Enhance converging triangle analysis with detailed mode and outlier removal algorithm
- Added `--show-details` parameter to `pipeline_converging_triangle.py` for generating detailed charts that display all pivot points and fitting lines. - Implemented an iterative outlier removal algorithm in `fit_pivot_line` to improve the accuracy of pivot point fitting by eliminating weak points. - Updated `USAGE.md` to include new command examples for the detailed mode. - Revised multiple documentation files to reflect recent changes and improvements in the pivot detection and visualization processes.
This commit is contained in:
parent
6d545eb231
commit
95d13b2cce
132
.cursor/plans/4-a1a89b85.plan.md
Normal file
132
.cursor/plans/4-a1a89b85.plan.md
Normal file
@ -0,0 +1,132 @@
|
||||
<!-- a1a89b85-9ffb-45cf-b4ce-7e9456990b83 3ae86d9a-d078-42f4-a070-42c33828036f -->
|
||||
# 拟合线迭代离群点移除优化
|
||||
|
||||
## 问题描述
|
||||
|
||||
当前的分段选择算法会选中一些"弱"枢轴点用于拟合：
|
||||
|
||||
- 上沿线：某个高点虽然是时间段内最高，但明显低于其他高点（如图中第二个点 5.8 元）
|
||||
- 这些点会拉低/拉高拟合线，导致与主观判断不符
|
||||
|
||||
## 解决方案：迭代离群点移除
|
||||
|
||||
### 核心逻辑
|
||||
|
||||
```
|
||||
1. 初始拟合：用所有枢轴点做线性回归
|
||||
2. 计算残差：每个点到拟合线的偏差
|
||||
3. 识别离群点：
|
||||
- 上沿线：价格明显低于拟合线的点 = 弱高点
|
||||
- 下沿线：价格明显高于拟合线的点 = 弱低点
|
||||
4. 移除最差的离群点
|
||||
5. 重新拟合
|
||||
6. 重复直到收敛
|
||||
```
|
||||
|
||||
### 算法流程图
|
||||
|
||||
```mermaid
|
||||
flowchart TD
|
||||
A[输入枢轴点] --> B[初始线性回归]
|
||||
B --> C[计算残差]
|
||||
C --> D{存在离群点?}
|
||||
D -->|是| E[移除最大离群点]
|
||||
E --> F{剩余点 >= 3?}
|
||||
F -->|是| G{迭代次数 < 3?}
|
||||
G -->|是| B
|
||||
G -->|否| H[返回当前拟合]
|
||||
F -->|否| H
|
||||
D -->|否| H
|
||||
```
|
||||
|
||||
## 代码修改
|
||||
|
||||
### 文件: [src/converging_triangle.py](src/converging_triangle.py)
|
||||
|
||||
重写 `fit_pivot_line` 函数（第 230-350 行）:
|
||||
|
||||
```python
|
||||
def fit_pivot_line(
|
||||
pivot_indices: np.ndarray,
|
||||
pivot_values: np.ndarray,
|
||||
mode: str = "upper",
|
||||
min_points: int = 2,
|
||||
outlier_threshold: float = 1.5, # 新增：离群点阈值（标准差倍数）
|
||||
max_iterations: int = 3, # 新增：最大迭代次数
|
||||
) -> Tuple[float, float, np.ndarray]:
|
||||
"""
|
||||
迭代离群点移除的枢轴点拟合算法
|
||||
|
||||
策略：
|
||||
1. 先用所有点做初始拟合
|
||||
2. 识别并移除偏离拟合线的"弱"点
|
||||
3. 迭代直到收敛
|
||||
|
||||
对于上沿线：移除价格明显低于拟合线的点
|
||||
对于下沿线：移除价格明显高于拟合线的点
|
||||
"""
|
||||
```
|
||||
|
||||
### 关键参数
|
||||
|
||||
| 参数 | 默认值 | 说明 |
|
||||
|
||||
|------|--------|------|
|
||||
|
||||
| `outlier_threshold` | 1.5 | 残差超过 1.5 倍标准差视为离群点 |
|
||||
|
||||
| `max_iterations` | 3 | 最多迭代 3 次，避免过度过滤 |
|
||||
|
||||
| `min_points` | 3 | 至少保留 3 个点用于拟合 |
|
||||
|
||||
### 离群点判定逻辑
|
||||
|
||||
**上沿线（upper）**:
|
||||
|
||||
```python
|
||||
# 残差 = 拟合值 - 实际值
|
||||
# 正残差表示点在拟合线下方（弱高点）
|
||||
residuals = fitted_values - actual_values
|
||||
outliers = residuals > threshold # 弱高点
|
||||
```
|
||||
|
||||
**下沿线（lower）**:
|
||||
|
||||
```python
|
||||
# 残差 = 实际值 - 拟合值
|
||||
# 正残差表示点在拟合线上方（弱低点）
|
||||
residuals = actual_values - fitted_values
|
||||
outliers = residuals > threshold # 弱低点
|
||||
```
|
||||
|
||||
### 预期效果
|
||||
|
||||
以图中 SZ300278 为例：
|
||||
|
||||
- 第二个点（5.8元）明显低于拟合线
|
||||
- 在第一次迭代后会被识别为离群点并移除
|
||||
- 最终拟合线只使用剩余 3 个更有代表性的高点
|
||||
|
||||
## 测试计划
|
||||
|
||||
1. 使用 SZ300278 验证修复效果
|
||||
2. 对比修改前后的图表
|
||||
3. 确保不会过度过滤正常的枢轴点
|
||||
|
||||
## 文档更新
|
||||
|
||||
更新 [docs/枢轴点分段选择算法详解.md](docs/枢轴点分段选择算法详解.md)，添加迭代离群点移除的说明。
|
||||
|
||||
### To-dos
|
||||
|
||||
- [x] 在ConvergingTriangleResult中增加detection_mode等3个新字段
|
||||
- [x] 实现pivots_fractal_hybrid()函数
|
||||
- [x] 修改detect_converging_triangle()支持real_time_mode参数
|
||||
- [x] 修改detect_converging_triangle_batch()传递实时模式参数
|
||||
- [x] 在triangle_config.py中添加REALTIME_MODE和FLEXIBLE_ZONE配置
|
||||
- [x] 更新run_converging_triangle.py导入和使用实时配置
|
||||
- [x] 创建test_realtime_mode.py对比测试脚本
|
||||
- [x] 更新README.md和创建实时模式使用指南
|
||||
- [ ] 重写 fit_pivot_line 函数，实现迭代离群点移除算法
|
||||
- [ ] 测试 SZ300278，验证修复效果
|
||||
- [ ] 更新算法文档，添加迭代离群点移除说明
|
||||
6
USAGE.md
6
USAGE.md
@ -37,6 +37,12 @@ python scripts/pipeline_converging_triangle.py
|
||||
# 指定日期
|
||||
python scripts/pipeline_converging_triangle.py --date 20260120
|
||||
|
||||
# 生成详情模式图片（显示所有枢轴点和拟合点）
|
||||
python scripts/pipeline_converging_triangle.py --show-details
|
||||
|
||||
# 组合使用
|
||||
python scripts/pipeline_converging_triangle.py --date 20260120 --show-details
|
||||
|
||||
# 跳过检测（仅生成报告与图表）
|
||||
python scripts/pipeline_converging_triangle.py --skip-detection
|
||||
```
|
||||
|
||||
@ -1,16 +1,61 @@
|
||||
## 问题1: 末端枢轴点未识别
|
||||
|
||||
|
||||
下沿线，明显不对。
|
||||
|
||||
**现象**: 图表最右边明显的低点/高点没有被标记为枢轴点
|
||||
|
||||
**根因**:
|
||||
1. 数据中有空值(NaN)导致比较失效
|
||||
2. 只检测窗口前235天的枢轴点，最后5天被忽略
|
||||
3. 绘图时丢弃了末端的"候选枢轴点"
|
||||
|
||||
**解决**:
|
||||
1. 用 `nanmin/nanmax` 替代 `min/max`，自动跳过空值
|
||||
2. 把"灵活区域"从5天扩大到15天，覆盖更多末端数据
|
||||
3. 对称短窗口：右边只有N天时，左边也只看N天（而不是固定15天）
|
||||
4. 绘图时把"确认枢轴点"和"候选枢轴点"合并显示
|
||||
|
||||
详见 [枢轴点检测与可视化修复](../docs/2026-01-26_枢轴点检测与可视化修复.md)
|
||||
|
||||
---
|
||||
|
||||
## 问题2: 拟合点选择不合理
|
||||
|
||||
|
||||
拟合线的时候，有些点应该去掉，跟主观判断不对齐，比如图中第二个点
|
||||
|
||||
**现象**: 某些"弱"枢轴点（如5.8元的低高点）被用于拟合，拉偏趋势线
|
||||
|
||||
|
||||
|
||||
**解决**: 迭代离群点移除算法
|
||||
1. 先用所有点画一条拟合线
|
||||
2. 找出离拟合线太远的"异常点"
|
||||
3. 去掉最差的那个点，重新画线
|
||||
4. 重复2-3次，直到没有异常点
|
||||
|
||||
### 强度分：是否符合三角形的形态 + 突破强度
|
||||
详见 [枢轴点拟合算法详解](../docs/枢轴点分段选择算法详解.md)
|
||||
|
||||
108个个股按照分数排序
|
||||
---
|
||||
|
||||
可调参数、速度快
|
||||
后续回测后继续调优
|
||||
## 问题3: 非收敛形态误判
|
||||
|
||||
历史曲线的每个点，都需要计算强度分。
|
||||
**现象**: "上升三角形"（上沿水平）被误判为"收敛三角形"
|
||||
|
||||
**解决**: 收紧斜率限制
|
||||
- 上沿必须向下（或至少水平），不能向上
|
||||
- 下沿必须向上（或至少水平），不能向下
|
||||
- 这样就能过滤掉"上升三角形"和"下降通道"等非收敛形态
|
||||
|
||||
---
|
||||
|
||||
## 待办: 突破强度评分
|
||||
|
||||
| 分量 | 权重 | 说明 |
|
||||
|------|------|------|
|
||||
| 价格突破 | 60% | 突破幅度 |
|
||||
| 收敛程度 | 25% | 蓄势充分度 |
|
||||
| 成交量 | 15% | 放量确认 |
|
||||
|
||||
- 枢轴点和拟合线距离。
|
||||
|
||||
后续回测调优。
|
||||
|
||||
BIN
discuss/images/2026-01-26-18-36-50.png
Normal file
BIN
discuss/images/2026-01-26-18-36-50.png
Normal file
Binary file not shown.
