包含k线的底分型公式(含K线底分型公式)

深度解析：构建包含K线的底分型公式——从理论到实战的代码实现

在技术分析领域，尤其是基于缠中说禅（缠论）的交易体系中，分型（Fractal）被视为所有形态分析的基础。底分型作为判断潜在底部反转的关键信号，其识别逻辑直接决定了后续笔、线、中枢构建的准确性。 然而，许多初学者在编写量化公式时，往往忽略了一个核心细节：K线的包含关系处理。未经处理的原始K线数据中包含大量的“包含”现象，若直接套用简单的高低点比较，极易产生大量虚假信号。本文将深入探讨如何构建一个严谨的、包含K线处理逻辑的底分型公式，帮助交易者从代码层面理解这一经典形态。

一、 核心概念回顾：什么是底分型与包含关系？

在编写公式之前，我们必须明确两个基础定义，这是构建算法的逻辑基石。

1. 底分型（Bottom Fractal）

标准的底分型由三根连续的K线组成（设为 ），其形态特征为： 中间K线最低： 的最低价是三者中最低的。 两侧K线较高： 和 的最高价均高于 的最高价（或至少不低于，视具体定义而定，通常要求严格大于或包含处理后的结果）。 形态隐喻：类似于字母“V”或“U”，表示空头力量衰竭，多头开始反击。

2. 包含关系（Inclusion Relationship）

当相邻两根K线存在“包含”关系时（即一根K线的最高价和最低价完全被另一根K线涵盖），它们不能直接参与分型判断。 处理原则：必须将两根K线合并为一根新的“合成K线”。 方向性： 上升通道：取两根K线的最高价较高者作为新高，最低价较高者作为新低。 下降通道：取两根K线的最高价较低者作为新高，最低价较低者作为新低。 关键点：底分型的识别，必须建立在经过包含关系处理后的K线序列之上，而非原始数据。

二、 算法逻辑拆解：如何构建公式？

编写一个包含K线处理的底分型公式，通常分为三个步骤： 1. 预处理：遍历K线序列，识别并处理相邻K线的包含关系，生成新的K线序列。 2. 形态识别：在处理后序列中，寻找符合底分型特征的三连K线。 3. 信号确认：输出满足条件的日期或索引。

