Day14 頭肩型態識別演算法

2023 iThome 鐵人賽

DAY 14

AI & Data

用Python程式進行股票技術分析系列第 14 篇

15th鐵人賽

不明

2023-09-14 07:11:56

1323 瀏覽

分享至

延續昨天Day13的內容，今天會引用Youtuber「neurotrader」的程式碼。他在Automated Head and Shoulders Chart Pattern in Python影片中提到頭肩型態（包含頭肩底與頭肩底）識別。在此也會引用他的程式碼，並嘗試在股價資料中找尋頭肩底型態。

程式實作：頭肩型態識別函式

今天所談的是完整的頭肩型態識別演算法，相對來說它也較為複雜。且作者（neurotrader）參照了「Technical Analysis for Algorithmic Pattern Recognition」這本書的規則進行實作，以更為嚴謹的方式進行頭肩型態的識別。
先從引用函式原型（或函式介面）與資料結構說起：

# https://github.com/neurotrader888/TechnicalAnalysisAutomation/blob/main/head_shoulders.py

# 函式原型
def find_hs_patterns(data: np.array, order:int, early_find:bool = False)

# 資料結構
@dataclass
class HSPattern:

    # True if inverted, False if not. Inverted is "bullish" according to technical analysis dogma
    inverted: bool

    # Indices of the parts of the H&S pattern
    l_shoulder: int = -1
    r_shoulder: int = -1
    l_armpit: int = -1
    r_armpit: int = -1
    head: int = -1
   
    # Price of the parts of the H&S pattern. _p stands for price.
    l_shoulder_p: float = -1
    r_shoulder_p: float = -1
    l_armpit_p: float = -1
    r_armpit_p: float = -1
    head_p: float = -1
   
    start_i: int = -1
    break_i: int = -1
    break_p: float = -1

    neck_start: float = -1
    neck_end: float = -1

    # Attributes
    neck_slope: float = -1
    head_width: float = -1
    head_height: float = -1
    pattern_r2: float = -1

等一下會引用find_hs_patterns函式。其輸入參數有：

data：（價格）資料
order：同尋找轉折點函式的order參數，請參閱Day9內容
early_find：提前尋找模式。在Day12時有提到，當價格突破頸線時才算型態完成（在此也就是early_find為False的情況）。若將early_find設為True時它會在型態尚未完成時提前識別，當然這樣會有過早判斷的風險。

find_hs_patterns函式會回傳兩個HSPattern資料結構（為什麼我說是資料結構而非類別，關鍵在於class HSPattern前面的@dataclass裝飾器），這個資料結構的內容很多，分別說明於下：

inverted：為Ture是反轉（也就是頭肩底，國外有時會稱之為反向頭肩型態(inverse head & shoulders pattern)），為Flase則是非反轉（也就是頭肩頂）
l_shoulder：左肩位置索引
r_shoulder：右肩位置索引
l_armpit：左腋窩（以頭肩底來說，就是左側峰位；為左肩之後的轉折高點）位置索引
r_armpit：右腋窩（以頭肩底來說，就是右側峰位；為右肩之前的轉折高點）位置索引
head：頭部位置索引
l_shoulder_p：左肩價格
r_shoulder_p：右肩價格
l_armpit_p：左腋窩價格
r_armpit_p：右腋窩價格
head_p：頭部價格
start_i：型態開始位置索引（也可以視為頸線開始位置索引）
break_i：突破點位置索引（也可以視為頸線結束位置索引）
break_p：突破點價格
neck_start：頸線開始價格
neck_end：頸線結束價格
neck_slope：頸線斜率
head_width：頭部寬度
head_height：頭部高度
pattern_r2：這個參數我不知道是什麼？我也沒有使用！