|
After Width: | Height: | Size: 338 KiB |
@ -2,15 +2,292 @@
|
||||
|
||||
**日期**: 2026-01-26
|
||||
**功能**: 图表可视化改进 - 简洁模式与详细模式
|
||||
**版本**: v2.0 (移除分段竖线 + 流水线支持)
|
||||
|
||||
---
|
||||
|
||||
## 📋 功能概述
|
||||
|
||||
为了满足不同使用场景的需求，我们为收敛三角形图表增加了**简洁模式**和**详细模式**两种显示方式：
|
||||
为了满足不同使用场景的需求,我们为收敛三角形图表增加了**简洁模式**和**详细模式**两种显示方式：
|
||||
|
||||
- **简洁模式（默认）**: 仅显示收盘价、上沿线、下沿线，图表清爽易读
|
||||
- **详细模式**: 显示所有枢轴点、拟合点、分段线等调试信息，便于理解算法
|
||||
- **详细模式**: 显示所有枢轴点、拟合点，便于理解算法
|
||||
|
||||
**v2.0 更新**: 移除分段竖线（算法已改为迭代离群点移除）
|
||||
|
||||
---
|
||||
|
||||
## 🎯 使用场景
|
||||
|
||||
### 简洁模式
|
||||
- ✅ 日常使用和实盘选股
|
||||
- ✅ 快速查看三角形形态
|
||||
- ✅ 对外展示和报告
|
||||
- ✅ 减少视觉干扰
|
||||
|
||||
### 详细模式
|
||||
- ✅ 算法调试和验证
|
||||
- ✅ 理解枢轴点识别逻辑
|
||||
- ✅ 验证迭代拟合算法
|
||||
- ✅ 学习和教学用途
|
||||
|
||||
---
|
||||
|
||||
## 📊 两种模式对比
|
||||
|
||||
| 显示元素 | 简洁模式 | 详细模式 | 说明 |
|
||||
|---------|---------|---------|------|
|
||||
| **收盘价线** | ✅ | ✅ | 黑色实线 |
|
||||
| **上沿线** | ✅ | ✅ | 红色虚线 |
|
||||
| **下沿线** | ✅ | ✅ | 绿色虚线 |
|
||||
| **所有高点枢轴点** | ❌ | ✅ | 浅红色小实心圆 |
|
||||
| **所有低点枢轴点** | ❌ | ✅ | 浅绿色小实心圆 |
|
||||
| **上沿拟合点** | ❌ | ✅ | 深红色大空心圆（迭代算法选出） |
|
||||
| **下沿拟合点** | ❌ | ✅ | 深绿色大空心圆（迭代算法选出） |
|
||||
| **分段竖线** | ❌ | ❌ | v2.0已移除 |
|
||||
| **输出文件名** | `YYYYMMDD_代码_名称.png` | `YYYYMMDD_代码_名称_detail.png` |
|
||||
|
||||
**文件名说明**:
|
||||
- 简洁模式文件不带后缀
|
||||
- 详细模式文件带 `_detail` 后缀
|
||||
- 两种模式可以同时保留，方便对比查看
|
||||
|
||||
---
|
||||
|
||||
## 🛠️ 如何启用
|
||||
|
||||
### 方法1: 流水线脚本（推荐）
|
||||
|
||||
```bash
|
||||
# 简洁模式（默认）
|
||||
python scripts/pipeline_converging_triangle.py
|
||||
|
||||
# 详细模式
|
||||
python scripts/pipeline_converging_triangle.py --show-details
|
||||
|
||||
# 组合使用
|
||||
python scripts/pipeline_converging_triangle.py --date 20260120 --show-details
|
||||
```
|
||||
|
||||
### 方法2: 单独绘图脚本
|
||||
|
||||
```bash
|
||||
# 简洁模式（默认）
|
||||
python scripts/plot_converging_triangles.py
|
||||
|
||||
# 详细模式
|
||||
python scripts/plot_converging_triangles.py --show-details
|
||||
```
|
||||
|
||||
### 方法3: 配置文件（默认设置）
|
||||
|
||||
编辑 `scripts/triangle_config.py`:
|
||||
|
||||
```python
|
||||
# 图表详细模式（显示枢轴点等调试信息）
|
||||
SHOW_CHART_DETAILS = False # False=简洁模式（默认），True=详细模式
|
||||
```
|
||||
|
||||
**优先级**: 命令行参数 > 配置文件
|
||||
|
||||
**智能清理**:
|
||||
- 简洁模式运行时，只清理简洁模式的旧图片
|
||||
- 详细模式运行时，只清理详细模式的旧图片
|
||||
- 两种模式互不影响，可以共存
|
||||
|
||||
---
|
||||
|
||||
## 📈 详细模式显示元素说明
|
||||
|
||||
### 1. 所有枢轴点（小实心圆）
|
||||
|
||||
**作用**: 显示算法识别的所有局部高点和低点
|
||||
|
||||
- **高点枢轴点**: 浅红色，size=50，alpha=0.4
|
||||
- **低点枢轴点**: 浅绿色，size=50，alpha=0.4
|
||||
|
||||
**标签**: `所有高点枢轴点(N)` / `所有低点枢轴点(N)`
|
||||
|
||||
### 2. 拟合点（大空心圆）
|
||||
|
||||
**作用**: 显示迭代离群点移除算法最终选出的关键点
|
||||
|
||||
- **上沿拟合点**: 深红色空心圆，size=120，linewidth=2.5
|
||||
- **下沿拟合点**: 深绿色空心圆，size=120，linewidth=2.5
|
||||
|
||||
**标签**: `上沿拟合点(N)` / `下沿拟合点(N)`
|
||||
|
||||
**说明**:
|
||||
- 使用迭代离群点移除算法选出代表性强的枢轴点
|
||||
- 自动过滤"弱"枢轴点（偏离趋势线过大的点）
|
||||
- 详见 [枢轴点拟合算法详解](./枢轴点分段选择算法详解.md)
|
||||
|
||||
### 3. ~~分段竖线~~（已移除）
|
||||
|
||||
**v2.0 更新**: 由于算法改为迭代离群点移除，不再使用分段策略，因此移除了分段竖线。
|
||||
|
||||
---
|
||||
|
||||
## 💡 图表解读示例
|
||||
|
||||
### 简洁模式（默认）
|
||||
|
||||
```
|
||||
图表内容：
|
||||
├─ 黑色实线：收盘价
|
||||
├─ 红色虚线：上沿线（向下）
|
||||
└─ 绿色虚线：下沿线（向上）
|
||||
|
||||
图例：
|
||||
- 收盘价
|
||||
- 上沿
|
||||
- 下沿
|
||||
```
|
||||
|
||||
**优点**:
|
||||
- 清晰直观
|
||||
- 无视觉干扰
|
||||
- 适合日常使用
|
||||
|
||||
---
|
||||
|
||||
### 详细模式（`--show-details`）
|
||||
|
||||
```
|
||||
图表内容：
|
||||
├─ 黑色实线：收盘价
|
||||
├─ 红色虚线：上沿线
|
||||
├─ 绿色虚线：下沿线
|
||||
├─ 浅红小圆：所有高点枢轴点
|
||||
├─ 浅绿小圆：所有低点枢轴点
|
||||
├─ 深红大圆：上沿拟合点（迭代算法选出）
|
||||
└─ 深绿大圆：下沿拟合点（迭代算法选出）
|
||||
|
||||
图例：
|
||||
- 收盘价
|
||||
- 上沿
|
||||
- 下沿
|
||||
- 所有高点枢轴点(N)
|
||||
- 所有低点枢轴点(N)
|
||||
- 上沿拟合点(N)
|
||||
- 下沿拟合点(N)
|
||||
```
|
||||
|
||||
**优点**:
|
||||
- 完整展示算法逻辑
|
||||
- 便于验证和调试
|
||||
- 有助于理解原理
|
||||
|
||||
---
|
||||
|
||||
## 🎨 视觉层次设计
|
||||
|
||||
图表元素的 Z-order（从后到前）：
|
||||
|
||||
```
|
||||
1. 网格线（alpha=0.3）
|
||||
2. 价格曲线（黑色，zorder=默认）
|
||||
3. 所有枢轴点（浅色小圆，alpha=0.4，zorder=4）
|
||||
4. 拟合点（深色大圆，zorder=5）
|
||||
5. 趋势线（红/绿虚线，zorder=默认）
|
||||
```
|
||||
|
||||
**设计原则**:
|
||||
- 详细信息放在后层（不遮挡主要信息）
|
||||
- 关键信息（拟合点）突出显示（zorder高）
|
||||
- 使用透明度（alpha）区分重要性
|
||||
|
||||
---
|
||||
|
||||
## 📝 代码实现要点
|
||||
|
||||
### 1. 流水线参数传递
|
||||
|
||||
```python
|
||||
# pipeline_converging_triangle.py
|
||||
parser.add_argument("--show-details", action="store_true")
|
||||
|
||||
# 传递给绘图脚本
|
||||
if args.show_details:
|
||||
cmd_args.append("--show-details")
|
||||
```
|
||||
|
||||
### 2. 绘图脚本参数
|
||||
|
||||
```python
|
||||
# plot_converging_triangles.py
|
||||
parser.add_argument(
|
||||
"--show-details",
|
||||
action="store_true",
|
||||
help="显示详细调试信息（枢轴点、拟合点等）",
|
||||
)
|
||||
```
|
||||
|
||||
### 3. 条件渲染
|
||||
|
||||
```python
|
||||
# 详细模式：显示所有枢轴点和拟合点
|
||||
if show_details:
|
||||
# 绘制所有枢轴点
|
||||
ax1.scatter(ph_display_idx, high_win[ph_idx], ...)
|
||||
|
||||
# 绘制拟合点
|
||||
ax1.scatter(selected_ph_display, high_win[selected_ph_pos], ...)
