基于K线形态的股价预测是蜡烛图技术分析的本质。不过对于K线形态是否具有预测能力，不同人存在较大的争议。K线图是否有用，是否能在市场中获利，可能在不同时间上答案都不同。
那么我们研究和学习它是否还有意义呢？其实
我自己的观点是研究和学习是有意义的，但应用到实际，切不可生搬硬套，不要以为说出现了某个形态，就直接入场。
在接下来的时间里，我将要通过模式识别、模式聚类的方法来研究K线模式的预测能力。并且用每天的盘面数据来验证不同K线模式的效果，统计第二日它的盈利情况。
结果一定是不同形态的K线图预测能力差异很大，我们需要现有的每种K线形态都需要根据形状特征进行进一步分类，以提高预测性能。
时间序列是研究K线的前提
时间序列是按时间顺序列出的一系列观察结果，时间序列是交易市场上最常见的数据类型，同时它几乎涉及人类生活的方方面面，比如我们减肥，我们每天都会记录自己的体重，由此形成的数据类型实际上就是时间序列。
我讲时间序列，是因为时间序列有两个重要特征。
(a) 历史数据信息会影响未来趋势。
也就是说，观测值的历史值会对时间序列的未来值产生影响。影响可以用时间序列的周期、非平稳性、波动性等来描述。
(b) 历史重演。
也就是说，一些特殊的时间子序列会在整个时间序列中重复出现。
由于这两个特点，各种时间序列预测成为了交易市场研究的重点，其中之一就是股票时间序列的预测，股票时间序列作为一种典型的时间序列，不仅具有时间序列的特征，而且股票价格的走势直接关系到我们交易者是否能盈利的关键，因此，非常多的人都投入到时间序列的研究中。
股票预测的技术分析方法有很多种，我之前写过一篇文章《爬上来说点真话》阐述过个人对于不同分析方法的看法。（点击下方可阅读）
爬上来说点真话（点击可阅读）
常见的K线组合
如果将多根K线按不同的规则组合在一起，会形成不同的K线组合，这样的K线形态所包含的信息就更加丰富。例如，在涨势中出现乌云盖顶K线组合，说明股价可能升势已尽，投资者应尽早离场。在跌势中出现曙光初现K线组合，说明股价可能见底回升，投资者应不失时机地逢低建仓。
可见，各种K线形态可能正以它所包含的信息，不断地向人们发出买进和卖出的信号，为投资者看清大势，正确的买卖操作提供了很大帮助，从而使它成为投资者手中极为实用的操盘工具。请注意，我一直在用可能，我并没有说一定。
为了更好的研究不同形态的K线组合的预测能里，我在下面列出了常见的多根K线组合以后所产生的各种形态。
1）见底形态和上升形态的K线、K线组合（图1-图27）
2）见顶形态和下跌形态的K线、K线组合 ( 图28 - 图58 )
3）既是上升形态、又是下跌形态的K线 （ 图58 - 图75 ）
如何验证不同K线组合的预测能力
我主要从K线形态相似度和K线位置相似度来进行模式识别。根据K线的形状特征，我们主要用形状和距离来衡量两条K线之间的形状相似度。
首先，根据K线的形状结构，提取K线形状的三个组成部分：上影线形状、下影线形状和主体形状。其次，分别定义了三种形状的相似匹配方法。最后，通过将三个形状的相似度相加即可计算出K线的形状相似度。
如果仅考虑K线系列的形状相似度是不够的，还要考虑K线系列的位置相似度。如果只考虑形状相似度，则会出现形状特征相同但位置特征不同的两条K线系列具有相同相似度的问题。
因此，我们在利用量化方式进行K线形态识别时，不仅需要考虑形态上的相似，还有位置上的相似。在接下来的时间里，我将使用Python代码，实现各种不同类型的K线形态组合，并统计这种K线组合在历史上的胜率情况。交易就是这样，要做最有把握的事情。下一篇文章中，我将分享两只乌鸦的回测效果，欢迎持续关注。
首先我来介绍下学习python的步骤：
1.python爬虫
2.python数据分析
3.python机器学习
这是学习python的三个进阶，每一个进阶都很重要，我们都需要深入研究，并能对其熟练的操作。
今天跟大家分享一个我用python来分析上海雅仕，股票代码为603329
首先我们需要安装一个tushare库，它主要是用来调入股票代码相关信息的第三方库。安装还是跟别的软件安装类似：pip install tushare，使用pip自行安装即可。安装好后，我们在安装一个jupyter .
安装tushare
安装jupyter
把基本软件配置好后，我们就只需要在命令行中打开jupyter notebook即可。
输入import tushare as ts接着我们输入data=ts.get_h_data('603329',start='2018-06-01',end='2018-12-28')打印出data的数据信息，这里的ts就是tushare，用它里面的一个方法get_h_data即可得到如下数据信息。
会发现这上海雅仕股票信息包含了日期，开始，最高，最低等信息。我们只需要选择其中两行数据的联系，就可以做一个可视化图，来直观分析。
这里我们需要引入matplotlib,我们这样来引入：from matplotlib.pyplot import plt,
在使用plt传入date和close连个列数据，就可以直观的得到关系图。
当然，我们还可以使用scipy ,pandas 等数据处理，来剖析股票以往关联性。
关注我，更多有趣好玩的python小知识等你来吸取
引用地址:https://www.cha65.net/202403/43378.html
tags: