technical-patterns-lab/docs/收敛三角形_数据分布分析_20260129/INDEX.md

收敛三角形强度分六维度 - 数据分布分析

分析日期: 2026-01-29
样本量: 18,004个有效三角形
分析对象: 强度分系统的6个核心维度（7个字段）

---

📚 快速导航

🎯 核心文档

→ 强度分六维度_分析报告.md ⭐ 推荐阅读

• 完整的统计分析报告
• 各维度详细解读
• 实战建议与代码示例
• 阅读时间: 15分钟

---

📊 强度分系统构成

编号	维度名称	字段	权重	范围
1	突破幅度分	price_score_up/down	45%	[0, 1]
2	收敛度分	convergence_score	20%	[0, 1]
3	成交量分	volume_score	15%	[0, 1]
4	形态规则度	geometry_score	10%	[0, 1]
5	价格活跃度	activity_score	5%	[0, 1]
6	倾斜度分	tilt_score	5%	[0, 1]

注: 突破幅度分根据突破方向分为向上/向下两个字段

---

🎯 核心发现摘要

1️⃣ 正态性

• 7/7 维度全部非正态 (p值≈0)
• 必须放弃均值±3σ、t检验等传统统计方法

2️⃣ 偏度分布

• 右偏 (4个): 突破幅度分、成交量分、形态规则度
• 对称 (2个): 收敛度分、价格活跃度
• 左偏 (1个): 倾斜度分

3️⃣ 厚尾排行 (Top 5)

排名	维度	超额峰度	尾部倍数	等级
1	倾斜度分	46.33	7.8×	🔴 极端
2	突破幅度分(向下)	45.72	8.2×	🔴 极端
3	突破幅度分(向上)	13.38	15.7×	🟠 显著
4	形态规则度	4.56	11.9×	🟡 中度
5	成交量分	2.77	19.1×	🟡 中度

---

💡 关键实战建议

阈值设置

突破幅度分(向上):
  ❌ 不用均值 (0.056)
  ✅ 推荐 P85-P90 (≈0.15)
  
收敛度分:
  ✅ 高质量 > 0.85
  ✅ 极佳 > 0.90
  
成交量分:
  ⚠️ 中位数=0 → 不作必要条件
  ✅ 作为加分项 (>0.5 = 稀缺信号)

统计方法

❌ 禁止: 均值±kσ、t检验、正态置信区间
✅ 推荐: 百分位数、非参数检验、Bootstrap

---

📈 可视化图表

分布形态分析

→ distribution_plots_强度分六维度.png

• 7个维度的直方图
• 核密度估计 (绿色虚线)
• 正态分布拟合 (红色实线)

正态性检验

→ qq_plots_强度分六维度.png

• Q-Q图
• 点偏离对角线 = 非正态

异常值识别

→ boxplots_强度分六维度.png

• 箱线图
• 直观展示偏斜和异常值

---

📊 数据文件

统计数据表

→ distribution_analysis_强度分六维度.csv

• 7个维度的完整统计指标
• 包含: 均值、标准差、中位数、偏度、峰度、P值、尾部倍数等

分析脚本

→ analyze_distribution_强度分六维度.py

• 可重现的Python脚本
• 可基于新数据重新运行

---

📂 文件清单

文件名	大小	类型	说明
INDEX.md	-	📑 索引	本文档
强度分六维度_分析报告.md	18KB	📄 报告	完整分析报告 ⭐
distribution_plots_强度分六维度.png	387KB	🖼️ 图表	分布图
qq_plots_强度分六维度.png	242KB	🖼️ 图表	Q-Q图
boxplots_强度分六维度.png	99KB	🖼️ 图表	箱线图
distribution_analysis_强度分六维度.csv	2.1KB	📊 数据	统计表
analyze_distribution_强度分六维度.py	12KB	💻 代码	分析脚本

---

🎉 核心成果

✅ 正态性检验 - 7/7全部非正态
✅ 偏度分析 - 57%右偏
✅ 厚尾特征 - 5/7显著厚尾
✅ 实战建议 - 阈值设置、统计方法、权重优化
✅ 可视化 - 3类图表全覆盖
✅ 可重现 - 完整Python脚本

---

🔗 相关资源

• 原始数据: technical-patterns-lab/outputs/converging_triangles/all_results.csv
• 讨论记录: technical-patterns-lab/discuss/20260129-讨论.md
• 强度分说明: technical-patterns-lab/docs/强度分组成梳理.md

---

🔄 版本历史

日期	版本	说明
2026-01-29 v2.0	重新聚焦强度分6维度（7字段）
2026-01-29 v1.0	初始版本(16维度) - 已废弃

---

更新时间: 2026-01-29 16:35
分析工具: Python + Scipy + Matplotlib