用DeepSeek结合K线盘洗盘堆量编写揭示主力明牌信号的程序

以下是基于K线横盘、洗盘、堆量特征识别主力资金信号的Python策略示例。该程序通过量化技术特征，结合成交量分析来捕捉主力动向：

“`python

import pandas as pd

import numpy as np

import talib as ta

import matplotlib.pyplot as plt

def detect_main_force_signals(data, period=20, vol_mult=2.0):

“””

主力资金信号检测函数

参数：

data – 包含OHLCV的DataFrame

period – 横盘检测周期

vol_mult – 洗盘成交量倍数

“””

df = data.copy()

# 1. 横盘条件：价格波动率<3%

df[‘high_20’] = df[‘high’].rolling(period).max()

df[‘low_20’] = df[‘low’].rolling(period).min()

df[‘volatility’] = (df[‘high_20’] – df[‘low_20’]) / df[‘low_20’]

df[‘sideways’] = np.where(df[‘volatility’] < 0.03, 1, 0)

# 2. 洗盘条件：异常成交量+价格震荡

df[‘ma5_vol’] = df[‘volume’].rolling(5).mean()

df[‘vol_peak’] = np.where(df[‘volume’] > vol_mult * df[‘ma5_vol’], 1, 0)

df[‘body’] = (df[‘close’] – df[‘open’]) / df[‘open’]

df[‘shadow’] = (df[‘high’] – df[‘low’]) / df[‘low’] – abs(df[‘body’])

df[‘shakeout’] = np.where((df[‘vol_peak’]==1) &

(df[‘shadow’] > 0.05) &

(abs(df[‘body’]) < 0.02), 1, 0)

# 3. 堆量条件：连续放量+量能趋势

df[‘ma5_vol’] = df[‘volume’].rolling(5).mean()

df[‘ma60_vol’] = df[‘volume’].rolling(60).mean()

df[‘volume_up’] = df[‘ma5_vol’] > df[‘ma60_vol’]

df[‘vol_trend’] = df[‘volume_up’].rolling(3).sum() == 3

# 综合信号（横盘中出现洗盘且开始堆量）

df[‘signal’] = np.where((df[‘sideways’]==1) &

(df[‘shakeout’]==1) &

(df[‘vol_trend’]==1), 1, 0)

return df

# 数据获取示例（需替换为实际数据源）

url = “https://stockdata.example.com/AAPL.csv”

df = pd.read_csv(url, parse_dates=[‘date’], index_col=’date’)

# 生成信号

signals = detect_main_force_signals(df)

# 可视化结果

plt.figure(figsize=(16,8))

plt.plot(df[‘close’], label=’Price’)

plt.scatter(signals[signals[‘signal’]==1].index,

df[‘close’][signals[‘signal’]==1],

color=’red’, marker=’^’, s=100, label=’Main Force Signal’)

plt.title(‘Main Capital Trading Signals’)

plt.legend()

plt.show()

“`

核心逻辑解析：

1. **横盘检测**（sideways）：

– 计算20周期最高价与最低价波动率

– 波动率<3%时判定为横盘

2. **洗盘识别**（shakeout）：

– 成交量达到5日均量2倍以上

– K线实体<2%且影线>5%（长影线震荡）

– 价格未突破横盘区间

3. **堆量确认**（vol_trend）：

– 5日成交量均线>60日均线

– 连续3日维持放量趋势

参数优化建议：

– 横盘周期：可根据个股特性调整20-30日

– 波动率阈值：3%-5%之间调整

– 成交量倍数：1.5-3倍根据市场环境调整

注意事项：

1. 需结合大盘环境使用，熊市中信号可靠性降低

2. 建议配合MACD/RSI等指标确认趋势强度

3. 出现信号后应等待价格突破横盘区间再行动

4. 需用历史数据进行参数优化和回测验证

该策略通过量化主力操盘常见特征，帮助投资者识别资金异动。实际应用中建议结合基本面分析和市场环境综合判断，可加入止损机制控制风险。