哈尔兹法则策略量化二（优化买点，加入均线）

在哈尔兹法则策略量化一，我们的买点完全遵照哈尔兹法则的买入条件：即股从低价上涨10%之后才介入，然而我们看到最近三年收益及正收益概率都不太理想，如下图：


图一，哈尔兹法则买入条件最近三年收益及正收益概率

今天我们尝试买点做一些优化，即在哈尔兹法则的买入条件，股从低价上涨10%的基础上加入5日均线大于10均线，最近三年收益如下图：


图二，哈尔兹法则买入条件加5日均线大于10日均线，最近三年收益及正收益概率

从图二对比图一原始的哈尔兹法则的买入条件收益，我们可以看到，收益，以及正收益率都是有所提高，尤其是2019年，收益达到5.58倍，但是，但是，我们看到最近年正收益率都很低，2018年尤其差0.26，2019年最好，也只有0.45，连50%都没有超过，这个胜率，实战操作很尴尬了。

另外贴上最近三年收益汇总，可以看到买入之后亏损的次数非常多

2017年 收益,0.64 概率 0.37 正收益次数-> 74 负收益次数-> 126

2018年 收益0.06 概率 0.26 正收益次数-> 41 负收益次数-> 117

2019年 total_shouyi= 5.58 概率 0.45 正收益次数-> 74 负收益次数-> 91

代码部分如下：

# -*- coding: utf-8 -*-

import numpyas np

import pandasas pd

import matplotlib.pyplotas plt

import os

import shutil

import time

import matplotlib

def Haerzi(start,end):

mairuhou_mark =0

    zhengshouyi_num =0

    fushouyi_num =0

    cur_dir = os.getcwd()# get current path

    folder_name ='result'

    dir_new = os.path.join(cur_dir, folder_name)

end_date = ['2019/12/31','2019/12/30','2019/12/29','2019/12/28']

#删掉结果

    if os.path.exists(dir_new +"\\" + start.replace("/","_") +"__" + end.replace("/","_") +"celie_xiangxi" +'.txt'):

os.remove(dir_new +"\\" + start.replace("/","_") +"__" + end.replace("/","_") +"celie_xiangxi" +'.txt')

if os.path.exists(dir_new +"\\" + start.replace("/","_") +"__" + end.replace("/","_") +"dangtian_buy" +'.txt'):

os.remove(dir_new +"\\" + start.replace("/","_") +"__" + end.replace("/","_") +"dangtian_buy" +'.txt')

if os.path.exists(dir_new +"\\" + start.replace("/","_") +"__" + end.replace("/","_") +'"dangtian_sell"' +'.txt'):

os.remove(dir_new +"\\" + start.replace("/","_") +"__" + end.replace("/","_") +'"dangtian_sell"' +'.txt')

#设置路径

    dir_list = []

lujing =r'C:\gupiao\gupiaoci'

    for iin os.listdir(r'C:\gupiao\gupiaoci'):

a = i.split('.')[0]

if a[0] !='3':

dir_list.append(lujing+'\\'+i)

#创业板指数

    df = pd.read_table(r'C:\gupiao\gupiaoci' +"\\399006.txt",header=1,usecols=range(6), parse_dates=[0], index_col=0,encoding='gb2312')

df.index.rename('date', inplace=True)

df.rename(columns={'    开盘':'open', '    最高':'high', '    最低':'low', '    收盘':'close','    成交量':'vol'}, inplace=True)

df = df.drop('数据来源:通达信')

df.close = df.close.astype(np.float32)#设置为32位，4字节，默认64位，8字节，append到list之后就会多小数位

    df.low = df.low.astype(np.float32)#设置为32位，4字节，默认64位，8字节，append到list之后就会多小数位

    df.vol = df.vol.astype(np.int64)

df2 = df[start:end][:len(df.vol)-1]

#均线

    ma5_chuangzhi = df2.close.rolling(window=5,center=False).mean()

ma5_chuangzhi = ma5_chuangzhi [start:end]

ma10_chuangzhi = df2.close.rolling(window=10,center=False).mean()

ma10_chuangzhi = ma10_chuangzhi [start:end]

ma30_chuangzhi = df2.close.rolling(window=30,center=False).mean()

ma30_chuangzhi = ma30_chuangzhi [start:end]

