第四章：价格模式识别——开盘价、收盘价、最高价、最低价的关系与K线形态量化

各位同学，今天我们聊点实在的。

价格模式识别，说白了就是读懂K线背后的博弈语言。我做了这么多年量化，发现一个有意思的现象：很多人盯着各种复杂指标，却忽略了最原始、最直接的价格信息——开盘价、收盘价、最高价、最低价。这四个价格，其实藏着市场最真实的情绪。

4.1 四个价格的基本关系

先看最基础的东西。一根K线，四个价格：O（开盘）、C（收盘）、H（最高）、L（最低）。它们之间的关系，直接反映了多空力量的对比。

我个人习惯把关系分成几类：

• 实体大小：|C - O|，代表多空谁占了上风。实体越大，力量越强。
• 上下影线：H - max(O, C) 和 min(O, C) - L，代表被拒绝的价格区间。影线越长，说明那个方向的阻力越大。
• 位置关系：收盘价在最高价附近，还是最低价附近？这直接告诉你收盘时的市场情绪。

我在项目中遇到过一种情况：某只股票连续三天出现长上影线，但收盘价始终没跌破前低。很多人觉得是顶部信号，我反而觉得是主力在洗盘。为什么？因为每次冲高回落，成交量都在萎缩——说明抛压其实不大。后来果然突破了。

4.2 K线形态的量化表达

K线形态，很多人觉得是玄学。其实不是。你想想看，任何形态都可以用数学表达式来描述。关键是你怎么定义它。

我常用的量化方法：

1. 定义形态特征：比如锤子线，下影线长度是实体的2倍以上，上影线很短或没有。
2. 设定阈值：影线/实体比例、实体/总范围比例等。
3. 组合条件：多个条件同时满足，才判定为某种形态。

举个例子，锤子线的量化表达：

def is_hammer(open, high, low, close):
    """
    判断是否为锤子线
    条件：
    1. 下影线长度 >= 实体长度的2倍
    2. 上影线长度 <= 实体长度的0.3倍
    3. 实体不能太小（总范围的10%以上）
    """
    body = abs(close - open)
    upper_shadow = high - max(open, close)
    lower_shadow = min(open, close) - low
    total_range = high - low
    
    if total_range == 0:
        return False
    
    condition1 = lower_shadow >= 2 * body
    condition2 = upper_shadow <= 0.3 * body
    condition3 = body >= 0.1 * total_range
    
    return condition1 and condition2 and condition3

4.3 常见K线形态的量化模板

下面是我整理的一些常用形态量化模板。嗯，这里要注意，这些模板不是万能的，需要根据你的交易品种和时间周期做调整。

形态名称	量化条件	信号含义
锤子线	下影线 ≥ 2×实体，上影线 ≤ 0.3×实体	底部反转（看涨）
倒锤子线	上影线 ≥ 2×实体，下影线 ≤ 0.3×实体	底部反转（看涨）
十字星	实体 ≤ 总范围的5%	多空平衡，可能变盘
吞没形态	当前实体完全覆盖前一根实体	趋势反转
孕线	当前实体完全被前一根实体包含	趋势减弱

我曾经犯过一个错误：把十字星的阈值设成了10%。结果发现很多普通K线也被识别成了十字星，信号质量很差。后来改成5%，效果好了很多。所以阈值这东西，一定要回测验证。

4.4 多K线组合的量化

单根K线信号太弱，我一般会看组合。比如三只乌鸦、红三兵、上升三法这些。

组合形态的量化思路：

• 连续条件：连续N根K线满足某种特征
• 相对位置：每根K线的开盘价/收盘价相对于前一根的位置
• 形态约束：比如三只乌鸦要求每根收盘价都在前一根实体下方

举个例子，红三兵的量化：

def three_white_soldiers(df, n=3):
    """
    红三兵：连续3根阳线，每根收盘价高于前一根
    且每根开盘价在前一根实体范围内
    """
    if len(df) < n:
        return False
    
    for i in range(-n+1, 1):
        # 必须是阳线
        if df['close'].iloc[i] <= df['open'].iloc[i]:
            return False
        # 收盘价依次抬高
        if i > -n+1 and df['close'].iloc[i] <= df['close'].iloc[i-1]:
            return False
        # 开盘价在前一根实体范围内
        if i > -n+1:
            prev_open = df['open'].iloc[i-1]
            prev_close = df['close'].iloc[i-1]
            if not (min(prev_open, prev_close) <= df['open'].iloc[i] <= max(prev_open, prev_close)):
                return False
    return True

4.5 知识体系结构图

下面这张图，是我对本章知识体系的梳理。你可以把它当作一个思维导图来看。

4.6 实战中的注意事项

最后，说几点实战经验：

• 不要迷信形态：形态只是概率，不是确定性。我见过完美的锤子线之后继续暴跌的案例。
• 结合成交量：形态+成交量，信号质量会提升很多。比如锤子线配合放量，反转概率更高。
• 注意时间周期：日线级别的形态和分钟级别的形态，含义完全不同。别搞混了。
• 回测验证：任何形态策略，一定要做回测。我习惯用过去3年的数据做样本内测试，再用1年数据做样本外验证。