|
||||
```
|
||||
|
||||
---
|
||||
|
||||
## ✅ 测试验证
|
||||
|
||||
### 测试用例1: 流水线简洁模式（默认）
|
||||
|
||||
```bash
|
||||
python scripts/pipeline_converging_triangle.py
|
||||
```
|
||||
|
||||
**预期结果**:
|
||||
- ✅ 控制台显示："图表模式: 简洁模式（仅显示价格和趋势线）"
|
||||
- ✅ 图表只显示收盘价、上沿、下沿
|
||||
- ✅ 输出文件: `20260120_SZ300278_华昌达.png`
|
||||
|
||||
### 测试用例2: 流水线详细模式
|
||||
|
||||
```bash
|
||||
python scripts/pipeline_converging_triangle.py --show-details
|
||||
```
|
||||
|
||||
**预期结果**:
|
||||
- ✅ 控制台显示："图表模式: 详情模式（显示所有枢轴点）"
|
||||
- ✅ 图表显示所有枢轴点和拟合点
|
||||
- ✅ 输出文件: `20260120_SZ300278_华昌达_detail.png`
|
||||
|
||||
---
|
||||
|
||||
## 📚 相关文档
|
||||
|
||||
- [README.md](../README.md) - 项目概述
|
||||
- [USAGE.md](../USAGE.md) - 使用指南
|
||||
- [枢轴点拟合算法详解.md](./枢轴点分段选择算法详解.md) - 迭代离群点移除算法 ⭐
|
||||
- [枢轴点检测原理.md](./枢轴点检测原理.md) - 枢轴点算法说明
|
||||
|
||||
---
|
||||
|
||||
## 🎉 总结
|
||||
|
||||
通过添加**简洁模式**和**详细模式**，图表功能更加灵活：
|
||||
|
||||
- **对于日常用户**: 简洁清爽的图表，快速查看形态
|
||||
- **对于研究者**: 完整的算法细节，深入理解逻辑
|
||||
- **对于开发者**: 便于调试和验证算法正确性
|
||||
|
||||
**v2.0 改进**:
|
||||
- ✅ 移除了不再适用的分段竖线
|
||||
- ✅ 流水线脚本支持详情模式
|
||||
- ✅ 更符合新的迭代拟合算法
|
||||
|
||||
这个功能提升了项目的易用性和专业性！🎯
|
||||
|
||||
|
||||
|
||||
---
|
||||
|
||||
|
||||
157
docs/2026-01-26_枢轴点检测与可视化修复.md
Normal file
157
docs/2026-01-26_枢轴点检测与可视化修复.md
Normal file
@ -0,0 +1,157 @@
|
||||
# 枢轴点检测与可视化修复
|
||||
|
||||
**日期**: 2026-01-26
|
||||
**版本**: v1.0
|
||||
|
||||
## 问题概述
|
||||
|
||||
收敛三角形检测系统存在多个问题，导致：
|
||||
1. 非收敛形态（如上升三角形）被误判
|
||||
2. 绘图与检测结果不一致
|
||||
3. 窗口末端枢轴点无法识别
|
||||
|
||||
---
|
||||
|
||||
## 问题1: 斜率约束过于宽松
|
||||
|
||||
### 现象
|
||||
"上升三角形"（上沿水平+下沿向上）被误判为"收敛三角形"。
|
||||
|
||||
### 原因
|
||||
```python
|
||||
upper_slope_max=0.10, # 允许上沿向上
|
||||
lower_slope_min=-0.10, # 允许下沿向下
|
||||
```
|
||||
|
||||
### 解决方案
|
||||
**文件**: `scripts/triangle_config.py`
|
||||
```python
|
||||
upper_slope_max=0, # 上沿必须向下或水平（≤0）
|
||||
lower_slope_min=0, # 下沿必须向上或水平（≥0）
|
||||
```
|
||||
|
||||
---
|
||||
|
||||
## 问题2: 绘图与检测枢轴点不一致
|
||||
|
||||
### 现象
|
||||
图表显示的枢轴点和趋势线与实际检测结果不同。
|
||||
|
||||
### 原因
|
||||
- 检测代码使用 `pivots_fractal_hybrid`（实时模式）
|
||||
- 绘图代码使用 `pivots_fractal`（标准模式）
|
||||
|
||||
### 解决方案
|
||||
**文件**: `scripts/plot_converging_triangles.py`
|
||||
```python
|
||||
from triangle_config import REALTIME_MODE, FLEXIBLE_ZONE
|
||||
|
||||
if REALTIME_MODE:
|
||||
confirmed_ph, confirmed_pl, candidate_ph, candidate_pl = pivots_fractal_hybrid(
|
||||
high_win, low_win, k=params.pivot_k, flexible_zone=FLEXIBLE_ZONE
|
||||
)
|
||||
# 合并确认枢轴点和候选枢轴点
|
||||
ph_idx = np.concatenate([confirmed_ph, candidate_ph]) if len(candidate_ph) > 0 else confirmed_ph
|
||||
pl_idx = np.concatenate([confirmed_pl, candidate_pl]) if len(candidate_pl) > 0 else confirmed_pl
|
||||
ph_idx = np.sort(ph_idx)
|
||||
pl_idx = np.sort(pl_idx)
|
||||
```
|
||||
|
||||
---
|
||||
|
||||
## 问题3: 窗口末端枢轴点识别失败
|
||||
|
||||
### 现象
|
||||
图表最右边明显的低点/高点没有被识别为枢轴点。
|
||||
|
||||
### 原因
|
||||
`FLEXIBLE_ZONE=5` 太小，末端枢轴点超出灵活区域范围。
|
||||
|
||||
### 解决方案
|
||||
**文件**: `scripts/triangle_config.py`
|
||||
```python
|
||||
FLEXIBLE_ZONE = 15 # 与 pivot_k 一致，确保末端枢轴点能被识别
|
||||
```
|
||||
|
||||
---
|
||||
|
||||
## 问题4: NaN值导致比较失败
|
||||
|
||||
### 现象
|
||||
包含 NaN 值的数据窗口中，枢轴点检测完全失效。
|
||||
|
||||
### 原因
|
||||
```python
|
||||
np.min([30.0, np.nan, 29.0]) # 返回 nan
|
||||
30.0 == nan # 永远为 False
|
||||
```
|
||||
|
||||
### 解决方案
|
||||
**文件**: `src/converging_triangle.py`
|
||||
```python
|
||||
# 使用 nanmin/nanmax 忽略 NaN 值
|
||||
if not np.isnan(high[i]) and high[i] == np.nanmax(high[i - k : i + k + 1]):
|
||||
confirmed_ph.append(i)
|
||||
if not np.isnan(low[i]) and low[i] == np.nanmin(low[i - k : i + k + 1]):
|
||||
confirmed_pl.append(i)
|
||||
```
|
||||
|
||||
---
|
||||
|
||||
## 问题5: 候选枢轴点未合并
|
||||
|
||||
### 现象
|
||||
`pivots_fractal_hybrid` 返回的候选枢轴点在绘图时被丢弃。
|
||||
|
||||
### 原因
|
||||
```python
|
||||
ph_idx, pl_idx, _, _ = pivots_fractal_hybrid(...) # 候选点被忽略
|
||||
```
|
||||
|
||||
### 解决方案
|
||||
见问题2的解决方案，合并 confirmed 和 candidate。
|
||||
|
||||
---
|
||||
|
||||
## 问题6: 对称窗口逻辑优化
|
||||
|
||||
### 现象
|
||||
窗口末端的局部低点/高点，因右侧数据不足无法识别。
|
||||
|
||||
### 解决方案
|
||||
**文件**: `src/converging_triangle.py`
|
||||
```python
|
||||
# 候选枢轴点使用对称的短窗口
|
||||
for i in range(max(k, n - flexible_zone), n):
|
||||
right_avail = n - 1 - i
|
||||
left_look = min(k, max(right_avail + 1, 3)) # 至少看3天
|
||||
left_start = max(0, i - left_look)
|
||||
right_end = min(n, i + right_avail + 1)
|
||||
|
||||
if high[i] == np.nanmax(high[left_start : right_end]):
|
||||
candidate_ph.append(i)
|
||||
```
|
||||
|
||||
---
|
||||
|
||||
## 修改文件清单
|
||||
|
||||
| 文件 | 修改内容 |
|
||||
|------|----------|
|
||||
| `scripts/triangle_config.py` | 斜率约束（`upper_slope_max=0`, `lower_slope_min=0`）、`FLEXIBLE_ZONE=15` |
|
||||
| `scripts/plot_converging_triangles.py` | 实时模式枢轴点检测、候选点合并、排序 |
|
||||
| `src/converging_triangle.py` | NaN处理（`nanmin/nanmax`）、对称窗口逻辑 |
|
||||
|
||||
---
|
||||
|
||||
## 效果验证
|
||||
|
||||
修复前后对比：
|
||||
|
||||
| 指标 | 修复前 | 修复后 |
|
||||
|------|--------|--------|
|
||||
| SZ300892 低点枢轴点 | 4个 | 7个 |
|
||||
| 末端低点识别 | ❌ | ✅ |
|
||||
| 图表/检测一致性 | ❌ | ✅ |
|
||||
| 非收敛形态过滤 | ❌ | ✅ |
|
||||
|
||||
214
docs/2026-01-26_流水线详情模式支持.md
Normal file
214
docs/2026-01-26_流水线详情模式支持.md
Normal file
@ -0,0 +1,214 @@
|
||||
# 流水线脚本详情模式支持
|
||||
|
||||
**日期**: 2026-01-26
|
||||
**功能**: 为 `pipeline_converging_triangle.py` 添加 `--show-details` 参数
|
||||
|
||||
---
|
||||
|
||||
## 📋 需求背景
|
||||
|
||||
用户希望在使用流水线脚本 `pipeline_converging_triangle.py` 时，能够通过参数控制是否生成详情模式的图片，而不是默认生成。
|
||||
|
||||
**之前**：流水线脚本没有详情模式参数，只能生成简洁模式图片。
|
||||
|
||||
**现在**：流水线脚本支持 `--show-details` 参数，可以按需生成详情模式图片。
|
||||
|
||||
---
|
||||
|
||||
## ✅ 实现内容
|
||||
|
||||
### 1. 添加命令行参数
|
||||
|
||||
在 `pipeline_converging_triangle.py` 中添加：
|
||||
|
||||
```python
|
||||
parser.add_argument(
|
||||
"--show-details",
|
||||
action="store_true",
|
||||
help="生成详情模式图片（显示所有枢轴点和拟合点）",
|
||||
)
|
||||
```
|
||||
|
||||
### 2. 参数传递逻辑
|
||||
|
||||
将参数传递给绘图脚本：
|
||||
|
||||
```python
|
||||
# 步骤 3: 绘制图表
|
||||
cmd_args = [sys.argv[0]]
|
||||
if args.date:
|
||||
cmd_args.extend(["--date", str(args.date)])
|
||||
if args.show_details:
|
||||
cmd_args.append("--show-details")
|
||||
|
||||
sys.argv = cmd_args
|
||||
run_plot()
|
||||
```
|
||||
|
||||
### 3. 控制台提示信息
|
||||
|
||||
在流水线开始时显示当前模式：
|
||||
|
||||
```python
|
||||
if args.show_details:
|
||||
print(f"图表模式: 详情模式（显示所有枢轴点）")
|
||||
else:
|
||||
print(f"图表模式: 简洁模式（仅显示价格和趋势线）")
|
||||
```
|
||||
|
||||
---
|
||||
|
||||
## 🛠️ 使用方法
|
||||
|
||||
### 基本用法
|
||||
|
||||
```bash
|
||||
# 简洁模式（默认）- 不生成详情图片
|
||||
python scripts/pipeline_converging_triangle.py
|
||||
|
||||
# 详情模式 - 生成详情图片
|
||||
python scripts/pipeline_converging_triangle.py --show-details
|
||||
```
|
||||
|
||||
### 组合参数
|
||||
|
||||
```bash
|
||||
# 指定日期 + 详情模式
|
||||