#深圳指数

    df = pd.read_table(r'C:\gupiao\gupiaoci' +"\\399107.txt",header=1,usecols=range(6), parse_dates=[0], index_col=0,encoding='gb2312')

df.index.rename('date', inplace=True)

df.rename(columns={'    开盘':'open', '    最高':'high', '    最低':'low', '    收盘':'close','    成交量':'vol'}, inplace=True)

df = df.drop('数据来源:通达信')

df.close = df.close.astype(np.float32)#设置为32位，4字节，默认64位，8字节，append到list之后就会多小数位

    df.low = df.low.astype(np.float32)#设置为32位，4字节，默认64位，8字节，append到list之后就会多小数位

    df.vol = df.vol.astype(np.int64)

df2 = df[start:end][:len(df.vol)-1]

#均线

    ma5_shenzhen = df2.close.rolling(window=5,center=False).mean()

ma5_shenzhen = ma5_shenzhen[start:end]

ma10_shenzhen = df2.close.rolling(window=10,center=False).mean()

ma10_shenzhen = ma10_shenzhen[start:end]

ma30_shenzhen = df2.close.rolling(window=30,center=False).mean()

ma30_shenzhen = ma30_shenzhen[start:end]

#个股

    total_shouyi=1

    total_date_buy = []

total_date_sell = []

buy_date_zhengshouyi = []

buy_date_fushouyi = []

for jin dir_list:

#获取数据

        name = (j.split('\\')[-1]).split('.')[0]

df = pd.read_table(j,header=1,usecols=range(6), parse_dates=[0], index_col=0,encoding='gb2312')

df.index.rename('date', inplace=True)

df.rename(columns={'    开盘':'open', '    最高':'high', '    最低':'low', '    收盘':'close','    成交量':'vol'}, inplace=True)

df = df.drop('数据来源:通达信')

df.close = df.close.astype(np.float32)#设置为32位，4字节，默认64位，8字节，append到list之后就会多小数位

        df.low = df.low.astype(np.float32)#设置为32位，4字节，默认64位，8字节，append到list之后就会多小数位

        df.vol = df.vol.astype(np.int64)

df2 = df[start:end][:len(df.vol)-1]

df = df[start:end]

#均线

        ma5 = df2.close.rolling(window=5,center=False).mean()

ma5= ma5[start:end]

ma3 = df2.close.rolling(window=3,center=False).mean()

ma3= ma3[start:end]

ma8 = df2.close.rolling(window=8, center=False).mean()

ma8 = ma8[start:end]

ma15 = df2.close.rolling(window=15, center=False).mean()

ma15 = ma15[start:end]

ma10 = df2.close.rolling(window=10,center=False).mean()

ma10= ma10[start:end]

ma12 = df2.close.rolling(window=12, center=False).mean()

ma12 = ma12[start:end]

ma20 = df2.close.rolling(window=20,center=False).mean()

ma20= ma20[start:end]

ma30 = df2.close.rolling(window=30,center=False).mean()

ma30 = ma30[start:end]

ma60 = df2.close.rolling(window=60,center=False).mean()

ma60 = ma60[start:end]

ma120 = df2.close.rolling(window=120,center=False).mean()

ma120 = ma120[start:end]

ma200 = df2.close.rolling(window=200, center=False).mean()

ma200 = ma200[start:end]

ma250 = df2.close.rolling(window=250,center=False).mean()

ma250 = ma250[start:end]

#均量线

        vol5 = df2.vol.rolling(window=5,center=False).mean()

vol5 = vol5[start:end]

vol3 = df2.vol.rolling(window=3,center=False).mean()

vol3 = vol3[start:end]

vol8 = df2.vol.rolling(window=8,center=False).mean()

vol8 = vol8[start:end]

vol10 = df2.vol.rolling(window=10,center=False).mean()

vol10 = vol10[start:end]

vol20 = df2.vol.rolling(window=20,center=False).mean()

vol20 = vol20[start:end]

vol15 = df2.vol.rolling(window=15,center=False).mean()

vol15 = vol15[start:end]

vol30 = df2.vol.rolling(window=30,center=False).mean()

vol30 = vol30[start:end]

vol60 = df2.vol.rolling(window=60, center=False).mean()

vol60 = vol60[start:end]

