一個基於機器學習的打板策略分享(二)
版權所有:光明與黑暗([email protected])
原文再續就書接上一回,話說上回我們的程序做了兩件事情:1)將分鐘線的close和volume轉換成了相對值,2)確定了價在量先、以OBV為觀察量的信號監測方向。那麼我們在本節將通過信號截取、信號變換和數據組織等一系列編碼,最終生成可供機器學習的原始數據。
下面使用Tushare的daily介面獲取某交易日的日線行情,介面簡介詳見https://tushare.pro/document/2?doc_id=27.
#獲取股票日線行情,主要用到漲跌幅和最高價和最低價
def build_stock_daily(trade_date):
pro=get_ts_api()
df_stock_daily=pro.daily(trade_date=trade_date)
return df_stock_daily
然後我們對上回的get_stock_minute_data()介面結尾部分稍微改動一下,讓它只返回從開市到close到達最高點的那一段數據:
#截取從開市到close到達最高點的分鐘線index_abs_close_max=df_minute_line[df_minute_line[abs_close]==df_minute_line[abs_close].max()].index.min()+1
df_minute_line=df_minute_line.iloc[0:index_abs_close_max]
df_minute_line=df_minute_line.reset_index(drop=True)
return df_minute_line
接下來我們通過matplotlib繪圖來觀察一下各種封板的OBV線形態:
1)盤中自然板的, 例如2019年4月12日的600365.SH