tushare找出箱体突破点

用第三方库tushare之前,在anconda promt输入 pip install tushare

pip install tushare

下载好库之后，我们需要去tushare大数据社区注册账号，新人完善下基本信息，即可免费调取足量的数据。

 完善好信息后,进入个人主页页面-接口token，复制里面的代码，即可进入接下来的api初始化了。

ts.set_token('******')  
pro=ts.pro_api()

token值（*****）这里输入自己刚才复制的代码即可。

获取某只股票代码如：ts.get_hist_data('600058') ，参数可以设置起始和截至日期，tushare给我们提供了近3年的数据，写一些基本的策略验证对于前期的新手是足够的。

 拿到基础数据之后，我们需要对数据进行初步加工。比如这里日期最新的开头，所以我们需要调换下顺序。同时可以取出我们需要的列数据，方便查看。

df.sort_index(ascending=True,inplace=True)
df=df[['open','high','close','low','p_change','volume']]

 拿到简单加工后的数据就可以计算出我们策略需要的指标和数据了。我这里调用自己写的MACD指标。函数会对原数据直接修改，不需要重新定义变量。

 def getmacd(data,short=12,long=26,dea=9,close='收盘价'):
     data['EMA_short']=data['close'].ewm(span=short).mean()
     data['EMA_long']=data['close'].ewm(span=long).mean()
     data['dif']=data['EMA_short']-data['EMA_long']
     data['dea']=data['dif'].ewm(span=dea).mean()
     data['macd']= (data['dif']-data['dea'])*2
     return data
 
getmacd(df,close=df['close'])

 后面的代码便是对箱体的数据描述了，我这里把箱体定义成前后10天内涨幅不超过5个点，收盘价不超过10前面10天的最高点，同时加入了一些自己定义的指标，比如某天成交量的放大。定义完所有条件后，我们需要找出对应的日期。即用条件去控制：

cond1=df['p_change'].rolling(10).sum()<5.0
cond2=df['dif']>0
cond3=(df['high']>df['10日箱体顶部'])&(df['high'].shift(1)df['close'].rolling(10).mean()
cond6=df['K']>df['K'].shift(1)
df.loc[cond1&cond2&cond3&cond4&cond5&cond6,'突破箱体']=1 

按照正常思维，我们希望他阶段性突破一个压力位是希望他放量出来的，否则容易被假象欺骗，那么我们再定义一个指标，突破箱体当天的成交量是放大的，而且箱体中，会伴随着一些天数的成交量变动，感受到是否有资金悄悄接受筹码。我这里采用10日平均成交量作为一个基准，大于这个量便认为有资金入场。

df.loc[df['volume']>df['volume'].rolling(10).mean(),'主力介入']=1 
df.loc[df['突破箱体']==1,'主力介入']=1
df=df[df['主力介入'].isin([1])]
df.reset_index(inplace=True)

 到这里已经接近完成了。我们可以看到出现很多次资金放量。但是突破了箱体只有一次。

 但这一次也还没有完成我们的结果。我想选出这突破的当天，他前面箱体内是出现多次放量的。这里我以基础3为标准，即突破前10天内出现至少出现3次的量能波动。我们只需要将主力介入为NaN的地方填充为0，变可以方便我们计算。

df['主力介入'].fillna(0,inplace=True)
df['波动']=df['主力介入'].rolling(10).sum()

 这里可以看出，突破前只有2次量能波动.显然不符合我们预期。换个股票代码002412后看看结果。

 打开东财去看看。

 基本符合预期，那我们只需要加上最后一个条件，波动次数大于3就行。

df=df[df['波动']>3]

下面是完整代码，感兴趣的可以自行修改。

df=ts.get_hist_data('002412')
df.sort_index(ascending=True,inplace=True)
df=df[['open','high','close','low','p_change','volume']]
def getmacd(data,short=12,long=26,dea=9,close='收盘价'):
        data['EMA_short']=data['close'].ewm(span=short).mean()
        data['EMA_long']=data['close'].ewm(span=long).mean()
        data['dif']=data['EMA_short']-data['EMA_long']
        data['dea']=data['dif'].ewm(span=dea).mean()
        data['macd']= (data['dif']-data['dea'])*2
        return data
getmacd(df,close=df['close'])
df.loc[:,'9_high']=df['high'].rolling(9,min_periods=1).max()
df.loc[:,'9_low']=df['low'].rolling(9,min_periods=1).min()
df.loc[:,'RSV']=((df['close']-df['9_low'])/(df['9_high']-df['9_low']))*100
df.loc[:,'K']=df['RSV'].ewm(com=2).mean()
df.loc[:,'D']=df['K'].ewm(com=2).mean()
df['1日涨跌']=df['close'].shift(-1)-df['close']
df['3日涨跌']=df['close'].shift(-3)-df['close']
df['5日涨跌']=df['close'].shift(-5)-df['close']
df['10日涨跌']=df['close'].shift(-10)-df['close']
df=df[['open','high','close','low','p_change','volume','dif','K','1日涨跌','3日涨跌','5日涨跌','10日涨跌']]
df.loc[:,'10日箱体顶部']=df['close'].rolling(10).max()
cond1=df['p_change'].rolling(10).sum()<5.0
cond2=df['dif']>0
cond3=(df['high']>df['10日箱体顶部'])&(df['high'].shift(1)df['close'].rolling(10).mean()
cond6=df['K']>df['K'].shift(1)
df.loc[cond1&cond2&cond3&cond4&cond5&cond6,'突破箱体']=1 
df.loc[df['volume']>df['volume'].rolling(10).mean(),'主力介入']=1 
df.loc[df['突破箱体']==1,'主力介入']=1
# df=df[df['主力介入'].isin([1])]
df.reset_index(inplace=True)
df['主力介入'].fillna(0,inplace=True)
df['波动']=df['主力介入'].rolling(10).sum()
df=df[df['突破箱体'].isin([1])]
df=df[df['波动']>3]
df