#设置初始化数据

#买入条件，buy_status = True，其次是chicang_status = False

        chicang_status =False#chicang_status==False的时候表示空仓状态，可以买入，买入之后需要将其设置为True，表示股票为持有状态

        buy_status =False#初始化buy的状态为False，当遇到买点出现时，设置状态为True，表示之后可以买入

        buy_price = []

buy_date = []

sell_price = []

sell_date = []

low_vol = []

low_vol_index = []

fengexian_mark =0

        #low_vol

        df_temp = df

temp_vol = df.vol

temp_index = df.index

ma3_temp = ma3

ma5_temp = ma5

ma8_temp = ma8

ma15_temp = ma15

ma10_temp = ma10

ma12_temp = ma12

ma20_temp = ma20

ma30_temp = ma30

ma60_temp = ma60

ma120_temp = ma120

ma200_temp = ma200

ma250_temp = ma250

vol5_temp = vol5

vol3_temp = vol3

vol8_temp = vol8

vol15_temp = vol15

vol10_temp = vol10

vol20_temp = vol20

vol30_temp = vol30

vol60_temp = vol60

temp_vol_max =0

        for jin range(60,len(temp_vol)):

close_min = df_temp.close[j-60:j-1].min()#60天内最低价

            if buy_status ==False and  chicang_status ==False and df_temp.close[j] < close_min:

buy_status =True#买点出现时，设置状态为True，表示之后可以买入

                vol_max_dangtian_index = temp_index[j]

close_min_new = df_temp.close[j]

elif buy_status ==True and chicang_status ==False:

if df_temp.at[temp_index[j-1],'close'] >=300 or (df_temp.high[j]-df_temp.close[j-1])/df_temp.close[j-1] < -0.09:

chicang_status =False

                    buy_status =False

break

                elif (df_temp.close[j]-close_min_new)/close_min_new >0.1 and ma5_temp[j] > ma10_temp[j]:#买点优化，即在哈尔兹法则的买入条件，股从低价上涨10%的基础上加入5日均线大于10均线​

                    if len(gupiaochichang) >=1:

for gupiaochichang_itemin gupiaochichang:

if gupiaochichang_item[0] == temp_index[j]and gupiaochichang_item[1] >=1:

#print(gupiaochichang_item)

                                chicang_status =False

                                buy_status =False

                        if chicang_status ==False and buy_status ==False:

continue

                    chicang_status =True

                    buy_status =False#买入之后设置状态为False

                    buy_price_m = df_temp.at[temp_index[j],'close']

buy_date_temp = temp_index[j]

buy_price.append(df_temp.at[temp_index[j],'close'])

buy_date.append(temp_index[j])

total_date_buy.append([name,temp_index[j]])

fengexian_mark =1

                    close_max = df_temp.close[j]#加入买入当天就是当前最高价

#股票持仓，买日期加1,买日期不在list，则加入

                    for gupiaochichuang_itemin gupiaochichang:

if gupiaochichuang_item[0] == temp_index[j]:

gupiaochichuang_item[1] +=1

                    if len(gupiaochichang) ==0:

gupiaochichang.append([temp_index[j],1])

else:

for i22in range(len(gupiaochichang)):

if len(gupiaochichang) !=0 and i22 ==len(gupiaochichang) -1 and gupiaochichang[i22][0] != temp_index[j]:#找到最后一个还没有找到买日期，加将买日期加入

                                gupiaochichang.append([temp_index[j],1])

