前幾篇談到了價量和指標，這篇來談談型態學

股票中的型態理論是一種用於技術分析的方法，它基於市場價格的圖形和模式來預測股票價格的未來走勢。型態理論假設市場參與者的行為在股票價格的圖表中留下痕跡，並且這些痕跡可以用來預測未來價格的走勢。以下是型態理論的一些關鍵概念和常見圖案：

其實型態是很主觀的，要怎麼客觀地去產生型態識別是很有挑戰性的

1. 型態理論的基本概念

• 市場心理學：型態理論基於市場參與者的心理和情感。它假設投資者的情緒波動會反映在價格圖表中，從而形成不同的型態。
• 歷史重複性：型態理論認為市場中的某些型態和模式在歷史上出現過，並且可能會再次出現。這種觀點強調歷史價格行為的重要性。

2. 常見的股票型態

• 頭肩頂和頭肩底：這是兩個常見的反轉型態。頭肩頂通常出現在股票價格頂部，預示著價格可能下跌。頭肩底出現在底部，預示著價格可能上漲。
• 高檔和低檔：高檔和低檔是區域型態，它們代表股票價格在一個區域內波動，通常在趨勢反轉之前出現。
• 三角形：三角形型態包括對稱三角形、上升三角形和下降三角形。這些型態通常代表價格壓力正在累積，可能會導致突破。
• 銳角和續跌：這是趨勢型態，銳角表示價格急劇上升，續跌表示價格急劇下降。這些型態可能表明市場趨勢強烈。

3. 型態理論的應用

• 交易決策：許多交易者使用型態理論來識別潛在的買賣機會。例如，當出現頭肩底型態時，一些交易者可能考慮買入。
• 停損和停利：型態理論也可以用於設定停損和停利水平。根據不同的型態和模式，交易者可以決定在什麼價位上設定停損和止盈訂單。

常見的型態

頭肩頂和頭肩底 (Head and Shoulders)：
頭肩頂：包括一個高峰（頭部）之間的兩個低谷（肩部）。通常預示著價格可能下跌。
頭肩底：包括一個低谷（頭部）之間的兩個高峰（肩部）。通常預示著價格可能上漲。

# 設定檢測頭肩底的參數
left_shoulder_depth = 20  # 左肩部最低價格的前期數據窗口大小
right_shoulder_depth = 20  # 右肩部最低價格的後期數據窗口大小

# 檢測頭肩底型態
def detect_head_and_shoulders(data):
    for i in range(1, len(data) - 1):
        if (
            data['Low'][i] < data['Low'][i - left_shoulder_depth]
            and data['Low'][i] < data['Low'][i + right_shoulder_depth]
            and data['High'][i] > data['High'][i - left_shoulder_depth:i + right_shoulder_depth].max()
        ):
            return i  # 返回頭肩底型態的右肩部位置
    return None  # 沒有檢測到頭肩底型態

# 檢測頭肩底型態
shoulder_position = detect_head_and_shoulders(data)

雙頂和雙底 (Double Top and Double Bottom)：
雙頂：包括兩個相似的價格高點，中間有一個較低的低谷。預示著價格可能下跌。
雙底：包括兩個相似的價格低點，中間有一個較高的高峰。預示著價格可能上漲。

# 設定檢測W底的參數
lookback_window = 20  # 查找W底的回顧窗口大小
depth_threshold = 0.03  # W底的深度閾值（價格變化百分比）

# 函數：檢測W底型態
def detect_w_bottom(data, lookback_window, depth_threshold):
    for i in range(lookback_window, len(data) - lookback_window):
        left_low = data['Low'][i - lookback_window:i].min()
        middle_low = data['Low'][i - lookback_window // 2:i + lookback_window // 2].min()
        right_low = data['Low'][i:i + lookback_window].min()

        # 檢測W底的深度是否滿足閾值
        if (
            middle_low < left_low * (1 - depth_threshold)
            and middle_low < right_low * (1 - depth_threshold)
            and data['Low'][i] == middle_low
        ):
            return i  # 返回W底的底部位置
    return None  # 沒有檢測到W底

# 檢測W底型態
w_bottom_position = detect_w_bottom(data, lookback_window, depth_threshold)

三重頂和三重底 (Triple Top and Triple Bottom)：
三重頂：包括三個相似的價格高點，中間有兩個較低的低谷。預示著價格可能下跌。
三重底：包括三個相似的價格低點，中間有兩個較高的高峰。預示著價格可能上漲。

上升三角形和下降三角形 (Ascending Triangle and Descending Triangle)：
上升三角形：由一條水平的上界和一個上升的支撐線組成。預示著價格可能突破上界上漲。
下降三角形：由一條水平的下界和一個下降的壓力線組成。預示著價格可能突破下界下跌。

# 設定檢測上升三角旗的參數
window_size = 40  # 查找上升三角旗的窗口大小

# 函數：檢測上升三角旗型態
def detect_ascending_triangle_flag(data, window_size):
    for i in range(window_size, len(data) - window_size):
        upper_bound = data['High'][i - window_size:i].max()
        lower_bound = data['Low'][i - window_size:i].min()
        current_high = data['High'][i]

        # 檢測是否有相對水平的上界和下界，並且目前的高點在上界附近
        if (
            abs(upper_bound - lower_bound) < 0.03 * upper_bound  # 上下界相對水平
            and current_high > (upper_bound - 0.2 * (upper_bound - lower_bound))  # 目前的高點在上界附近
        ):
            return i  # 返回上升三角旗的位置
    return None  # 沒有檢測到上升三角旗

# 檢測上升三角旗型態
ascending_triangle_flag_position = detect_ascending_triangle_flag(data, window_size)