python scripts/pipeline_converging_triangle.py --date 20260120 --show-details
|
||||
|
||||
# 跳过检测 + 详情模式
|
||||
python scripts/pipeline_converging_triangle.py --skip-detection --show-details
|
||||
|
||||
# 跳过检测和报告，只生成详情图表
|
||||
python scripts/pipeline_converging_triangle.py --skip-detection --skip-report --show-details
|
||||
```
|
||||
|
||||
---
|
||||
|
||||
## 📊 输出对比
|
||||
|
||||
### 简洁模式（默认）
|
||||
|
||||
```
|
||||
输出文件: outputs/converging_triangles/charts/20260120_SZ300278_华昌达.png
|
||||
文件内容: 收盘价 + 上沿线 + 下沿线
|
||||
```
|
||||
|
||||
### 详情模式（--show-details）
|
||||
|
||||
```
|
||||
输出文件: outputs/converging_triangles/charts/20260120_SZ300278_华昌达_detail.png
|
||||
文件内容: 收盘价 + 上沿线 + 下沿线 + 所有枢轴点 + 拟合点
|
||||
```
|
||||
|
||||
**注意**：两种模式的文件可以共存，互不覆盖。
|
||||
|
||||
---
|
||||
|
||||
## 🎯 参数优先级
|
||||
|
||||
流水线脚本的参数传递链：
|
||||
|
||||
```
|
||||
用户命令行
|
||||
└─ pipeline_converging_triangle.py
|
||||
├─ --show-details (可选)
|
||||
└─ 传递给 plot_converging_triangles.py
|
||||
├─ --show-details (如果用户指定)
|
||||
└─ 调用 plot_triangle(show_details=True/False)
|
||||
```
|
||||
|
||||
**优先级规则**：
|
||||
1. 流水线脚本的 `--show-details` 参数
|
||||
2. 传递到绘图脚本
|
||||
3. 绘图脚本的配置文件 `SHOW_CHART_DETAILS`（命令行参数优先）
|
||||
|
||||
---
|
||||
|
||||
## 🔍 测试验证
|
||||
|
||||
### 测试1：帮助信息
|
||||
|
||||
```bash
|
||||
python scripts/pipeline_converging_triangle.py --help
|
||||
```
|
||||
|
||||
**预期**：显示 `--show-details` 参数说明
|
||||
|
||||
### 测试2：简洁模式（默认）
|
||||
|
||||
```bash
|
||||
python scripts/pipeline_converging_triangle.py --skip-detection --skip-report
|
||||
```
|
||||
|
||||
**预期**：
|
||||
- ✅ 控制台显示："图表模式: 简洁模式（仅显示价格和趋势线）"
|
||||
- ✅ 生成不带 `_detail` 后缀的图片
|
||||
|
||||
### 测试3：详情模式
|
||||
|
||||
```bash
|
||||
python scripts/pipeline_converging_triangle.py --skip-detection --skip-report --show-details
|
||||
```
|
||||
|
||||
**预期**：
|
||||
- ✅ 控制台显示："图表模式: 详情模式（显示所有枢轴点）"
|
||||
- ✅ 控制台显示："详细模式: 开启 (--show-details)"
|
||||
- ✅ 生成带 `_detail` 后缀的图片
|
||||
|
||||
---
|
||||
|
||||
## 📝 修改文件列表
|
||||
|
||||
1. **scripts/pipeline_converging_triangle.py**
|
||||
- 添加 `--show-details` 参数
|
||||
- 添加模式提示信息
|
||||
- 参数传递逻辑
|
||||
|
||||
2. **USAGE.md**
|
||||
- 更新流水线脚本的使用说明
|
||||
- 添加 `--show-details` 参数示例
|
||||
|
||||
3. **docs/2026-01-26_图表详细模式功能.md**
|
||||
- 更新文档，添加流水线使用方法
|
||||
- 标注为 v2.0 版本
|
||||
|
||||
---
|
||||
|
||||
## 🎉 效果总结
|
||||
|
||||
### 用户体验改进
|
||||
|
||||
**之前**：
|
||||
```bash
|
||||
# 想要详情图片
|
||||
python scripts/pipeline_converging_triangle.py # ❌ 只能生成简洁模式
|
||||
# 需要单独运行绘图脚本
|
||||
python scripts/plot_converging_triangles.py --show-details
|
||||
```
|
||||
|
||||
**现在**：
|
||||
```bash
|
||||
# 一键生成详情图片
|
||||
python scripts/pipeline_converging_triangle.py --show-details # ✅ 直接搞定
|
||||
```
|
||||
|
||||
### 优势
|
||||
|
||||
1. **一致性**：流水线和绘图脚本参数统一
|
||||
2. **便捷性**：无需分步操作
|
||||
3. **灵活性**：默认简洁，按需详细
|
||||
4. **清晰性**：控制台明确提示当前模式
|
||||
|
||||
---
|
||||
|
||||
## 📚 相关文档
|
||||
|
||||
- [USAGE.md](../USAGE.md) - 使用指南
|
||||
- [2026-01-26_图表详细模式功能.md](./2026-01-26_图表详细模式功能.md) - 详情模式完整说明
|
||||
- [枢轴点拟合算法详解.md](./枢轴点分段选择算法详解.md) - 拟合算法原理
|
||||
|
||||
---
|
||||
|
||||
**总结**：通过添加 `--show-details` 参数，流水线脚本现在完全支持详情模式，用户可以更方便地按需生成详细的调试图表。✅
|
||||
|
||||
117
docs/拟合线迭代离群点移除优化.md
Normal file
117
docs/拟合线迭代离群点移除优化.md
Normal file
@ -0,0 +1,117 @@
|
||||
# 拟合线迭代离群点移除优化
|
||||
|
||||
## 问题描述
|
||||
|
||||
当前的分段选择算法会选中一些"弱"枢轴点用于拟合：
|
||||
|
||||
- 上沿线：某个高点虽然是时间段内最高，但明显低于其他高点（如图中第二个点 5.8 元）
|
||||
- 这些点会拉低/拉高拟合线，导致与主观判断不符
|
||||
|
||||
## 解决方案：迭代离群点移除
|
||||
|
||||
### 核心逻辑
|
||||
|
||||
```
|
||||
1. 初始拟合：用所有枢轴点做线性回归
|
||||
2. 计算残差：每个点到拟合线的偏差
|
||||
3. 识别离群点：
|
||||
- 上沿线：价格明显低于拟合线的点 = 弱高点
|
||||
- 下沿线：价格明显高于拟合线的点 = 弱低点
|
||||
4. 移除最差的离群点
|
||||
5. 重新拟合
|
||||
6. 重复直到收敛
|
||||
```
|
||||
|
||||
### 算法流程图
|
||||
|
||||
```mermaid
|
||||
flowchart TD
|
||||
A[输入枢轴点] --> B[初始线性回归]
|
||||
B --> C[计算残差]
|
||||
C --> D{存在离群点?}
|
||||
D -->|是| E[移除最大离群点]
|
||||
E --> F{剩余点 >= 3?}
|
||||
F -->|是| G{迭代次数 < 3?}
|
||||
G -->|是| B
|
||||
G -->|否| H[返回当前拟合]
|
||||
F -->|否| H
|
||||
D -->|否| H
|
||||
```
|
||||
|
||||
## 代码修改
|
||||
|
||||
### 文件: [src/converging_triangle.py](src/converging_triangle.py)
|
||||
|
||||
重写 `fit_pivot_line` 函数（第 230-350 行）:
|
||||
|
||||
```python
|
||||
def fit_pivot_line(
|
||||
pivot_indices: np.ndarray,
|
||||
pivot_values: np.ndarray,
|
||||
mode: str = "upper",
|
||||
min_points: int = 2,
|
||||
outlier_threshold: float = 1.5, # 新增：离群点阈值（标准差倍数）
|
||||
max_iterations: int = 3, # 新增：最大迭代次数
|
||||
) -> Tuple[float, float, np.ndarray]:
|
||||
"""
|
||||
迭代离群点移除的枢轴点拟合算法
|
||||
|
||||
策略：
|
||||
1. 先用所有点做初始拟合
|
||||
2. 识别并移除偏离拟合线的"弱"点
|
||||
3. 迭代直到收敛
|
||||
|
||||
对于上沿线：移除价格明显低于拟合线的点
|
||||
对于下沿线：移除价格明显高于拟合线的点
|
||||
"""
|
||||
```
|
||||
|
||||
### 关键参数
|
||||
|
||||
| 参数 | 默认值 | 说明 |
|
||||
|
||||
|------|--------|------|
|
||||
|
||||
| `outlier_threshold` | 1.5 | 残差超过 1.5 倍标准差视为离群点 |
|
||||
|
||||
| `max_iterations` | 3 | 最多迭代 3 次，避免过度过滤 |
|
||||
|
||||
| `min_points` | 3 | 至少保留 3 个点用于拟合 |
|
||||
|
||||
### 离群点判定逻辑
|
||||
|
||||
**上沿线（upper）**:
|
||||
|
||||
```python
|
||||
# 残差 = 拟合值 - 实际值
|
||||
# 正残差表示点在拟合线下方（弱高点）
|
||||
residuals = fitted_values - actual_values
|
||||
outliers = residuals > threshold # 弱高点
|
||||
```
|
||||
|
||||
**下沿线（lower）**:
|
||||
|
||||
```python
|
||||
# 残差 = 实际值 - 拟合值
|
||||
# 正残差表示点在拟合线上方（弱低点）
|
||||
residuals = actual_values - fitted_values
|
||||
outliers = residuals > threshold # 弱低点
|
||||
```
|
||||
|
||||
### 预期效果
|
||||
|
||||
以图中 SZ300278 为例：
|
||||
|
||||
- 第二个点（5.8元）明显低于拟合线
|
||||
- 在第一次迭代后会被识别为离群点并移除
|
||||
- 最终拟合线只使用剩余 3 个更有代表性的高点
|
||||
|
||||
## 测试计划
|
||||
|
||||
1. 使用 SZ300278 验证修复效果
|
||||
2. 对比修改前后的图表
|
||||
3. 确保不会过度过滤正常的枢轴点
|
||||
|
||||
## 文档更新
|
||||
|
||||
更新 [docs/枢轴点分段选择算法详解.md](docs/枢轴点分段选择算法详解.md)，添加迭代离群点移除的说明。
|
||||
@ -140,6 +140,12 @@
|
||||
- 文档更新说明
|
||||
- 项目结构整理
|
||||
|
||||
7. **[2026-01-26_枢轴点检测与可视化修复.md](./2026-01-26_枢轴点检测与可视化修复.md)** 🔧
|
||||
- 斜率约束收紧
|
||||
- NaN值处理修复
|
||||
- 候选枢轴点合并
|
||||
- 对称窗口逻辑优化
|
||||
|
||||
### 实时模式实施
|
||||
|
||||
7. **[方案4实施完成报告.md](./方案4实施完成报告.md)**
|
||||
|
||||
@ -1,6 +1,6 @@
|
||||
# 枢轴点分段选择算法详解
|
||||
# 枢轴点拟合算法详解
|
||||
|
||||
**日期**: 2026-01-26
|
||||
**日期**: 2026-01-26 (v2 更新)
|
||||
**文件**: `src/converging_triangle.py` - `fit_pivot_line()` 函数
|
||||
|
||||
---
|
||||
@ -8,9 +8,9 @@
|
||||
## 📋 目录
|
||||
|
||||
1. [算法概述](#算法概述)
|
||||
2. [为什么需要分段](#为什么需要分段)
|
||||
3. [分段算法详解](#分段算法详解)
|
||||
4. [独立分段机制](#独立分段机制)
|
||||
2. [迭代离群点移除（当前算法）](#迭代离群点移除当前算法)
|
||||
3. [历史版本：分段选择算法](#历史版本分段选择算法)
|
||||
4. [独立处理机制](#独立处理机制)
|
||||
5. [代码实现](#代码实现)
|
||||
6. [实际案例分析](#实际案例分析)
|
||||
7. [边界情况处理](#边界情况处理)
|
||||
@ -22,13 +22,131 @@
|
||||
|
||||
### 核心思想
|
||||
|
||||
对于识别出的所有枢轴点，我们不是简单地用所有点或仅用首尾两点来拟合趋势线，而是：
|
||||
对于识别出的所有枢轴点，我们采用**迭代离群点移除**算法来拟合趋势线：
|
||||
|
||||
1. **初始拟合**：先用所有枢轴点做线性回归
|
||||
