今天继续更新量化算法教程，前面介绍了卖出算法的原理，今天分析买入的思路算法研究--日内拐点卖出算法原理研究

通过基准价p0与跌幅比例计算跌幅阈值价p1，当最新价突破p1后，以突破后的最低价p2与回调比例计算回调阈值价p3，当最新价突破p3后，如果P3<p1则以（价格策略 +  价格偏移*最小价差）挂单买入。

最低价说明：当跌幅比例阈值p1满足后，开始记录最低价p2，此时的最低价p2会根据行情的更新而随时变化，p2取到的是从p1满足起开始到当前时间内的最低价。

当监控被停止或者在监控中时退出客户端会使状态变为已停止，当处于监控中状态的时候行情满足了基准价下的涨跌比例，即达到p1阈值后，会记录最低价数据并保存在缓存中，最低价数据只有在监控中状态且已达到p1阈值的情况下才会被记录、更新，停止监控并不会清除最低价缓存数据，因此有可能在重新启动监控的时候立马触发拐点买入。在监控中保存最低价数据缓存的主要目的是为了满足连续几天的拐点交易监控以及客户端被关闭时能够继续监控不受影响。

这个策略的设计逻辑植根于行为金融学中的锚定效应和均值回归理论

市场参与者在交易过程中，会不自觉地将某个特定价格作为心理锚点。当价格从锚点大幅下跌后，持仓者产生亏损厌恶，倾向于在反弹时减仓，而观望者则认为价格变得“便宜”，开始试探性买入。这两种力量在特定区间的博弈，就构成了拐点形成的基础。

策略设计者试图捕捉的，正是这种多空力量在经历极端偏移后的修复过程——不是简单地买在最低点，而是等待市场自身确认趋势衰竭、买方力量开始占据优势的那个临界瞬间。

二、为什么选择“先跌后反弹”作为触发条件

这涉及到对趋势转折本质的理解。一轮完整的下跌通常经历三个阶段：

第一阶段是主动卖压释放，价格顺畅下行；第二阶段是卖压衰减与买方试探，价格跌速放缓但仍在创新低；第三阶段是买方力量积聚并开始主导，价格从低点回升。

策略选择在第三阶段初期介入，而非直接在第一阶段抄底，原因在于：直接抄底面临的是“接飞刀”的风险，无法判断下跌何时结束。而等待反弹相当于让市场自己走完寻底过程，用价格行为本身来验证底部的有效性。这个“反弹确认”的动作，本质上是将预测转化为跟随，用一小段利润空间换取更高的胜率。

三、三个关键价格点的设计逻辑

策略构建了P1、P2、P3三个价格点，它们的设定不是随意的，而是构成了一套完整的条件过滤体系。

P1作为进入监控的门槛，解决的是“什么时候开始关注”的问题。价格不跌到P1以下，说明波动幅度不够，不具备操作价值。这个阈值由基准价和下跌比例参数决定，本质上是人为定义的“异常波动区域”边界。

P2作为最低点的记录，解决的是“市场到底走到了哪里”的问题。它不是预测值，而是已经发生的事实。通过对tick数据的连续追踪，策略动态捕捉到当前监控周期内的最低成交价，这个价格代表了这一轮卖方力量所能达到的极限位置。

P3作为反弹触发线，解决的是“什么时候确认反转”的问题。它由P2加上反弹比例计算得出，代表买方已经有足够的力量将价格推离最低点一段距离。这段距离必须足够大，才能排除随机波动造成的假突破，但又不能太大，否则会损失太多利润空间。

四、P3必须小于P1这个约束条件的深层含义

这是整个策略中最精妙的设计点，也是容易被忽视的过滤条件。

如果P3大于P1，意味着反弹已经将价格推回到了最初的下跌阈值之上。从策略的角度看，这种情况说明价格根本没有在监控区域内完成“下跌—寻底—反弹”的完整循环，而是直接回到了正常区间。这种走势不被认为是拐点交易的机会，因为它缺乏在低价区充分换手和博弈的过程，反弹的持续性存疑。

只有P3小于P1时，才能确认反弹仍然发生在策略定义的“异常低价区域”内，这个反弹才具有拐点意义——它说明买方是在价格相对便宜的位置开始介入的，而非价格已经修复到正常水平后的追涨。

