# 强度分中增加"角度"参数的深度分析

## 一、问题背景

根据讨论记录（`discuss/20260129-讨论.md`），需要在"强度分"中新增"角度"参数，即斜率、三角形的旋转角度。

## 二、当前"强度分"的组成结构

### 2.1 现有五大维度

根据 `docs/强度分组成梳理.md`，当前强度分由以下**5个组成部分**加权求和（总权重100%）：

| 序号 | 组成部分 | 权重 | 英文字段名 | 说明 |
|------|---------|------|-----------|------|
| 1 | **突破幅度分** | 50% | `price_score` | 价格突破上/下沿的幅度（tanh归一化） |
| 2 | **收敛度分** | 15% | `convergence_score` | 三角形收敛程度（1 - width_ratio） |
| 3 | **成交量分** | 10% | `volume_score` | 突破时的放量程度 |
| 4 | **形态规则度** | 10% | `geometry_score` | 枢轴点到拟合线的贴合程度 |
| 5 | **价格活跃度** | 15% | `activity_score` | 价格对通道空间的利用程度 |

**计算公式**：
```python
strength = (
    0.50 × 突破幅度分 +
    0.15 × 收敛度分 +
    0.10 × 成交量分 +
    0.10 × 形态规则度 +
    0.15 × 价格活跃度
)
```

### 2.2 现有的斜率数据

实际上，代码中**已经计算并存储了斜率信息**：

```python
# converging_triangle.py: line 86-87
upper_slope: float = 0.0   # 上沿斜率
lower_slope: float = 0.0   # 下沿斜率
```

但这些斜率**未被纳入强度分计算**，仅用于：
1. **形态识别约束**：确保三角形相向收敛（上沿向下，下沿向上）
2. **可视化展示**：绘制三角形边界线


## 三、"角度"参数的含义与作用

### 3.1 "角度"的数学定义

收敛三角形有**两条边界线**，因此涉及到**多个角度**：

#### 方案A：上沿/下沿的倾斜角度（独立角度）
- **上沿角度**：`θ_upper = arctan(upper_slope)`
- **下沿角度**：`θ_lower = arctan(lower_slope)`

示例：
- 上沿斜率 = -0.05 → 角度 ≈ -2.86°（向下倾斜）
- 下沿斜率 = +0.03 → 角度 ≈ +1.72°（向上倾斜）

#### 方案B：三角形的整体倾斜方向（合成角度）
- **三角形中轴角度**：`θ_mid = arctan((upper_slope + lower_slope) / 2)`
  - 中轴向上倾斜 → 上升三角形
  - 中轴向下倾斜 → 下降三角形
  - 中轴接近水平 → 对称三角形

#### 方案C：三角形的收敛角度（张角）
- **收敛角度**：`θ_apex = arctan(upper_slope - lower_slope)`
  - 反映三角形收敛的"尖锐程度"
  - 张角越小 → 形态越尖锐，预示突破可能更强

### 3.2 "角度"参数的技术分析意义

| 角度类型 | 技术分析含义 | 对突破的影响 |
|---------|-------------|------------|
| **上沿倾斜度** | 压力线的陡峭程度 | 过于陡峭可能表示抛压过大 |
| **下沿倾斜度** | 支撑线的强度 | 陡峭向上表示买盘强劲 |
| **中轴倾斜方向** | 市场整体趋势偏向 | 向上偏=多头趋势，向下偏=空头趋势 |
| **收敛张角** | 多空力量博弈的紧张度 | 张角越小=能量积蓄越充分 |

### 3.3 用户需求推测

根据"用户可调整强度分中的每个参数"的需求，增加"角度"参数的目的可能是：

1. **筛选特定形态**：只要对称三角形（中轴接近水平）或只要上升/下降三角形
2. **控制倾斜度**：排除过于陡峭或过于平缓的形态
3. **评估突破质量**：角度影响突破的有效性（如陡峭向上的支撑线更可能向上突破）


