写在前面：
1. 本文中提到的“股票策略校验工具”的具体使用操作请查看该博文；
2. 文中知识内容来自书籍《同花顺炒股软件从入门到精通》
3. 本系列文章是用来学习技法，文中所得内容都仅仅只是作为演示功能使用
目录
解说
策略代码
结果
解说
KDJ随机指标，是威廉指标的一种延伸工具，最早起源于期货市场，由乔治·莱恩首创。它通过计算当日或最近几日最高价、最低价及收盘价等价格波动的幅度，来反映价格趋势的强弱，及超买超卖的状态。
随机指标在图表上共有3根线，K线、D线和J线。随机指标在计算中考虑了计算周期内的最高随机指标价、最低价，兼顾了股价波动中的随机振幅，因而随机指标更能真实地反映股价的波动，其提示作用更加明显。随机指标KD线中，K为快速指标，D为慢速指标。当K线向上突破D线时，表示为上升趋势，可以买进；当K线向下突破D线时，可以卖出。又当KD值升到90以上时表示偏高，跌到20以下时表示偏低。太高就有下跌的可能，而太低就有上涨的机会。
KDJ随机指标对买点的应用原则如下。
1）K值在50以下的低水平，并且呈现上涨的趋势，并且K线由下向上和D线有交叉现象，此时为买点，后期股票会产生大的上涨行情。
2）K线由下向上交叉D线失败转而向下探底后，K线再次向上交叉D线，两线所夹的空间叫做向上反转风洞。当出现向上反转风洞时股价将上涨。
3）当K值小于20时，股价极容易短期内上涨，此时一般为较好的买点。
4）在一般情况下，D值小于20时，股价很容易短期内回弹。如果D值继续减少到15时，股价会在极短时间内快速上涨，但这只是短期回弹上涨，这种瞬间回档或反弹不代表行情已经反转。
5）J线信号一般不出现，一旦出现，可靠性最强。当J值小于0时，代表股价已经见底，是较好的买点。
策略代码
def excute_strategy(base_data,data_dir):
'''
指标买点分析技法 - 运用KDJ随机指标选择买点
解析：
1. K值在50以下的低水平，并且呈现上涨的趋势，并且K线由下向上和D线有交叉现象，此时为买点，后期股票会产生大的上涨行情
2. K线由下向上交叉D点失败转而向下探底后，K线再次向上交叉D线，两线所夹的空间叫做向上反转风洞。当出现向上反转风洞时股价将上涨
3. 当K值小于20时，股价极容易短期内上涨，此时一般为较好的买点。
4. 在一般情况下，D值小于20时，股价很容易短期内回弹。如果D值继续减少到15时，股价会在极短时间内快速上涨，但这只是短期回弹上涨，这种瞬间回档或反弹不代表行情已经反转。
5. J线信号一般不出现，一旦出现，可靠性最强。当J值小于0时，代表股价已经见底，是较好的买点
通俗翻译：
1. K线上穿D线，且K<50
2. 比较麻烦，本策略不实现
3. K线上穿20
4. 本策略不实现
5. J线上穿0
自定义：
1. 买入时点 =》 走势确定后下一交易日
2. 胜 =》 买入后第三个交易日收盘价上升，为胜
只计算最近两年的数据
:param base_data:股票代码与股票简称 键值对
:param data_dir:股票日数据文件所在目录
:return:
'''
import pandas as pd
import numpy as np
import talib,os
from datetime import datetime
from dateutil.relativedelta import relativedelta
from tools import stock_factor_caculate
def res_pre_two_year_first_day():
pre_year_day = (datetime.now() - relativedelta(years=2)).strftime('%Y-%m-%d')
return pre_year_day
caculate_start_date_str = res_pre_two_year_first_day()
dailydata_file_list = os.listdir(data_dir)
total_count = 0
total_win = 0
check_count = 0
list_list = []
detail_map = {}
factor_list = ['KDJ']
ma_list = []
for item in dailydata_file_list:
item_arr = item.split('.')
ticker = item_arr[0]
secName = base_data[ticker]
file_path = data_dir + item
df = pd.read_csv(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'] >= caculate_start_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']
if len(df)<=0:
continue
# 开始计算
for item in factor_list:
df = stock_factor_caculate.caculate_factor(df,item)
for item in ma_list:
df = stock_factor_caculate.caculate_factor(df,item)
df.reset_index(inplace=True)
df['i_row'] = [i for i in range(len(df))]
df['three_chg'] = round(((df['close'].shift(-3) - df['close']) / df['close']) * 100, 4)
df['three_after_close'] = df['close'].shift(-3)
# kdj_k kdj_d kdj_j
df['target_yeah'] = 0
df.loc[(df['kdj_k']<50) & (df['kdj_k'].shift(1)<df['kdj_d'].shift(1)) & (df['kdj_k']>=df['kdj_d']),'target_yeah'] = 1
df.loc[(df['kdj_k'].shift(1)<20) & (df['kdj_k']>=20),'target_yeah'] = 1
df.loc[(df['kdj_j'].shift(1)<0) & (df['kdj_j']>=0),'target_yeah'] = 1
i_row_list = df.loc[df['target_yeah']==1]['i_row'].values.tolist()
node_count = 0
node_win = 0
duration_list = []
table_list = []
for i,row0 in enumerate(i_row_list):
row = row0 + 1
if row >= len(df):
continue
date_str = df.iloc[row]['tradeDate']
cur_close = df.iloc[row]['close']
three_after_close = df.iloc[row]['three_after_close']
three_chg = df.iloc[row]['three_chg']
table_list.append([
i,date_str,cur_close,three_after_close,three_chg
])
duration_list.append([row-2,row+3])
node_count += 1
if three_chg<0:
node_win +=1
pass
list_list.append({
'ticker':ticker,
'secName':secName,
'count':node_count,
'win':0 if node_count<=0 else round((node_win/node_count)*100,2)
})
detail_map[ticker] = {
'table_list': table_list,
'duration_list': duration_list
}
total_count += node_count
total_win += node_win
check_count += 1
pass
df = pd.DataFrame(list_list)
results_data = {
'check_count':check_count,
'total_count':total_count,
'total_win':0 if total_count<=0 else round((total_win/total_count)*100,2),
'start_date_str':caculate_start_date_str,
'df':df,
'detail_map':detail_map,
'factor_list':factor_list,
'ma_list':ma_list
}
return results_data结果
本文校验的数据是随机抽取的81个股票
