捕捉晶心科(6533)股票2020年的早晨之星訊號
08170442_陳映橦
2021-11-19 23:23:45
套件
# 資料整理工具
library(dplyr)
# 繪圖套件
library(plotly)
# 時間序列資料的相關套件
library(xts)
# 財金金融套件
library(quantmod)setwd("/srv/shiny-server/asisstuc/08170442")1 前言
動手做：任選一檔2020年的台股資料，定義早晨之星的各項參數
6533晶心科
- 抓出該檔股票的早晨之星訊號發生的日期
- 畫出該日期附近的K線圖作為佐證
- 抓出該檔股票的早晨之星訊號發生的日期
為何選擇該台股(6533晶心科)？
- 是任天堂遊戲機Switch供應鏈
- 在CPU IP市場耕耘已久
- 外資介入及融資高
- 容易受到傳統淡季、新台幣強升影響
2 介紹專有名詞
何謂早晨之星？
原意：在太陽尚未升起的時候，黎明前最黑暗的時刻，一顆明亮的啟明星在天邊指引著那些走向光明的夜行人。
在股市中，K線圖上的「早晨之星」是釋放出原本下跌趨勢的反轉訊號，即預示著跌勢將盡，大盤處於拉升的前夜，行情擺脫下跌的陰影，逐步走向光明。
何謂黃昏之星？
原意：太陽就像一顆紅色的淚珠，從西山之巔緩緩滾落。在夕陽的餘光之中，黃昏之星就像魔鬼的特使君臨股市。
在股市中，K線圖上的「黃昏之星」是比較強烈的趨勢轉弱信號，行情將隨之進入振盪下行趨勢中，投資者需要把握時機獲利了結或止損出局。
3 捕捉早晨之星
3.1 下載台股–6533晶心科
STEP 1：利用loadSymbols函數下載上市公司晶心(6533)之股票資料，並篩選2020年之資料
TW6533 = loadSymbols(Symbols = "6533.TW",
from = "2020-01-01",
to = "2020-12-31",
auto.assign = FALSE)## 'getSymbols' currently uses auto.assign=TRUE by default, but will
## use auto.assign=FALSE in 0.5-0. You will still be able to use
## 'loadSymbols' to automatically load data. getOption("getSymbols.env")
## and getOption("getSymbols.auto.assign") will still be checked for
## alternate defaults.
##
## This message is shown once per session and may be disabled by setting
## options("getSymbols.warning4.0"=FALSE). See ?getSymbols for details.STEP 2：利用data.frame建立資料框，並更改欄位名稱、刪除欄位“Adjusted”，最後將資料框存成csv檔，並將檔案轉成xts時序類別，刪除Date欄位名稱
K線圖是由以下數值繪製而成：
- 開盤價(Open)
- 最高價(High)
- 最低價(Low)
- 收盤價(Close)
- 開盤價(Open)
TW6533.df <- data.frame(Date = index(TW6533),coredata(TW6533))
colnames(TW6533.df) = c("Date", "Open", "High", "Low", "Close", "Volume", "Adjusted")
TW6533.df <- TW6533.df[,-7]
write.csv(TW6533.df, "./TW6533.csv")
data0 <- read.csv('./TW6533.csv')
head(data0)## X Date Open High Low Close Volume
## 1 1 2020-01-02 133.0 134.0 132.0 133.5 680014
## 2 2 2020-01-03 137.0 137.5 129.0 129.0 1984974
## 3 3 2020-01-06 129.0 130.5 127.5 129.0 494222
## 4 4 2020-01-07 130.5 130.5 125.0 126.0 715466
## 5 5 2020-01-08 124.5 126.5 124.5 125.5 477620
## 6 6 2020-01-09 128.0 128.0 125.5 128.0 549272data0 <- xts(data0[,-c(1,2)],
order.by = as.Date(data0$Date))
head(data0, n = 2)## Open High Low Close Volume
## 2020-01-02 133 134.0 132 133.5 680014
## 2020-01-03 137 137.5 129 129.0 19849743.2 捕捉早晨之星
蠟燭實體的定義