#存结果

                    with open(dir_new +"\\" + start.replace("/","_") +"__" +end.replace("/","_") +"celie_xiangxi" +'.txt','a')as f:

f.write("股票名称--" + name +'\n' +"开始日期--" + start +'\n' +"结束日期--" + end +'\n' )

f.write("最大vol/当天vol 大于20当天日期----->" +str(vol_max_dangtian_index) +'\n')

f.write('\n' +"股票名称--" + name +"--买入价格--" +"--步长--"  +"--" +"--j--" +str(j) +"--" +str(df_temp.at[temp_index[j],'close']) +"--买入日期--" +str(temp_index[j]))

elif chicang_status ==True:

if close_max < df_temp.close[j]:

close_max = df_temp.close[j]#动态计算最高点价格

                if (close_max -  df_temp.close[j])/ df_temp.close[j] >=0.1:#最高点下跌10%,卖出

                    chicang_status =False

                    sell_price.append(df_temp.close[j])

sell_date.append(temp_index[j])

total_date_sell.append([name,temp_index[j]])

if (df_temp.close[j]-buy_price_m)/buy_price_m >0:

zhengshouyi_num +=1#正收益次数加1

                    else:

fushouyi_num +=1#负收益次数加1

                    total_shouyi *= (1 + (df_temp.close[j]-buy_price_m)/buy_price_m)

mairuhou_mark =0

                    buy_date_zhengshouyi.append(buy_date_temp)

#存结果

                    with open(dir_new +"\\" + start.replace("/","_") +"__" +end.replace("/","_") +"celie_xiangxi" +'.txt','a')as f:

f.write('\n' +"股票名称--" + name +"--最高点下跌10%,卖出价格--" +"--步长--" +"--" +"--j--" +str(j) +"--" +str(df_temp.close[j]) +"--卖出日期--" +str(temp_index[j]))

elif (df_temp.close[j] - buy_price_m)/buy_price_m < -0.05:

chicang_status =False

                    sell_price.append(df_temp.close[j])

sell_date.append(temp_index[j])

total_date_sell.append([name,temp_index[j]])

fushouyi_num +=1#负收益次数加1

                    total_shouyi *= (1 -0.05)

mairuhou_mark =0

                    # buy_date_fushouyi.append([name,buy_date_temp])

                    buy_date_fushouyi.append(buy_date_temp)

#存结果

                    with open(dir_new +"\\" + start.replace("/","_") +"__" +end.replace("/","_") +"celie_xiangxi" +'.txt','a')as f:

f.write('\n' +"股票名称--" + name +"--止损-0.05,卖出价格--" +"--步长--" +"--" +"--j--" +str(j) +"--" +str(df_temp.close[j]) +"--卖出日期--" +str(temp_index[j]))

elif mairuhou_mark >=10 and df_temp.close[j] < ma8_temp[j]:

total_shouyi *= (1 + (df_temp.close[j] - buy_price_m)/buy_price_m)

chicang_status =False

                    sell_price.append(df_temp.close[j])

sell_date.append(temp_index[j])

total_date_sell.append([name,temp_index[j]])

mairuhou_mark =0

                    if (df_temp.close[j] - buy_price_m)/(buy_price_m) >0:

zhengshouyi_num +=1

                        buy_date_zhengshouyi.append(buy_date_temp)

#print("持有超过10天卖出：",(df_temp.close[j] - buy_price_m)/(buy_price_m))

#存结果

                        with open(dir_new +"\\" + start.replace("/","_") +"__" +end.replace("/","_") +"celie_xiangxi" +'.txt','a')as f:

f.write('\n' +"股票名称--" + name +"--持有超过5天卖出，大于0.01,卖出价格--" +"--" +"--j--" +str(j) +"--" +str(df_temp.close[j]) +"--卖出日期--" +str(temp_index[j]))

else:

fushouyi_num +=1

                        buy_date_fushouyi.append(buy_date_temp)

#print("持有超过10天卖出：",(df_temp.close[j] - buy_price_m) / (buy_price_m ))

#存结果

                        with open(dir_new +"\\" +  start.replace("/","_") +"__" +end.replace("/","_") +"celie_xiangxi" +'.txt','a')as f:

f.write('\n' +"股票名称--" + name +"--持有超过15天卖出，小于0.01，大于0,卖出价格--"  +"--j--" +str(j) +"--" +str(df_temp.close[j]) +"--卖出日期--" +str(temp_index[j]))

else:

mairuhou_mark +=1

        gupiaochichang.sort(key=lambda x:x[0])

