关于k线中的kdj的问题,我们总结了以下几点,给你解答:
k线中的k代表哪个字母
你好
K线由开盘价、收盘价、最高价、最低价四个价位组成,开盘价低于收盘价称为阳线,反之叫阴线。中间的矩形称为实体,实体以上细线叫上影线,实体以下细线叫下影线。K线可以分为日K线、周K线、月K线,在动态股票分析软件中还常用到分钟线和小时线。K线是一种特殊的市场语言,不同的形态有不同的含义。一、 K线基本含义
K线又称阴阳线、棒线、红黑线或蜡烛线,起原于日本德川幕府时代(1603-1867)的米市交易,经过200多年的演进,形成了现在具有完整形式和分析理论的一种技术分析方法。
二、 K线基本型态应用
从每日的K线图的形态上,我们可以作出以下大致的判断:
1. 大阳线,表示强烈涨势。2. 大阴线,表示大跌。3. 多空交战,先跌后涨,多头势强。4. 多空交战,空头略占优势,但跌后获得支撑,后市可能反弹。5. 多空交战,多头略胜一筹,但涨后遭遇压力,后市可能下跌。6. 多空交战,先涨后跌,空头势强。7. 后转信号。如在大涨后出现,后市可能下跌;如在大跌后出现,则后市可能反弹。8. 反转试探,如在大跌后出现,行情可能反弹;如在大涨后出现,则应保持冷静,密切注意后市之变化。9. 表示多头稍占上风,但欲振乏力,后市可能下跌。10. 先上涨后下跌,空头略占上风。11. 俗称大十字,表示多空激烈交战,势均力敌,后市往往有所变化。12. 小十字,表示狭幅盘整。
应该注意的是,单个K线的意义并不大,而应该与前些日子的K线作比较才具有意义。
综合K线型态,其代表的多空力量有大小之差别;以十字线为均衡点,十代表多方力量最强(空方力量最弱),一代表空方力量之最强(多方力量最弱)。
三、 K线中长期基本型态及运用
上面介绍过K线单日的股价强弱变化,那么,对于中长期的股价变化,如何利用K线再加以判断呢?首先,先介绍几种K线连接起来后所形成的基本型态。
(一) 头肩型
K线在经过一段时日聚集后,在某一价位区域内,会出现三个顶点或底点,但其中第二个顶点或底点较其他两个顶点或底点更高或更低的现象。如图10-3是一顶二肩的头肩顶;或图10-4,是一底二肩的头肩底型。然而,有时也可能出现三个以上的顶点或底点;若出现一个或二个头部(或底部),两个左肩与右肩,称为复合型肩型(或复合型头肩底)。
(二) 双重顶
双重顶是当某一种股票急速涨升至某一价位时,由于短线获利回吐的卖压出现,成交量扩大,股价自峰顶滑落,然后成交量随股价的下跌而逐渐萎缩,股价止跌回升后又开始往上盘升,涨升至与前一峰顶附近价位时,成交量再增加,但却比前一峰顶所创造出的成交量少,上档卖压再现,股价再度下跌,且跌破颈线,形成一直往下走的弱势。颈线即是在双峰间的低点划一平行线,由于双重顶完成后突破颈线,从图形上可看出,非常类似英文字母“M”,故双重顶又可称“M”头。
(三) 双重底
即为双重顶的反转型态,形成“W”型;也就是股价下跌至某一价位时出现反弹,但是买方力量仍未能集中,股价再度回软,然后跌势趋于缓和,在跌至前次低价附近获得支撑,买方力量此时增强,股价开始呈现转强走势。
应该注意的是,双重顶(或双重底)出现时,不一定都会呈现反转走势,有时依然会呈现整理型态。双重顶或双重底完成后,突破颈线幅度超过该股市价3%以上时,才能算是有效突破,否则,仍有可能是盘旋整理甚至反转走势。
在日本的“K”并不是写成“K”字,而是写做“罫”(日本音读kei),K线是“罫线”的读音,K线图称为“罫线”,西方以英文第一个字母“K”直译为“K”线,由此发展而来。
k线中的kdj
:param df:
:return:
"""
# 计算KDJ
low_list = df['low'].rolling(window=9, min_periods=9).min()
low_list.fillna(value=df['low'].expanding().min(), inplace=True)
high_list = df['high'].rolling(window=9, min_periods=9).max()
high_list.fillna(value=df['high'].expanding().max(), inplace=True)
rsv = (df['close'] - low_list) / (high_list - low_list) * 100
df['KDJ_K'] = pd.DataFrame(rsv).ewm(com=2).mean()
df['KDJ_D'] = df['KDJ_K'].ewm(com=2).mean()
df['KDJ_J'] = 3 * df['KDJ_K'] - 2 * df['KDJ_D']
return df
def get_macd(df):
"""
获取macd
:param df:
:return:
"""
# 计算MACD
df['EMA12'] = df['close'].ewm(span=12).mean()
df['EMA26'] = df['close'].ewm(span=26).mean()
df['DIF'] = df['EMA12'] - df['EMA26']
df['DEA'] = df['DIF'].ewm(span=9).mean()
df['MACD'] = 2 * (df['DIF'] - df['DEA'])
return df
def get_boll(df):
"""
获取布林线
