褚宏光
22582851a1
- Introduced an interactive HTML stock viewer for visualizing strength scores and filtering stocks based on user-defined thresholds. - Added `--all-stocks` parameter to generate charts for all 108 stocks, including those not meeting convergence criteria. - Implemented a new scoring system for breakout strength, incorporating fitting adherence to improve accuracy. - Updated multiple documentation files, including usage instructions and feature overviews, to reflect recent enhancements. - Improved error handling and file naming conventions to ensure compatibility across platforms.
363 lines
10 KiB
Markdown
363 lines
10 KiB
Markdown
# 突破强度计算方法
|
||
|
||
> 最后更新：2026-01-27
|
||
> 版本：v3.0（四维度加权求和 + tanh 非线性归一化）
|
||
|
||
## 概述
|
||
|
||
突破强度是一个 **0~1** 的连续分数，用于衡量收敛三角形突破的有效性。
|
||
分数越高，表示突破越强势、越可信。
|
||
|
||
---
|
||
|
||
## 设计演进
|
||
|
||
### v1.0 乘法组合（已弃用）
|
||
|
||
```python
|
||
# 旧公式
|
||
strength = price_score × 5 × (1 + convergence_bonus × 0.5) × (1 + vol_bonus × 0.5)
|
||
```
|
||
|
||
**问题**：乘法组合 + 高乘数（×5）导致 **73-76% 的突破都是满分 1.0**，无法有效区分突破质量。
|
||
|
||
### v2.0 加权求和 + tanh 归一化（已升级）
|
||
|
||
```python
|
||
# v2.0 公式（三维度）
|
||
strength = 0.60 × tanh(突破幅度% × 15) + # 价格分 (60%)
|
||
0.25 × (1 - width_ratio) + # 收敛分 (25%)
|
||
0.15 × vol_bonus # 成交量分 (15%)
|
||
```
|
||
|
||
**改进效果**：
|
||
|
||
| 指标 | v1.0 | v2.0 |
|
||
|------|------|------|
|
||
| 满分比例(>0.9) | **73-76%** | **0.9-6.0%** |
|
||
| 平均强度 | ~0.12 | **~0.59** |
|
||
| 最大强度 | 1.0000 | **0.9928** |
|
||
| 区分度 | 差（大量满分） | **好（均匀分布）** |
|
||
|
||
### v3.0 四维度评分（当前版本）
|
||
|
||
```python
|
||
# v3.0 公式（四维度）
|
||
strength = 0.50 × tanh(突破幅度% × 15) + # 价格分 (50%)
|
||
0.20 × (1 - width_ratio) + # 收敛分 (20%)
|
||
0.15 × vol_bonus + # 成交量分 (15%)
|
||
0.15 × fitting_adherence # 拟合贴合度 (15%)
|
||
```
|
||
|
||
**新增维度**：拟合贴合度，衡量枢轴点到拟合线的距离，反映形态纯度和标准程度。
|
||
|
||
---
|
||
|
||
## 当前计算公式（v3.0）
|
||
|
||
### 公式结构
|
||
|
||
```python
|
||
def calc_breakout_strength(close, upper_line, lower_line, volume_ratio, width_ratio, fitting_adherence):
|
||
import math
|
||
|
||
# 权重配置
|
||
W_PRICE = 0.50 # 突破幅度权重
|
||
W_CONVERGENCE = 0.20 # 收敛度权重
|
||
W_VOLUME = 0.15 # 成交量权重
|
||
W_FITTING = 0.15 # 拟合贴合度权重
|
||
TANH_SCALE = 15.0 # tanh 缩放因子
|
||
|
||
# 1. 价格突破分数（tanh 非线性归一化）
|
||
pct_up = max(0, (close - upper_line) / upper_line)
|
||
