李津大局观：Python编程Renko砖块图实现杰西·利弗莫尔livemore的6点转向

利弗莫尔交易股票的基础在今天被称之为“技术分析（technical analysis）”鼻祖，1939年底，利弗莫尔写一本书《股票大作手操盘术（How To Trade In Stocks）》。书中详细介绍了利弗莫尔操盘技巧，其中最重要的就是到今天也很少人运用的6点转向原则。

图源：《股票大作手操盘术》

可以看出，六点转向本质上是价格趋势的过滤方法，是用来排除错误的噪声信号，留下主频的信号，而这里参数是设置为6个点。具体的livermore的操盘操作原则可以直接百度一下，篇幅有限或者买一本书详细翻阅比较好。原则是没错，但是缺少工具。

因此，今天文章的重点是，网络上大部分解释都不太正确，因为他们所使用的自然时间序列，而我翻阅原书对比发现，6点转向则不然，他用的是点位序列。直到通过长期的研究摸索，终于发现日本砖型图（renko chart）与利弗莫尔livermore的思想是如出一辙的。

举例：某指数的起点为1000，砖头高度为6。在上升趋势中，每上升6个点，绘制一个新的白色柱。例如当市场收盘价高于1006，绘制一个新的白色柱。反之，如果市场处于下降趋势，例如当市场收盘价低于994，则绘制一个黑色柱线。

然而日本砖型图（renko chart）纵观通达信、同花顺、大智慧都没有能够写出对应的代码，因此只能借助Python强大的编程力量。

砖型图极其简约明了，Renko Chart只有黑和白两种形态，可以用0和1代替，非常适合通过机器学习，从大量数据库去发掘其规律。

上图一个简单的策略：当等待出现2个相同颜色的砖块图后进场，在获得利润后，以一个反向的砖块出现作为出场信号。

至此，代码应该怎么写呢！直接复制黏贴以下代码，改后缀txt为py

import json

import pandas as pd

import matplotlib.pyplot as plt

import requests

import numpy as np

from finta import TA

import mplfinance as mpf

plt.rcParams['font.sans-serif'] = ['SimHei']

plt.rcParams['axes.unicode_minus'] = False

def get_stock_hist_data_em(stock='399300',start_date='20210101',end_date='20500101',data_type='15'):

start_date=''默认上市时间

- ``1`` : 分钟

- ``5`` : 5 分钟

- ``15`` : 15 分钟

- ``30`` : 30 分钟

- ``60`` : 60 分钟

- ``101`` : 日

- ``102`` : 周

- ``103`` : 月

fq=0股票除权

fq=1前复权

fq=2后复权

'''

data_dict = {'1': '1', '5': '5', '15': '15', '30': '30', '60': '60', 'D': '101', 'W': '102', 'M': '103'}

klt = data_dict[data_type]

fq='1'

if stock[0] == '6':

stock = '1.' + stock

else:

stock = '0.' + stock

url = 'http://push2his.eastmoney.com/api/'

params = {

'fields1': 'f1,f2,f3,f4,f5,f6,f7,f8,f9,f10,f11,f12,f13',

'fields2': 'f51,f52,f53,f54,f55,f56,f57,f58,f59,f60,f61',

'beg': start_date,

'end': end_date,

'ut': 'fa5fd1943c7b386f172d6893dbfba10b',

'rtntype': end_date,

'secid': stock,

'klt': klt,

'fqt': fq,

'cb': 'jsonp1668432946680'

}

res = requests.get(url=url, params=params)

text = res.text[19:len(res.text) - 2]

json_text = json.loads(text)

try:

df = pd.DataFrame(json_text['data'])

df.columns = ['数据']

data_list = []

for i in df['数据']:

data_list.append(i.split(','))

data = pd.DataFrame(data_list)

columns = ['date', 'open', 'close', 'high', 'low', 'volume', '成交额', '振幅', '涨跌幅', '涨跌额', '换手率']

data.columns = columns

for m in columns[1:]:

data[m] = pd.to_numeric(data[m])

data.sort_index(ascending=True,ignore_index=True,inplace=True)

return data

except:

pass

def plot_kline_figure(stock='399006',start_date='20210101',end_date='20500101',data_type='D'):

df1=get_stock_hist_data_em(stock=stock,start_date=start_date,end_date=end_date)

df1.rename(columns={'date': 'Date', 'open': 'Open', 'close': 'Close', 'high': 'High', 'low': 'Low',

'volume': 'Volume'}, inplace=True)

df1['Date'] = pd.to_datetime(df1['Date'])

df1.set_index(['Date'], inplace=True)

mpf.plot(df1, type='renko',renko_params=dict(brick_size=6))

plt.show()

a=plot_kline_figure()

print(a)

至此，完美复现成功

我们得到了livemore当年看到的图表版的6点转向图，从上图可以看出交易信号，以及市场是怎么样运行的，这是由点数构成的，不由时间构成，这就避免了跳空缺口带来的走势断续。