2. **识别离群点**：计算残差，找出偏离拟合线的"弱"点
|
||||
3. **移除离群点**：移除最差的离群点
|
||||
4. **迭代优化**：重复步骤1-3直到收敛
|
||||
|
||||
### 设计目标
|
||||
|
||||
```python
|
||||
# 上沿线：移除价格明显低于拟合线的点（弱高点）
|
||||
# 下沿线：移除价格明显高于拟合线的点（弱低点）
|
||||
```
|
||||
|
||||
---
|
||||
|
||||
## 迭代离群点移除（当前算法）
|
||||
|
||||
### 为什么需要这个算法？
|
||||
|
||||
**问题场景**：
|
||||
|
||||
```
|
||||
价格
|
||||
^
|
||||
| * ← 强高点 (7.9元)
|
||||
| \
|
||||
| * ← 弱高点 (5.8元) ← 问题！
|
||||
| \
|
||||
| * ← 强高点 (6.8元)
|
||||
| \
|
||||
| * ← 强高点 (6.0元)
|
||||
└──────────────> 时间
|
||||
```
|
||||
|
||||
如果使用所有4个点拟合，5.8元的"弱高点"会把上沿线拉低，导致：
|
||||
- ❌ 拟合线不是真正的上边界
|
||||
- ❌ 与主观判断不符
|
||||
- ❌ 可能错过真实的突破信号
|
||||
|
||||
### 解决方案：迭代移除
|
||||
|
||||
```
|
||||
第1次迭代:
|
||||
拟合线: y = ax + b (用全部4点)
|
||||
残差: [0.1, 1.8, 0.2, 0.3] ← 5.8元点的残差最大(1.8)
|
||||
判定: 1.8 > 1.5*std → 离群点
|
||||
操作: 移除5.8元点
|
||||
|
||||
第2次迭代:
|
||||
拟合线: y = a'x + b' (用剩余3点)
|
||||
残差: [0.05, 0.08, 0.12]
|
||||
判定: 无离群点 → 收敛
|
||||
|
||||
最终结果: 只用3个强高点拟合
|
||||
```
|
||||
|
||||
### 算法流程图
|
||||
|
||||
```mermaid
|
||||
flowchart TD
|
||||
A[输入全部枢轴点] --> B[线性回归拟合]
|
||||
B --> C[计算方向性残差]
|
||||
C --> D{残差 > 阈值?}
|
||||
D -->|是| E[移除最大残差点]
|
||||
E --> F{剩余点 >= 3?}
|
||||
F -->|是| G{迭代次数 < 3?}
|
||||
G -->|是| B
|
||||
G -->|否| H[返回当前拟合]
|
||||
F -->|否| H
|
||||
D -->|否| H
|
||||
```
|
||||
|
||||
### 关键参数
|
||||
|
||||
| 参数 | 默认值 | 说明 |
|
||||
|------|--------|------|
|
||||
| `outlier_threshold` | 1.5 | 残差超过 1.5 倍标准差视为离群点 |
|
||||
| `max_iterations` | 3 | 最多迭代 3 次，避免过度过滤 |
|
||||
| `min_keep` | 3 | 至少保留 3 个点用于拟合 |
|
||||
|
||||
### 残差计算逻辑
|
||||
|
||||
**上沿线（upper）**：
|
||||
|
||||
```python
|
||||
# 残差 = 拟合值 - 实际值
|
||||
# 正残差 = 点在拟合线下方 = 弱高点（应移除）
|
||||
residuals = fitted_values - actual_values
|
||||
outliers = residuals > threshold
|
||||
```
|
||||
|
||||
**下沿线（lower）**：
|
||||
|
||||
```python
|
||||
# 残差 = 实际值 - 拟合值
|
||||
# 正残差 = 点在拟合线上方 = 弱低点（应移除）
|
||||
residuals = actual_values - fitted_values
|
||||
outliers = residuals > threshold
|
||||
```
|
||||
|
||||
### 算法优势
|
||||
|
||||
| 优势 | 说明 |
|
||||
|------|------|
|
||||
| **自适应** | 自动识别偏离点，无需人工干预 |
|
||||
| **稳健性** | 不会被单个异常点影响整条线 |
|
||||
| **可控性** | 通过阈值和迭代次数控制过滤强度 |
|
||||
| **保守性** | 至少保留3个点，避免过度过滤 |
|
||||
|
||||
---
|
||||
|
||||
## 历史版本：分段选择算法
|
||||
|
||||
> **注意**：以下是 v1 版本的分段算法，已被迭代离群点移除算法替代。保留此节供参考。
|
||||
|
||||
### 原核心思想
|
||||
|
||||
对于识别出的所有枢轴点：
|
||||
|
||||
1. **分段策略**：将枢轴点按时间顺序分成 **3 个时间段**
|
||||
2. **代表点选择**：从每段中选出 **最极端的点**（上沿选最高，下沿选最低）
|
||||
3. **线性回归**：用这 3 个代表点进行线性回归，拟合趋势线
|
||||
|
||||
### 触发条件
|
||||
### 原触发条件
|
||||
|
||||
```python
|
||||
if 枢轴点数量 > 4:
|
||||
@ -37,6 +155,12 @@ else:
|
||||
使用全部枢轴点
|
||||
```
|
||||
|
||||
### 原算法的局限性
|
||||
|
||||
分段算法会选中一些"弱"枢轴点：
|
||||
- 某个高点虽然是时间段内最高，但可能明显低于其他时间段的高点
|
||||
- 这些点会拉低/拉高拟合线，导致与主观判断不符
|
||||
|
||||
---
|
||||
|
||||
## 为什么需要分段
|
||||
@ -254,7 +378,7 @@ n = 4 ≤ 4，不分段，全部使用 ✓
|
||||
|
||||
---
|
||||
|
||||
## 独立分段机制
|
||||
## 独立处理机制
|
||||
|
||||
### 关键点：高点和低点分别独立处理
|
||||
|
||||
@ -323,29 +447,28 @@ else:
|
||||
|
||||
## 代码实现
|
||||
|
||||
### 完整代码（带详细注释）
|
||||
### 当前算法：迭代离群点移除（v2）
|
||||
|
||||
```python
|
||||
def fit_pivot_line(
|
||||
pivot_indices: np.ndarray, # 枢轴点的时间索引
|
||||
pivot_values: np.ndarray, # 枢轴点的价格
|
||||
mode: str = "upper", # "upper" 或 "lower"
|
||||
pivot_indices: np.ndarray,
|
||||
pivot_values: np.ndarray,
|
||||
mode: str = "upper",
|
||||
min_points: int = 2,
|
||||
outlier_threshold: float = 1.5, # 离群点阈值（标准差倍数）
|
||||
max_iterations: int = 3, # 最大迭代次数
|
||||
) -> Tuple[float, float, np.ndarray]:
|
||||
"""
|
||||
拟合枢轴点趋势线（使用分段选择策略）
|
||||
迭代离群点移除的枢轴点拟合算法
|
||||
|
||||
策略：
|
||||
- 如果枢轴点 > 4：分3段，每段选1个极值点（共3个拟合点）
|
||||
- 如果枢轴点 ≤ 4：全部使用
|
||||
1. 先用所有点做初始拟合
|
||||
2. 识别并移除偏离拟合线的"弱"点
|
||||
3. 迭代直到收敛
|
||||
|
||||
Returns:
|
||||
(斜率a, 截距b, 选中的枢轴点索引)
|
||||
对于上沿线：移除价格明显低于拟合线的点（弱高点）
|
||||
对于下沿线：移除价格明显高于拟合线的点（弱低点）
|
||||
"""
|
||||
|
||||
# ─────────────────────────────────────────────────────────
|
||||
# 第1步：基本检查和排序
|
||||
# ─────────────────────────────────────────────────────────
|
||||
if len(pivot_indices) < min_points:
|
||||
return 0.0, 0.0, np.array([])
|
||||
|
||||
@ -353,115 +476,113 @@ def fit_pivot_line(
|
||||
sort_idx = np.argsort(pivot_indices)
|
||||
x_sorted = pivot_indices[sort_idx].astype(float)
|
||||
y_sorted = pivot_values[sort_idx]
|
||||
|
||||
n = len(x_sorted)
|
||||
|
||||
if n < 2:
|
||||
return 0.0, 0.0, np.array([])
|
||||
|
||||
# ─────────────────────────────────────────────────────────
|
||||
# 第2步：决定是否分段
|
||||
# ─────────────────────────────────────────────────────────
|
||||
if n <= 4:
|
||||
# 点数少，全部使用
|
||||
selected_mask = np.ones(n, dtype=bool)
|
||||
else:
|
||||
# 点数多，使用分段策略
|
||||
selected_mask = np.zeros(n, dtype=bool)
|
||||
# 初始化：所有点都参与
|
||||
active_mask = np.ones(n, dtype=bool)
|
||||
min_keep = max(3, min_points) # 至少保留3个点
|
||||
|
||||
# 计算每段大小
|
||||
segment_size = n // 3
|
||||
if segment_size < 1:
|
||||
segment_size = 1
|
||||
# ─────────────────────────────────────────────────────────
|
||||
# 迭代离群点移除
|
||||
# ─────────────────────────────────────────────────────────
|
||||
for iteration in range(max_iterations):
|
||||
active_indices = np.where(active_mask)[0]
|
||||
if len(active_indices) <= min_keep:
|
||||
break
|
||||
|
||||
# 定义三个时间段
|
||||
segments = [
|
||||
range(0, min(segment_size, n)), # 第1段
|
||||
range(segment_size, min(2 * segment_size, n)), # 第2段
|
||||
range(2 * segment_size, n), # 第3段
|
||||
]
|
||||
# 当前活跃点
|
||||
x_active = x_sorted[active_mask]
|
||||
y_active = y_sorted[active_mask]
|
||||
|
||||
# 线性回归
|
||||
a, b = fit_line(x_active, y_active)
|
||||
|
||||
# 计算拟合值
|
||||
fitted_values = a * x_active + b
|
||||
|
||||
# ─────────────────────────────────────────────────────
|
||||
# 第3步：从每段选择极值点
|
||||
# 计算方向性残差
|
||||
# ─────────────────────────────────────────────────────
|
||||
for seg in segments:
|
||||
if len(seg) == 0:
|
||||
continue
|
||||
if mode == "upper":
|
||||
# 上沿：残差 = 拟合值 - 实际值
|
||||
# 正残差表示点在拟合线下方（弱高点）
|
||||
residuals = fitted_values - y_active
|
||||
else:
|
||||
# 下沿：残差 = 实际值 - 拟合值
|
||||
# 正残差表示点在拟合线上方（弱低点）
|
||||
residuals = y_active - fitted_values
|
||||
|
||||
seg_list = list(seg)
|
||||
seg_y = y_sorted[seg_list]
|
||||
# 计算标准差
|
||||
std_residual = np.std(residuals)
|
||||
if std_residual < 1e-10:
|
||||
# 所有点几乎在一条线上，无需移除
|
||||
break
|
||||
|
||||
if mode == "upper":
|
||||
# 上沿：选该段最高点
|
||||
best_idx_in_seg = np.argmax(seg_y)
|
||||
else: # mode == "lower"
|
||||
# 下沿：选该段最低点
|
||||
best_idx_in_seg = np.argmin(seg_y)
|
||||
# ─────────────────────────────────────────────────────
|
||||
# 识别并移除最大离群点
|
||||
# ─────────────────────────────────────────────────────
|
||||
threshold = outlier_threshold * std_residual
|
||||
max_outlier_idx = np.argmax(residuals)
|
||||
|
||||
# 标记选中
|
||||
selected_mask[seg_list[best_idx_in_seg]] = True
