jackyu66gitandCursor
06928d1d5f
用户提出看开仓之前的量与趋势方向。这是第三个位置——step50 管信号根、 step52 管持仓中，这里管入场前。step48 采集端补 vpre10/vpre30/mom10/mom60。 先纠正一个错的心智模型（我和用户都以为的）：B4/S4 不是回抽后进场。mom10 中位 +3.47 ATR，为负的只占 6%。信号触发时价格在前 10 根里已经顺着你的方向 走了三个多 ATR，2 ATR 止损是架在一段已经走完的行情后面。这也解释了 step50： 信号根是突破根，放量 = 追在最后一棒上。 ① 入场前的量单调，越小越好（样本外毛R，Q1→Q4）：1.474 / 1.266 / 1.156 / 0.573。控 vr60 后仍成立（低量层 −0.284、高量层 −0.541），与 vr60 相关只有 +0.301，不是同一件事换个说法。 ② 入场前的动量是驼峰形，不是单调（mom60 样本外毛R，Q1→Q4）：1.252 / 1.473 / 1.141 / 0.603。势要有——完全没动过的 Q1 也不如 Q2；但不能过头—— Q4 在发现期余量只剩 1.44bp，等于不能做。 驼峰形意味着中位数二分法会把它测没：控制表里 mom10 的毛R差是 +0.044， 看着无效，那是二分把 Q1+Q2 和 Q3+Q4 各自平均了。对非单调因子不要用中位数 分层做检验。 ③ 砍 mom60≥7 全面优于 §3.39 定的砍 vr60≥4（发现期）： 等权 保留 100% 盈亏平衡 13.5bp R夏普 0.325 回撤 16.8 总R 596.6 砍 vr60≥4 保留 69% 盈亏平衡 15.6bp R夏普 0.411 回撤 10.8 总R 514.9 砍 mom60≥7 保留 78% 盈亏平衡 17.5bp R夏普 0.476 回撤 7.7 总R 657.7 每一项都赢，还多留 9 个点的笔数。更要紧的是总R 比不砍还高——被砍掉那 22% 期望为负，砍掉不是花钱买稳健，是纯赚。样本外同向。所以这个开关不需要等 影子测量：它在 0~20bp 每一档都不输等权。 附滑点决策表：5~12bp 区间砍 mom60≥7 通吃，只有 ≥15bp 才该上「三个都砍」， 而那时策略本身已在生死线上。 阈值 7 和 1.5 是贴着 Q4 边界取的整数，不是搜出来的，但也不是完全无关于数据 （看过分位表才取的整），上线前应确认阈值附近没有断崖敏感。 Co-authored-by: Cursor <cursoragent@cursor.com>
Chan — 缠论分析引擎
把 OHLCV K 线拆成缠论结构（K 线单元 → 合并 K 线 → 分型 → 笔 → 线段 → 中枢 → 买卖点）， 配一个 TradingView Charting Library 的 Web 界面，外加一套验证信号有效性的回测脚本。
标的不限：加密永续（ccxt）与 A 股（akshare）都走同一条分析链路。
chanlun/ 缠论引擎，纯 pandas/numpy，无外部指标库依赖
web/ Flask API + 图表界面
research/ 信号有效性验证脚本（step1 ~ step30）
data/ 本地 K 线（freqtrade 的 feather 格式）
安装
需要 Python ≥ 3.11（pandas 3.x / numpy 2.x 的要求，不是本项目代码的限制）。
python -m venv .venv
.venv/bin/pip install -r requirements.txt # 核心运行时，8 个包
.venv/bin/pip install -r requirements-dev.txt # 另加测试与 research/ 所需
跑 Web
cd web
../.venv/bin/python app.py # 默认 http://0.0.0.0:8128
从仓库根跑 .venv/bin/python web/app.py 也可以——Python 会把脚本所在目录放进 sys.path。
但不能用 python -m web.app，也不能 import web.app：web/ 内部是无前缀导入
（import config、from api.analyze import bp），-m 方式下 sys.path 里是仓库根而不是
web/，会 ModuleNotFoundError: No module named 'config'。
配置全部走环境变量，见 web/config.py：
| 变量 | 默认值 | 用途 |
|---|---|---|
FLASK_HOST / FLASK_PORT |
0.0.0.0 / 8128 |
监听地址 |
DATA_SERVICE_URL |
https://provider.jackyu66.com |
行情 REST 源 |
DATA_SERVICE_WS_URL |
wss://jackyu66.com/ws |
行情 WebSocket 源 |
ASHARE_DP_URL |
http://103.179.242.166:8000 |
A 股数据源 |
CHAN_HTTP_PROXY |
未设置则不走代理 | ccxt / HTTP 代理 |
MACD_FACTOR / MACD_SMOOTH |
1 / 1 |
MACD 周期倍数，默认 12/26/9 |
