6.6 KiB
6.6 KiB
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
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：
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
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
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
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
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
- 入场信号：只关注强度>=60的分型作为入场信号
- 重要转折：极强分型(>=80分)通常预示重要转折点
- 止损设置：根据分型强度调整止损距离
- 仓位管理：强分型可以加大仓位，弱分型减小仓位
风险控制
- 避免弱分型：强度<40的分型建议谨慎对待
- 确认机制：结合其他技术指标确认分型有效性
- 时间过滤：高时间周期的强分型更可靠
- 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
- 数据完整性：确保KLC对象包含完整的价格和技术指标数据
- 时间序列：确保KLC之间的pre/next关系正确建立
- 参数调优：根据不同市场和时间周期调整配置参数
- 回测验证：在实际使用前进行充分的历史数据回测
- 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