#if zhengshouyi_num+fushouyi_num != 0:

#print(start,"----",end,"total_shouyi=",'%.2f'%(total_shouyi),"概率",'%.2f'%(zhengshouyi_num/(zhengshouyi_num+fushouyi_num)),"正收益次数->",zhengshouyi_num,"负收益次数->",fushouyi_num)

#存结果

        cur_dir = os.getcwd()# get current path

        folder_name ='result'

        dir_new = os.path.join(cur_dir, folder_name)

#存买入，卖出价格，日期

        if len(buy_price) >len(sell_price):

if buy_date[-1]in end_date:

with open(dir_new +"\\" +  start.replace("/","_") +"__" +end.replace("/","_") +"dangtian_buy" +'.txt','a')as f:

f.writelines('\n' + name +'\n' +'buy: ' +str(buy_price[-1]) +str(buy_date[-1]) +'\n')

if len(sell_price) !=0:

if sell_date[-1]in end_date:

with open(dir_new +"\\" +  start.replace("/","_") +"__" +end.replace("/","_") +'"dangtian_sell"' +'.txt','a')as f:

for rrin range(len(sell_price)):

if rr ==0:

f.writelines('\n' + name +'\n' +'buy: ' +str(buy_price[rr]) +str(buy_date[rr]) +'\n' +'sell: ' +str(sell_price[rr]) +str(sell_date[rr]) +'\n')

else:

f.writelines('buy: ' +str(buy_price[rr]) +str(buy_date[rr]) +'\n' +'sell: ' +str(sell_price[rr]) +str(sell_date[rr]) +'\n')

if zhengshouyi_num+fushouyi_num !=0:

zshouyi =float(zhengshouyi_num/(zhengshouyi_num+fushouyi_num))

fshouyi =float(fushouyi_num/(zhengshouyi_num+fushouyi_num))

total_num = zhengshouyi_num+fushouyi_num

total_date_buy.sort(key=lambda x:x[1])

total_date_sell.sort(key=lambda x:x[1])

x = []

y = []

for iin buy_date_zhengshouyi:

if inot in x:

x.append(i)

for iin buy_date_fushouyi:

if inot in y:

y.append(i)

if fengexian_mark ==1:

with open(dir_new +"\\" +  start.replace("/","_") +"__" + end.replace("/","_") +"celie_xiangxi" +'.txt','a')as f:

f.write('\n' +'\n' +"--------------------分割线----------------------" +'\n' +'\n')

buy_date_zhengshouyi_count = []

buy_date_fushouyi_count = []

i =0

    x.sort()

y.sort()

for iin x:

if buy_date_zhengshouyi.count(i) >=0:

with open(dir_new +"\\" +  start.replace("/","_") +"__" +end.replace("/","_") +"celie_xiangxi" +'.txt','a')as f:

f.write('\n' +"正收益买日期--" +str(buy_date_zhengshouyi.count(i)) +"--" +str(i))

buy_date_zhengshouyi_count.append(buy_date_zhengshouyi.count(i))

with open(dir_new +"\\" + start.replace("/","_") +"__" +end.replace("/","_") +"celie_xiangxi" +'.txt','a')as f:

f.write('\n' )

for iin y:

if buy_date_fushouyi.count(i) >=0:

with open(dir_new +"\\" + start.replace("/","_") +"__" +end.replace("/","_") +"celie_xiangxi" +'.txt','a')as f:

f.write('\n' +"负收益买日期--" +str(buy_date_fushouyi.count(i)) +"--" +str(i))

buy_date_fushouyi_count.append(buy_date_fushouyi.count(i))

if zhengshouyi_num+fushouyi_num !=0:

print(start,"----",end,"total_shouyi=",'%.2f'%(total_shouyi),"概率",'%.2f'%(zhengshouyi_num/(zhengshouyi_num+fushouyi_num)),"正收益次数->",zhengshouyi_num,"负收益次数->",fushouyi_num)