- 第一天(前兩期)的收盤價低於開盤價(delta1)
- 第二天(前一期)的收盤價和開盤價大致相等，差別控制在一個範圍內(delta2)
- 第三天(當期)的收盤價高於開盤價(delta3)
連續3根蠟蠋圖組成
- 第1根: 較長綠色實體
- 第2根: 十字星線，實體在第一、二根實體下方
- 第3根: 紅色實體(大於等於第1根綠色實體的一半)
- 第1根: 較長綠色實體
十字星實體位置的定義
- 第二天(前一期)的收盤價與開盤價均小於第一天(前兩期)的收盤價與第三天(當期)的開盤價
下跌趨勢的定義
- 利用前兩期與前三期來看原本是下跌或上漲趨勢
- 用收盤價來計算股票的收益率，收益率為負表示下跌
- 利用前兩期與前三期來看原本是下跌或上漲趨勢
彙整程式碼10步驟：
STEP 1：拉出開盤價和收盤價，並計算每個交易日開盤價與收盤價的價差
STEP 2：結合三期資料：本期差值、前一期差值、前二期差值
STEP 3：蠟燭實體的定義(delta1、delta2、delta3)，撰寫檢查是否合格的函數
STEP 4：轉換成矩陣再運算，並轉換成xts格式物件
STEP 5：定義十字星實體位置所需要的資料
STEP 6：x 為一個向量，有四個元素，分別是“Open.3”, “Open.2”, “Close.2”, “Close.1”，撰寫檢查是否為十字星的函數
STEP 7：定義十字星實體位置，要在其前後綠色實體和紅色實體下方，捕捉符合十字星實體位置的K線圖，並轉換成xts時間序列類別
STEP 8：捕捉下跌趨勢並計算收益率
STEP 9：定義下跌函數，並轉換成xts格式物件
STEP 10：開始尋找早晨之星，組裝資料、刪除遺失值，轉換成xts，並找出日期
註：需要三種(delta1、delta2、delta3)都合乎規定才可以
MorningStar.ft = function(data0, delta1, delta2, delta3){
Close <- data0$Close
Open <- data0$Open
# STEP 1：計算價差
CL_OP <- Close-Open
names(CL_OP) <- "CL_OP"
# STEP 2：結合三期資料
dataCL_OP <- merge(CL_OP, stats::lag(CL_OP,1), stats::lag(CL_OP,2))
# STEP 3：x = c(第三天, 第二天, 第一天)
morning.K = function(x, delta1, delta2, delta3){
flag1 = x[3] < -1*delta1
flag2 = abs(x[2]) < delta2
flag3 = x[1] > delta3
flag4 = abs(x[1]) > abs(x[3])*0.5
return(ifelse(flag1&flag2&flag3&flag4, 1, 0))
}
# STEP 4：轉換矩陣及 xts 格式
candle <- apply(dataCL_OP,
MARGIN = 1,
FUN = morning.K, delta1, delta2, delta3)
candle <- xts(as.numeric(candle),
order.by = index(dataCL_OP))
names(candle) <- "candle"
# STEP 5：定義十字星實體位置所需要的資料
dataCOP <- merge(Open,
stats::lag(Open,1), stats::lag(Close,1),
stats::lag(Close,2))
names(dataCOP) = c("Open.3", "Open.2", "Close.2", "Close.1")
# STEP 6：撰寫檢查是否為十字星的函數
star.ft = function(x){
flag1 = x[3] < x[4]
flag2 = x[3] < x[1]
flag3 = x[2] < x[4]
flag4 = x[2] < x[1]
return(ifelse(flag1&flag2&flag3&flag4, 1, 0))
}
# STEP 7：捕捉符合十字星實體位置的K線圖
Doji <- apply(dataCOP,
MARGIN=1,
FUN=star.ft)
Doji <- xts(as.numeric(Doji),
order.by=index(dataCOP))
# STEP 8：捕捉下跌趨勢並計算收益率
ret <- ROC(Close, type = "discrete")
names(ret) <- "SSEC2012.ret"
dataret <- merge(stats::lag(ret,2), stats::lag(ret, 1))
# STEP 9：定義下跌函數，並轉換成xts格式物件
down.ft = function(x){
flag1 = x[1]<0
flag2 = x[2]<0
return(ifelse(flag1&flag2, 1, 0))