price_score_up = math.tanh(pct_up * TANH_SCALE)
|
||
|
||
# 2. 收敛分数
|
||
convergence_score = max(0, min(1, 1 - width_ratio))
|
||
|
||
# 3. 成交量分数
|
||
vol_score = min(1, max(0, volume_ratio - 1))
|
||
|
||
# 4. 拟合贴合度分数
|
||
fitting_score = max(0, min(1, fitting_adherence))
|
||
|
||
# 5. 加权求和
|
||
strength_up = (W_PRICE * price_score_up +
|
||
W_CONVERGENCE * convergence_score +
|
||
W_VOLUME * vol_score +
|
||
W_FITTING * fitting_score)
|
||
|
||
return min(1.0, strength_up)
|
||
```
|
||
|
||
---
|
||
|
||
## 四个分量详解
|
||
|
||
### 1. 价格突破分数（权重 50%）
|
||
|
||
使用 **tanh 函数** 进行非线性归一化，避免大幅突破导致的满分堆积。
|
||
|
||
```python
|
||
price_score = tanh(突破幅度% × 15)
|
||
```
|
||
|
||
**突破幅度映射表**：
|
||
|
||
| 突破幅度 | price_score | 贡献分数 (×0.5) |
|
||
|----------|-------------|-----------------|
|
||
| 0.5% | 0.07 | 0.04 |
|
||
| 1% | 0.15 | 0.08 |
|
||
| 2% | 0.29 | 0.15 |
|
||
| 3% | 0.42 | 0.21 |
|
||
| 5% | 0.64 | 0.32 |
|
||
| 8% | 0.83 | 0.42 |
|
||
| 10% | 0.91 | 0.46 |
|
||
| 15% | 0.97 | 0.49 |
|
||
|
||
**设计考量**：
|
||
- A股涨跌停限制 10%，常见突破在 1-5% 范围
|
||
- tanh 函数使小幅突破有区分，大幅突破趋于收敛
|
||
- 系数 15 使得 3% 突破 ≈ 0.42 分，5% 突破 ≈ 0.64 分
|
||
|
||
---
|
||
|
||
### 2. 收敛分数（权重 20%）
|
||
|
||
三角形收敛程度越高，突破越有效。
|
||
|
||
```python
|
||
convergence_score = max(0, 1 - width_ratio)
|
||
```
|
||
|
||
| width_ratio | 收敛程度 | convergence_score | 贡献分数 (×0.20) |
|
||
|-------------|----------|-------------------|------------------|
|
||
| 0.8 | 较弱 | 0.20 | 0.04 |
|
||
| 0.6 | 中等 | 0.40 | 0.08 |
|
||
| 0.4 | 较强 | 0.60 | 0.12 |
|
||
| 0.2 | 很强 | 0.80 | 0.16 |
|
||
| 0.1 | 极强 | 0.90 | 0.18 |
|
||
| 0.05 | 极度收敛 | 0.95 | 0.19 |
|
||
|
||
**width_ratio** = 三角形末端宽度 / 起始宽度
|
||
|
||
---
|
||
|
||
### 3. 成交量分数（权重 15%）
|
||
|
||
放量突破更可信。
|
||
|
||
```python
|
||
vol_score = min(1, max(0, volume_ratio - 1))
|
||
```
|
||
|
||
| volume_ratio | 成交量状态 | vol_score | 贡献分数 (×0.15) |
|
||
|--------------|------------|-----------|------------------|
|
||
| 0.8 | 缩量 | 0 | 0 |
|
||
| 1.0 | 平量 | 0 | 0 |
|
||
| 1.5 | 放量 50% | 0.5 | 0.075 |
|
||
| 2.0 | 放量 100% | 1.0 | 0.15 |
|
||
| 3.0 | 放量 200% | 1.0 | 0.15 (上限) |
|
||
|
||
**volume_ratio** = 当日成交量 / 近 N 日均量
|
||
|
||
---
|
||
|
||
### 4. 拟合贴合度（权重 15%）
|
||
|
||
枢轴点到拟合线的贴合程度越高，说明形态越标准、越纯净。
|
||
|
||
```python
|
||
# 计算单条线的贴合度
|
||
def calc_fitting_adherence(pivot_indices, pivot_values, slope, intercept):