伪代码逻辑示意

```text For i from 2 to N-2: 1. 检查 K[i-1] 和 K[i] 是否存在包含关系 -> 若有，合并为 NewK[i-1] 2. 检查 NewK[i] 和 NewK[i+1] 是否存在包含关系 -> 若有，合并为 NewK[i] 3. 判断 NewK[i-1], NewK[i], NewK[i+1] 是否构成底分型:

• High[NewK[i-1]] > High[NewK[i]]
• Low[NewK[i-1]] > Low[NewK[i]]
• High[NewK[i+1]] > High[NewK[i]]
• Low[NewK[i+1]] > Low[NewK[i]]

(注：不同软件对高低点的严格程度定义略有差异) 4. 若满足，标记为底分型信号 ```

三、 主流软件公式实现

以下分别提供在 通达信 和 Python (使用 pandas/ta-lib) 中的实现示例。

1. 通达信公式示例

通达信内置了部分包含处理逻辑，但为了严谨，我们通常需要先定义包含处理函数，再判断分型。 ```pascal {定义包含关系处理函数} {注意：通达信函数库有限，通常需手动展开或使用内置函数 IF} {这里展示简化逻辑，实际使用中建议先做K线合并} {假设我们已经处理了包含关系，得到新的HIGH和LOW} {在通达信中，直接判断原始数据容易出错，建议使用以下逻辑框架} {判断是否为底分型的前提：前一根不是顶分型，且当前处于包含处理后} {简化版底分型判断（未包含处理，仅示意形态）} {HH := REF(HIGH, 1) > HIGH AND REF(HIGH, 2) > HIGH; LL := REF(LOW, 1) < LOW AND REF(LOW, 2) > LOW; XG: HH AND LL;} {} {严谨版：需结合“K线包含处理”模块使用} {在通达信中，通常建议先编写一个“去包含”的指标，输出新的H和L，再基于此判断分型。} {此处提供一个基于标准分型定义的通用逻辑参考} {定义前两根K线的最高价和最低价} PRE2_H := REF(H, 2); PRE2_L := REF(L, 2); PRE1_H := REF(H, 1); PRE1_L := REF(L, 1); CUR_H := H; CUR_L := L; {底分型核心条件：中间K线(前一根)为最低点} {注意：这里假设没有包含关系，或已预处理} BOTTOM_FRACTAL: PRE1_H < PRE2_H AND PRE1_H < CUR_H AND PRE1_L < PRE2_L AND PRE1_L < CUR_L; ``` 专家提示：在通达信中实现完美的包含处理较为复杂，因为需要递归判断。许多高阶用户会编写专门的“缠论指标”来自动处理包含关系，然后再调用分型函数。

2. Python 实现示例（基于 Pandas）

Python 的优势在于可以清晰地实现包含关系的递归处理逻辑。 ```python import pandas as pd import numpy as np def process_inclusion(df): """ 处理K线包含关系 df: 包含 'open', 'high', 'low', 'close' 列的DataFrame 返回处理后的 DataFrame """ df = df.copy() df['new_high'] = df['high'] df['new_low'] = df['low'] # 判断趋势方向（简化版：通过收盘价或均线判断，此处用前一根K线趋势示意） # 实际缠论中，包含处理的方向取决于前一根K线的方向或整体趋势 for i in range(1, len(df)): prev = df.iloc[i-1] curr = df.iloc[i] # 判断是否包含 if (curr['high'] <= prev['high'] and curr['low'] >= prev['low']) or (prev['high'] <= curr['high'] and prev['low'] >= curr['low']): # 存在包含关系，合并 # 简化处理：上升通道取高，下降通道取低 # 这里需要根据实际缠论规则确定方向，例如以当前K线收盘突破方向为准 if curr['close'] >= prev['close']: # 假设上升 df.loc[i, 'new_high'] = max(prev['high'], curr['high']) df.loc[i, 'new_low'] = max(prev['low'], curr['low']) else: # 假设下降 df.loc[i, 'new_high'] = min(prev['high'], curr['high']) df.loc[i, 'new_low'] = min(prev['low'], curr['low']) return df def find_bottom_fractal(df): """ 在包含处理后的数据中寻找底分型 """ df = process_inclusion(df) df['is_bottom'] = False # 从第3根K线开始判断（索引2） for i in range(2, len(df)): prev2 = df.iloc[i-2] prev1 = df.iloc[i-1] curr = df.iloc[i] # 底分型条件：中间K线(前一根)的高低点均低于两侧 if (prev1['new_high'] < prev2['new_high'] and prev1['new_high'] < curr['new_high'] and prev1['new_low'] < prev2['new_low'] and prev1['new_low'] < curr['new_low']): df.loc[i, 'is_bottom'] = True return df

使用示例

data = pd.read_csv('stock_data.csv')

result = find_bottom_fractal(data)

print(result[result['is_bottom'] True])

```

四、 实战中的常见误区与优化建议

1. 误区一：直接使用原始K线判断

很多初学者编写的公式直接比较 `REF(LOW,1) < REF(LOW,2)` 和 `REF(LOW,1) < LOW`。这在震荡市中会产生大量假信号，因为包含关系会导致K线实体重叠，使得“最低点”的判断失真。必须包含处理。

2. 误区二：忽略分型的“确认”

底分型形成后，并不一定立即反转。缠论强调，底分型需要第三根K线的确认（即第三根K线的收盘价是否站稳）。在公式中，可以增加一个过滤条件：`CLOSE > REF(HIGH, 1)` 来增强信号的可靠性，但会牺牲部分灵敏度。

3. 优化建议：结合成交量

底分型出现在低位缩量后放量，成功率更高。可以在公式中加入成交量过滤： ```pascal {通达信示例} VOL_CONDITION := VOL > MA(VOL, 5); FINAL_SIGNAL: IS_BOTTOM_FRACTAL AND VOL_CONDITION; ```

4. 多周期共振

单一周期的底分型噪音较大。建议在日线底分型的基础上，叠加60分钟或30分钟级别的底分型确认，形成多周期共振，提高交易胜率。

五、 结语

构建“包含K线的底分型公式”不仅是编程技巧的体现，更是对市场微观结构的深刻理解。通过严谨的包含关系处理，我们能够剔除市场噪音，捕捉到真正的趋势转折点。 对于量化交易者而言，掌握这一基础模块，是构建更复杂笔、线段乃至中枢策略的第一步。建议在实际应用中，先用历史数据回测不同参数下的信号频率，再结合自身的交易体系进行微调，方能发挥分型公式的最大价值。 免责声明：本文内容仅供技术交流与学习参考，不构成任何投资建议。股市有风险，入市需谨慎。