refactor: 精简仓库为 chanlun 核心与 web 分析，移除威科夫与遗留模块

删除根目录旧 Chan 模块、策略、配置、文档及 wyckoff 相关代码；更新缠论 pipeline 与笔中枢计算；补充 research 研究与 web 测试。

Co-authored-by: Cursor <cursoragent@cursor.com>

research/lib/nested_level.py

@@ -0,0 +1,106 @@
+"""区间套：用大级别中枢边界给小级别信号定位。
+
+思路（缠论正统做法）：
+  大级别中枢的 zg/zd 是支撑压力位 -> 小级别在这些位置附近出现的分型+背驰，
+  才是高质量的预设转折点。位置本身就是过滤器，不需要等笔/中枢确认。
+
+严格性：只使用在信号时刻之前就已经确认（sure_time 已过）的大级别中枢，
+避免用到当时尚不可知的结构。
+"""
+from __future__ import annotations
+
+import sys
+from pathlib import Path
+
+import numpy as np
+import pandas as pd
+
+sys.path.insert(0, str(Path(__file__).resolve().parents[2]))
+
+from chanlun import TF_DF
+
+
+def build_htf_zones(df_htf: pd.DataFrame, tf: str, chan: TF_DF | None = None) -> pd.DataFrame:
+    """算 pure 笔中枢，返回带生效时间的区间表。
+
+    available_ts —— 该中枢最早可被使用的时间戳（其确认时刻）。
+    传入已构建好的 chan 可避免重复跑一遍 pipeline（大数据集上省一半时间）。
+    """
+    if chan is None:
+        chan = TF_DF(df_htf, 1, tf)
+    zs_list = chan.cal_bi_zs_list_pure(chan.bi_list)
+    # 用引擎自己的 dataframe 对齐，避免调用方传入的 df 与引擎内部行数不一致
+    src = chan.dataframe if getattr(chan, "dataframe", None) is not None else df_htf
+    ts_of = dict(zip(src["date"].dt.strftime("%Y-%m-%d %H:%M:%S"), src["timestamp"]))
+
+    rows = []
+    for zs in zs_list:
+        bis = getattr(zs, "bi_list", [])
+        if not bis:
+            continue
+        # 中枢可用时刻：构成它的最后一笔被确认之时
+        last_bi = bis[-1]
+        sure_key = str(getattr(last_bi, "sure_time", "") or "")
+        end_key = str(getattr(last_bi, "end_time", "") or "")
+        avail = ts_of.get(sure_key) or ts_of.get(end_key)
+        if avail is None:
+            continue
+        start_key = str(bis[0].start_time)
+        rows.append({
+            "zg": float(zs.zg), "zd": float(zs.zd),
+            "gg": float(getattr(zs, "gg", zs.zg)), "dd": float(getattr(zs, "dd", zs.zd)),
+            "start_ts": ts_of.get(start_key, avail),
+            "available_ts": int(avail),
+        })
+    out = pd.DataFrame(rows)
+    return out.sort_values("available_ts").reset_index(drop=True) if not out.empty else out
+
+
+def annotate_position(
+    sig: pd.DataFrame, df_ltf: pd.DataFrame, zones: pd.DataFrame, tol: float = 0.01
+) -> pd.DataFrame:
+    """给每个小级别信号标注它相对大级别中枢的位置。
+
+    tol —— 判定"贴近"边界的相对距离阈值（默认 1%）。
+    """
+    if zones.empty:
+        out = sig.copy()
+        for c in ("near_support", "near_resistance", "inside_zone", "outside_zone", "zone_pos"):
+            out[c] = False if c != "zone_pos" else np.nan
+        return out
+
+    ts = df_ltf["timestamp"].to_numpy()
+    zone_avail = zones["available_ts"].to_numpy()
+    zg = zones["zg"].to_numpy()
+    zd = zones["zd"].to_numpy()
+
+    near_sup, near_res, inside, outside, zpos = [], [], [], [], []
+    for _, r in sig.iterrows():
+        i = int(r["confirm_idx"])
+        now_ts = ts[i]
+        price = float(r["price"])
+        # 最近一个在此刻之前已可用的大级别中枢
+        k = np.searchsorted(zone_avail, now_ts, side="right") - 1
+        if k < 0:
+            near_sup.append(False); near_res.append(False)
+            inside.append(False); outside.append(False); zpos.append(np.nan)
+            continue
+        z_g, z_d = zg[k], zd[k]
+        width = z_g - z_d
+        near_sup.append(abs(price - z_d) / price <= tol)
+        near_res.append(abs(price - z_g) / price <= tol)
+        inside.append(z_d <= price <= z_g)
+        outside.append(price > z_g or price < z_d)
+        zpos.append((price - z_d) / width if width > 0 else np.nan)
+
+    out = sig.copy()
+    out["near_support"] = near_sup
+    out["near_resistance"] = near_res
+    out["inside_zone"] = inside
+    out["outside_zone"] = outside
+    out["zone_pos"] = zpos  # 0=中枢下沿, 1=中枢上沿
+    # 顺位：买信号贴支撑 / 卖信号贴压力，才算"位置正确"
+    out["position_ok"] = np.where(
+        out["direction"] == 1, out["near_support"], out["near_resistance"]
+    )
+    return out