|
||||
if residuals[max_outlier_idx] <= threshold:
|
||||
# 最大残差不超过阈值，收敛
|
||||
break
|
||||
|
||||
if np.sum(active_mask) <= min_keep:
|
||||
break
|
||||
|
||||
# 移除离群点
|
||||
original_idx = active_indices[max_outlier_idx]
|
||||
active_mask[original_idx] = False
|
||||
|
||||
# ─────────────────────────────────────────────────────────
|
||||
# 第4步：提取选中的点
|
||||
# 最终拟合
|
||||
# ─────────────────────────────────────────────────────────
|
||||
selected_x = x_sorted[selected_mask]
|
||||
selected_y = y_sorted[selected_mask]
|
||||
selected_indices_sorted = np.where(selected_mask)[0]
|
||||
selected_indices_sorted = np.where(active_mask)[0]
|
||||
selected_x = x_sorted[active_mask]
|
||||
selected_y = y_sorted[active_mask]
|
||||
|
||||
# 保底：至少选首尾两点
|
||||
if len(selected_x) < 2:
|
||||
selected_mask = np.zeros(n, dtype=bool)
|
||||
selected_mask[0] = True
|
||||
selected_mask[-1] = True
|
||||
selected_x = x_sorted[selected_mask]
|
||||
selected_y = y_sorted[selected_mask]
|
||||
selected_indices_sorted = np.where(selected_mask)[0]
|
||||
# 兜底：使用首尾两点
|
||||
active_mask = np.zeros(n, dtype=bool)
|
||||
active_mask[0] = True
|
||||
active_mask[-1] = True
|
||||
selected_x = x_sorted[active_mask]
|
||||
selected_y = y_sorted[active_mask]
|
||||
selected_indices_sorted = np.where(active_mask)[0]
|
||||
|
||||
# ─────────────────────────────────────────────────────────
|
||||
# 第5步：线性回归
|
||||
# ─────────────────────────────────────────────────────────
|
||||
a, b = fit_line(selected_x, selected_y)
|
||||
|
||||
# ─────────────────────────────────────────────────────────
|
||||
# 第6步：覆盖性验证（确保线不穿透任何枢轴点）
|
||||
# ─────────────────────────────────────────────────────────
|
||||
fitted_all = a * x_sorted + b
|
||||
tolerance = 0.03 # 3%容差
|
||||
|
||||
if mode == "upper":
|
||||
# 上沿线不应低于任何高点
|
||||
violations = y_sorted > fitted_all + tolerance * np.mean(y_sorted)
|
||||
if np.any(violations):
|
||||
# 强制包含全局最高点
|
||||
global_max_idx = np.argmax(y_sorted)
|
||||
if not selected_mask[global_max_idx]:
|
||||
selected_mask[global_max_idx] = True
|
||||
selected_x = x_sorted[selected_mask]
|
||||
selected_y = y_sorted[selected_mask]
|
||||
selected_indices_sorted = np.where(selected_mask)[0]
|
||||
a, b = fit_line(selected_x, selected_y)
|
||||
else: # mode == "lower"
|
||||
# 下沿线不应高于任何低点
|
||||
violations = y_sorted < fitted_all - tolerance * np.mean(y_sorted)
|
||||
if np.any(violations):
|
||||
# 强制包含全局最低点
|
||||
global_min_idx = np.argmin(y_sorted)
|
||||
if not selected_mask[global_min_idx]:
|
||||
selected_mask[global_min_idx] = True
|
||||
selected_x = x_sorted[selected_mask]
|
||||
selected_y = y_sorted[selected_mask]
|
||||
selected_indices_sorted = np.where(selected_mask)[0]
|
||||
a, b = fit_line(selected_x, selected_y)
|
||||
|
||||
# ─────────────────────────────────────────────────────────
|
||||
# 第7步：返回结果
|
||||
# ─────────────────────────────────────────────────────────
|
||||
# 将排序后的索引映射回原始索引
|
||||
# 返回原始索引
|
||||
selected_original = sort_idx[selected_indices_sorted]
|
||||
|
||||
return float(a), float(b), selected_original
|
||||
```
|
||||
|
||||
### 历史算法：分段选择（v1）
|
||||
|
||||
> 以下代码已被替代，保留供参考。
|
||||
|
||||
```python
|
||||
def fit_pivot_line_v1(
|
||||
pivot_indices: np.ndarray,
|
||||
pivot_values: np.ndarray,
|
||||
mode: str = "upper",
|
||||
min_points: int = 2,
|
||||
) -> Tuple[float, float, np.ndarray]:
|
||||
"""
|
||||
分段选择策略（已废弃）
|
||||
|
||||
策略：
|
||||
- 如果枢轴点 > 4：分3段，每段选1个极值点（共3个拟合点）
|
||||
- 如果枢轴点 ≤ 4：全部使用
|
||||
"""
|
||||
# ... 详见历史版本
|
||||
```
|
||||
|
||||
---
|
||||
|
||||
## 实际案例分析
|
||||
@ -616,90 +737,45 @@ if len(selected_x) < 2:
|
||||
```
|
||||
图表元素 对应内容
|
||||
─────────────────────────────────────────────
|
||||
浅红色小实心圆（6个） 所有高点枢轴点
|
||||
深红色大空心圆（3个） 上沿拟合点（从6个中选出）
|
||||
红色点划竖线 高点分段边界
|
||||
- "高1|2" 标签 第1段和第2段分界
|
||||
- "高2|3" 标签 第2段和第3段分界
|
||||
|
||||
浅绿色小实心圆（4个） 所有低点枢轴点
|
||||
深绿色大空心圆（4个） 下沿拟合点（全部使用，因≤4）
|
||||
（无绿色竖线） 低点不分段（≤4）
|
||||
浅红色小实心圆 所有高点枢轴点
|
||||
深红色大空心圆 上沿拟合点（迭代算法选出）
|
||||
浅绿色小实心圆 所有低点枢轴点
|
||||
深绿色大空心圆 下沿拟合点（迭代算法选出）
|
||||
```
|
||||
|
||||
### 分段线的位置
|
||||
|
||||
**分段边界的时间索引**：
|
||||
|
||||
```python
|
||||
# 以高点为例，n=6, segment_size=2
|
||||
排序后的高点索引: [10, 30, 50, 60, 80, 90]
|
||||
位置0 1 2 3 4 5
|
||||
|
||||
第1段结束 = 第2段开始:
|
||||
boundary_1 = 索引[segment_size] = 索引[2] = 50
|
||||
→ 在时间50处画竖线
|
||||
|
||||
第2段结束 = 第3段开始:
|
||||
boundary_2 = 索引[2*segment_size] = 索引[4] = 80
|
||||
→ 在时间80处画竖线
|
||||
|
||||
分段结果:
|
||||
第1段: [10, 30] | 第2段: [50, 60] | 第3段: [80, 90]
|
||||
↑ boundary_1 ↑ boundary_2
|
||||
```
|
||||
|
||||
**代码实现**：
|
||||
|
||||
```python
|
||||
if len(ph_idx) > 4:
|
||||
n_high = len(ph_idx)
|
||||
segment_size_high = n_high // 3
|
||||
|
||||
# 第1条竖线
|
||||
if segment_size_high < n_high:
|
||||
boundary_1 = ph_idx[segment_size_high]
|
||||
ax.axvline(boundary_1, color='red', linestyle='-.', ...)
|
||||
ax.text(boundary_1, y_max*0.96, '高1|2', ...)
|
||||
|
||||
# 第2条竖线
|
||||
if 2 * segment_size_high < n_high:
|
||||
boundary_2 = ph_idx[2 * segment_size_high]
|
||||
ax.axvline(boundary_2, color='red', linestyle='-.', ...)
|
||||
ax.text(boundary_2, y_max*0.96, '高2|3', ...)
|
||||
```
|
||||
**注意**：自 v2.0 起，分段竖线已被移除（因算法不再使用分段策略）。
|
||||
|
||||
---
|
||||
|
||||
## 总结
|
||||
|
||||
### 分段策略的核心要点
|
||||
### 迭代离群点移除算法的核心要点
|
||||
|
||||
1. **触发条件**: 枢轴点 > 4
|
||||
2. **分段数量**: 固定3段
|
||||
3. **分段方式**: 时间均分（每段 `n//3` 个点）
|
||||
4. **选择策略**: 每段选1个极值点
|
||||
5. **独立性**: 高点和低点各自独立分段
|
||||
6. **保底机制**: 覆盖性验证 + 全局极值保护
|
||||
1. **初始状态**: 所有枢轴点参与拟合
|
||||
2. **迭代移除**: 每次移除最大残差的离群点
|
||||
3. **方向性残差**: 上沿移除低于线的点，下沿移除高于线的点
|
||||
4. **收敛条件**: 无离群点 / 达到最大迭代次数 / 点数达到下限
|
||||
5. **独立性**: 高点和低点各自独立处理
|
||||
6. **保底机制**: 至少保留3个点用于拟合
|
||||
|
||||
### 算法优势
|
||||
|
||||
| 优势 | 说明 |
|
||||
|------|------|
|
||||
| **时间均衡** | 前、中、后三个时期都有代表点 |
|
||||
| **代表性强** | 每段选最极端的点，确保边界性 |
|
||||
| **抗噪性好** | 不易被局部密集点影响 |
|
||||
| **稳健性高** | 多点回归比两点连线更稳定 |
|
||||
| **可扩展性** | 点数增加时仍保持3个拟合点 |
|
||||
| **自适应** | 自动识别并移除偏离点 |
|
||||
| **稳健性** | 不受单个异常点影响 |
|
||||
| **可控性** | 通过阈值和迭代次数控制 |
|
||||
| **保守性** | 至少保留3个点，避免过度过滤 |
|
||||
| **符合直觉** | 拟合结果与主观判断一致 |
|
||||
|
||||
### 与其他方法的对比
|
||||
|
||||
| 方法 | 优点 | 缺点 |
|
||||
|------|------|------|
|
||||
| **两点连线** | 简单快速 | 忽略中间点，易受噪声影响 |
|
||||
| **全部点回归** | 利用所有信息 | 权重不均，点密集区域主导 |
|
||||
| **分段选择（当前）** | 时间均衡，代表性强 | 略复杂，需要分段逻辑 |
|
||||
| **滑动窗口** | 平滑效果好 | 计算复杂，参数敏感 |
|
||||
| **全部点回归** | 利用所有信息 | 权重不均，异常点影响大 |
|
||||
| **分段选择（v1）** | 时间均衡 | 可能选中弱枢轴点 |
|
||||
| **迭代离群点移除（当前）** | 自适应，稳健 | 需要迭代计算 |
|
||||
|
||||
---
|
||||
|
||||
@ -711,6 +787,9 @@ if len(ph_idx) > 4:
|
||||
|
||||
---
|
||||
|
||||
**文档版本**: v1.0
|
||||
**文档版本**: v2.0
|
||||
**最后更新**: 2026-01-26
|
||||
**变更记录**:
|
||||
- v2.0: 采用迭代离群点移除算法，替代原分段选择策略
|
||||
- v1.0: 初始版本，分段选择算法
|
||||
|
||||
|
||||
Binary file not shown.
Binary file not shown.
