technical-patterns-lab/docs/强度分_增加角度参数_深度分析.md

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：

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：

# 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

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

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

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：

     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：

     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。

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

# 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

# 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）

# 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：

@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