# 分型强度检测功能文档 ## 概述 本功能为缠论中的顶底分型添加了强度检测机制,通过多维度分析来量化分型的可靠性和重要性。强度分数范围为0-100分,数值越高表示分型越强、越可靠。 ## 功能特性 ### 1. 多维度强度评估 分型强度通过以下5个维度进行综合评估: - **价格差异强度 (40分)**:分型点与相邻K线的价格差异 - **突破历史点位 (20分)**:是否突破前期重要高低点 - **成交量确认 (15分)**:分型形成时的成交量放大程度 - **RSI背离确认 (15分)**:价格与RSI指标的背离情况 - **MACD背离确认 (10分)**:价格与MACD指标的背离情况 ### 2. 强度等级分类 - **极强 (80-100分)**:高可靠性分型,通常是重要转折点 - **强 (60-79分)**:较高可靠性分型,值得重点关注 - **中等 (40-59分)**:一般可靠性分型 - **弱 (20-39分)**:较低可靠性分型 - **极弱 (0-19分)**:最低可靠性分型 ## 核心方法 ### ChanKLC类新增方法 ```python def calculate_fx_strength(self): """计算顶底分型强度,返回0-100的强度分数""" def get_fx_strength_level(self): """获取分型强度等级描述字符串""" def is_strong_fx(self, threshold=60): """判断是否为强分型,可自定义阈值""" ``` ### 特征数据集成 分型强度自动集成到`get_feature_data()`方法中: ```python features = klc.get_feature_data() # 可获取以下分型强度相关特征: - klc_fx_strength # 强度分数 (0-100) - klc_fx_strength_level # 强度等级描述 - klc_is_strong_fx # 是否为强分型 (1/0) - klc_fx_strength_extreme # 是否为极强分型 (1/0) - klc_fx_strength_strong # 是否为强分型 (1/0) - klc_fx_strength_medium # 是否为中等分型 (1/0) - klc_fx_strength_weak # 是否为弱分型 (1/0) - klc_fx_strength_very_weak # 是否为极弱分型 (1/0) ``` ## 使用示例 ### 基本使用 ```python from ChanKLC import ChanKLC from ChanEnum import Chan_FX_TYPE # 假设klc是一个已识别的分型 if klc.fx != Chan_FX_TYPE.UNKNOWN: strength = klc.calculate_fx_strength() level = klc.get_fx_strength_level() is_strong = klc.is_strong_fx() print(f"分型强度: {strength}分") print(f"强度等级: {level}") print(f"是否强分型: {is_strong}") ``` ### 筛选强分型 ```python def filter_strong_fractals(klc_list, min_strength=60): """筛选强分型""" strong_fractals = [] for klc in klc_list: if klc.fx != Chan_FX_TYPE.UNKNOWN and klc.is_strong_fx(min_strength): strong_fractals.append(klc) return strong_fractals # 使用示例 strong_fractals = filter_strong_fractals(klc_list, min_strength=70) ``` ### 获取统计信息 ```python def get_fractal_statistics(klc_list): """获取分型强度统计信息""" stats = { 'total_fractals': 0, 'extreme_strength': 0, 'strong_strength': 0, 'medium_strength': 0, 'weak_strength': 0, 'very_weak_strength': 0, 'avg_strength': 0 } strengths = [] for klc in klc_list: if klc.fx != Chan_FX_TYPE.UNKNOWN: stats['total_fractals'] += 1 strength = klc.calculate_fx_strength() strengths.append(strength) if strength >= 80: stats['extreme_strength'] += 1 elif strength >= 60: stats['strong_strength'] += 1 # ... 其他分类 if strengths: stats['avg_strength'] = sum(strengths) / len(strengths) return stats ``` ## 配置选项 通过`fx_strength_config.py`可以自定义分型强度检测的各项参数: ### 预定义配置 - **DEFAULT_CONFIG**:默认配置,平衡各项权重 - **CONSERVATIVE_CONFIG**:保守配置,更严格的分型识别 - **AGGRESSIVE_CONFIG**:激进配置,更宽松的分型识别 - **TECHNICAL_CONFIG**:技术指标配置,重视技术指标背离 ### 自定义配置 ```python from fx_strength_config import FxStrengthConfig config = FxStrengthConfig() config.price_difference_weight = 50 # 调整价格差异权重 config.strong_threshold = 70 # 调整强分型阈值 config.volume_lookback = 10 # 调整成交量回看期数 ``` ## 强度计算详情 ### 1. 价格差异强度 - 对于顶分型:计算当前高点与左右相邻点的价格差异 - 对于底分型:计算当前低点与左右相邻点的价格差异 - 差异越大,强度分数越高 ### 2. 突破历史点位强度 - 检查是否突破前N根K线的最高/最低价 - 突破幅度越大,强度分数越高 ### 3. 成交量确认强度 - 比较当前K线成交量与前N根K线平均成交量 - 成交量放大越多,强度分数越高 ### 4. RSI背离确认强度 - 检查价格新高/新低时RSI是否出现相反走势 - 背离程度越大,强度分数越高 ### 5. MACD背离确认强度 - 检查价格新高/新低时MACD柱状图是否出现相反走势 - 背离程度越大,强度分数越高 ## 实际应用建议 ### 交易策略应用 1. **入场信号**:只关注强度>=60的分型作为入场信号 2. **重要转折**:极强分型(>=80分)通常预示重要转折点 3. **止损设置**:根据分型强度调整止损距离 4. **仓位管理**:强分型可以加大仓位,弱分型减小仓位 ### 风险控制 1. **避免弱分型**:强度<40的分型建议谨慎对待 2. **确认机制**:结合其他技术指标确认分型有效性 3. **时间过滤**:高时间周期的强分型更可靠 4. **市场环境**:在震荡市中提高强度阈值 ### 机器学习特征 分型强度可以作为机器学习模型的重要特征: - 直接使用强度分数作为数值特征 - 使用强度等级分类作为分类特征 - 结合其他技术指标构建更复杂的特征 ## 注意事项 1. **数据完整性**:确保KLC对象包含完整的价格和技术指标数据 2. **时间序列**:确保KLC之间的pre/next关系正确建立 3. **参数调优**:根据不同市场和时间周期调整配置参数 4. **回测验证**:在实际使用前进行充分的历史数据回测 5. **实时更新**:分型强度会随着后续K线的变化而更新 ## 文件说明 - `ChanKLC.py`:主要实现文件,包含分型强度计算逻辑 - `fx_strength_example.py`:使用示例和功能演示 - `fx_strength_config.py`:配置文件,支持自定义参数 - `README_FX_STRENGTH.md`:本文档,详细说明功能特性 ## 版本更新 - **v1.0**:基础分型强度检测功能 - 支持多维度强度评估 - 集成到特征数据系统 - 提供配置化参数调整