三日定律：

三日定律其实是来源与乔治·道格拉斯·泰勒的“预约法”，在后来它就被演变成了LSS三日周期法。泰勒说，市场波动最开始就是从内部开始驱动的，有内部消息者或者聪明人最先买进，逐步带动了市场的上扬后，到了第三天的话，市场走势虽然还是在向上运行，但是聪明的投资者已经开始趁势卖出兑现了，这其实就是泰勒定义的真个市场波动程序。

通常一只股票出现了连续上天相同的走势，第一天会哟与市场里先知先觉的玩家所发动的，而后知后觉的人会在第二天进行跟进，然而到了第三天的话，连哪些原本不知不觉的人都开始经常了，显然这就已经说明了走势接近尾声了。这其实也就是股市中的常说的那句俗语“三天不追涨，五天不杀跌。”“三日没有新高现，只卖不买没商量”的缘由。

K线形态引用自：http://www.yingjia360.com/kxtj/2017-12-21/41751.html

 照着上面的理论， 笔者的理解为，股市砖家认为，三天的连续的走势，到了第四天会反转，得出策略：上涨三日卖出，下跌三日买入

上代码：

#出现三日定律，全仓买入，全仓卖出
import tushare as ts
import pandas as pd

import datetime  # For datetime objects
import os.path  # To manage paths
import sys  # To find out the script name (in argv[0])
# Import the backtrader platform
import backtrader as bt
import talib as talib
import numpy as np

class MyStrategy(bt.Strategy):
    # 策略参数
    params = dict(
        printlog=False
    )

    def __init__(self):
        self.star = dict()
        self.cdl3inside = dict()
        # 定义全局变量
        self.count = 0
        for data in self.datas:
            # 转为tabib要求的数据格式
            opens = np.array(data.open.array)
            highs = np.array(data.high.array)
            lows = np.array(data.low.array)
            closes = np.array(data.close.array)
            # 三日定律形态
            cdl3insideRes = talib.CDL3INSIDE(opens, highs, lows, closes)
            # 数据放入self中
            print('三日定律，100是三天连续上涨，-100是三天连续下跌')
            print(cdl3insideRes)
            self.cdl3inside[data._id] = cdl3insideRes

    def next(self):
        # 得到当前的账户价值
        total_value = self.broker.getcash()
        for data in self.datas:
            pos = self.getposition(data).size
            # 三日连跌
            if total_value > 0 and self.cdl3inside[data._id][self.count] == -100:
                p_value = total_value * 0.9 / 10
                size = ((int(total_value / self.data.close[0]))) - ((int(total_value / self.data.close[0])) % 100) - 100
                if(size > 100 ):
                    self.buy(data=data, size=size)
                    print('出现底部三日定律，全仓买入,买入数量' + str(size) )

            #三日连跌
            if pos > 0 and self.cdl3inside[data._id][self.count] == 100:
                 # 全部卖出
                 # 跟踪订单避免重复
                 self.sell(data=data, size=pos)
                 print('出现三日定律，卖出数量' + str(pos))

        #自增处理
        self.count = self.count + 1

    def log(self, txt, dt=None, doprint=False):
        if self.params.printlog or doprint:
            dt = dt or self.datas[0].datetime.date(0)
            print(f'{dt.isoformat()},{txt}')

    # 记录交易执行情况（可省略，默认不输出结果）
    def notify_order(self, order):
        # 如果order为submitted/accepted,返回空
        if order.status in [order.Submitted, order.Accepted]:
            return
        # 如果order为buy/sell executed,报告价格结果
        if order.status in [order.Completed]:
            if order.isbuy():
                self.log(f'买入:\n价格:{order.executed.price:.2f},\
                成本:{order.executed.value:.2f},\
                数量:{order.executed.size:.2f},\
                手续费:{order.executed.comm:.2f}')
                self.buyprice = order.executed.price
                self.buycomm = order.executed.comm
            else:
                self.log(f'卖出:\n价格：{order.executed.price:.2f},\
                成本: {order.executed.value:.2f},\
                数量:{order.executed.size:.2f},\
                手续费{order.executed.comm:.2f}')
            self.bar_executed = len(self)
            # 如果指令取消/交易失败, 报告结果
        elif order.status in [order.Canceled, order.Margin, order.Rejected]:
            self.log('交易失败')
        self.order = None

    # 记录交易收益情况（可省略，默认不输出结果）
    def notify_trade(self, trade):
        if not trade.isclosed:
            return
        self.log(f'策略收益：\n毛收益 {trade.pnl:.2f}, 净收益 {trade.pnlcomm:.2f}')

pro = ts.pro_api('cbb257058b7cb228769b4949437c27c27e5132e882747dc80f01a5a5')

def ts_get_daily_stock(code, start_dt, end_dt):
    start_dt = start_dt.replace("'", "", 3);
    end_dt = end_dt.replace("'", "", 3);
    # start_dt = '20190101'
    # end_dt=''
    print(code, start_dt, end_dt)
    data = pro.daily(ts_code=code, start_date=start_dt, end_date=end_dt)
    data['trade_date'] = pd.to_datetime(data['trade_date'])
    data['trade_date'] = pd.to_datetime(data['trade_date'])
    data = data.sort_values(by='trade_date')
    data.index = data['trade_date']
    data['openinterest'] = 0
    data['volume'] = data['vol']
    data = data[
        ['open', 'close', 'high', 'low', 'volume']
    ]
    return data

# 读取选股的结果

df = pd.read_csv('stock_alpha.csv')
df.columns = ['ts_code', 'name', 'alpha', 'start_dt', 'end_dt']
min_a = df.sort_values(by='alpha')
min_a = min_a.iloc[:10, :]

code = []
code = min_a['ts_code']  # 股票代码

start_dts = []
start_dts = min_a['start_dt']  # 股票代码起始时间

end_dts = []
end_dts = min_a['end_dt']  # 股票代码结束时间

for i in range(len(code)):
    data = ts_get_daily_stock(code.iloc[i], start_dts.iloc[i], end_dts.iloc[i])  # 字段分别为股票代码、开始日期、结束日期
    data.to_csv(code.iloc[i] + '.csv')

cerebro = bt.Cerebro()
for i in range(len(code)):  # 循环获取股票历史数据
    dataframe = pd.read_csv(code.iloc[i] + '.csv', index_col=0, parse_dates=True)
    dataframe['openinterest'] = 0
    data = bt.feeds.PandasData(dataname=dataframe,
                               fromdate=datetime.datetime(2020, 2, 20),
                               todate=datetime.datetime(2022, 4, 5)
                               )
cerebro.adddata(data)

# 回测设置
startcash = 100000.0
cerebro.broker.setcash(startcash)
# 设置佣金为千分之一
cerebro.broker.setcommission(commission=0.001)
# 添加策略
cerebro.addstrategy(MyStrategy, printlog=True)
cerebro.run()
# 获取回测结束后的总资金
portvalue = cerebro.broker.getvalue()
pnl = portvalue - startcash
# 打印结果
print(f'总资金: {round(portvalue,2)}')
print(f'净收益: {round(pnl,2)}')

cerebro.plot()

执行结论：

总资金: 128617.2
净收益: 28617.2

数据源同上一章

三日定律函数：

talib.CDL3INSIDE(opens, highs, lows, closes)

-100三天连跌

100三天连涨