技術分析中，結合多種指標和K線型態能提升交易策略的績效。本文以布林帶、隨機震盪指標、K線信封和RSI-ATR指標為例，搭配吞噬、刺穿、狂熱和Barrier等K線型態，講解如何建構交易策略。透過Python程式碼示範計算指標、辨識型態和產生交易訊號，讓讀者能實際應用於程式交易，並根據市場情況調整引數，提升交易勝率。程式碼中包含了計算指標、產生訊號的函式，以及如何處理索引錯誤的try-except區塊，確保程式穩定執行。
結合技術指標與K線型態的交易策略最佳化
在金融市場的技術分析中，結合多種技術指標與K線型態能夠有效提升交易策略的準確性與盈利能力。本文將探討如何結合布林帶（Bollinger Bands）、隨機震盪指標（Stochastic Oscillator）以及K’s 包絡線（K’s Envelopes）等技術指標與特定的K線型態，從而構建更為穩健的交易策略。
布林帶與吞噬型態的結合
布林帶是一種廣泛使用的技術指標，由一條移動平均線及其上下兩條標準差帶構成。吞噬型態是一種反轉K線型態，預示著市場趨勢的逆轉。將布林帶與吞噬型態結合，可以在市場價格觸及布林帶邊緣並出現吞噬型態時，產生買賣訊號。
程式碼實作
def bollinger_bands(data, lookback, standard_deviation, close, position):
data = add_column(data, 2)
# 計算移動平均線
data = ma(data, lookback, close, position)
# 計算標準差
data = volatility(data, lookback, close, position + 1)
data[:, position + 2] = data[:, position] + (standard_deviation * data[:, position + 1])
data[:, position + 3] = data[:, position] - (standard_deviation * data[:, position + 1])
data = delete_row(data, lookback)
data = delete_column(data, position + 1, 1)
return data
def signal(data, open_column, close_column, upper_band_column, lower_band_column, buy_column, sell_column):
for i in range(len(data)):
try:
# 多頭訊號
if data[i, close_column] > data[i, open_column] and \
data[i, close_column] > data[i - 1, close_column] and \
data[i, open_column] < data[i - 1, close_column] and \
data[i - 1, close_column] < data[i - 1, open_column] and \
data[i, close_column] < data[i, upper_band_column]:
data[i + 1, buy_column] = 1
# 空頭訊號
elif data[i, close_column] < data[i, open_column] and \
data[i, close_column] < data[i - 1, close_column] and \
data[i, open_column] > data[i - 1, close_column] and \
data[i - 1, close_column] > data[i - 1, open_column] and \
data[i, close_column] > data[i, lower_band_column]:
data[i + 1, sell_column] = -1
except IndexError:
pass
return data
內容解密：
bollinger_bands函式用於計算布林帶，引數包括資料、回溯期、標準差倍數、收盤價欄位以及輸出欄位。signal函式根據吞噬型態與布林帶的相對位置生成買賣訊號。多頭訊號出現在價格低於上布林帶且出現看漲吞噬型態時；空頭訊號則相反。- 使用
try-except結構避免因索引超出範圍而導致的錯誤。
隨機震盪指標與刺穿型態的結合
隨機震盪指標是一種衡量價格相對位置的動量指標。刺穿型態是一種特定的K線反轉型態。將隨機震盪指標與刺穿型態結合，可以在市場超賣或超買時，透過刺穿型態確認反轉訊號。
程式碼實作
def stochastic_oscillator(data, lookback, high, low, close, position):
# 計算隨機震盪指標
data = add_column(data, 3)
for i in range(len(data)):
try:
data[i, position] = (data[i, close] - min(data[i - lookback + 1:i + 1, low])) / \
(max(data[i - lookback + 1:i + 1, high]) - min(data[i - lookback + 1:i + 1, low]))
except ValueError:
pass
return data
def signal(data, open_column, close_column, indicator_column, buy_column, sell_column):
lower_barrier = 20
upper_barrier = 80
for i in range(len(data)):
try:
# 多頭訊號
if data[i, close_column] > data[i, open_column] and \
data[i - 1, close_column] < data[i - 1, open_column] and \
data[i, indicator_column] < lower_barrier:
data[i + 1, buy_column] = 1
# 空頭訊號
elif data[i, close_column] < data[i, open_column] and \