## 四、增加"角度"参数的具体实现方案

### 4.1 推荐方案：增加"中轴倾斜度分"

**核心思路**：将三角形的整体倾斜方向纳入强度分，反映市场趋势的偏向性。

#### 4.1.1 计算方法

```python
def calc_tilt_score(
    upper_slope: float,
    lower_slope: float,
    breakout_dir: str,
) -> float:
    """
    计算三角形倾斜度分 (0~1)
    
    衡量三角形中轴的倾斜方向与突破方向的一致性。
    趋势偏向与突破方向一致时，得分越高。
    
    计算方法：
    1. 计算中轴斜率：mid_slope = (upper_slope + lower_slope) / 2
    2. 计算倾斜度：tilt = arctan(mid_slope) / (π/4)，归一化到 [-1, +1]
       - 向上倾斜（上升三角形）：tilt > 0
       - 向下倾斜（下降三角形）：tilt < 0
       - 对称三角形：tilt ≈ 0
    3. 根据突破方向计算得分：
       - 向上突破：score = (1 + tilt) / 2  # 倾斜向上时得分高
       - 向下突破：score = (1 - tilt) / 2  # 倾斜向下时得分高
    
    归一化映射（以向上突破为例）：
    - 上升三角形（中轴向上15°）+ 向上突破 → 得分 0.85
    - 对称三角形（中轴水平） + 向上突破 → 得分 0.50
    - 下降三角形（中轴向下15°）+ 向上突破 → 得分 0.15（逆势突破）
    
    Args:
        upper_slope: 上沿斜率
        lower_slope: 下沿斜率
        breakout_dir: 突破方向 "up" | "down" | "none"
    
    Returns:
        tilt_score: 0~1，越大表示倾斜方向与突破方向越一致
    """
    import math
    
    # 1. 计算中轴斜率
    mid_slope = (upper_slope + lower_slope) / 2.0
    
    # 2. 计算倾斜角度（弧度），并归一化到 [-1, +1]
    # 使用 arctan(slope) / (π/4) 映射：
    # - 45° 向上 → +1
    # - 0° 水平 → 0
    # - 45° 向下 → -1
    angle_rad = math.atan(mid_slope)
    tilt = angle_rad / (math.pi / 4)  # 归一化到 [-1, +1]
    tilt = max(-1.0, min(1.0, tilt))  # 限制在 [-1, 1]
    
    # 3. 根据突破方向计算得分
    if breakout_dir == "up":
        # 向上突破：倾斜向上时得分高
        score = (1.0 + tilt) / 2.0
    elif breakout_dir == "down":
        # 向下突破：倾斜向下时得分高
        score = (1.0 - tilt) / 2.0
    else:
        # 未突破：使用中性分数（0.5）
        score = 0.5
    
    return max(0.0, min(1.0, score))
```

#### 4.1.2 权重分配调整

新增"倾斜度分"后，需要调整权重（保持总和100%）：

**方案1：从"突破幅度分"中分配**
```python
W_PRICE = 0.45          # 突破幅度权重（从50%降至45%）
W_CONVERGENCE = 0.15    # 收敛度权重
W_VOLUME = 0.10         # 成交量权重
W_GEOMETRY = 0.10       # 形态规则度权重
W_ACTIVITY = 0.15       # 价格活跃度权重
W_TILT = 0.05           # 倾斜度权重（新增，占5%）
```

**方案2：均匀分配**
```python
W_PRICE = 0.47          # 突破幅度权重（50% → 47%）
W_CONVERGENCE = 0.13    # 收敛度权重（15% → 13%）
W_VOLUME = 0.08         # 成交量权重（10% → 8%）
W_GEOMETRY = 0.10       # 形态规则度权重
W_ACTIVITY = 0.15       # 价格活跃度权重
W_TILT = 0.07           # 倾斜度权重（新增，占7%）
```

#### 4.1.3 修改位置

需要修改以下文件：

1. **`src/converging_triangle.py`**
   - 在 `ConvergingTriangleResult` 中新增字段：
     ```python
     tilt_score: float = 0.0  # 倾斜度分数
     ```
   - 新增函数 `calc_tilt_score()`
   - 修改 `calc_breakout_strength()` 函数，纳入倾斜度分