|
||
fitted_values = slope * pivot_indices + intercept
|
||
rel_errors = abs(pivot_values - fitted_values) / abs(fitted_values)
|
||
mean_rel_error = mean(rel_errors)
|
||
adherence_score = exp(-mean_rel_error * 20)
|
||
return adherence_score
|
||
|
||
# 综合上下沿贴合度
|
||
fitting_adherence = (adherence_upper + adherence_lower) / 2
|
||
```
|
||
|
||
**贴合度映射表**（scale_factor = 20）：
|
||
|
||
| 平均相对误差 | adherence_score | 贡献分数 (×0.15) | 形态评价 |
|
||
|-------------|-----------------|------------------|----------|
|
||
| 0% | 1.00 | 0.15 | 完美拟合 |
|
||
| 2% | 0.67 | 0.10 | 良好拟合 |
|
||
| 3% | 0.55 | 0.08 | 较好拟合 |
|
||
| 5% | 0.37 | 0.06 | 一般拟合 |
|
||
| 8% | 0.20 | 0.03 | 较差拟合 |
|
||
| 10% | 0.14 | 0.02 | 差拟合 |
|
||
|
||
**设计考量**：
|
||
- 使用指数衰减函数 `exp(-error * 20)` 进行归一化
|
||
- 上下沿贴合度分别计算后取平均，综合评估形态质量
|
||
- 贴合度高表示枢轴点整齐排列在拟合线上，形态"纯净"
|
||
- 贴合度低表示枢轴点散乱分布，可能存在噪音或形态不标准
|
||
|
||
**拟合贴合度** = (上沿贴合度 + 下沿贴合度) / 2
|
||
|
||
---
|
||
|
||
## 计算示例
|
||
|
||
### 示例 1：强势突破（领湃科技 2026-01-20）
|
||
|
||
```
|
||
输入:
|
||
突破幅度 ≈ 8% (close 大幅高于 upper_line)
|
||
width_ratio = 0.0465 (极度收敛)
|
||
volume_ratio > 1.5 (放量确认)
|
||
fitting_adherence ≈ 0.85 (假设形态标准)
|
||
|
||
计算:
|
||
price_score = tanh(0.08 × 15) = tanh(1.2) ≈ 0.83
|
||
convergence_score = 1 - 0.0465 = 0.9535
|
||
vol_score = min(1, 1.5 - 1) = 0.5
|
||
fitting_score = 0.85
|
||
|
||
strength = 0.50 × 0.83 + 0.20 × 0.9535 + 0.15 × 0.5 + 0.15 × 0.85
|
||
= 0.415 + 0.191 + 0.075 + 0.128
|
||
= 0.809
|
||
|
||
实际结果: 约 0.80-0.95 (取决于实际拟合贴合度)
|
||
```
|
||
|
||
### 示例 2：中等突破（五芳斋 2026-01-20）
|
||
|
||
```
|
||
输入:
|
||
突破幅度 ≈ 3%
|
||
width_ratio = 0.2090
|
||
volume_ratio ≈ 1.0 (未放量)
|
||
fitting_adherence ≈ 0.60 (假设形态一般)
|
||
|
||
计算:
|
||
price_score = tanh(0.03 × 15) = tanh(0.45) ≈ 0.42
|
||
convergence_score = 1 - 0.2090 = 0.791
|
||
vol_score = 0
|
||
fitting_score = 0.60
|
||
|
||
strength = 0.50 × 0.42 + 0.20 × 0.791 + 0.15 × 0 + 0.15 × 0.60
|
||
= 0.210 + 0.158 + 0 + 0.090
|
||
= 0.458
|
||
|
||
实际结果: 约 0.45-0.55 (取决于实际拟合贴合度)
|
||
```
|
||
|
||
### 示例 3：弱势突破（康华生物 2026-01-20）
|
||
|
||
```
|
||
输入:
|
||
突破幅度 ≈ 2%
|
||
width_ratio = 0.1338
|
||
volume_ratio ≈ 1.0 (未放量)
|
||
fitting_adherence ≈ 0.70 (假设形态较好)
|
||
|
||
计算:
|
||
price_score = tanh(0.02 × 15) = tanh(0.30) ≈ 0.29
|
||
convergence_score = 1 - 0.1338 = 0.866
|
||
vol_score = 0
|
||