data[i - 1, close_column] > data[i - 1, open_column] and \
data[i, indicator_column] > upper_barrier:
data[i + 1, sell_column] = -1
except IndexError:
pass
return data
內容解密：
stochastic_oscillator函式計算隨機震盪指標，反映價格在近期高低區間中的相對位置。signal函式根據刺穿型態和隨機震盪指標的值生成買賣訊號。當指標低於20且出現看漲刺穿型態時產生多頭訊號；當指標高於80且出現看跌刺穿型態時產生空頭訊號。
K’s 包絡線與狂熱型態的結合
K’s 包絡線是一種由兩條長週期移動平均線構成的動態支撐阻力區。狂熱型態是一種特定的K線型態。將K’s 包絡線與狂熱型態結合，可以在價格進入包絡線區間時，透過狂熱型態判斷市場走向。
程式碼實作
def k_envelopes(data, lookback, high, low, position):
# 計算K's 包絡線的上軌和下軌
data = ma(data, lookback, high, position)
data = ma(data, lookback, low, position + 1)
return data
def signal(data, open_column, close_column, upper_k_envelope, lower_k_envelope, buy_column, sell_column):
for i in range(len(data)):
try:
# 多頭訊號
if data[i, close_column] > data[i, open_column] and \
data[i - 1, close_column] < data[i - 1, open_column] and \
data[i, close_column] > lower_k_envelope and \
data[i, close_column] < upper_k_envelope:
data[i + 1, buy_column] = 1
# 空頭訊號
elif data[i, close_column] < data[i, open_column] and \
data[i - 1, close_column] > data[i - 1,
open_column] and \
data[i,
close_column] > lower_k_envelope and \
data[i,
close_column] < upper_k_envelope:
data[
i +
1,
sell_
column
]
= -
1
except IndexError:
pass
return
data
內容解密：
* `
k_envelopes`函式計算K's 包絡線的上軌和下軌，分別根據最高價和最低價的移動平均。
* `
signal`函式根據狂熱型態和價格是否位於K's 包絡線區間內生成買賣訊號。需滿足價格在區間內並出現特定K線型態才會觸發訊號。
## 結合K線信封與Euphoria型態的交易策略
在金融市場的技術分析中，交易者經常使用各種技術指標和K線型態來預測市場走勢。本文將介紹一種結合K線信封（K's envelopes）與Euphoria型態的交易策略，並探討其背後的原理和實作方法。
### K線信封與Euphoria型態
K線信封是一種根據K線的技術指標，用於衡量市場的波動性和價格走勢。Euphoria型態則是一種特定的K線組合型態，用於識別市場的趨勢和反轉訊號。
#### 程式碼實作
```python
data = add_column(data, 5)
data = rounding(data, 4)
for i in range(len(data)):
try:
# Bullish setup
if data[i, open_column] > data[i, close_column] and \
data[i - 1, open_column] > data[i - 1, close_column] and \
data[i - 2, open_column] > data[i - 2, close_column] and \
data[i, close_column] < data[i - 1, close_column] and \
data[i - 1, close_column] < data[i - 2, close_column] and \
(data[i, open_column] - data[i, close_column]) > (data[i - 1, open_column] - data[i - 1, close_column]) and \
(data[i - 1, open_column] - data[i - 1, close_column]) > (data[i - 2, open_column] - data[i - 2, close_column]) and \
data[i, close_column] > data[i, lower_k_envelope] and \
data[i, close_column] < data[i, upper_k_envelope]:
data[i + 1, buy_column] = 1
# Bearish setup
elif data[i, open_column] < data[i, close_column] and \
data[i - 1, open_column] < data[i - 1, close_column] and \
data[i - 2, open_column] < data[i - 2, close_column] and \
data[i, close_column] > data[i - 1, close_column] and \
data[i - 1, close_column] > data[i - 2, close_column] and \
(data[i, open_column] - data[i, close_column]) > (data[i - 1, open_column] - data[i - 1, close_column]) and \