with open(dir_new +"\\" +  start.replace("/","_") +"__" +end.replace("/","_") +"celie_xiangxi" +'.txt','a')as f:

f.write('\n' +'\n' +"正收益买日期count--" +str(len(buy_date_zhengshouyi_count)) +"--" +str(buy_date_zhengshouyi_count))

f.write('\n' +"负收益买日期count--" +str(len(buy_date_fushouyi_count)) +"--" +str(buy_date_fushouyi_count))

f.write('\n' +"买卖总次数" +str(zhengshouyi_num+fushouyi_num) +"--正收益买概率--" +str('%.2f'%(zhengshouyi_num/(zhengshouyi_num + fushouyi_num))) +"--正收益次数--" +str(zhengshouyi_num))

for iin range(len(gupiaochichang)):

if i ==0:

f.write('\n' +"买日期count:" +'\n' +str(gupiaochichang[i]))

else:

f.write('\n' +str(gupiaochichang[i]))

shutil.copy(dir_new +"\\" +  start.replace("/","_") +"__" +end.replace("/","_") +"celie_xiangxi" +'.txt',dir_new +"\\" +  start.replace("/","_") +"__" +end.replace("/","_")  +'_' +"--正收益买概率--" +str('%.2f'%(zhengshouyi_num / (zhengshouyi_num + fushouyi_num)))  +"--倍数--" +str('%.2f'%(total_shouyi))+"--正收益次数--" +str(zhengshouyi_num) +"--负收益次数--" +str(fushouyi_num)+'.txt')

return [total_shouyi,zhengshouyi_num / (zhengshouyi_num + fushouyi_num)]

if __name__ =='__main__':

print('start',time.strftime("%Y-%m-%d %H:%M:%S", time.localtime()))

cur_dir = os.getcwd()# get current path

    folder_name ='result'

    dir_new = os.path.join(cur_dir, folder_name)

start = ['2016/09/01','2017/09/01','2018/09/01']

end = ['2017/12/31','2018/12/31','2019/12/31']

gupiaochichang = []

total_shouyi_gailv = []

shouyi_huizong = []

gailv_huizong = []

for iin range(len(start)):

total_shouyi_gailv.append(Haerzi(start[i],end[i]))

for iin range(len(total_shouyi_gailv)):

shouyi_huizong.append(total_shouyi_gailv[i][0])

gailv_huizong.append(total_shouyi_gailv[i][1])

#绘图

    matplotlib.rcParams['font.family'] ='SimHei'  # SimHei黑体

    matplotlib.rcParams['font.size'] =10

    dir_new = os.path.join(cur_dir, folder_name)

file_name = dir_new +r'/' +'shouyi'

    #收益图

    plt.subplots_adjust(hspace=0.5)

fig1 = plt.subplot(211)

fig1.set_title("收益")

# 设置坐标轴范围

    fig1.set_xlim(-1, 3)

fig1.set_ylim(0, 20)

# 设置坐标轴名称

    fig1.set_xlabel('日期')

fig1.set_ylabel('收益')

# 设置坐标轴刻度

    fig1.set_xticks = np.arange(-1, 4, 1)

for a, bin zip(end, shouyi_huizong):

fig1.text(a, b +0.1, '%.2f' % b, ha='center', va='bottom', color='red', fontsize=20)

fig1.plot(end, shouyi_huizong, color='blue', marker='o')

# 正收益概率图

    fig2 = plt.subplot(212)

fig2.set_title("收益概率")

# 设置坐标轴范围

    fig2.set_xlim(-1, 3)

fig2.set_ylim(0, 1.2)

# 设置坐标轴名称

    fig2.set_xlabel('日期')

fig2.set_ylabel('收益概率')

# 设置坐标轴刻度

    fig2.set_xticks = np.arange(-1, 4, 1)

for a, bin zip(end, gailv_huizong):

fig2.text(a, b +0.1, '%.2f' % b, ha='center', va='bottom', color='blue', fontsize=20)

fig2.plot(end, gailv_huizong, color='blue', marker='o')

plt.savefig(file_name, dpi=300)

print('end',time.strftime("%Y-%m-%d %H:%M:%S", time.localtime()))