當有了上述資訊；下面頭肩型態識別函式的程式碼就容易理解了：

# 來源 ： https://github.com/neurotrader888/TechnicalAnalysisAutomation/blob/main/head_shoulders.py
from myutils.HeadShoulders import find_hs_patterns

def FindingHeadShoulderPatterns(prices, order = 1, early_find = False) :
    # 價格資料確認與處理
    if prices is None and type(prices) is not DataFrame:
        return None
    in_prices = prices.copy()
    if 'Open' not in in_prices.columns or 'High' not in in_prices.columns or 'Low' not in in_prices.columns or 'Close' not in in_prices.columns :
        return None    
    if 'Date' not in in_prices.columns and in_prices.index.dtype == 'datetime64[ns]' :
        in_prices.index.name = 'Date'
        in_prices = in_prices.reset_index()
    if 'Date' not in in_prices.columns :
        return None
    prices_close=np.array(in_prices['Close'])
    # 尋找頭肩型態
    hs_patterns, ihs_patterns = find_hs_patterns(prices_close, order=order, early_find=early_find)
    # 轉換為輸出格式
    patterns = []
    for pattern in hs_patterns:
        pattern_points = []
        # 頭肩型態的左肩
        pattern_points.append([pattern.l_shoulder,in_prices.iloc[pattern.l_shoulder]['Date'].strftime("%Y-%m-%d"),pattern.l_shoulder_p])
        # 頭肩型態的左腋窩
        pattern_points.append([pattern.l_armpit,in_prices.iloc[pattern.l_armpit]['Date'].strftime("%Y-%m-%d"),pattern.l_armpit_p])
        # 頭肩型態的頭
        pattern_points.append([pattern.head,in_prices.iloc[pattern.head]['Date'].strftime("%Y-%m-%d"),pattern.head_p])
        # 頭肩型態的右腋窩
        pattern_points.append([pattern.r_armpit,in_prices.iloc[pattern.r_armpit]['Date'].strftime("%Y-%m-%d"),pattern.r_armpit_p])
        # 頭肩型態的右肩
        pattern_points.append([pattern.r_shoulder,in_prices.iloc[pattern.r_shoulder]['Date'].strftime("%Y-%m-%d"),pattern.r_shoulder_p])
        
        # 頸線開始與結束日期及價格
        neckline_start_date  = in_prices.iloc[pattern.start_i]['Date'].strftime("%Y-%m-%d")
        neckline_start_price = pattern.neck_start
        neckline_end_date    = in_prices.iloc[pattern.break_i]['Date'].strftime("%Y-%m-%d")
        neckline_end_price   = pattern.neck_end
        neckline_info = {'start_date' : neckline_start_date,'start_price' : neckline_start_price, 'end_date' : neckline_end_date, 'end_price' : neckline_end_price}
        
        # 頭肩型態的頭部資訊
        head_info = { 'width': pattern.head_width, 'height': pattern.head_height }
        
        # 頭肩頂
        patterns.append({ 'type': 'Top', 'points': pattern_points, 'neckline': neckline_info, 'head': head_info })
    for pattern in ihs_patterns:
        pattern_points = []
        # 頭肩型態的左肩
        pattern_points.append([pattern.l_shoulder,in_prices.iloc[pattern.l_shoulder]['Date'].strftime("%Y-%m-%d"),pattern.l_shoulder_p])
        # 頭肩型態的左腋窩
        pattern_points.append([pattern.l_armpit,in_prices.iloc[pattern.l_armpit]['Date'].strftime("%Y-%m-%d"),pattern.l_armpit_p])
        # 頭肩型態的頭
        pattern_points.append([pattern.head,in_prices.iloc[pattern.head]['Date'].strftime("%Y-%m-%d"),pattern.head_p])
        # 頭肩型態的右腋窩
        pattern_points.append([pattern.r_armpit,in_prices.iloc[pattern.r_armpit]['Date'].strftime("%Y-%m-%d"),pattern.r_armpit_p])
        # 頭肩型態的右肩
        pattern_points.append([pattern.r_shoulder,in_prices.iloc[pattern.r_shoulder]['Date'].strftime("%Y-%m-%d"),pattern.r_shoulder_p])
        
        # 頸線開始與結束日期及價格
        neckline_start_date  = in_prices.iloc[pattern.start_i]['Date'].strftime("%Y-%m-%d")
        neckline_start_price = pattern.neck_start
        neckline_end_date    = in_prices.iloc[pattern.break_i]['Date'].strftime("%Y-%m-%d")
        neckline_end_price   = pattern.neck_end
        neckline_info = {'start_date' : neckline_start_date,'start_price' : neckline_start_price, 'end_date' : neckline_end_date, 'end_price' : neckline_end_price}
        
