如何用python神奇九转策略进行历史回测

python对“神奇九转”策略，进行数据回测，并查看历史形成高9低9的时间点。

1 神奇九转原理
股价在上涨或（下跌）过程中连续9日达到触发条件会生成数列1、2，3....7、8，9，数列会依次标注在当日K线上方（下方）。
只有当股价连续第六天达到触发条件时，数列才开始进行依次显示1、2，3、4，5、6
当第七天依然达到触发条件时则显示7，如第七日未达到触发条件则前面6天的序号消失。
第八日同第七日的显示逻辑一样。
当第九天依然达到触发条件时，便形成了1个九转结构（序列）。
而当第九日未达到触发条件时则前面8日的序号消失，九转结构不成立。
2 神奇九转下跌（达到底部，抄底）
低九买入结构:满足两个条件：第一：即连续出现九根K线，并且这些K线的收盘价都比各自前面的第四根K线的收盘价低,就在其K线下方标记相应的数字，如果出现中断，则原计数作废,重新来过。第二：8或9的最低价小于6或7的最低价，在9的下方显示。

3 神奇九转上涨（达到顶部，逃顶）
高九卖出结构:满足两个条件：第一.即连续出现九根K线，并且这些K线的收盘价都比各自前面的第四根K线的收盘价高,就在其K线上方标记相应的数字，如果出现中断，则原计数作废,重新来过.第二：8或9的最高价大于6或7的最高价，在9的上方显示。

4 首先导入分钟线历史k线数据
5 用神奇九转策略对数据回测，得到历史上形成的高9，低9的时间点及收盘价。
6 输出历史形成高9低9的时间点及收盘价。

版权声明：本文引用为CSDN博主「*星光」的原创文章
原文链接：https://blog.csdn.net/weixin_42322206/article/details/123344752
可以参考CSDN博主「fanfpy」的原创文章
原文链接：https://blog.csdn.net/qq_31663099/article/details/119846913

这个你可以把数据放在pandas里，然后按照这个什么规则进行一个判断。但是是否有效就见仁见智了。在我看来这个规则和跳大神也没啥区别。

Python量化交易策略及回测系统
比较详细，可以借鉴下
https://blog.csdn.net/weixin_47974364/article/details/123433336

这有个类似的问题, 你可以参考下: https://ask.csdn.net/questions/7743203
除此之外, 这篇博客: C语言实现八大排序算法详解及其性能之间的中的名字已经暴露了他的算法，就是往里面插入数据，就拿我们生活中的例子来说，打扑克牌。我们往手里码牌的时候，是一张一张的码，先码一张，抓手心，不需要修改位置，因为只有一张牌，一定是有序的。再接一张，和手里的牌对比大小，调整位置，选择放在它的左边或者右边。然后接着码，又接到一张牌，拿到先和右边的牌比，比右边还大就放到最右边，如果比右边这张小呢，在和左边这张比。同样，我们这里也是这样的，首先我们默认第一个元素，一定是有序，OK吧。然后第二个，元素比较，大，放到左边，小放到右边。然后第三个元素，直到第N个，比它前一个大，继续往前找位置，直到找到对应位置了，就是有序数列了。（当然每次找位置都是在一个有序的序列中找，所以完全可以用二分查找找位置，数据大的话，二分明显快于我们一张一张比）部分也许能够解决你的问题, 你可以仔细阅读以下内容或跳转源博客中阅读:
算法思想

以下答案由GPT-3.5大模型与博主波罗歌共同编写：
这是一个比较复杂的策略，需要用到很多技术，下面是一个简单的思路：

导入历史分钟线k线数据，可以使用pandas读取csv文件。
编写九转策略代码，将买入信号和卖出信号打上标记。
对历史数据进行循环回测，计算每一天的策略信号和收盘价，并将买入和卖出的时间点和价格记录下来。
输出历史形成的高9低9的时间点及收盘价。

以下是九转策略的简单实现代码：

import pandas as pd

# 导入历史分钟线k线数据
df = pd.read_csv('data.csv')

def jiu_turn_strategy(df):
    # 初始化变量
    high_list = []
    low_list = []
    count = 0
    buy_flag = False
    sell_flag = False
    
    for i in range(len(df)):
        # 检查是否已达到9转
        if count >= 9:
            count = 0
            # 检查是否是高九（卖出信号）
            if df.loc[i, 'high'] > high_list[6] and df.loc[i, 'high'] > df.loc[high_list[8], 'high']:
                sell_flag = True
            # 检查是否是低九（买入信号）
            elif df.loc[i, 'low'] < low_list[6] and df.loc[i, 'low'] < df.loc[low_list[8], 'low']:
                buy_flag = True
            high_list = []
            low_list = []
        # 计算九转序列
        else:
            if df.loc[i, 'high'] > df.loc[i-1, 'high']:
                count += 1
            else:
                count = 0
            high_list.append(i)
            
            if df.loc[i, 'low'] < df.loc[i-1, 'low']:
                count += 1
            else:
                count = 0
            low_list.append(i)
        
        # 打上标记
        if buy_flag:
            df.loc[i, 'buy'] = df.loc[i, 'low']
            buy_flag = False
        if sell_flag:
            df.loc[i, 'sell'] = df.loc[i, 'high']
            sell_flag = False
    
    return df

以下是历史数据回测及输出的代码：

# 对历史数据进行循环回测
result = []
df = jiu_turn_strategy(df)
for i in range(len(df)):
    if df.loc[i, 'buy']:
        result.append(('buy', df.loc[i, 'timestamp'], df.loc[i, 'buy']))
    if df.loc[i, 'sell']:
        result.append(('sell', df.loc[i, 'timestamp'], df.loc[i, 'sell']))

# 输出历史形成的高9低9的时间点及收盘价
for r in result:
    print('{} at {} with price {}'.format(r[0], r[1], r[2]))

以上是简单的代码举例，实际上还需要处理一些细节问题，例如数据缺失、重复信号等问题。另外，这个策略还可以继续优化，例如加入止损止盈等机制，使其更加完善。
如果我的回答解决了您的问题，请采纳！

如何用python神奇九转策略进行历史回测

算法思想