(data[i - 1, open_column] - data[i - 1, close_column]) > (data[i - 2, open_column] - data[i - 2, close_column]) and \
data[i, close_column] > data[i, lower_k_envelope] and \
data[i, close_column] < data[i, upper_k_envelope]:
data[i + 1, sell_column] = -1
except IndexError:
pass
return data
內容解密：
此段程式碼實作了結合K線信封與Euphoria型態的交易策略。主要的邏輯如下：
- 新增欄位：使用
add_column函式為資料集新增欄位，用於儲存後續計算的結果。 - 四捨五入處理：使用
rounding函式對資料進行四捨五入處理，以確保資料的精確度。 - 迭代資料：使用
for迴圈迭代資料集中的每一筆資料，並進行條件判斷。 - 看漲設定（Bullish setup）：當滿足特定條件時，例如連續三根K線為看跌，但第三根K線的收盤價低於前一根K線的收盤價，且第三根K線的收盤價位於K線信封範圍內，則在下一根K線的位置標記買入訊號（
buy_column = 1）。 - 看跌設定（Bearish setup）：當滿足特定條件時，例如連續三根K線為看漲，但第三根K線的收盤價高於前一根K線的收盤價，且第三根K線的收盤價位於K線信封範圍內，則在下一根K線的位置標記賣出訊號（
sell_column = -1）。 - 錯誤處理：使用
try-except區塊捕捉IndexError，以避免因索引超出範圍而導致程式當機。
RSI-ATR指標
RSI-ATR指標是一種結構化指標，結合了相對強弱指數（RSI）和平均真實波動幅度（ATR）的特性，用於衡量市場的動能和波動性。
程式碼實作
def rsi_atr(data, lookback_rsi, lookback_atr, lookback_rsi_atr, high, low, close, position):
data = rsi(data, lookback_rsi, close, position)
data = atr(data, lookback_atr, high, low, close, position + 1)
data = add_column(data, 1)
data[:, position + 2] = data[:, position] / data[:, position + 1]
data = rsi(data, lookback_rsi_atr, position + 2, position + 3)
data = delete_column(data, position, 3)
return data
內容解密：
此段程式碼實作了RSI-ATR指標的計算，主要步驟如下：
- 計算RSI：使用
rsi函式計算相對強弱指數（RSI）。 - 計算ATR：使用
atr函式計算平均真實波動幅度（ATR）。 - 新增欄位：使用
add_column函式新增欄位，用於儲存後續計算的結果。 - 計算RSI與ATR的比率：將RSI的值除以ATR的值，並將結果儲存在新的欄位中。
- 計算RSI-ATR：使用
rsi函式對RSI與ATR的比率進行再次計算，得到RSI-ATR指標。 - 刪除多餘欄位：使用
delete_column函式刪除多餘的欄位，以簡化資料集。
結合Barrier型態與RSI-ATR指標的交易策略
此策略結合了Barrier型態和RSI-ATR指標，用於生成買入和賣出訊號。
程式碼實作
def signal(data, open_column, close_column, indicator_column, buy_column, sell_column):
data = add_column(data, 5)
for i in range(len(data)):
try:
# Bullish setup
if data[i, close_column] > data[i, open_column] and \
data[i, close_column] < data[i - 1, open_column] and \
data[i, close_column] > data[i - 1, close_column] and \
data[i, open_column] < data[i - 1, close_column] and \
data[i - 1, close_column] < data[i - 1, open_column] and \
data[i - 2, close_column] < data[i - 2, open_column] and \
data[i, indicator_column] < lower_barrier:
data[i + 1, buy_column] = 1
# Bearish setup
elif data[i, close_column] < data[i, open_column] and \
data[i, close_column] > data[i - 1, open_column] and \
data[i, close_column] < data[i - 1, close_column] and \
data[i, open_column] > data[i - 1, close_column] and \
data[i - 1, close_column] > data[i - 1,
open_column]
and \
data[
i -
2,
close_
column
]>
data[
i -
2,
open_
column
]
and
\
data[
i,
indicator_
column
]>
upper_
barrier:
data[
i +
1,
sell_
column
]
=
-
1
except IndexError:
pass
return
data
此段程式碼實作了結合Barrier型態和RSI-ATR指標的交易策略，主要邏輯如下：
- 買入訊號：在看漲的Barrier型態出現，且RSI-ATR指標低於下限時，生成買入訊號。
- 賣出訊號：在看跌的Barrier型態出現，且RSI-ATR指標高於上限時，生成賣出訊號。