前天介绍了完整的拐点交易算法的分析，今天详细的介绍一下里面的子模块，挂点卖出，先看简单的原理图，这个是固定的，更改起点会变成连续动态的分析通过基准价与涨幅比例计算涨幅阈值价p1，当最新价突破p1后，以突破后的最高价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）挂单卖出

最高价说明：当涨幅比例阈值p1满足后，开始记录最高价p2，此时的最高价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高价

一、原理：捕捉“冲高回落”的动能衰竭点

该算法的核心原理是：识别一个上涨趋势在经历“加速赶顶”后的“动能衰竭”信号，并以此作为卖点。它认为，一个健康的上涨趋势转为危险的下跌趋势，通常会经历两个阶段：

加速上涨阶段：价格快速拉升，突破某个关键位置（P1），这证明多头力量达到顶峰。

高位回落阶段：价格在创出新高后，无法维持，开始显著回落。这个“回落”动作本身就是多头力量衰竭、空头开始反扑的直接证据。策略捕捉的正是这个“从最高点回落”的拐点。

二、核心交易思路：一个带有“门控”的两阶段确认模型

这个算法的思路非常严谨，可以概括为一个 “门控式”的两阶段确认模型。

第一阶段：上涨趋势的“入场券”——突破P1，作用：P1是基准价上方的一个“门槛”。价格必须向上突破这个门槛，才被纳入监控范围。思路：这起到了一个趋势强度过滤器的作用。如果价格连P1都无法突破，说明上涨动能不足，不值得启动“高位回落”监控。这避免了在横盘震荡行情中频繁产生无效信号。

第二阶段：动能衰竭的“确认键”——跌破P3

作用：一旦价格突破P1，策略便开始寻找这个上涨波段中的最高点（P2），并计算出从P2回落的“警戒线”P3。当价格从高点回落到P3以下时，触发卖出。思路：这个阶段是本策略的精髓。它不预测顶部，而是等待顶部出现（P2）并从顶部显著回落（跌破P3）后才行动，是一种典型的“右侧交易”思维。它牺牲了顶部的一小部分利润，来换取趋势可能反转的更高确定性。

代码体现：if p_3>p_1:思路：这是整个策略逻辑中最精妙、最关键的一环。它要求“回调警戒线P3”必须高于“上涨启动线P1”。这保证了触发卖出时，股价仍然高于最初确认上涨趋势的位置。

深层含义：如果 P3 <= P1，意味着股价从高点P2回落的幅度过大，不仅吃掉了所有涨幅，还跌回了“上涨趋势确认线”下方。这种情况虽然也是亏损，但它可能属于“假突破”或趋势的彻底反转，与策略定义的“冲高回落的动能衰竭”模式不符。策略主动放弃处理这种情况，以保持其信号的纯粹性。

这个算法的设计体现了清晰的取舍：它要赚什么钱？ 它旨在捕捉一个已确认的上升趋势中，最后一段加速上涨后，趋势发生温和反转的那一段利润。它要放弃什么行情？放弃窄幅震荡：价格无法突破P1，永不触发。

放弃深度V型反转：股价突破P1后快速拉升，然后掉头向下，直接跌破P1（此时 P3 <= P1）。这种行情它不参与，也因此避开了追高买入后立刻被套在山顶的风险。放弃预测最高点：它在最高点（P2）出现并回落之后才行动，属于确认性交易，而非预测性交易。