        # 頭肩型態的頭部資訊
        head_info = { 'width': pattern.head_width, 'height': pattern.head_height }
        
        # 頭肩底
        patterns.append({ 'type': 'Bottom', 'points': pattern_points, 'neckline': neckline_info, 'head': head_info })
    return patterns

一樣挑重點條列說明：

頭肩型態識別函式的輸入參數說明於下：
- prices：價格（資料型態：DataFrame）
- order：最小化過濾器的距離參數（資料型態：int）
- early_find：提前尋找模式（資料型態：bool）
頭肩型態識別函式的回傳說明於下：
- 識別到的型態（包含：類型（type）、關鍵轉折點（points）、頸線（neckline）、頭部資訊（head））
僅用「收盤價」進行頭肩型態識別

程式實作：識別頭肩底型態

接下我們就用頭肩型態識別函式來識別型態，程式碼如下所示：

patterns = FindingHeadShoulderPatterns(df_k_line, 10)
print(patterns)

for pattern in patterns :
    pattern_points_len = len(np.array(df_k_line['Close']))
    pattern_points = np.array([np.nan]*pattern_points_len)
    head_shoulder_points = pattern['points']
    pattern_points[head_shoulder_points[0][0]] = head_shoulder_points[0][2]
    pattern_points[head_shoulder_points[1][0]] = head_shoulder_points[1][2]
    pattern_points[head_shoulder_points[2][0]] = head_shoulder_points[2][2]
    pattern_points[head_shoulder_points[3][0]] = head_shoulder_points[3][2]
    pattern_points[head_shoulder_points[4][0]] = head_shoulder_points[4][2]
    head_shoulder_neckline = pattern['neckline']
    head_shoulder_head     = pattern['head']
    # 設定K線格式
    mc = mpf.make_marketcolors(up='xkcd:light red', down='xkcd:almost black', inherit=True)
    s  = mpf.make_mpf_style(base_mpf_style='yahoo', marketcolors=mc)
    # 設定頸線
    seq_of_seq_of_points=[
        [(head_shoulder_neckline['start_date'],head_shoulder_neckline['start_price']),(head_shoulder_neckline['end_date'],head_shoulder_neckline['end_price'])]
    ]
    # 設定轉折點
    apds = [
        mpf.make_addplot(pattern_points,type='scatter',marker='o',markersize=50,color='xkcd:sky blue')
    ]
    # 繪出K線圖
    kwargs = dict(type='candle', style=s, figratio=(19,10), addplot=apds,alines=dict(alines=seq_of_seq_of_points, linewidths=1.2, colors='xkcd:azure', alpha=0.6), datetime_format='%Y-%m-%d')
    mpf.plot(df_k_line,**kwargs)

程式執行結果如下：
Imgur
完整的程式碼請參照「第十四天：頭肩型態識別演算法.ipynb」。

用演算法識別型態的限制

先前討論中有提到「主觀性質客觀化」的方式二（利用演算法以自動化方式來找尋或識別型態）是有限制的，可能人眼能識別到某種型態但演算法卻不能。以下是一個例子，這是由股票老師繪製的頭肩底型態：
Imgur
實際把資料送進頭肩型態識別函式（也就是前述的FindingHeadShoulderPatterns函式）卻無法識別出來。之後嘗試著調整Day9尋找轉折點函式的參數（mode='open_close'，order=10）後，再送入Day13的簡易演算法函式（FindingHeadShoulderBottom函式）卻可以找出型態（但與股票老師繪製的圖形並不一致）：
Imgur
最近看到一本書「約翰墨菲視覺分析: 回歸最單純的圖形解析, 解讀全球市場最深層的故事」把趨勢線與型態這類技術分析工具看做是『視覺分析』，從這個角度來說使用人工智慧（深度學習）技術用來進行型態識別或許是個好主意；也就是說，要探討的是以人類視覺進行分析的工作是否能夠被機器視覺所取代？關於這議題的討論我會放在賽程後半段（Day26）進行，因此型態的課題將會暫時告一段落。明天Day15會進行其他「技術分析」的課題的說明。