K线形态识别：T字线和倒T字线

K线形态识别：T字线和倒T字线

引用

CSDN

1.

https://m.blog.csdn.net/m0_37967652/article/details/127726311

K线图是股票交易中常用的技术分析工具，其中的T字线和倒T字线具有重要的市场信号意义。本文将从形态特征、技术含义和实操代码等多个维度，详细介绍如何识别和运用这两种K线形态。

解说

T字线因为K线形状像英文字母“T”而得名，又称蜻蜓线。T字线是只有下影线没有上影线，或上影线非常短的同价位线。单日的T字线表明在多方打击下，空方已无力杀跌，股价或指数将会继续上升。

倒T字线因为K线形状像倒写的英文字母“T”而得名，倒T字线是只有上影线没有下影线，或下影线非常短的同价位线。单日的倒T字线表明在空方打击下，多方已无力将股价或指数推高，后市可能会下跌。

由于沪深股市实行涨跌停板制度，所以绝大数T字线和倒T字线都是以涨停或跌停收盘的。不论T字线和倒T字线是否是停板，大多都是主力操控股价的结果，因为只有主力才可以做到让股价以自己想要的价格开盘和收盘。在多空双方互不相让、激烈博弈的情况下，仅仅以巧合来解释T字线和倒T字线的成因，是很难让人信服的。

技术特征

1. T字线的开盘价、收盘价和最高价相同，呈“一”字形。
2. T字线的下影线较长，一般没有上影线，或上影线非常短，形成T字形状。
3. 倒T字线的开盘价、收盘价和最低价相同，呈“一”字形。
4. 倒T字线的上影线较长，一般没有下影线，或下影线非常短，形成倒T字形状。

技术含义

1. 在股价或指数已有较大涨幅后出现T字线，是见顶信号。
2. 在股价或指数已有较大跌幅后出现T字线，是见底信号。
3. 在上涨途中出现T字线，后市继续看涨。是持仓信号。
4. 在下跌途中出现T字线，后市继续看跌。持币观望。

K线形态策略代码

def excute_strategy(daily_file_path):
    '''
    名称：T字线和倒T字线
    识别：
    1. T字线只有下影线没有上影线，或上影线非常短的同价位线
    2. 倒T字线只有上影线没有下影线，或下影线非常短的同价位线
    自定义：
    1. 影线很短=》不超过上一交易日价格 0.5%
    2. 影线长 =》超过上一交易日价格 2%
    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.loc[df['closePrice']>=df['openPrice'],'type'] = 1
    df.loc[df['closePrice']<df['openPrice'],'type'] = -1
    df['body_length'] = abs(df['closePrice'] - df['openPrice'])
    df.loc[df['type']==1,'top_shadow_length'] = df['highestPrice'] - df['closePrice']
    df.loc[df['type']==-1,'top_shadow_length'] = df['highestPrice'] - df['openPrice']
    df.loc[df['type']==1,'bottom_shadow_length'] = df['openPrice'] - df['lowestPrice']
    df.loc[df['type']==-1,'bottom_shadow_length'] = df['closePrice'] - df['lowestPrice']
    df['signal'] = 0
    df['signal_name'] = ''
    short_len = 0.005
    long_len = 0.02
    # T
    df.loc[(df['body_length']==0) & (df['top_shadow_length']/df['closePrice'].shift(1)<short_len) & (df['bottom_shadow_length']/df['closePrice'].shift(1)>long_len),'signal'] = 1
    df.loc[(df['body_length']==0) & (df['top_shadow_length']/df['closePrice'].shift(1)<short_len) & (df['bottom_shadow_length']/df['closePrice'].shift(1)>long_len),'signal_name'] = 'T'
    # 倒T
    df.loc[(df['body_length'] == 0) & (df['bottom_shadow_length'] / df['closePrice'].shift(1) < short_len) & (
                df['top_shadow_length'] / df['closePrice'].shift(1) > long_len), 'signal'] = 1
    df.loc[(df['body_length'] == 0) & (df['bottom_shadow_length'] / df['closePrice'].shift(1) < short_len) & (
                df['top_shadow_length'] / df['closePrice'].shift(1) > long_len), 'signal_name'] = '倒T'
    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':'line'
    }
    return line_data

结果