:param df:
:return:
"""
# 计算布林线
df['MA20'] = df['close'].rolling(window=20).mean()
df['STD20'] = df['close'].rolling(window=20).std()
df['UPPER20'] = df['MA20'] + 2 * df['STD20']
df['LOWER20'] = df['MA20'] - 2 * df['STD20']
return df
def get_rsi(df):
"""
获取rsi
:param df:
:return:
"""
# 计算RSI
df['RSI6'] = talib.RSI(df['close'], timeperiod=6)
df['RSI12'] = talib.RSI(df['close'], timeperiod=12)
df['RSI24'] = talib.RSI(df['close'], timeperiod=24)
return df
def get_cci(df):
"""
获取cci
:param df:
:return:
"""
# 计算CCI
df['CCI'] = talib.CCI(df['high'], df['low'], df['close'], timeperiod=14)
return df
def get_wr(df):
"""
获取wr
:param df:
:return:
"""
# 计算WR
df['WR14'] = talib.WILLR(df['high'], df['low'], df['close'], timeperiod=14)
return df
def get_sar(df):
"""
获取sar
:param df:
:return:
"""
# 计算SAR
df['SAR'] = talib.SAR(df['high'], df['low'], acceleration=0.02, maximum=0.2)
return df
def get_all_features(df):
"""
获取所有特征
:param df:
:return:
"""
df = get_kdj(df)
df = get_macd(df)
df = get_boll(df)
df = get_rsi(df)
df = get_cci(df)
df = get_wr(df)
df = get_sar(df)
return df
def get_features(df):
"""
获取特征
:param df:
:return:
"""
df = get_kdj(df)
df = get_macd(df)
df = get_boll(df)
df = get_rsi(df)
df = get_cci(df)
df = get_wr(df)
df = get_sar(df)
df = df.dropna()
df = df.iloc[:, 4:]
return df
def get_label(df):
"""
获取标签
:param df:
:return:
"""
df['label'] = df['close'].shift(-1) - df['close']
df['label'] = df['label'].apply(lambda x: 1 if x > 0 else 0)
df = df.dropna()
df = df.iloc[:, -1]
return df
def get_data(df):
"""
获取数据
:param df:
:return:
"""
df = get_all_features(df)
df = df.dropna()
x = df.iloc[:, 4:]
y = df.iloc[:, -1]
return x, y
def get_train_data(df):
"""
获取训练数据
:param df:
:return:
"""
df = get_features(df)
df = df.dropna()
x = df.iloc[:, :-1]
y = df.iloc[:, -1]
return x, y
def get_test_data(df):
"""
获取测试数据
:param df:
:return:
"""
df = get_features(df)
df = df.dropna()
x = df.iloc[:, :-1]
y = df.iloc[:, -1]
return x, y
k线中的kdj是什么意思
随机指标
原理:用目前股价在近阶段股价分布中的相对位置来预测可能发生的趋势反转。
算法:对每一交易日求RSV(未成熟随机值)
RSV=(笔歌沿慢类因照收盘价-最近N日最低价)/(最近N日最高价-
最近N日最低价夫重氧乡鲁航)×100
K线:RSV的M1日移动平均 D线:K来自值的M2日移动平均
J线:3×D-2×K
参数:N、M1、M2 天数,一般取9、3、3
用法:
1.D>80,超买;D<20,超卖;J>100%吗超卖;J<10%张计财整收树纪仅弦超卖
2.线K向上突破线D,买进信号;线K向下跌破线D,笑少探省卖出信号。
3.线K与线D的交叉发生在70以上,30以下,才有效。
4.KD指标不适于范补历京名六发行量小,交易不活跃的股票;
5.KD指标对大盘和热门大盘股有极高准确性。