代码的研究学习参考不做交易参考


def run_sell_trade(c):
    '''
    卖出拐点运行函数
    "上涨比例":,
    "回调比例":,
    '''
    path=c.text['记录文件路径']
    up_ratio=c.text['上涨比例']
    down_ratio=c.text['回调比例']
    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:
                        lastClose_list=tick['lastPrice'].tolist()
                        #最新值
                        last_price=lastClose_list[-1]
                        #最大值
                        max_value=max(lastClose_list)
                        #p1值
                        p_1=base_price*(1+up_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)
                        #最高点涨跌幅
                        last_max_zdf=((max_value-base_price)/base_price)*100
                        last_max_zdf=round(last_max_zdf,2)
                        #p2最大价
                        p_2=max_value
                        p_2=round(p_2,3)
                        #回调比例计算p3
                        p_3=p_2*(1-down_ratio/100)
                        p_3=round(p_3,3)
                        #目前回调比例
                        last_ht_ratio=((last_price-p_2)/p_2)*100
                        last_ht_ratio=round(last_ht_ratio,2)
                        #最新价大于P1,开始监控
                        if last_price>=p_1:
                            #回调没有跌破p1
                            if p_3>p_1:
                                #最新价跌破回调值
                                if last_price<=p_3:
                                    print('触发拐点卖出,时间:{},股票:{},名称:{},基准价:{},p1值:{},p2值:{},p3:值{},最新价:{},目前涨跌幅:{},最高涨跌幅:{},目前回调比例:{} '.format(str(datetime.now())[:-7:],
                                        stock,name,base_price,p_1,p_2,p_3,last_price,
                                        last_zdf,last_max_zdf,last_ht_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
                                    av_amount=av_amount_dict.get(stock,0)
                                    if av_amount>=amount:
                                        amount=amount
                                    else:
                                        amount=av_amount
                                    if check_is_sell(c,c.account,c.account_type,stock=stock,amount=amount):
                                        maker='{},拐点卖出,{},{},{},{}'.format(c.st_name,stock,'sell',amount,price)
                                        passorder(c.sell_code, 1101,c.account, stock, c.sell_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']=['拐点卖出']
                                        trader_log['交易模式']=[trader_type]
                                        trader_log['交易方向']=['sell']
                                        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)]
                                        #第一次循环运行卖出不记录
                                        if a.sell_flg==0:
                                            print(stock,'第一次循环运行卖出不记录********')
                                            a.sell_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,'卖出失败可能没有持股')
                                else:
                                    print('没有触发拐点卖出,会调没有跌破P3,时间:{},股票:{},名称:{},基准价:{},p1值:{},p2值:{},p3:值{},最新价:{},目前涨跌幅:{},最高涨跌幅:{},目前回调比例:{} '.format(str(datetime.now())[:-7:],
                                        stock,name,base_price,p_1,p_2,p_3,last_price,
                                        last_zdf,last_max_zdf,last_ht_ratio))
                            else:
                                print('没有触发拐点卖出,P3小于P1,时间:{},股票:{},名称:{},基准价:{},p1值:{},p2值:{},p3:值{},最新价:{},目前涨跌幅:{},最高涨跌幅:{},目前回调比例:{} '.format(str(datetime.now())[:-7:],
                                    stock,name,base_price,p_1,p_2,p_3,last_price,
                                    last_zdf,last_max_zdf,last_ht_ratio))
                        else:
                            print('没有触发拐点卖出,最新加没有突破P1,时间:{},股票:{},名称:{},基准价:{},p1值:{},p2值:{},p3:值{},最新价:{},目前涨跌幅:{},最高涨跌幅:{},目前回调比例:{} '.format(str(datetime.now())[:-7:],
                                stock,name,base_price,p_1,p_2,p_3,last_price,
                                last_zdf,last_max_zdf,last_ht_ratio))
                    else:
                        print(str(datetime.now())[:-7],stock,'拐点卖出，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,'拐点卖出有问题*********')
        else:
            print('拐点买入没有自定义交易股票池*********')
    else:
        print('{}拐点卖出目前不是交易时间*********'.format(datetime.now()))

日内拐点卖出原理：从拐点识别到卖出执行的完整链路

投资顾问

编程语言

该策略捕捉冲高回落动能衰竭点，采用两阶段门控确认：先突破涨幅阈值P1启动监控，记录最高价P2，再等跌破回调线P3且P3高于P1时触发卖出，实现右侧趋势反转交易。

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！

日内拐点卖出原理：从拐点识别到卖出执行的完整链路

日内拐点卖出原理：从拐点识别到卖出执行的完整链路

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