talib提供给我们的K线形态
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。
pyqt5绘制K线图
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。
软件资源代码下载地址：点击下载
