Python实现Heikin Ashi（平均K线）
Heikin Ashi中文称作平均K线，从传统K线变异而来。相比传统K线，有消除一定噪声的优势，更具可读性和易分析性。无论是量化交易策略中还是交易员的交易中，都具有较高的实用性。
平均K线计算公式
计算方式也十分的简单，小学二年级都会算。使用Python实现也非常简单。
Python实现
def heikin_ashi(df):
c = ['open', 'high', 'low', 'close']
ha = df.copy()
ha['close'] = (df[c].sum(axis=1))/4
ha['open'] = (df['open'].shift() + df['close'].shift())/2
ha['high'] = df[c].max(axis=1)
ha['low'] = df[c].min(axis=1)
return ha.dropna()
使用mplfinance库画出K线，比较一下传统K线和平均K线。
ha_data = heikin_ashi(data)
fig = mf.figure(style='charles')
ax1 = fig.add_subplot(2, 1, 1)
ax2 = fig.add_subplot(2, 1, 2)
mf.plot(data, type='candle', ax=ax1, mav=(10, 60), axtitle='Normal K')
mf.plot(ha_data, type='candle', ax=ax2, mav=(10, 60), axtitle='Heikin Ashi')
mf.show()
可能是我数据的问题，一眼看上去感觉区别不大，但是仔细观察，还是能发现差别。
真的优秀吗？
评判平均K线是否真的如此优秀，是一项比较复杂的工作。不同市场，不同行情，不同合约其表现可能是不同的，甚至千差万别。我只测试了其在双均线策略上的表现。
合约：RB2210，时间：3.26~8.28，周期：15min， 策略：ma8上穿ma230做多，下穿做空。
| 胜率 | 盈亏比 | 收益率 | 年化收益率 | 最大回测 | 年化夏普率 | 年化提诺比率 | |
|---|---|---|---|---|---|---|---|
| 传统K线 | 36.25% | 2.81 | 36.37% | 109.29% | 32.74% | 1.2033 | 1.1708 |
| 平均K线 | 37.61% | 3.13 | 52.31% | 172.30% | 33.79% | 1.4701 | 1.4185 |
平均K线的表现确实略微优秀。但是配合其他指标的表现，需要更多的测试。