今天这个案例对应的代码，都可以通过github这个工程：https://github.com/AFAN-LIFE/AFAN-LIFE
形态学预测研究已久
用K线形态来预测股价这个想法并非空穴来风。在股票投资中，以量价形态为代表的技术分析路线受到很多人的追捧。例如，华创证券的金融工程研究组专门建立了一个形态学网站，介绍各种K线形态，并基于这些形态对股票未来涨跌概率进行统计。
网站地址：mark.hcquant.com
更早的博客时代，新浪博客中的“缠中说禅”大神因其对形态学的分析判断而备受追捧，甚至有人将其博客整理成一个流派，称为“缠论”。在GitHub上，金融数据提供商Tushare就维护了一个数千个Star的仓库。
仓库地址：https://github.com/waditu/czsc
随着近几年人工智能的兴起，有人尝试利用卷积神经网络等图像识别算法对K线形态进行分析预测，但这些方法无法实现对图像语义的理解。
在量化交易中应用卷积神经网络CNN做时间序列预测
DeepSeek形态学预测实践
import matplotlibimport numpy as npimport pandas as pdimport tushare as tsimport mplfinance as mpfimport matplotlib.pyplot as plt
#获取浦发银行60000.SH的历史分钟数据df = pro.stk_mins(ts_code='600000.SH', freq='1min', start_date='2025-03-21 09:00:00', end_date='2025-03-21 16:00:00')
# 蜡烛图展示adj_df = df.set_index('trade_time')adj_df.index = pd.DatetimeIndex(adj_df.index)adj_df = adj_df.rename(columns={'vol': 'volume'})
# 设置mplfinance的蜡烛颜色，up为阳线颜色，down为阴线颜色my_color = mpf.make_marketcolors(up='r', down='g', edge='inherit', wick='inherit', volume='inherit')# 设置图表的背景色my_style = mpf.make_mpf_style(marketcolors=my_color, figcolor='(0.82, 0.83, 0.85)', gridcolor='(0.82, 0.83, 0.85)')
mpf.plot(adj_df, style=my_style, type='candle', volume=True, returnfig=True)plt.savefig('test.png') # 保存为PNG文件