自己做量化交易軟體(29)小白量化實戰3--跨周期共振

自己做量化交易軟體(29)小白量化實戰3–跨周期共振
　　在第一次世界大戰中，一隊德國士兵邁著整齊的步伐，通過一座橋，結果把橋踩塌，就橋梁的本身負載能力而言，遠遠大過這隊德國士兵的重量，但由于士兵步調整齊、節奏一致，結果大橋在這種齊力的作用下而倒塌，這就是共振的作用，
　　共振是物理學上的一個運用頻率非常高的專業術語，共振在聲學中亦稱“共鳴”，它指的是物體因共振而發聲的現象，如兩個頻率相同的音叉靠近，其中一個振動發聲時，另一個也會發聲，在電學中，振蕩電路的共振現象稱為“諧振”，
　　共振不僅在物理學上運用頻率非常高，而且，共振現象也可以說是一種宇宙間最普遍和最頻繁的自然現象之一，甚至可以這么說，沒有共振就沒有世界，
　　共振是宇宙間一切物質運動的一種普遍規律，人及其他的生物也是宇宙間的物質，當然共振也是普遍存在于這些生命中了，人除了呼吸、心跳、血液回圈和說話等都有其固有頻率外，人的大腦進行思維活動時產生的腦電波也會發生共振現象，
　　自然界中有的共振現象, 股票市場中也同樣有共振，
　　回顧歷史走勢，可以發現：股票走勢經常大起大伏，一旦從低位啟動，產生向上突破，股價如脫韁的野馬奔騰向上；而一旦從高位產生向下突破，股價又如決堤的江水一瀉千里，這就是共振作用在股市之中的反映，
　　共需可以產生勢，而這種勢一旦產生，向上向下的威力都極大，它能引發人們的情緒和操作行為，產生一邊倒的情況，向上時人們情緒高昂，蜂擁入市；向下時，人人恐慌，股價狂瀉，如同遇到世界末日，江恩稱之為價格崩潰，
　　荷蒲的很多指標之所以好用，完全依賴于共振思想設計指標，簡單的幾根線，包含了不同指標的精華，因此十多年來，總有人喜歡破解荷蒲的公式，探究其中的原理，
　　最簡單的共振應用就是垮周期應用,我們舉例在通達信軟體上做跨周期指標.
　　例如日線KDJ參考周線KDJ自定義指標,指標內容如下:

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指標的參考，}
ZK:"KDJ.K#WEEK"(N,M1,M2),LINETHICK3;
ZD:"KDJ.D#WEEK"(N,M1,M2),LINETHICK3;
ZJ:="KDJ.J#WEEK"(N,M1,M2);

指標顯示結果如下圖.

下面我們在Python上看怎么實作跨周期計算.
例如1分鐘線參考5分鐘線或指標.
1.先處理5分鐘指標計算,例如讀取100組資料 mydf5
計算指標得到5分鐘的kdj資料.k5,d5,j5
2.讀取1分鐘的500組資料.mydf
進行指標計算
3.把5分鐘指標值k5,d5,j5,資料放到5倍,變為500組資料.
4.把k5,d5,j5合并到mydf表中
5.后面想怎么處理計算都可以

我們下面程式給出日線KDJ參考周線KDJ的Python序.

# -*- coding: utf-8 -*-
# 小白量化跨周期自編指標計算
'''
獨狼荷蒲qq:2886002
通通小白python量化群:524949939
tkinter,pyqt,gui,Python交流2群:517029284
微信公眾號：獨狼股票分析
'''
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import HP_global as g  #小白量化全域變數庫
from HP_formula import *
import HP_tdx as htdx
import HP_plt as hplt   #小白量化指標繪圖模塊
plt.rcParams['font.sans-serif']=['SimHei'] #用來正常顯示中文標簽
plt.rcParams['axes.unicode_minus']=False #用來正常顯示負號
#白底色
g.ubg='w'
g.ufg='b'
g.utg='b'
g.uvg='#1E90FF'

#串列擴展
def Listexpand(List,n):
    Lista=[]
    for x in List:
        for i in range(n):
            Lista.append(x)
    return Lista


global CLOSE,LOW,HIGH,OPEN,VOL

def KDJ(N=9, M1=3, M2=3):
    """
    KDJ 隨機指標
    """
    RSV = (CLOSE - LLV(LOW, N)) / (HHV(HIGH, N) - LLV(LOW, N)) * 100
    K = EMA(RSV, (M1 * 2 - 1))
    D = EMA(K, (M2 * 2 - 1))
    J = K * 3 - D * 2

    return K, D, J

#首先要對資料預處理
#獲取資料
htdx.TdxInit(ip='183.60.224.178',port=7709)
code='600436'

#nCategory -> K 線種類 
#0 5 分鐘K 線 
#1 15 分鐘K 線 
#2 30 分鐘K 線 
#3 1 小時K 線 
#4 日K 線 
#5 周K 線 
#6 月K 線 
#7 1 分鐘 
#8 1 分鐘K 線 
#9 日K 線 
#10 季K 線 
#11 年K 線 

#獲取周線資料
df = htdx. get_security_bars(nCategory=5,nMarket = 0,code=code,nStart=0, nCount=100)

#對資料做小白量化各式轉換
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()   #周線指標計算



#獲取日線資料
df = htdx. get_security_bars(nCategory=4,nMarket = 0,code=code,nStart=0, nCount=500)

#對資料做小白量化各式轉換
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()   #日線指標計算


#把指標值添加到mydf資料表中
mydf['k']=k
mydf['d']=d
mydf['j']=j

#把周線資料放大5倍,保存到日線資料表中
mydf['k5']=pd.Series(Listexpand(list(k5),5))
mydf['d5']=pd.Series(Listexpand(list(d5),5))
mydf['j5']=pd.Series(Listexpand(list(j5),5))

#輸入水平線20,50,80
mydf['z20']=20
mydf['z50']=50
mydf['z80']=80


#資料裁減
m=1
mydf=mydf.tail(150*m).head(150).copy()

#繪制圖形
plt.figure(1,figsize=(16,12), dpi=80)

#繪制主圖指標
ax1=plt.subplot(211)
hplt.ax_K(ax1,mydf,t=code,n=6)

#繪制副圖指標
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()

程式運行結果如下:

本篇介紹了不同周期指標計算的合并顯示問題,當然我們也可以進行跨周期計算.通過上圖我們明顯發現,日線k值在數值40以下上穿周KDJ的k5值,是不錯的中線買點,我們的買點指標要怎么描述呢?

#小白量化仿通達信指標計算
mydf['buy']=IF(k<40,CROSS(k,k5),0)

如果 mydf.buy值為1，說明出現買點，否則值為0，后面再介紹如何用這個信號回測和自動交易，
　　本篇文章技術知識介紹結束，

如果你想學指標撰寫，包括C++撰寫大智慧指標，參考書籍《看盤秘籍》，
　　如果你想學量化軟體開發或自動交易，參考書籍《零基礎搭建量化投資系統――以Python為工具》，
　　我的讀者說，我的博客明顯拉低了量化開發的技術難度，量化交易師要白菜價了嗎？

請持續關注我的博客，我的進步，就是你的進步！