2. **`src/converging_triangle_optimized.py`**
   - 新增 Numba 优化版本的 `calc_tilt_score_numba()`
   - 修改 `calc_breakout_strength_numba()`

3. **`src/triangle_detector_api.py`**
   - 在 `StrengthComponents` 中新增：
     ```python
     tilt_score: float  # 倾斜度分数
     ```

4. **`docs/强度分组成梳理.md`**
   - 更新为6个组成部分，添加倾斜度的说明


### 4.2 备选方案：增加"收敛角度分"

**核心思路**：将三角形的收敛尖锐程度纳入强度分。

```python
def calc_apex_angle_score(
    upper_slope: float,
    lower_slope: float,
) -> float:
    """
    计算收敛角度分 (0~1)
    
    衡量三角形的收敛尖锐程度（张角大小）。
    张角越小（形态越尖锐），得分越高。
    
    计算方法：
    1. 张角 = arctan(upper_slope - lower_slope)
    2. 归一化到 [0, 1]：
       - 张角 < 5° → 得分 1.0 (极度尖锐)
       - 张角 ≈ 15° → 得分 0.7
       - 张角 ≈ 30° → 得分 0.4
       - 张角 > 45° → 得分 0.1 (过于开阔)
    
    Args:
        upper_slope: 上沿斜率
        lower_slope: 下沿斜率
    
    Returns:
        angle_score: 0~1，越大表示形态越尖锐
    """
    import math
    
    # 计算张角（绝对值）
    slope_diff = abs(upper_slope - lower_slope)
    angle_rad = math.atan(slope_diff)
    angle_deg = math.degrees(angle_rad)
    
    # 指数衰减归一化（张角越大分数越低）
    # 使用 exp(-angle_deg / 20) 映射：
    # - 0° → 1.00
    # - 10° → 0.61
    # - 20° → 0.37
    # - 30° → 0.22
    # - 45° → 0.11
    score = math.exp(-angle_deg / 20.0)
    
    return max(0.0, min(1.0, score))
```


## 五、对"LLM 调参"友好性的考虑

### 5.1 要求所有参数在 0-1 区间

根据讨论记录第3点："强度分内所有参数需保持在 0-1 区间，便于 LLM 调参；要求均匀/正态分布，默认值为 0.5。"

#### 当前"角度"的原始值范围
- 斜率范围：约 -0.1 ~ +0.1（受代码约束）
- 角度范围：约 -5.7° ~ +5.7°（arctan(±0.1)）

#### 归一化到 [0, 1] 的方法

**方法1：线性归一化**
```python
# 将 [-5.7°, +5.7°] 映射到 [0, 1]
normalized = (angle_deg + 5.7) / 11.4
# 默认值 0.5 对应 0° (水平)
```

**方法2：sigmoid 归一化**
```python
# 使用 sigmoid 函数，0° 映射到 0.5
normalized = 1 / (1 + exp(-angle_deg / 3))
# 默认值 0.5 对应 0°
```

**方法3：绝对值归一化（仅关心角度大小，不关心方向）**
```python
# 将 [0°, 5.7°] 映射到 [0, 1]
normalized = abs(angle_deg) / 5.7
# 默认值 0.5 对应 约 2.85°
```

### 5.2 为 LLM 设计的可调参数接口

在 `triangle_detector_api.py` 中新增参数：

```python
@dataclass
class DetectionParams:
    """检测参数，都有合理默认值，大多数场景无需调整"""
    # ===== 用户可调参数 =====
    window: int = 240
    min_convergence: float = 0.45
    breakout_threshold: float = 0.005
    volume_multiplier: float = 1.5
    
    # 【新增】角度相关参数
    tilt_preference: float = 0.5        # 倾斜偏好 [0, 1]
                                        # 0=偏好下降三角形，0.5=中性，1=偏好上升三角形
    
    apex_angle_preference: float = 0.5  # 收敛角度偏好 [0, 1]
                                        # 0=偏好开阔形态，0.5=中性，1=偏好尖锐形态
    
    # 【新增】权重配置
    weight_price: float = 0.45          # 突破幅度权重
    weight_convergence: float = 0.15    # 收敛度权重
    weight_volume: float = 0.10         # 成交量权重
    weight_geometry: float = 0.10       # 形态规则度权重
    weight_activity: float = 0.15       # 价格活跃度权重
    weight_tilt: float = 0.05           # 倾斜度权重（新增）
```