fitting_score = 0.70
|
||
|
||
strength = 0.50 × 0.29 + 0.20 × 0.866 + 0.15 × 0 + 0.15 × 0.70
|
||
= 0.145 + 0.173 + 0 + 0.105
|
||
= 0.423
|
||
|
||
实际结果: 约 0.40-0.50 (取决于实际拟合贴合度)
|
||
```
|
||
|
||
---
|
||
|
||
## 强度等级参考
|
||
|
||
| 强度范围 | 等级 | 含义 | 占比参考 |
|
||
|----------|------|------|----------|
|
||
| 0 ~ 0.3 | 微弱 | 假突破风险高，需谨慎 | ~8% |
|
||
| 0.3 ~ 0.5 | 轻度 | 有突破迹象，建议观察 | ~27% |
|
||
| 0.5 ~ 0.7 | 中度 | 有效突破，可作为参考 | ~28% |
|
||
| 0.7 ~ 0.9 | 强势 | 高置信度突破，值得关注 | ~31% |
|
||
| 0.9 ~ 1.0 | 极强 | 顶级突破信号 | ~6% |
|
||
|
||
---
|
||
|
||
## 权重选择理由
|
||
|
||
| 分量 | 权重 | 理由 |
|
||
|------|------|------|
|
||
| **价格突破** | 50% | 突破幅度是最直接的信号，决定性因素 |
|
||
| **收敛程度** | 20% | 收敛越强，蓄势越充分，突破有效性越高 |
|
||
| **成交量** | 15% | 放量是确认信号，但非必要条件（有些有效突破不放量） |
|
||
| **拟合贴合度** | 15% | 形态纯度指标，贴合度高说明形态标准、噪音少 |
|
||
|
||
**总和 = 100%**，确保最终分数在合理范围内。
|
||
|
||
---
|
||
|
||
## 代码位置
|
||
|
||
```
|
||
src/converging_triangle.py
|
||
├── calc_fitting_adherence() # 拟合贴合度计算函数 (第 375-428 行)
|
||
├── calc_breakout_strength() # 突破强度计算函数 (第 430-518 行)
|
||
└── detect_converging_triangle() # 调用位置 (第 700-727 行)
|
||
|
||
scripts/triangle_config.py # 参数配置（严格模式/默认模式/宽松模式）
|
||
```
|
||
|
||
---
|
||
|
||
## 相关参数配置
|
||
|
||
| 参数 | 严格模式 | 默认模式 | 说明 |
|
||
|------|----------|----------|------|
|
||
| `window` | 120 | 120 | 检测窗口大小（交易日） |
|
||
| `shrink_ratio` | 0.6 | 0.8 | 收敛比例阈值（越小越严格） |
|
||
| `break_tol` | 0.005 | 0.001 | 突破判定容差（0.5% vs 0.1%） |
|
||
| `vol_window` | 20 | 20 | 计算成交量均值的窗口 |
|
||
| `vol_k` | 1.5 | 1.3 | 成交量确认阈值 |
|
||
|
||
当前使用 **严格模式**，详见 `scripts/triangle_config.py`。
|
||
|
||
---
|
||
|
||
## 附录：归一化函数特性
|
||
|
||
### tanh 函数（用于价格突破分数）
|
||
|
||
```
|
||
tanh(x) = (e^x - e^-x) / (e^x + e^-x)
|
||
```
|
||
|
||
- 输出范围：(-1, 1)
|
||
- 当 x=0 时，tanh(0) = 0
|
||
- 当 x→∞ 时，tanh(x) → 1
|
||
- 单调递增，处处可导
|
||
- 在 x=0 附近近似线性，大值时趋于饱和
|
||
|
||
**选择 tanh 的原因**：
|
||
1. 自然归一化到 (0, 1)
|
||
2. 小幅突破有区分度
|
||
3. 大幅突破不会无限增长
|
||
4. 平滑过渡，无跳变
|
||
|
||
### 指数衰减函数（用于拟合贴合度）
|
||
|
||
```
|
||
adherence(error) = exp(-error × scale_factor)
|
||
```
|
||
|
||
- 输出范围：(0, 1]
|
||
- 当 error=0 时，adherence=1（完美拟合）
|
||
- 当 error→∞ 时，adherence→0（完全不贴合）
|
||
- 单调递减，处处可导
|
||
- scale_factor 控制衰减速度
|
||
|
||
**选择指数衰减的原因**（scale_factor = 20）：
|
||
1. 自然归一化到 (0, 1)
|
||
2. 误差为 0 时得满分，符合直觉
|
||
3. 误差越大惩罚越重（指数级）
|
||
4. 2% 误差给 0.67 分，5% 误差给 0.37 分，梯度合理
|