转成金字塔的

曹193885

[size=1em]

[size=1em][size=1em]#!/usr/bin/env python [size=1em]# coding: utf-8 [size=1em]# In[7]: [size=1em]import pandas as pd [size=1em]import matplotlib.pyplot as plt [size=1em]import datetime [size=1em]date=datetime.datetime.now() [size=1em]# In[4]: [size=1em]#可调节参数 [size=1em]A = 8 #均线 [size=1em]M = 0.04 #阀门   [size=1em]K = 0.001 #漂移函数 drift=time* K       [size=1em]C = 0.06#大波保护 [size=1em]D = C*0.9 #大波保护提升 [size=1em]E = 250 #长线保护 [size=1em]# In[5]: [size=1em]def ma_math(stock_data,A): [size=1em]    return pd.Series.rolling(stock_data,window=A).mean() [size=1em]# In[9]: [size=1em]#参数 [size=1em]N = 500 #以过去N天为历史 [size=1em]stock = '002568.XSHE' #股票代码 [size=1em]stock_data = get_price(stock,count = N + A, end_date=date,fields = ['close'])['close'] [size=1em]ma = ma_math(stock_data,A) [size=1em]plt.figure(figsize=[30,15]) [size=1em]plt.plot(stock_data,label='股价') [size=1em]plt.plot(ma,label='10日均线') [size=1em]#if len(stock_data) > 250: [size=1em]#    ma250 = ma_math(stock_data,250) [size=1em]#    plt.plot(ma250,label='250日均线') [size=1em]#设置极值, 极值点Extreme Point(ep) [size=1em]K_EPs = pd.DataFrame(columns=['date','trend','ep','lineno','groupno']) # 极值日期，极值方向(上为1，下为0)，极值数值，在ma中的行号，多空组号(连续出现的多空方向一样的：同一组) [size=1em]extreme_price = f_max = f_min = ma[A] [size=1em]_groupno = 0 [size=1em]_last_trend = 2     # 为了不跟1,0相同，随便赋一个值 [size=1em]for i in range(A,len(ma)): [size=1em]    if ma > ((extreme_price * M) + extreme_price): [size=1em]        if _last_trend != 1: [size=1em]            _last_trend = 1 [size=1em]            _groupno += 1       # 方向改变，组号+1 [size=1em]        extreme_price = f_max = ma [size=1em]        K_EPs = K_EPs.append({'date':ma.index,'trend':1, 'ep':extreme_price,'lineno':i,'groupno': _groupno}, ignore_index=True) [size=1em]    if ma < (extreme_price - (extreme_price * M)): [size=1em]        if _last_trend != 0: [size=1em]            _last_trend = 0 [size=1em]            _groupno += 1       # 方向改变，组号+1 [size=1em]        extreme_price = f_min = ma [size=1em]        K_EPs = K_EPs.append({'date':ma.index,'trend':0, 'ep':extreme_price,'lineno':i,'groupno': _groupno}, ignore_index=True) [size=1em]# [size=1em]K_EPs.set_index('date',drop=True,inplace=True) [size=1em]# print("目前值大为：",f_max) [size=1em]# print("目前值小为：",f_min) [size=1em]#画极值 [size=1em]fa_number=10 #画图极值的长度 [size=1em]for i in range(len(K_EPs)): [size=1em]    _lineno = K_EPs['lineno'] [size=1em]    plt.plot(pd.Series(K_EPs['ep'] ,index = ma.index[_lineno:_lineno+fa_number]),              color='red' if K_EPs['trend'] == 1 else 'green') [size=1em]#画drift波段保护线    [size=1em]# 连续的同方向的极值点，是同一组，只保留最后一个（因为下降趋势是下降的，上升趋势是上升的，所以，下降时最后一个最小，或者上升时最后一个最大） [size=1em]transit_points = K_EPs.drop_duplicates(subset=['groupno'], keep='last')     # 同一组只保留最后一条记录 [size=1em]transit_points.reset_index(drop=True,inplace=True) # 重新索引 [size=1em]# 画漂移价格：极值*(1+n*K) [size=1em]for i in range(len(transit_points)): [size=1em]    if i < (len(transit_points)-2): [size=1em]        s_drift = pd.Series(0.000 ,index = ma.index[transit_points['lineno']: transit_points['lineno'][i+2]])    # 从当前日期画到下一次同方向(trend)出现的日期 [size=1em]    else: [size=1em]        s_drift = pd.Series(0.000 ,index = ma.index[transit_points['lineno']: ])    # 最后两个漂移线因空间不足另作处理 [size=1em]    # [size=1em]    f_ep = transit_points['ep'] [size=1em]    for j in range(len(s_drift)): [size=1em]        s_drift[j] = f_ep*(1 + j*K) [size=1em]    # [size=1em]    plt.plot(s_drift, color='red' if transit_points['trend']==1 else 'green') [size=1em]      [size=1em]#drift大波保护线  两个参数一个是满足条件C，一个是提升项D，C尽可能的取大，D取相对C一半左右，C=40,D=20 [size=1em]# 要用到的数据 10日均线，只有处于下跌的极值数据方向为0，对应数据日期 [size=1em]#规则，每从最低点涨幅超过10%，上调5% [size=1em]transit_0 = transit_points[transit_points.trend==0].reset_index(drop=True) [size=1em]for i in range(len(transit_0)): [size=1em]    if i < (len(transit_0)-1): [size=1em]        s_protector = pd.Series(0.000, index=ma.index[transit_0['lineno']: transit_0['lineno'][i+1]])   # 一上一下，这一个波段经历的交易日 [size=1em]    else: [size=1em]        s_protector = pd.Series(0.000, index=ma.index[transit_0['lineno']: ])   # 最后一个0突变点 [size=1em]    # [size=1em]    midA = midB = transit_0['ep'] [size=1em]    for j in range(len(s_protector)): [size=1em]        if s_protector.index[j] in K_EPs.index:  # 如果是极值点 [size=1em]            if K_EPs['ep'][s_protector.index[j]] > midB*(1+C):  # ep>保护条件 [size=1em]                midA = midB = midB*(1+D) [size=1em]            else: [size=1em]                midA = midA*(1+K) [size=1em]        else: [size=1em]            midA = midA*(1+K) [size=1em]        # [size=1em]        s_protector[j] = midA [size=1em]    # [size=1em]    plt.plot(s_protector, color='black') [size=1em]# [size=1em]plt.legend(loc='best') [size=1em]plt.show() [size=1em]# In[ ]:

技术008

这个是什么语法，看着是python的，抱歉不提供这类策略转换服务