## 六、实现步骤总结

### 6.1 短期方案（最小改动）

**仅暴露斜率信息，不改变强度分计算**

1. 在 API 返回结果中添加斜率字段的解释说明
2. 在可视化和导出中突出显示角度信息
3. 用户可以在后处理时根据角度手动筛选

**优点**：零风险，不影响现有逻辑  
**缺点**：未真正集成到强度分，用户需要自己处理

### 6.2 中期方案（推荐）

**增加"倾斜度分"作为第6个维度**

1. 新增 `calc_tilt_score()` 函数
2. 修改 `calc_breakout_strength()` 将倾斜度纳入加权
3. 调整权重配置（建议从突破幅度中分出5%）
4. 更新文档和测试

**优点**：有实际技术分析意义，易于理解  
**缺点**：需要调整权重，可能影响现有结果的一致性

### 6.3 长期方案（完全可配置）

**允许用户自定义强度分的权重**

1. 将所有权重作为参数暴露给 LLM
2. 新增多种角度相关的分数（倾斜度、收敛角度、上下沿独立角度）
3. 用户可以根据自己的策略调整权重组合

**优点**：最大灵活性，适应不同交易策略  
**缺点**：复杂度高，需要大量测试和文档支持


## 七、潜在的技术挑战与注意事项

### 7.1 数值稳定性
- 斜率接近0时，角度变化敏感，需要设置阈值
- 极端情况（垂直线）需要特殊处理

### 7.2 多重共线性
- 倾斜度与"收敛度"可能相关（如对称三角形收敛度通常更高）
- 需要验证新参数是否引入冗余信息

### 7.3 历史数据回测
- 增加新参数后，需要重新回测所有历史数据
- 评估对现有高强度信号的影响

### 7.4 用户理解成本
- "角度"参数的含义可能不如"突破幅度"直观
- 需要提供清晰的文档和示例


## 八、推荐的实施路径

### 阶段1：数据验证（2小时）
1. 统计现有数据中斜率的分布情况
2. 分析角度与突破强度的相关性
3. 确认增加角度参数的必要性

### 阶段2：方案确认（1小时）
1. 与用户确认具体需求（是倾斜度、收敛角度还是其他？）
2. 确定权重分配方案
3. 确定参数归一化方式

### 阶段3：代码实现（4小时）
1. 修改 `converging_triangle.py`（1.5小时）
2. 修改 `converging_triangle_optimized.py`（1.5小时）
3. 修改 `triangle_detector_api.py`（1小时）

### 阶段4：测试与验证（3小时）
1. 单元测试（1小时）
2. 历史数据回测（1小时）
3. 可视化验证（1小时）

### 阶段5：文档更新（1小时）
1. 更新 `docs/强度分组成梳理.md`
2. 更新 API 文档
3. 添加使用示例

**总计**：约 11 小时


## 九、决策建议

根据以上分析，我的建议是：

1. **采用中期方案（增加倾斜度分）**
   - 有明确的技术分析意义
   - 实现成本适中
   - 对现有系统影响可控

2. **参数设计**
   - 新增 `tilt_score` 作为第6个维度
   - 权重从突破幅度中分配 5%
   - 归一化到 [0, 1]，默认值 0.5

3. **下一步行动**
   - 与用户确认具体需求（是否就是"倾斜度"）
   - 进行小规模数据验证
   - 如果验证通过，再进入实施阶段

---

**文档创建时间**：2026-01-29  
**作者**：AI Assistant  
**状态**：待用户确认