@ -9,6 +9,7 @@
|
||||
用法:
|
||||
python scripts/pipeline_converging_triangle.py
|
||||
python scripts/pipeline_converging_triangle.py --date 20260120
|
||||
python scripts/pipeline_converging_triangle.py --show-details # 生成详情模式图片
|
||||
"""
|
||||
|
||||
from __future__ import annotations
|
||||
@ -54,6 +55,11 @@ def main() -> None:
|
||||
default=None,
|
||||
help="指定日期（YYYYMMDD），用于报告和图表生成（默认为数据最新日）",
|
||||
)
|
||||
parser.add_argument(
|
||||
"--show-details",
|
||||
action="store_true",
|
||||
help="生成详情模式图片（显示所有枢轴点和拟合点）",
|
||||
)
|
||||
parser.add_argument(
|
||||
"--skip-detection",
|
||||
action="store_true",
|
||||
@ -79,6 +85,10 @@ def main() -> None:
|
||||
print(f"开始时间: {datetime.now().strftime('%Y-%m-%d %H:%M:%S')}")
|
||||
if args.date:
|
||||
print(f"指定日期: {args.date}")
|
||||
if args.show_details:
|
||||
print(f"图表模式: 详情模式（显示所有枢轴点）")
|
||||
else:
|
||||
print(f"图表模式: 简洁模式（仅显示价格和趋势线）")
|
||||
print("=" * 80)
|
||||
|
||||
results = []
|
||||
@ -149,10 +159,13 @@ def main() -> None:
|
||||
|
||||
try:
|
||||
# 设置命令行参数
|
||||
cmd_args = [sys.argv[0]]
|
||||
if args.date:
|
||||
sys.argv = [sys.argv[0], "--date", str(args.date)]
|
||||
else:
|
||||
sys.argv = [sys.argv[0]]
|
||||
cmd_args.extend(["--date", str(args.date)])
|
||||
if args.show_details:
|
||||
cmd_args.append("--show-details")
|
||||
|
||||
sys.argv = cmd_args
|
||||
|
||||
run_plot()
|
||||
success = True
|
||||
|
||||
@ -37,10 +37,11 @@ from converging_triangle import (
|
||||
fit_pivot_line,
|
||||
line_y,
|
||||
pivots_fractal,
|
||||
pivots_fractal_hybrid,
|
||||
)
|
||||
|
||||
# 导入统一的参数配置
|
||||
from triangle_config import DETECTION_PARAMS, DISPLAY_WINDOW, SHOW_CHART_DETAILS
|
||||
from triangle_config import DETECTION_PARAMS, DISPLAY_WINDOW, SHOW_CHART_DETAILS, REALTIME_MODE, FLEXIBLE_ZONE
|
||||
|
||||
|
||||
class FakeModule:
|
||||
@ -159,7 +160,11 @@ def plot_triangle(
|
||||
display_volume = volume_stock[valid_mask][display_start:valid_end + 1]
|
||||
display_dates = dates[valid_indices[display_start:valid_end + 1]]
|
||||
|
||||
# 检测三角形（使用检测窗口数据）
|
||||
# ========================================================================
|
||||
# 计算三角形参数（用于绘图）
|
||||
# 注意：不验证 is_valid，因为CSV中已经验证通过了
|
||||
# 这里只是重新计算参数用于可视化
|
||||
# ========================================================================
|
||||
result = detect_converging_triangle(
|
||||
high=high_win,
|
||||
low=low_win,
|
||||
@ -170,9 +175,8 @@ def plot_triangle(
|
||||
date_idx=date_idx,
|
||||
)
|
||||
|
||||
if not result.is_valid:
|
||||
print(f" [跳过] {stock_code} {stock_name}: 未识别到有效三角形")
|
||||
return
|
||||
# 不再检查 is_valid，直接绘图
|
||||
# 原因：CSV中已经包含了通过验证的股票，这里只需要可视化
|
||||
|
||||
# 绘图准备
|
||||
x_display = np.arange(len(display_close), dtype=float)
|
||||
@ -184,8 +188,19 @@ def plot_triangle(
|
||||
n = len(close_win)
|
||||
x_win = np.arange(n, dtype=float)
|
||||
|
||||
# 计算枢轴点（与检测算法一致）
|
||||
ph_idx, pl_idx = pivots_fractal(high_win, low_win, k=params.pivot_k)
|
||||
# 计算枢轴点（与检测算法一致，考虑实时模式）
|
||||
if REALTIME_MODE:
|
||||
confirmed_ph, confirmed_pl, candidate_ph, candidate_pl = pivots_fractal_hybrid(
|
||||
high_win, low_win, k=params.pivot_k, flexible_zone=FLEXIBLE_ZONE
|
||||
)
|
||||
# 合并确认枢轴点和候选枢轴点
|
||||
ph_idx = np.concatenate([confirmed_ph, candidate_ph]) if len(candidate_ph) > 0 else confirmed_ph
|
||||
pl_idx = np.concatenate([confirmed_pl, candidate_pl]) if len(candidate_pl) > 0 else confirmed_pl
|
||||
# 排序以保证顺序
|
||||
ph_idx = np.sort(ph_idx)
|
||||
pl_idx = np.sort(pl_idx)
|
||||
else:
|
||||
ph_idx, pl_idx = pivots_fractal(high_win, low_win, k=params.pivot_k)
|
||||
|
||||
# 使用枢轴点连线法拟合边界线（与检测算法一致）
|
||||
a_u, b_u, selected_ph = fit_pivot_line(
|
||||
@ -282,108 +297,6 @@ def plot_triangle(
|
||||
label=f'下沿拟合点({len(selected_pl_pos)})',
|
||||
)
|
||||
|
||||
# 绘制分段竖线（显示算法如何分段选择枢轴点）
|
||||
# 高点和低点分别独立分段，用不同颜色显示
|
||||
y_min, y_max = ax1.get_ylim()
|
||||
|
||||
# 绘制高点枢轴点的分段线（红色）
|
||||
if len(ph_idx) > 4:
|
||||
n_high = len(ph_idx)
|
||||
segment_size_high = n_high // 3
|
||||
|
||||
# 第1段结束 = 第2段开始
|
||||
if segment_size_high < n_high:
|
||||
boundary_1 = ph_idx[segment_size_high] + triangle_offset
|
||||
ax1.axvline(
|
||||
boundary_1,
|
||||
color='red',
|
||||
linestyle='-.',
|
||||
linewidth=1.2,
|
||||
alpha=0.4,
|
||||
zorder=3,
|
||||
)
|
||||
ax1.text(
|
||||
boundary_1,
|
||||
y_max * 0.96,
|
||||
'高1|2',
|
||||
ha='center',
|
||||
va='top',
|
||||
fontsize=7,
|
||||
color='red',
|
||||
bbox=dict(boxstyle='round,pad=0.2', facecolor='white', edgecolor='red', alpha=0.7),
|
||||
)
|
||||
|
||||
# 第2段结束 = 第3段开始
|
||||
if 2 * segment_size_high < n_high:
|
||||
boundary_2 = ph_idx[2 * segment_size_high] + triangle_offset
|
||||
ax1.axvline(
|
||||
boundary_2,
|
||||
color='red',
|
||||
linestyle='-.',
|
||||
linewidth=1.2,
|
||||
alpha=0.4,
|
||||
zorder=3,
|
||||
)
|
||||
ax1.text(
|
||||
boundary_2,
|
||||
y_max * 0.96,
|
||||
'高2|3',
|
||||
ha='center',
|
||||
va='top',
|
||||
fontsize=7,
|
||||
color='red',
|
||||
bbox=dict(boxstyle='round,pad=0.2', facecolor='white', edgecolor='red', alpha=0.7),
|
||||
)
|
||||
|
||||
# 绘制低点枢轴点的分段线（绿色）
|
||||
if len(pl_idx) > 4:
|
||||
n_low = len(pl_idx)
|
||||
segment_size_low = n_low // 3
|
||||
|
||||
# 第1段结束 = 第2段开始
|
||||
if segment_size_low < n_low:
|
||||
boundary_1 = pl_idx[segment_size_low] + triangle_offset
|
||||
ax1.axvline(
|
||||
boundary_1,
|
||||
color='green',
|
||||
linestyle='-.',
|
||||
linewidth=1.2,
|
||||
alpha=0.4,
|
||||
zorder=3,
|
||||
)
|
||||
ax1.text(
|
||||
boundary_1,
|
||||
y_min + (y_max - y_min) * 0.04,
|
||||
'低1|2',
|
||||
ha='center',
|
||||
va='bottom',
|
||||
fontsize=7,
|
||||
color='green',
|
||||
bbox=dict(boxstyle='round,pad=0.2', facecolor='white', edgecolor='green', alpha=0.7),
|
||||
)
|
||||
|
||||
# 第2段结束 = 第3段开始
|
||||
if 2 * segment_size_low < n_low:
|
||||
boundary_2 = pl_idx[2 * segment_size_low] + triangle_offset
|
||||
ax1.axvline(
|
||||
boundary_2,
|
||||
color='green',
|
||||
linestyle='-.',
|
||||
linewidth=1.2,
|
||||
alpha=0.4,
|
||||
zorder=3,
|
||||
)
|
||||
ax1.text(
|
||||
boundary_2,
|
||||
y_min + (y_max - y_min) * 0.04,
|
||||
'低2|3',
|
||||
ha='center',
|
||||
va='bottom',
|
||||
fontsize=7,
|
||||
color='green',
|
||||
bbox=dict(boxstyle='round,pad=0.2', facecolor='white', edgecolor='green', alpha=0.7),
|
||||
)
|
||||
|
||||
ax1.set_title(
|
||||
f"{stock_code} {stock_name} - 收敛三角形 (检测窗口: {detect_dates[0]} ~ {detect_dates[-1]})\n"
|
||||
f"显示范围: {display_dates[0]} ~ {display_dates[-1]} ({len(display_dates)}个交易日) "
|
||||
|
||||
@ -31,9 +31,9 @@ DETECTION_PARAMS = ConvergingTriangleParams(
|
||||
boundary_n_segments=2, # 边界线分段数
|
||||
boundary_source="full", # 边界拟合数据源: "full"(全部) 或 "pivot"(仅枢轴点)
|
||||
|
||||
# 斜率约束
|
||||
upper_slope_max=0.10, # 上沿最大斜率（正值，向上倾斜）
|
||||
lower_slope_min=-0.10, # 下沿最小斜率（负值，向下倾斜）
|
||||
# 斜率约束（严格收敛三角形）
|
||||
upper_slope_max=0, # 上沿必须向下或水平（≤0）
|
||||
lower_slope_min=0, # 下沿必须向上或水平（≥0）
|
||||
# 注意：算法会自动过滤"同向通道"（上下沿都向上或都向下）
|
||||
# 只保留真正的收敛形态（上下沿相向运动）
|
||||
|
||||
@ -92,8 +92,8 @@ DISPLAY_WINDOW = 500
|
||||
REALTIME_MODE = True # True=实时模式（默认）, False=标准模式
|
||||
|
||||
# 灵活区域大小（仅在实时模式下生效）
|
||||
FLEXIBLE_ZONE = 5 # 最近5天使用降低标准
|
||||
# 建议: 3-7天，太大会引入噪音
|
||||
FLEXIBLE_ZONE = 15 # 最近15天使用降低标准（与pivot_k一致）
|
||||
# 说明: 设为与pivot_k相同，确保窗口末端的所有潜在枢轴点都能被识别
|
||||
|
||||
# 实时模式说明：
|
||||
# - 实时模式（推荐）：使用确认+候选枢轴点（允许右边数据不完整），适合实时选股
|
||||
|
||||
Binary file not shown.
