Skip to content

MULTI_LAYER_README.md

Latest commit

 

History

History
171 lines (132 loc) · 5.07 KB

MULTI_LAYER_README.md

File metadata and controls

171 lines (132 loc) · 5.07 KB

多层地标点检测系统

概述

这是一个4层过滤系统，用于从K线数据中提取可靠的高点和低点（地标点），有效过滤趋势中的小波动。

4层过滤架构

第一层：ZigZag 检测

  • 功能：使用低阈值（5-15%）捕获所有潜在反转点
  • 参数：layer1_threshold - ZigZag阈值（默认8%）
  • 目的：尽可能多地捕获候选点，避免遗漏重要地标

第二层：统计确认

  • 功能：过滤不显著的点
  • 参数：
    • layer2_min_frequency - 最小出现次数（默认2）
    • layer2_min_deviation_pct - 最小价格偏离（默认15%）
  • 规则：
    • 价格偏离必须足够大（>15%）
    • 孤立的弱信号被过滤（出现次数<2）
    • 高频或高偏离的信号被保留

第三层：趋势过滤

  • 功能：在强趋势中只保留主要反转点
  • 参数：
    • layer3_min_trend_strength - 最小趋势强度（默认0.5）
    • layer3_trend_reversal_threshold - 趋势反转阈值（默认20%）
  • 规则：
    • 检测局部趋势方向和强度
    • 强下跌趋势：过滤掉偏离趋势线<25%的高点
    • 强上涨趋势：过滤掉偏离趋势线<25%的低点

第四层：时间间隔过滤

  • 功能：防止相近的点被重复检测
  • 参数：
    • layer4_min_weeks_same_type - 同类型最小间隔（默认10周）
    • layer4_min_weeks_alternating - 交替类型最小间隔（默认6周）
  • 规则：
    • 同类型地标（高点-高点或低点-低点）至少间隔10周
    • 交替类型（高点-低点）至少间隔6周
    • 间隔太近时，保留置信度更高的点

使用方法

方法1：作为Python模块

from core.multi_layer_detector import MultiLayerDetector, LayerFilterParams
import pandas as pd

# 加载价格数据
prices = pd.Series([/* 您的价格数据 */])

# 使用默认参数
detector = MultiLayerDetector()
landmarks, stats = detector.detect(prices, debug=True)

# 自定义参数
params = LayerFilterParams(
    layer1_threshold=0.10,  # 10% ZigZag阈值
    layer2_min_frequency=3,    # 最小频率3次
    layer4_min_weeks_same_type=12  # 同类型12周间隔
)
detector = MultiLayerDetector(params)
landmarks, stats = detector.detect(prices, debug=True)

# 访问结果
for lm in landmarks:
    print(f"{lm['type'].upper()} at week {lm['index']}: "
          f"price={lm['price']:.2f}, layer={lm['layer']}, conf={lm['confidence']:.2f}")

方法2：快速函数

from core.multi_layer_detector import detect_with_params
import pandas as pd

prices = pd.Series([/* 您的价格数据 */])

landmarks, stats = detect_with_params(
    prices,
    layer1_threshold=0.08,
    layer2_min_freq=2,
    layer2_min_dev=0.15,
    layer3_trend_str=0.5,
    layer4_same_type=10,
    layer4_alt=6,
    debug=True
)

方法3：交互式Web界面

cd /Users/apple/study/predict
python -m web.interactive_visualizer

然后在浏览器中打开：http://localhost:5000/interactive

参数调整建议

稳健策略（过滤更严格）

  • layer1_threshold: 10-12%（更高的初始阈值）
  • layer2_min_frequency: 3-4（要求更高的频率）
  • layer2_min_deviation_pct: 20-25%（要求更大的偏离）
  • layer3_min_trend_strength: 0.6-0.7（更强的趋势过滤）
  • layer4_min_weeks_same_type: 12-16（更长的间隔）

灵敏策略（捕获更多点）

  • layer1_threshold: 5-7%（更低的初始阈值）
  • layer2_min_frequency: 1-2（允许单次出现）
  • layer2_min_deviation_pct: 10-12%（允许较小的偏离）
  • layer3_min_trend_strength: 0.3-0.4（更宽松的趋势过滤）
  • layer4_min_weeks_same_type: 8-10（更短的间隔）

输出格式

landmarks（地标点列表）

每个地标点包含：

  • index: 在价格序列中的位置（周数）
  • price: 价格
  • type: 'high' 或 'low'
  • layer: 通过哪一层确认（1-4）
  • confidence: 置信度（0.0-1.0）

stats（统计信息）

  • layer1_count: 第一层候选点数量
  • layer2_count: 第二层通过数量
  • layer3_count: 第三层通过数量
  • layer4_count: 最终数量

效果示例

使用默认参数的测试结果：

Layer 1 (ZigZag): 4 个候选点
Layer 2 (Statistical): 3 个通过
Layer 3 (Trend): 3 个通过
Layer 4 (Interval): 3 个最终地标点

过滤效果: 25% 的候选点被过滤

集成到现有系统

将 landmark_detector.py 中的检测逻辑替换为多层检测：

from core.multi_layer_detector import MultiLayerDetector

def multi_timeframe_analysis(weekly_df, daily_df, threshold=0.20):
    # 使用多层检测器替代原有的zigzag_detector
    detector = MultiLayerDetector()

    weekly_prices = weekly_df['收盘'] if '收盘' in weekly_df.columns else weekly_df['close']

    landmarks, stats = detector.detect(weekly_prices, debug=False)

    # 继续处理...
    return landmarks

文件说明

  • core/multi_layer_detector.py - 核心检测算法
  • web/interactive_visualizer.py - Web服务器
  • web/templates/interactive.html - 交互式界面
  • test_multi_layer.py - 测试脚本（可选）