# 实时模式使用指南

快速上手方案4（混合策略）实时模式。

---

## 什么是实时模式？

实时模式使用**混合枢轴点检测策略**，能够捕获最近几天的价格转折点，解决标准模式15天确认滞后的问题。

### 两种模式对比

| 特性 | 标准模式 | 实时模式 |
|------|---------|---------|
| 枢轴点类型 | 仅确认枢轴点 | 确认 + 候选枢轴点 |
| 检测滞后 | 15天 | 无滞后 |
| 枢轴点质量 | 高 | 高（确认）+ 中（候选） |
| 适用场景 | 历史回测 | 实时选股 |
| 误报风险 | 低 | 中（候选点需确认） |

---

## 快速启用

### 方法1：配置文件（推荐）

编辑 `scripts/triangle_config.py`：

```python
# 实时模式配置
REALTIME_MODE = True   # 改为 True
FLEXIBLE_ZONE = 5      # 最近5天使用降低标准
```

然后正常运行：

```bash
python scripts/pipeline_converging_triangle.py
```

### 方法2：临时启用（命令行）

保持配置文件为标准模式，临时启用实时模式：

```bash
# 待实现：命令行参数支持
# python scripts/run_converging_triangle.py --realtime
```

---

## 参数说明

### REALTIME_MODE

- **False**（默认）：标准模式，仅使用确认枢轴点
- **True**：实时模式，使用确认 + 候选枢轴点

### FLEXIBLE_ZONE

灵活区域大小（最近N天使用降低标准）：

- **3天**：保守，候选点更少，质量更高
- **5天**（推荐）：平衡，适合大多数场景
- **7天**：激进，更早发现信号，但噪音多

---

## 使用场景

### 场景1：历史回测（标准模式）

```python
# triangle_config.py
REALTIME_MODE = False
```

**特点**：
- 枢轴点完全确认，质量高
- 有15天滞后，但不影响回测结果
- 适合策略验证、绩效分析

### 场景2：实时选股（实时模式）

```python
# triangle_config.py
REALTIME_MODE = True
FLEXIBLE_ZONE = 5
```

**特点**：
- 能捕获当前突破信号
- 候选枢轴点需要人工或规则确认
- 适合盘中/盘后快速筛选

### 场景3：保守实时（降低误报）

```python
# triangle_config.py
REALTIME_MODE = True
FLEXIBLE_ZONE = 3  # 更严格
```

**特点**：
- 候选点更少，质量更高
- 依然比标准模式提前12天
- 适合对质量要求高的实盘

---

## 检测结果解读

### 标准模式输出

```csv
stock_code,date,is_valid,breakout_dir,detection_mode,has_candidate_pivots
SH600000,20260120,True,up,standard,False
```

- `detection_mode`: "standard"
- `has_candidate_pivots`: False（无候选点）

### 实时模式输出

```csv
stock_code,date,is_valid,breakout_dir,detection_mode,has_candidate_pivots,candidate_pivot_count
SH600000,20260120,True,up,realtime,True,3
```

- `detection_mode`: "realtime"
- `has_candidate_pivots`: True（包含候选点）
- `candidate_pivot_count`: 3（候选枢轴点总数）

**注意**：
- 如果 `has_candidate_pivots=True`，说明检测结果依赖候选枢轴点
- 候选枢轴点置信度较低，可能随后续数据变化
- 建议次日复核或设置更严格的过滤条件

---

## 验证测试

运行对比测试脚本：

```bash
python scripts/test_realtime_mode.py
```

测试内容：
1. 枢轴点检测对比（标准 vs 实时）
2. 三角形检测对比（标准 vs 实时）
3. FLEXIBLE_ZONE 参数影响测试

---

## 实盘应用建议

### 步骤1：批量筛选（实时模式）

```bash
# 启用实时模式
# 编辑 triangle_config.py: REALTIME_MODE = True

python scripts/pipeline_converging_triangle.py
```

### 步骤2：人工复核

查看 `outputs/converging_triangles/report.md`，重点关注：

```markdown
### 强突破股票（向上）

| 股票 | 突破强度 | 候选枢轴点 | 建议 |
|------|---------|-----------|------|
| SH600000 | 0.68 | 否 | 可信度高 ✓ |
| SH600001 | 0.65 | 是(3个) | 需确认 ⚠️ |
```

- `候选枢轴点=否`：完全基于确认枢轴点，可信度高
- `候选枢轴点=是`：包含候选枢轴点，建议次日复核

### 步骤3：次日确认

对于包含候选枢轴点的股票：
- 次日重新运行检测
- 查看候选点是否转为确认点
- 确认三角形形态是否稳定

---

## 常见问题

### Q1: 实时模式会增加多少候选股票？

**A**: 通常增加10-20%。具体取决于：
- FLEXIBLE_ZONE 大小（越大，候选越多）
- 市场波动（波动大，候选点多）
- 检测参数（shrink_ratio 等）

### Q2: 候选枢轴点会导致误报吗？

**A**: 可能。候选枢轴点的"右边确认窗口"不完整，可能随后续数据变化。建议：
- 使用较小的 FLEXIBLE_ZONE（如3）
- 设置更严格的突破强度阈值（如 > 0.6）
- 次日复核确认

### Q3: 标准模式和实时模式可以同时运行吗？

**A**: 可以。两次运行：
1. 设置 `REALTIME_MODE=False`，运行一次（保存为 `all_results_standard.csv`）
2. 设置 `REALTIME_MODE=True`，运行一次（保存为 `all_results_realtime.csv`）
3. 对比两份结果，找出实时模式新增的候选

### Q4: 什么时候应该用标准模式？

**A**: 以下场景用标准模式：
- 历史回测和策略验证
- 生成研究报告
- 对质量要求极高的场景
- 不急于当日决策

---

## 配置示例

### 保守配置（低误报）

```python
REALTIME_MODE = True
FLEXIBLE_ZONE = 3

DETECTION_PARAMS = ConvergingTriangleParams(
    shrink_ratio=0.5,        # 更严格的收敛要求
    break_tol=0.01,          # 更明显的突破
    vol_k=1.5,               # 更强的放量要求
)
```

### 平衡配置（推荐）

```python
REALTIME_MODE = True
FLEXIBLE_ZONE = 5

DETECTION_PARAMS = ConvergingTriangleParams(
    shrink_ratio=0.6,
    break_tol=0.005,
    vol_k=1.3,
)
```

### 激进配置（早发现）

```python
REALTIME_MODE = True
FLEXIBLE_ZONE = 7

DETECTION_PARAMS = ConvergingTriangleParams(
    shrink_ratio=0.8,        # 更宽松的收敛
    break_tol=0.001,         # 更敏感的突破
    vol_k=1.2,               # 更低的放量门槛
)
```

---

## 延伸阅读

- `docs/方案4-混合策略详解.md` - 完整技术说明
- `docs/枢轴点边界问题分析.md` - 边界盲区问题
- `scripts/test_realtime_mode.py` - 对比测试代码

---

## 总结

实时模式通过混合枢轴点检测策略，实现了质量和实时性的平衡：

- ✅ 无15天滞后，捕获最新突破
- ✅ 区分确认和候选枢轴点
- ✅ 灵活调整激进程度（FLEXIBLE_ZONE）
- ⚠️ 候选枢轴点需要人工或规则确认

**推荐用法**：
- 历史回测：`REALTIME_MODE=False`
- 实时选股：`REALTIME_MODE=True, FLEXIBLE_ZONE=5`
- 次日复核包含候选枢轴点的结果