策略中基准价的确定有两种路径，这种设计反映了对交易连续性的考量。

如果某只股票当日已有过拐点买入记录，则使用上次交易的成交价作为新的基准价。这样做的逻辑是：每次交易完成后，市场结构可能已经发生变化，新的博弈起点应该是上次交易的成交位置，而非初始的某个固定价格。

如果当日没有交易记录，则使用系统提供的初始基准价。这个初始基准价通常是当日开盘价或某个固定参考价，代表了策略对于“正常价格”的初始定义。

这种动态更新机制，使得策略能够适应日内市场结构的变化，避免用一成不变的锚点来衡量不断演变的价格行为。


def run_buy_trade(c):
    '''
    买入拐点交易函数
    '''
    path=c.text['记录文件路径']
    down_ratio=c.text['下跌比例']
    ft_ratio=c.text['反弹比例']
    trader_type=c.text['交易模式']
    value=c.text['下单值']
    position=get_position(c,c.account,c.account_type)
    account=get_account(c,c.account,c.account_type)
    if position.shape[0]>0:
        position=position[position['持仓量']>=10]
        if position.shape[0]>0:
            hold_list=position['证券代码'].tolist()
            av_amount_dict=dict(zip(position['证券代码'],position['可用数量']))
        else:
            hold_list=[]
            av_amount_dict={}
    else:
        hold_list=[]
        av_amount_dict={}
    if check_is_trader_date_1(c):
        df=get_trader_stock(c)
        if df.shape[0]>0:
            for stock,name in zip(df['证券代码'],df['名称']):
                try:
                    now_date=int(''.join(str(datetime.now())[:10].split('-')))
                    date_time=int(''.join(str(datetime.now()).split('.')[0][-8:].split(':')))
                    log=check_trader_log(c)
                    price=get_price(c,stock)
                    price=round(price,3)
                    if log.shape[0]>0:
                        log=log[['证券代码','名称','拐点类型','交易模式',
                            '交易方向','交易值','交易价格','交易时间','交易日']]
                        log=log.sort_values(by='交易时间',ascending=True)
                        log['交易日']=log['交易日'].astype(int)
                        log=log[log['交易日']==now_date]
                    else:
                        log=pd.DataFrame()
                    #获取开始的基础价格
                    if log.shape[0]>0:
                        log_stock=log[log['证券代码']==stock]
                        if log_stock.shape[0]>0:
                            base_price=log_stock['交易价格'].tolist()[-1]
                            last_time=log_stock['交易时间'].tolist()[-1]
                            stats=True
                        else:
                            base_price=get_base_price(c,stock)
                            last_time=93000
                            stats=False
                    else:
                        base_price=get_base_price(c,stock)
                        last_time=93000
                        stats=False
                    if stats==True:
                        tick=get_stock_lx_tick(c,stock,date=str(now_date))
                        tick=tick[tick['time']>=last_time]
                    else:
                        tick=get_stock_lx_tick(c,stock,date=str(now_date))
                    if tick.shape[0]>0:
                        #最新价格
                        lastClose_list=tick['lastPrice'].tolist()
                        last_price=lastClose_list[-1]
                        #最新值
                        min_value=min(lastClose_list)
                        #p1值
                        p_1=base_price*(1-down_ratio/100)
                        p_1=round(p_1,3)
                        #目前涨跌幅
                        last_zdf=((last_price-base_price)/base_price)*100
                        last_zdf=round(last_zdf,2)
                        #最低点涨跌幅
                        last_min_zdf=((min_value-base_price)/base_price)*100
                        last_min_zdf=round(last_min_zdf,2)
                        #p2最低价
                        p_2=min_value
                        p_2=round(p_2,3)
                        #反弹比例计算p3
                        p_3=p_2*(1+ft_ratio/100)
                        p_3=round(p_3,3)
                        #目前反弹比例
                        last_ft_ratio=((last_price-p_2)/p_2)*100
                        last_ft_ratio=round(last_ft_ratio,2)
                        #最新价小于P1,开始监控
                        if last_price<=p_1:
                            if p_3<p_1:
                                if last_price>=p_3:
                                    print('触发拐点买入,时间:{},股票:{},名称:{},基准价:{},p1值:{},p2值:{},p3:值{},最新价:{},目前涨跌幅:{},最低点涨跌幅:{},目前反弹比例:{} '.format(str(datetime.now())[:-7:],stock,name,base_price,p_1,p_2,p_3,last_price,last_zdf,last_min_zdf,last_ft_ratio))
