这是邢不行第 1 期量化小讲堂的分享
作者 | 邢不行
你周围有没有一些交易高手，看一眼股票的K线就可以大致预测后续的走势。虽然不是完全准确，但也能说个七七八八。
这源于他们在市场较久，此前或多或少见过类似图形，对后市有一定判断。是长期的经验积累所致，而非真正的预测行情。
对经验不足的新手小白来说，很难在短时间内掌握这项技能。
但经验不够，可以科技来凑。对面任意行情，我们都可以借助Python程序找出历史上走势相似的K线，并分析其后续表现，以此给出参照。
本文我们就来做相应的研究，看这样操作对实战是否有帮助，又是否可以据此构建一些交易策略？
01
相似K线
1
支付宝功能
2024年国庆节前后，大A经历了一轮完整的牛熊，更有大盘开盘涨停的盛况。
很多人问我如何看待这段行情，说实话我记忆中也没见过这样的走势。
但记忆可能出错，数据却不会骗人。
最好的办法，还是从过往指数K线中寻找有没有相似的走势，它们之后又是如何演绎行情的。
有同事说支付宝有类似的功能，可以实现我们的需求，叫相似K线。
选择任意股票，就会分别展示出它自身和所有股票历史上，与最近30日K线最相似的形态，并画出未来走势。
对一个免费的功能来说，这个效果已经很好了。
但对我们做量化交易的来说，看到这些功能就想知道该如何计算，是否能将它复现出来，为自己所用。
在翻阅了一些研究资料后，我们最终复刻出了相似K线，还在原有功能上做了全面的升级，整理出了一份极其全面的文件，包含需要用到的数据、代码、各类教程文档。
下文我们就带着大家一起，开始本次寻找相似K线之旅。
02
皮尔逊相关系数
1
皮尔逊相关系数概念
要在众多K线中找到相似度高的组合，就需要借助皮尔逊相关系数。
学过概率论、统计学的同学，应该很熟悉它，是一个比较基础的概念。
没学过的朋友也不用担心，皮尔逊相关系数，简单来说就是用来衡量两组数据之间的线性相关程度。
皮尔逊相关系数计算公式
你不需要理解它的原理，只要会运用就可以了。
甚至Excel中就有现成的公式用于辅助计算：
用Excel计算皮尔逊相关系数
Python中更是有打包好的计算函数，只需一行代码就可以解决。
用Python计算皮尔逊相关系数
2
皮尔逊相关系数应用
指标用法也很简单，比如图中几个点可以连成一条向上的直线，则认为相关系数为1，即x的数据增加时y也会按相同趋势增加。
假若数据点是围绕图中直线分布，则说明它们之间是正相关关系，相关系数介于0-1，围绕的越紧密，指标越接近1。
与之相反，如若是向下的直线则为负相关关系。
若数据之间毫无关系，它们的相关系数则为0。
了解了上述内容，就可以借此构建出计算K线相似度的公式：
相似度在-100%-100%之间波动
具体用法也很简单，例如下图是股票A和股票B某时间段的K线图，它们的相似度高达98%，走势上也的确极其接近。
而股票C和A的相似度是75%，走势上也给人一种相像又不完全像的感觉。
再比如股票D和A的相似度只有0.05%，它们之间毫无关联也一目了然。
通过上述案例即可发现，相似度越接近100%，K线之间也就越相似。
03
指数相似度
1
寻找指数相似K线
我们先用相似度指标来寻找上证指数最近20个交易日的相似K线。
理论上Excel也可以做相应的计算，我们则是直接编写了Python代码来辅助计算。
程序运行结果如图所示：上证指数历史上共出现了57次与近20日K线相似度超过了90%的情况。
其中相似度最高的是2016年7月29日-8月25日这段时间，高达96%。
将两段K线放在一起看，在走势上也极其接近。
如此看来，我们的经验和记忆有时确实会出现偏差，一些历史上存在过的K线走势，如果不借助数据和代码复现，可能就会被自然遗忘。
我们也可以稍微修改代码，去看指数最近30个交易日的相似K线是哪些时间段：
结果与20日完全不同
你也可以拿到代码后，选择自己感兴趣的时间段去做观察，类似操作就不再多加赘述。
2
未来表现统计
寻找历史上的相似K线，是想以史为鉴，去探究过去发生了什么，以便给当下的交易做出指导。
我们还不能只单纯看个例，应综合分析历史上相似度高于90%的所有情况，观察在这些K线产生后，买入并持有未来1天/5天/10天/20天后，赚钱的概率有多少，获取的平均收益又有多少？
上证指数历史上，与最近20个交易日的K线相似度超过90%的阶段共57次。
在这些K线出现后的第二天开盘去买入上证指数，持有1天的上涨概率是63.16%，平均收益是0.18%。
持有5天/10天的上涨概率也都在50%以上，但收益率几乎可以忽略不计。
持有20天的上涨概率骤降至43%，收益率也来到了-1.39%。
以上数据结果，也可以给我们的交易决策一定的底气和参考。
我们以上的所有研究都是基于上证指数，鉴于大家还是以交易个股为主，下文我们就将研究拓展到个股。
比如选取任意股票任意时间段的K线，在所有股票的历史数据中，找出相似度高的时段，并统计这些相似走势之后的市场表现。
04
全市场探究
以茅台为例，它最近20个交易的K线如图所示。站在这个时点，我们就想知道未来几天茅台的价格会如何变化，该直接进场还是等它继续下跌？
但我们无法预知未来，最好的办法是通过分析历史相似K线，来辅助判断后续行情。
该思路类似于技术指标中归纳整理特殊形态，只不过我们寻找的是随机的相似K线，无需做特殊条件的归纳。
我们请出祖传的Python代码，相关功能已经帮大家准备好了，只需要根据我文档中的流程来操作即可。
通过代码，我们先找出了2007年至今A股历史上和茅台最近20个交易日走势最相似的三段K线，并画了出来，相似度分别是97.7%和97.6%。
并标注出了它们的股票名称、交易日期，甚至还将后续走势也画出供大家参考。
以上功能，支付宝也可以提供，虽然不如我们全面，但也确实不值得我们夸耀。
我们还额外添加了其它功能，比如历史上和茅台最近走势相似度最大的1万组K线，相似度最低的也有92%，说明彼此走势都很相似，那这些K线未来的整体表现又是如何？
我们计算了这些K线出现后未来1天/5天/10天/20天的上涨概率和平均涨跌幅，结果如图所示：
利用我们的工具，你既可以肉眼直观比较最相似K线的未来表现，也可以通过大数据分析最相似的前X组K线的整体表现，以此辅助你做出交易决策。
本文只是以茅台为例，你也可以拿了代码后，选择其他任意股票、任意时间段、任意X根K线去做走势的研究，这些完全可以实现，就看你如何使用。
最后再透露个小秘密，既然相似度是以开高收低价格为基础计算的，那是否可以将成交量也考虑进去？
是不是也可以融入技术指标，如均线的相似度计算，寻找更广泛意义上的相似K线？
篇幅有限，就不多加赘述了，感兴趣的朋友可以和我一起讨论，也可以问我要了数据和代码自己把玩修改，以上思路都是可以实践的。