@ -103,14 +103,17 @@ class ConvergingTriangleResult:
|
||||
def pivots_fractal(
|
||||
high: np.ndarray, low: np.ndarray, k: int = 3
|
||||
) -> Tuple[np.ndarray, np.ndarray]:
|
||||
"""左右窗口分形：返回 pivot_high_idx, pivot_low_idx"""
|
||||
"""左右窗口分形：返回 pivot_high_idx, pivot_low_idx
|
||||
|
||||
使用 nanmax/nanmin 来忽略 NaN 值
|
||||
"""
|
||||
n = len(high)
|
||||
ph: List[int] = []
|
||||
pl: List[int] = []
|
||||
for i in range(k, n - k):
|
||||
if high[i] == np.max(high[i - k : i + k + 1]):
|
||||
if not np.isnan(high[i]) and high[i] == np.nanmax(high[i - k : i + k + 1]):
|
||||
ph.append(i)
|
||||
if low[i] == np.min(low[i - k : i + k + 1]):
|
||||
if not np.isnan(low[i]) and low[i] == np.nanmin(low[i - k : i + k + 1]):
|
||||
pl.append(i)
|
||||
return np.array(ph, dtype=int), np.array(pl, dtype=int)
|
||||
|
||||
@ -138,22 +141,36 @@ def pivots_fractal_hybrid(
|
||||
n = len(high)
|
||||
|
||||
# 确认枢轴点（完整窗口）
|
||||
# 使用 nanmax/nanmin 来忽略 NaN 值
|
||||
confirmed_ph: List[int] = []
|
||||
confirmed_pl: List[int] = []
|
||||
for i in range(k, n - k):
|
||||
if high[i] == np.max(high[i - k : i + k + 1]):
|
||||
if not np.isnan(high[i]) and high[i] == np.nanmax(high[i - k : i + k + 1]):
|
||||
confirmed_ph.append(i)
|
||||
if low[i] == np.min(low[i - k : i + k + 1]):
|
||||
if not np.isnan(low[i]) and low[i] == np.nanmin(low[i - k : i + k + 1]):
|
||||
confirmed_pl.append(i)
|
||||
|
||||
# 候选枢轴点（灵活窗口，最近flexible_zone天）
|
||||
# 优化逻辑：使用对称窗口，左右各看 min(k, right_avail+1) 天
|
||||
# 这样可以识别出窗口末端的局部枢轴点
|
||||
# 使用 nanmax/nanmin 来忽略 NaN 值
|
||||
candidate_ph: List[int] = []
|
||||
candidate_pl: List[int] = []
|
||||
for i in range(max(k, n - flexible_zone), n):
|
||||
if np.isnan(high[i]) or np.isnan(low[i]):
|
||||
continue # 跳过 NaN 点
|
||||
|
||||
right_avail = n - 1 - i
|
||||
if high[i] == np.max(high[i - k : i + right_avail + 1]):
|
||||
# 使用对称的短窗口：左右各看 right_avail+1 天（至少1天）
|
||||
# 但左边最多看 k 天（保证有足够数据）
|
||||
left_look = min(k, max(right_avail + 1, 3)) # 至少看3天
|
||||
left_start = max(0, i - left_look)
|
||||
right_end = min(n, i + right_avail + 1)
|
||||
|
||||
# 在对称窗口内是最大/最小即为候选枢轴点
|
||||
if high[i] == np.nanmax(high[left_start : right_end]):
|
||||
candidate_ph.append(i)
|
||||
if low[i] == np.min(low[i - k : i + right_avail + 1]):
|
||||
if low[i] == np.nanmin(low[left_start : right_end]):
|
||||
candidate_pl.append(i)
|
||||
|
||||
return (
|
||||
@ -232,21 +249,27 @@ def fit_pivot_line(
|
||||
pivot_values: np.ndarray,
|
||||
mode: str = "upper",
|
||||
min_points: int = 2,
|
||||
outlier_threshold: float = 2.5,
|
||||
max_iterations: int = 2,
|
||||
) -> Tuple[float, float, np.ndarray]:
|
||||
"""
|
||||
枢轴点连线法：选择合适的枢轴点连成边界线
|
||||
迭代离群点移除的枢轴点拟合算法
|
||||
|
||||
改进策略（2026-01-26）：
|
||||
- 使用多个枢轴点进行线性回归，而不是只选2个点
|
||||
- 将时间轴分为3段，每段选择最具代表性的点
|
||||
- 上沿选最高点，下沿选最低点
|
||||
- 使用选中的点进行线性回归，充分利用所有信息
|
||||
改进策略（2026-01-26 v2）：
|
||||
1. 先用所有点做初始拟合
|
||||
2. 识别并移除偏离拟合线的"弱"点
|
||||
3. 迭代直到收敛
|
||||
|
||||
对于上沿线：移除价格明显低于拟合线的点（弱高点）
|
||||
对于下沿线：移除价格明显高于拟合线的点（弱低点）
|
||||
|
||||
Args:
|
||||
pivot_indices: 枢轴点的X坐标（索引）
|
||||
pivot_values: 枢轴点的Y值（价格）
|
||||
mode: "upper"(上沿) 或 "lower"(下沿)
|
||||
min_points: 最少需要的枢轴点数
|
||||
min_points: 最少需要的枢轴点数（默认2，实际保留至少3个）
|
||||
outlier_threshold: 离群点阈值（标准差倍数，默认2.5，更宽松）
|
||||
max_iterations: 最大迭代次数（默认2，避免过度过滤）
|
||||
|
||||
Returns:
|
||||
(slope, intercept, selected_indices): 斜率、截距、选中的枢轴点索引
|
||||
@ -263,87 +286,82 @@ def fit_pivot_line(
|
||||
if n < 2:
|
||||
return 0.0, 0.0, np.array([])
|
||||
|
||||
# 新策略：分段选择代表性点进行回归
|
||||
if n <= 4:
|
||||
# 点数少，直接用所有点
|
||||
selected_mask = np.ones(n, dtype=bool)
|
||||
else:
|
||||
# 点数多，分3段选择
|
||||
selected_mask = np.zeros(n, dtype=bool)
|
||||
# 初始化：所有点都参与
|
||||
active_mask = np.ones(n, dtype=bool)
|
||||
min_keep = max(3, min_points) # 至少保留3个点
|
||||
|
||||
# 分3段
|
||||
segment_size = n // 3
|
||||
if segment_size < 1:
|
||||
segment_size = 1
|
||||
# 迭代离群点移除
|
||||
for iteration in range(max_iterations):
|
||||
active_indices = np.where(active_mask)[0]
|
||||
if len(active_indices) <= min_keep:
|
||||
break
|
||||
|
||||
segments = [
|
||||
range(0, min(segment_size, n)),
|
||||
range(segment_size, min(2 * segment_size, n)),
|
||||
range(2 * segment_size, n),
|
||||
]
|
||||
# 当前活跃点
|
||||
x_active = x_sorted[active_mask]
|
||||
y_active = y_sorted[active_mask]
|
||||
|
||||
for seg in segments:
|
||||
if len(seg) == 0:
|
||||
continue
|
||||
# 线性回归
|
||||
a, b = fit_line(x_active, y_active)
|
||||
|
||||
seg_list = list(seg)
|
||||
seg_y = y_sorted[seg_list]
|
||||
# 计算拟合值
|
||||
fitted_values = a * x_active + b
|
||||
|
||||
if mode == "upper":
|
||||
# 上沿：选该段最高点
|
||||
best_idx_in_seg = np.argmax(seg_y)
|
||||
else:
|
||||
# 下沿：选该段最低点
|
||||
best_idx_in_seg = np.argmin(seg_y)
|
||||
# 计算残差（方向性残差）
|
||||
if mode == "upper":
|
||||
# 上沿：残差 = 拟合值 - 实际值
|
||||
# 正残差表示点在拟合线下方（弱高点）
|
||||
residuals = fitted_values - y_active
|
||||
else:
|
||||
# 下沿：残差 = 实际值 - 拟合值
|
||||
# 正残差表示点在拟合线上方（弱低点）
|
||||
residuals = y_active - fitted_values
|
||||
|
||||
selected_mask[seg_list[best_idx_in_seg]] = True
|
||||
# 计算标准差
|
||||
std_residual = np.std(residuals)
|
||||
if std_residual < 1e-10:
|
||||
# 所有点几乎在一条线上，无需移除
|
||||
break
|
||||
|
||||
# 获取选中的点
|
||||
selected_x = x_sorted[selected_mask]
|
||||
selected_y = y_sorted[selected_mask]
|
||||
selected_indices_sorted = np.where(selected_mask)[0]
|
||||
# 识别离群点（残差 > threshold * std）
|
||||
threshold = outlier_threshold * std_residual
|
||||
outlier_mask_active = residuals > threshold
|
||||
|
||||
if not np.any(outlier_mask_active):
|
||||
# 没有离群点，收敛
|
||||
break
|
||||
|
||||
# 找到最大离群点
|
||||
max_outlier_idx_in_active = np.argmax(residuals)
|
||||
|
||||
# 检查是否确实是离群点
|
||||
if residuals[max_outlier_idx_in_active] <= threshold:
|
||||
break
|
||||
|
||||
# 检查移除后是否仍有足够的点
|
||||
if np.sum(active_mask) <= min_keep:
|
||||
break
|
||||
|
||||
# 在原始索引中标记移除
|
||||
original_idx = active_indices[max_outlier_idx_in_active]
|
||||
active_mask[original_idx] = False
|
||||
|
||||
# 最终拟合
|
||||
selected_indices_sorted = np.where(active_mask)[0]
|
||||
selected_x = x_sorted[active_mask]
|
||||
selected_y = y_sorted[active_mask]
|
||||
|
||||
if len(selected_x) < 2:
|
||||
# 兜底：使用首尾两点
|
||||
selected_mask = np.zeros(n, dtype=bool)
|
||||
selected_mask[0] = True
|
||||
selected_mask[-1] = True
|
||||
selected_x = x_sorted[selected_mask]
|
||||
selected_y = y_sorted[selected_mask]
|
||||
selected_indices_sorted = np.where(selected_mask)[0]
|
||||
active_mask = np.zeros(n, dtype=bool)
|
||||
active_mask[0] = True
|
||||
active_mask[-1] = True
|
||||
selected_x = x_sorted[active_mask]
|
||||
selected_y = y_sorted[active_mask]
|
||||
selected_indices_sorted = np.where(active_mask)[0]
|
||||
|
||||
# 线性回归
|
||||
a, b = fit_line(selected_x, selected_y)
|
||||
|
||||
# 验证覆盖情况
|
||||
fitted_all = a * x_sorted + b
|
||||
tolerance = 0.03 # 3% 容差
|
||||
|
||||
if mode == "upper":
|
||||
# 上沿：确保所有点在线下方或附近
|
||||
violations = y_sorted > fitted_all + tolerance * np.mean(y_sorted)
|
||||
if np.any(violations):
|
||||
# 有点严重超出，添加全局最高点重新拟合
|
||||
global_max_idx = np.argmax(y_sorted)
|
||||
if not selected_mask[global_max_idx]:
|
||||
selected_mask[global_max_idx] = True
|
||||
selected_x = x_sorted[selected_mask]
|
||||
selected_y = y_sorted[selected_mask]
|
||||
selected_indices_sorted = np.where(selected_mask)[0]
|
||||
a, b = fit_line(selected_x, selected_y)
|
||||
else:
|
||||
# 下沿：确保所有点在线上方或附近
|
||||
violations = y_sorted < fitted_all - tolerance * np.mean(y_sorted)
|
||||
if np.any(violations):
|
||||
# 有点严重低于，添加全局最低点重新拟合
|
||||
global_min_idx = np.argmin(y_sorted)
|
||||
if not selected_mask[global_min_idx]:
|
||||
selected_mask[global_min_idx] = True
|
||||
selected_x = x_sorted[selected_mask]
|
||||
selected_y = y_sorted[selected_mask]
|
||||
selected_indices_sorted = np.where(selected_mask)[0]
|
||||
a, b = fit_line(selected_x, selected_y)
|
||||
|
||||
# 返回原始索引
|
||||
selected_original = sort_idx[selected_indices_sorted]
|
||||
|
||||
|
||||
Loading…
x
Reference in New Issue
Block a user