©著作权归作者所有,转载或内容合作请联系作者
  • 人面猴
    序言：七十年代末，一起剥皮案震惊了整个滨河市，随后出现的几起案子，更是在滨河造成了极大的恐慌，老刑警刘岩，带你破解...
    沈念sama阅读 206,968评论 6赞 482
  • 死咒
    序言：滨河连续发生了三起死亡事件，死亡现场离奇诡异，居然都是意外死亡，警方通过查阅死者的电脑和手机，发现死者居然都...
    沈念sama阅读 88,601评论 2赞 382
  • 救了他两次的神仙让他今天三更去死
    文/潘晓璐 我一进店门，熙熙楼的掌柜王于贵愁眉苦脸地迎上来，“玉大人，你说我怎么就摊上这事。” “怎么了？”我有些...
    开封第一讲书人阅读 153,220评论 0赞 344
  • 道士缉凶录：失踪的卖姜人
    文/不坏的土叔 我叫张陵，是天一观的道长。 经常有香客问我，道长，这世上最难降的妖魔是什么？ 我笑而不...
    开封第一讲书人阅读 55,416评论 1赞 279
  • 港岛之恋（遗憾婚礼）
    正文 为了忘掉前任，我火速办了婚礼，结果婚礼上，老公的妹妹穿的比我还像新娘。我一直安慰自己，他们只是感情好，可当我...
    茶点故事阅读 64,425评论 5赞 374
  • 恶毒庶女顶嫁案：这布局不是一般人想出来的
    文/花漫 我一把揭开白布。 她就那样静静地躺着，像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上，一...
    开封第一讲书人阅读 49,144评论 1赞 285
  • 城市分裂传说
    那天，我揣着相机与录音，去河边找鬼。 笑死，一个胖子当着我的面吹牛，可吹牛的内容都是我干的。 我是一名探鬼主播，决...
    沈念sama阅读 38,432评论 3赞 401
  • 双鸳鸯连环套：你想象不到人心有多黑
    文/苍兰香墨 我猛地睁开眼，长吁一口气：“原来是场噩梦啊……” “哼！你这毒妇竟也来了？” 一声冷哼从身侧响起，我...
    开封第一讲书人阅读 37,088评论 0赞 261
  • 万荣杀人案实录
    序言：老挝万荣一对情侣失踪，失踪者是张志新（化名）和其女友刘颖，没想到半个月后，有当地人在树林里发现了一具尸体，经...
    沈念sama阅读 43,586评论 1赞 300
  • 护林员之死
    正文 独居荒郊野岭守林人离奇死亡，尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,028评论 2赞 325
  • 白月光启示录
    正文 我和宋清朗相恋三年，在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,137评论 1赞 334
  • 活死人
    序言：一个原本活蹦乱跳的男人离奇死亡，死状恐怖，灵堂内的尸体忽然破棺而出，到底是诈尸还是另有隐情，我是刑警宁泽，带...
    沈念sama阅读 33,783评论 4赞 324
  • 日本核电站爆炸内幕
    正文 年R本政府宣布，位于F岛的核电站，受9级特大地震影响，放射性物质发生泄漏。R本人自食恶果不足惜，却给世界环境...
    茶点故事阅读 39,343评论 3赞 307
  • 男人毒药：我在死后第九天来索命
    文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹，春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,333评论 0赞 19
  • 一桩弑父案，背后竟有这般阴谋
    文/苍兰香墨 我抬头看了看天上的太阳。三九已至，却和暖如春，着一层夹袄步出监牢的瞬间，已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,559评论 1赞 262
  • 情欲美人皮
    我被黑心中介骗来泰国打工， 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留，地道东北人。 一个月前我还...
    沈念sama阅读 45,595评论 2赞 355
  • 代替公主和亲
    正文 我出身青楼，却偏偏与公主长得像，于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子，可洞房花烛夜当晚...
    茶点故事阅读 42,901评论 2赞 345

推荐阅读更多精彩内容