主要接口：GET /api/analyze 返回某标的某周期的完整缠论结构，/api/klines/recent
取最新 K 线，/api/trend_filter 与 /api/trend_detail 做多周期趋势筛选，
/api/symbols、/api/search_stock、/api/sectors 等负责标的检索。页面在 / 与 /chan_tv。
作为库使用
import pandas as pd
from chanlun import TF_DF
# 需要 date/open/high/low/close/volume 六列，date 为 datetime
df = pd.read_feather("data/binance/futures/BTC_USDT_USDT-1h-futures.feather")
tf = TF_DF(df, interval=1, timeframe="1h")
len(tf.klu_list) # K 线单元
len(tf.klc_list) # 合并 K 线（处理包含关系后）
len(tf.bi_list) # 笔
len(tf.seg_list) # 线段
len(tf.zs_list) # 中枢
tf.bi_list[-1].dir # Chan_BI_DIR.DOWN
tf.chanmacd # MACD 结构分析（背驰判定用）
interval 的单位是分钟，对传入的 df 做重采样；interval=1 是特例，表示原样使用、
不重采样。所以拿 1h 的 feather 要传 interval=1，拿 1m 数据想看 1h 才传 interval=60：
df1m = pd.read_feather("data/binance/futures/BTC_USDT_USDT-1m-futures.feather")
TF_DF(df1m, interval=5, timeframe="5m")
TF_DF(df1m, interval=60, timeframe="1h")
传错不会报错，只会静默给出错误周期的结构——1h 数据配 interval=4 相当于按 4 分钟
重采样，结果与 interval=1 完全相同。
分析流程
TF_DF.init_TF_DF() 按顺序做这几步，每步的实现在 chanlun/pipeline/builders/ 下同名文件：
resample_to_interval— 重采样（interval != 1时）add_indicators— 追加 33 列指标（MACD / BBANDS / EMA / RSI / ATR 等）cal_kl_data→klu_list— K 线单元get_klc_list→klc_list— 按包含关系合并 K 线，并标记分型cal_bi_list→bi_list— 笔cal_bi_zs_list_pure→bi_zs_list— 笔中枢get_seg_list→seg_list— 线段get_zs_list/get_big_zs_list— 中枢与大级别中枢ChanMACD(klu_list)— MACD 段 / 柱堆结构，供背驰判定
数据
data/<交易所>/futures/<SYMBOL>-<周期>-futures.feather，即 freqtrade 的下载格式，
如 data/binance/futures/BTC_USDT_USDT-1h-futures.feather。
research/lib/data.py 负责定位：BTC/USDT:USDT + 1h 会解析到上面这个路径，
找不到本地文件则回落到远端拉取。
测试
.venv/bin/python -m pytest chanlun/tests web/tests -q
chanlun/tests/test_ta_compat.py 有个需要注意的陷阱：它把 chanlun/indicators/ta.py
的输出逐 bar 钉在 TA-Lib 上，但 TA-Lib 不存在时会静默跳过。也就是说改了 ta.py
之后在没装 TA-Lib 的环境里跑，测试会显示通过，其实一项都没验证。改动那个文件时请先装：
sudo apt-get install -y libta-lib0 ta-lib-dev
.venv/bin/pip install TA-Lib technical
已知问题
web/DEPLOY_GUIDE.md已失效：它引用的deploy_venv.sh、stop_venv.sh、status_venv.sh等 6 个脚本都在7f393b9精简提交里删掉了，目前没有部署脚本。 两个 systemd unit 文件（web/chanlun-web*.service）仍可参考，但它们用 gunicorn 且写死端口 8123，与config.py默认的 8128 不一致，gunicorn 也不在依赖清单里。web/README.txt已过时：它说的web/requirements.txt不存在，依赖清单在仓库根目录。- 四个零引用的死文件：
chanlun/analysis/下的ChanPY.py、ChanLun_Classifier.py、Find_Trend.py、ChanHeng.py全项目无人引用。ChanPY.py依赖未安装的外部 chan.py 库， 另外三个需要 matplotlib / mplfinance / xgboost / scikit-learn——这些都不在依赖清单里， 是有意为之。要用得自行安装。