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 gridspec
class 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 = talib
f = 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) * 100
df["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 - EMA2
DEA = 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。
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 = df
self.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 DataFrame
class KLineThread(QtCore.QThread):
_signal = pyqtSignal(DataFrame)
def __init__(self):
super(KLineThread, self).__init__()
def setValue(self, shareNumber):
self.share_num = shareNumber
def 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。