K线形态识别_冉冉上升

写在前面：
1. 本文中提到的“K线形态查看工具”的具体使用操作请查看该博文；
2. K线形体所处背景，诸如处在上升趋势、下降趋势、盘整等，背景内容在K线形态策略代码中没有体现；
3. 文中知识内容来自书籍《K线技术分析》by邱立波。

目录

解说

技术特征

技术含义

k线形态策略代码

结果

---

解说

        冉冉上升形式指在上涨初期或盘整后期，股价或指数收出若干夹着一些小阴线、十字线的小阳线（一般不少于8根），整体走势略向上倾斜的K线组合形态。

技术特征

1）出现在上涨初期或盘整后期。

2）由若干小K线组成（一般不少于8根）。

3）一般以小阳线居多，中间也可以夹着一些小阴线、十字线。

4）K线组合形态排列略向上倾斜。

技术含义

        冉冉上升是买进信号，后市看涨。

        冉冉上升的意思是股价就像东方升起的朝阳，涨速虽然很慢，毫不起眼，但却往往是后市股价大涨的预兆。

        冉冉上升的走势说明多方的推升正在有条不紊地进行，很多情况下是有主力介入的表现。因为主力买入必然导致买盘增加，股价上升。如果股价上升过快，或者某一日涨幅过大，都会引起其他交易者的关注和跟风。这样既增大了主力吃货的成本，也不利于主力日后拉升和派发，因此很多主力都会刻意隐藏吸货意图。但股价走势往往在不知不觉中暴露其行踪。至于公众交易者是否能够发现，那就要看谁能够用心聆听K线的细语。

k线形态策略代码

def excute_strategy(daily_file_path):
    '''
    名称：冉冉上升
    识别：
    1. 股价或指数收出若干（至少8根）夹着一些小阴线、十字线、小阳线，小阳线居多
    2. K线组合形态排列略向上倾斜
    自定义：
    1. 略向上倾斜 =》
        1)第一根与后面的K线斜率为正的占比要大于三分之二
        2)第一根与最后一根斜率要大于前面所有的斜率
    前置条件：计算时间区间 2021-01-01 到 2022-01-01
    :param daily_file_path: 股票日数据文件路径
    :return:
    '''
    import pandas as pd
    import os
 
    start_date_str = '2021-01-01'
    end_date_str = '2022-01-01'
    df = pd.read_csv(daily_file_path,encoding='utf-8')
    # 删除停牌的数据
    df = df.loc[df['openPrice'] > 0].copy()
    df['o_date'] = df['tradeDate']
    df['o_date'] = pd.to_datetime(df['o_date'])
    df = df.loc[(df['o_date'] >= start_date_str) & (df['o_date']<=end_date_str)].copy()
    # 保存未复权收盘价数据
    df['close'] = df['closePrice']
    # 计算前复权数据
    df['openPrice'] = df['openPrice'] * df['accumAdjFactor']
    df['closePrice'] = df['closePrice'] * df['accumAdjFactor']
    df['highestPrice'] = df['highestPrice'] * df['accumAdjFactor']
    df['lowestPrice'] = df['lowestPrice'] * df['accumAdjFactor']
 
    # 开始计算
    df['type'] = 0
    df.loc[df['closePrice'] >= df['openPrice'], 'type'] = 1
    df.loc[df['closePrice'] < df['openPrice'], 'type'] = -1
 
    df['body_length'] = abs(df['closePrice']-df['openPrice'])
    df['small_type'] = 0
    df.loc[df['body_length']/df['closePrice'].shift(1)<0.015,'small_type'] = 1
 
    df['ext_0'] = df['small_type'] - df['small_type'].shift(1)
    df['ext_1'] = df['small_type'] - df['small_type'].shift(-1)
    df.reset_index(inplace=True)
    df['i_row'] = [i for i in range(0, len(df))]
    df_m_s = df.loc[df['ext_0'] == 1].copy()
    df_m_e = df.loc[df['ext_1'] == 1].copy()
    i_row_s = df_m_s['i_row'].values.tolist()
    i_row_e = df_m_e['i_row'].values.tolist()
 
    i_row_two = i_row_s + i_row_e
    i_row_two.sort()
 
    df['signal'] = 0
    df['signal_name'] = ''
    for s, e in zip(i_row_s, i_row_e):
        if e - s < 8:
            continue
        enter_yeah = True
        last_smaller = False
        rate_p_num = 0
        last_chg = df.iloc[e]['closePrice'] - df.iloc[s]['closePrice']
        for i in range(e,s,-1):
            cur_chg = df.iloc[i]['closePrice'] - df.iloc[s]['closePrice']
            if cur_chg > last_chg:
                last_smaller = True
                break
            if cur_chg>0:
                rate_p_num += 1
            pass
        if last_smaller:
            continue
        if float(rate_p_num)/(e-s) < 0.66:
            enter_yeah = False
        if enter_yeah:
            df.loc[(df['i_row'] >= s) & (df['i_row'] <= e), 'signal'] = 1
            df.loc[(df['i_row'] >= s) & (df['i_row'] <= e), 'signal_name'] = str(e - s)
            pass
 
 
    file_name = os.path.basename(daily_file_path)
    title_str = file_name.split('.')[0]
 
    line_data = {
        'title_str':title_str,
        'whole_header':['日期','收','开','高','低'],
        'whole_df':df,
        'whole_pd_header':['tradeDate','closePrice','openPrice','highestPrice','lowestPrice'],
        'start_date_str':start_date_str,
        'end_date_str':end_date_str,
        'signal_type':'duration_detail',
        'duration_len':[],
        'temp':len(df.loc[df['signal']==1])
    }
    return line_data

结果