}
trend <- apply(dataret,
MARGIN = 1,FUN = down.ft)
trend <- xts(as.numeric(trend),order.by = index(dataret))
names(trend) <- "trend"
# STEP 10：開始尋找早晨之星，組裝資料、刪除遺失值，轉換成xts，並找出日期
MorningStar <- function(candle, Doji, trend){
star <- na.omit(merge(candle, Doji, trend))
signal <- apply(star,
1,
function(x){
ifelse(all(x == 1),1,0)
}
)
signal <- xts(as.numeric(signal), order.by = index(star))
return(index(signal[signal == 1]))
}
MorningStar(candle, Doji, trend)
}
MorningStar.ft(data0, 10, 2, 6)## [1] "2020-12-30"3.3 畫出K線圖
dataPlot <- data0["2020-12-01/2020-12-31"]
chartSeries(dataPlot, theme='white',
up.col='red',dn.col='green')
4 補充
「標準的晨星」定義為何？
標準的早晨之星，其形成過程如下。
（1）在下跌過程中，價格延續跌勢，產生一根較長的實體陰線，顯示大勢不妙，同時也説明空方能量得到進一步宣泄。
（2）第二天，價格跳空低開，但跌勢趨緩，呈低位震盪盤整走勢。收盤價與開盤價差不多在同一個水平，形成一個十字星形態。收出小實體陰陽K線亦可，其分析意義更佳。這根K線為早晨之星形態的主體部分。
（3）第三天，價格強勢上漲，出現強勁的反彈走勢，收盤收出一根較長的實體陽線、其實體部分或全部吞掉第一根陰線實體，顯示出多頭已經開始了初步的反攻。
也就是說，第一天或第三天不可以跟第二天太相近，不然早晨之星較不明顯；第二天的收盤價與開盤價價差不必一定趨近於0，但價差也不能太大，我會以正負2以內作為標準
4.1 尋找標準的晨星
4.1.1 標準的晨星
在台股中，我認為價差超過10的早晨之星很少（因為我都找不到）。所以當我找出 2020-12-30 有早晨之星的現象時，發現第一天的價差有16、第三天有25，而價差都遠大於第二天，所以我會稱 2020-12-30 的k線圖為「標準的晨星」
MorningStar.ft(data0, 10, 2, 6)## [1] "2020-12-30"# 標準的晨星 2020-12-30
MorningStar.ft(data0, 16, 2, 25)## [1] "2020-12-30"dataPlot <- data0["2020-12-01/2020-12-31"]
chartSeries(dataPlot, theme = 'white',
up.col = 'red',dn.col = 'green')
4.1.2 不標準的晨星
將數值往下調，終於發現第二個早晨之星。不過當時設定第一天的數值和第二天的數值一樣，這是不合理的，調整三天的價差之後，發現雖然符合早晨之星的原則，但第二天和第一天及第三天的價差太接近，所以我會稱 2020-02-11 的早晨之星為「不標準的晨星」
MorningStar.ft(data0, 2, 2, 1.3)## [1] "2020-02-11" "2020-12-30"# 不標準的晨星 2020-02-11
MorningStar.ft(data0, 3.4, 1.1, 1.9)## [1] "2020-02-11" "2020-12-30"dataPlot <- data0["2020-02-01/2020-02-27"]
chartSeries(dataPlot, theme = 'white',
up.col = 'red',dn.col = 'green')
4.1.3 較標準的晨星
依然不死心，再將數值往下調，終於找到第三個早晨之星。調整三天的數值後，都有符合早晨之星的原則，但雖然第一天及第三天的數值差距大，可是第一天和第二天的數值差距很小，所以我會稱他為「較標準的晨星」
MorningStar.ft(data0, 0.6, 2, 0.4)## [1] "2020-02-11" "2020-08-04" "2020-12-30"# 較標準的晨星 2020-08-04
MorningStar.ft(data0, 0.9, 0.6, 6)## [1] "2020-08-04"dataPlot <- data0["2020-07-21/2020-08-11"]
chartSeries(dataPlot, theme = 'white',
up.col = 'red',dn.col = 'green')
4.2 總結
想要尋找出「標準的晨星」，我認為：
- 對於台股，數值不要設太高
- 三天的數值不要太相近（差值5以上會更好）
- 第二天的差價介於正負2以內
