书籍《零基础搭建量化投资系统――以Python为工具》。
　　我的读者说，我的博客明显拉低了量化开发的技术难度，量化交易师要白菜价了吗？

请持续关注我的博客，我的进步，就是你的进步！

自己做量化交易软件(29)小白量化实战3--跨周期共振相关推荐

自己做量化交易软件(31)小白量化实战5--板块股票池与基本面选股
自己做量化交易软件(31)小白量化实战5–板块股票池与基本面选股在小白量化软件中,股票池与板块是一样的,都是股票代码列表.前面博客有零散知识的介绍. 小白量化学习(4)基本面选股与股票池 https ...
自己做量化交易软件(44)小白量化实战17--利用小白量化金融模块在迅投QMT极速策略交易系统上仿大智慧指标回测及实战交易设计
自己做量化交易软件(44)小白量化实战17–利用小白量化金融模块在迅投QMT极速策略交易系统上仿大智慧指标回测及实战交易设计小白量化平台是由若干小白金融模块构成.其中包含行情接收模块,仿通达信大智慧 ...
自己做量化交易软件(43)小白量化实战16--利用小白量化金融模块在恒生PTrade交易系统(交易端)上仿大智慧指标回测及实战交易设计
自己做量化交易软件(43)小白量化实战16–利用小白量化金融模块在恒生PTrade交易系统(交易端)上仿大智慧指标回测及实战交易设计量化产品PTrade(Personalise Trade)交易系统 ...
自己做量化交易软件(39)小白量化实战12--利用神经网络程序预测价格上涨
自己做量化交易软件(39)小白量化实战12–利用神经网络程序预测价格上涨大家使用小白量化软件的主要目不是为了仿通达信公式和仿大智慧公式,大家主要的目的想利用Python神经网络和深度学习等功能来用人 ...
自己做量化交易软件(33)小白量化实战7--投资理念与通达信公式回测（１）
自己做量化交易软件(33)小白量化实战7–投资理念与通达信公式回测(1) 什么是投资理念?我们先给大家讲个小故事. 从前,有个郑国人,打算到集市上买双鞋穿.他先把自己脚的长短量了一下,做了一个尺子.可 ...
自己做量化交易软件(35)小白量化实战8--事件型回测程序
自己做量化交易软件(35)小白量化实战8–事件型回测程序小白量化第二代程序也提供了一个简单的事件型回测程序,我们前面的博客文章有介绍这方面的知识.当时用MT5 做的回测演示,见文章:自己做量化交易软 ...
自己做量化交易软件(34)小白量化实战7--投资理念与通达信公式回测（2）
自己做量化交易软件(34)小白量化实战7–投资理念与通达信公式回测(2) 投资通俗地讲就是"财富变压器".投资是使资本和财富生长的源泉.没有证券市场和期货市场时投资者当投出一元钱时 ...
自己做量化交易软件(41)小白量化实战14--美国17年周期蝉与指标参数设计技巧
自己做量化交易软件(41)小白量化实战14–美国17年周期蝉与指标参数设计技巧我们从新闻开始谈投资分析理念. 最近的有新闻介绍美国17年周期蝉,根据科学家的长期监测,每隔十几年,从地下钻出的蝉的数量 ...
自己做量化交易软件(24)小白量化增强仿通达信财务基本数据公式
自己做量化交易软件(24)小白量化增强仿通达信财务基本数据公式通达信公式指标中有很多关于系统或基本面的函数,小白量化公式系统只有关于行情方面的公式基本函数.为了便于移植更多的自编通达信公式指标,我们 ...

自己做量化交易软件(29)小白量化实战3--跨周期共振

自己做量化交易软件(29)小白量化实战3--跨周期共振相关推荐

最新文章

热门文章