3. K线基础：OHLCV数据结构、时间周期、K线形态识别

做量化交易这些年，我越来越觉得K线这东西，就像交易员的「母语」。你连母语都说不利索，怎么跟市场对话？今天咱们就把K线的基础掰开揉碎，从数据结构到形态识别，一次性讲透。

3.1 OHLCV：K线的「四维密码」

每根K线背后，其实就藏着五个数字：开盘价、最高价、最低价、收盘价、成交量。我习惯叫它OHLCV，这是所有技术分析的基石。

字段	英文	含义	我的理解
O	Open	开盘价	多空双方开盘时的「起跑线」
H	High	最高价	多头当天最猛的一波冲击
L	Low	最低价	空头砸盘的最深位置
C	Close	收盘价	最终博弈结果，最重要
V	Volume	成交量	参与者的「热情程度」

这里有个细节我想强调一下：收盘价是当天最重要的价格。为什么？因为机构结算、基金净值计算，全看收盘价。我在做CTA策略时，发现很多信号在收盘前最后5分钟才真正确认，就是这个道理。

3.2 时间周期：你的「交易显微镜」

你想想看，同样一段行情，用1分钟K线和用日线看，完全是两个世界。我刚开始做量化时，就犯过这个错——用日线信号去做分钟级别的交易，结果被来回打脸。

常见的周期分级：

• 超短线（1分钟、5分钟）：适合高频交易、做市商。噪声多，但反应快。
• 短线（15分钟、1小时）：我个人的主力战场。趋势清晰，噪声可控。
• 中线（4小时、日线）：适合趋势跟踪、波段交易。
• 长线（周线、月线）：机构视角，看大趋势。

3.3 K线形态识别：从「看图说话」到「量化判断」

K线形态这东西，说起来玄乎，其实背后都是多空博弈的心理。我把它分成三类：单根K线、双根K线、多根K线组合。

3.3.1 单根K线：最基础的信号

• 锤子线：下影线很长，实体很小。出现在下跌后，说明多头开始反击。我曾经用这个形态在BTC 30000美元附近抓到过一波反弹。
• 射击之星：上影线很长，实体很小。出现在上涨后，是见顶信号。
• 十字星：开盘价≈收盘价。多空势均力敌，变盘前兆。

3.3.2 双根K线：确认信号

• 吞没形态：第二根K线实体完全覆盖第一根。阳包阴看涨，阴包阳看跌。
• 孕线：第二根K线实体在第一根内部。趋势可能减弱。

3.3.3 多根K线组合：趋势的「语言」

三只乌鸦、红三兵、上升三法……这些名字听起来花哨，但核心就一句话：连续的同向K线，代表趋势的延续。

3.4 实战：用Python识别K线形态

光说不练假把式。下面是我写的一个简单形态识别函数，用pandas就能跑。

import pandas as pd
import numpy as np

def identify_hammer(df):
    """
    识别锤子线形态
    条件：下影线长度 >= 实体长度的2倍，上影线很短
    """
    df = df.copy()
    df['body'] = abs(df['close'] - df['open'])
    df['lower_shadow'] = df[['open', 'close']].min(axis=1) - df['low']
    df['upper_shadow'] = df['high'] - df[['open', 'close']].max(axis=1)
    
    # 锤子线条件
    condition = (
        (df['lower_shadow'] >= 2 * df['body']) &
        (df['upper_shadow'] <= 0.3 * df['body']) &
        (df['body'] > 0)  # 排除十字星
    )
    return condition

# 使用示例
# df['is_hammer'] = identify_hammer(df)

这段代码的逻辑很简单：计算实体和影线的长度，然后按规则判断。实际项目中，我还会加入成交量过滤——锤子线出现时，如果成交量放大，信号更可靠。

3.5 知识体系总览

下面这张图，是我自己梳理的K线知识框架。你可以把它当成一张「地图」，学完本章后，对照着检查自己是否都掌握了。

嗯，看到这里，你应该对K线有了一个完整的认识。从数据结构到形态识别，再到代码实现，每一步都是实战中摸爬滚打出来的经验。记住：K线不是预测未来的水晶球，而是帮你读懂市场情绪的「心电图」。

---

公众号:蓝海资料掘金营，微信deep3321