                                    if trader_type=='数量':
                                        amount=value
                                    elif trader_type=='金额':
                                        amount=value/price
                                        amount=adjust_amount(stock,amount)
                                    elif trader_type=='百分比':
                                        total=account['总资产']
                                        value=total*value
                                        amount=value/price
                                        amount=adjust_amount(stock,amount)
                                    else:
                                        amount=0
                                    if check_is_buy(c,c.account,c.account_type,stock,amount,price):
                                        maker='{},拐点买入,{},{},{},{}'.format(c.st_name,stock,'buy',amount,price)
                                        passorder(c.buy_code, 1101,c.account, stock, c.buy_price_code, 0, amount, maker,1,maker,c)
                                        trader_log=pd.DataFrame()
                                        trader_log['证券代码']=[stock]
                                        trader_log['名称']=[name]
                                        trader_log['拐点类型']=['拐点买入']
                                        trader_log['交易模式']=[trader_type]
                                        trader_log['交易方向']=['buy']
                                        trader_log['交易值']=[value]
                                        trader_log['交易价格']=[price]
                                        trader_log['交易时间']=[int(date_time)]
                                        trader_log['交易日']=[int(now_date)]
                                        #第一次循环运行买入不记录
                                        if a.buy_flg==0:
                                            print(stock,'第一次循环运行买入不记录********')
                                            a.buy_flg=1
                                        else:
                                            log=pd.concat([log,trader_log],ignore_index=True)
                                            if log.shape[0]>0:
                                                log['证券代码']=log['证券代码'].apply(lambda x: '0'*(6-len(str(x)))+str(x))
                                            else:
                                                log=log
                                            log.to_excel(r'{}'.format(path))
                                            print(maker)
                                    else:
                                        print(stock,'买入失败可能没有资金')
                                else:
                                    print('没有拐点买入,最新价小于P3,时间:{},股票:{},名称:{},基准价:{},p1值:{},p2值:{},p3:值{},最新价:{},目前涨跌幅:{},最低点涨跌幅:{},目前反弹比例:{} '.format(str(datetime.now())[:-7:],stock,name,base_price,p_1,p_2,p_3,last_price,last_zdf,last_min_zdf,last_ft_ratio))
                            else:
                                print('没有拐点买入,P3大于P1,时间:{},股票:{},名称:{},基准价:{},p1值:{},p2值:{},p3:值{},最新价:{},目前涨跌幅:{},最低点涨跌幅:{},目前反弹比例:{} '.format(str(datetime.now())[:-7:],stock,name,base_price,p_1,p_2,p_3,last_price,last_zdf,last_min_zdf,last_ft_ratio))
                        else:
                            print('没有拐点买入,最新价大于P1,时间:{},股票:{},名称:{},基准价:{},p1值:{},p2值:{},p3:值{},最新价:{},目前涨跌幅:{},最低点涨跌幅:{},目前反弹比例:{} '.format(str(datetime.now())[:-7:],stock,name,base_price,p_1,p_2,p_3,last_price,last_zdf,last_min_zdf,last_ft_ratio))
                    else:
                        print(str(datetime.now())[:-7],stock,'拐点买入：拐点触发后的时间没有数据,拐点触发交易时间大于15:00')
                except Exception as e:
                    print(e,stock,'拐点买入有问题*********')
        else:
            print('拐点买入没有自定义交易股票池*********')
    else:
        print('{}拐点买入目前不是交易时间*********'.format(datetime.now()))

小果拐点买入算法：日内低点是怎么被识别的？

投资顾问

编程语言

本策略通过基准价与跌幅比例计算P1阈值，触发后追踪最低价P2，再以反弹比例计算P3，当P3小于P1且价格突破P3时挂单买入，利用锚定效应捕捉趋势反转拐点，实现低吸高抛的量化交易。

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

小果拐点买入算法：日内低点是怎么被识别的？

小果拐点买入算法：日内低点是怎么被识别的？

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