FqChan05缠论插件(子浪划分的设计与实现)

让缠论的长笔，露出内部的真实结构

「量化实战手记」— 记录从想法到落地的真实开发历程

本文所述「子浪」划分方法，由交易研究者 Coding狂人 发明。fqchan05 将这套理论做成了可运行的工程实现，本文记录其设计、踩坑与真实数据回归。

引言：一根长笔，藏了多少故事

缠论用「笔」描绘价格的转折。两个相邻的顶底分型之间，构成一根笔。这是结构分析的最小单元。

但问题也随之而来——一根跨了 34 根 K 线以上的「大笔」，在图上只是一条直线。中间几十个交易日的真实波动，被压成了一个不起眼的线段。

一只趋势股的长上涨里，藏着两三个回调低点；一只宽幅股的长下跌里，也藏着两三个反弹高点。这些位置，恰恰是交易真正关心的买卖点。把它们抹平，等于丢掉了大笔内部的呼吸。

子浪，正是 Coding狂人 为填补这道缺口而发明的方法：在大笔内部插入更细的结构，让被过滤掉的波动重新参与分析。fqchan05 把它落成了代码。

第一章：浪的初衷与不足

要理解子浪，先回到「浪」（笔）本身的初衷。Coding狂人 讲得很直白——浪是为了降噪：把一幅复杂的 K 线图，分解成直观的线段连线，过滤掉其中的小波动。

这个降噪是有代价的。如果过滤得过头，把本该参与分析的波动也去掉了，分析参考意义就会大大降低。

浪的基本条件，是3 根 K 线有效突破 MA10。这里有两个维度：MA10 衡量空间力度，3 根 K 线衡量时间周期。而这个「3 根」的设计，参考的正是缠论的笔——笔有结合律，两笔之间不少于 3 根 K 线。

问题出在极端行情：某一浪会出现跨周期很长的情况，把其中的波动过滤得太多，可参考的因素随之降低。经反复思考与实验，Coding狂人 推出子浪，来填补浪的不足。

图 1：大笔在子浪拆分前后——一条直线，变成顶底交替的精细结构

原则

：降噪是为了看清结构，但降噪过头会丢失信号。子浪的本质，是在「过滤波动」和「保留信息」之间，为长笔找回一个更细的刻度。

第二章：从理论定义到工程约束

Coding狂人 给出的子浪定义，清晰且可执行。fqchan05 的工作，是把它逐条翻译成代码。

触发条件：某一浪跨周期超过 34 根 K 线，就在这一浪里插入子浪。34 是个有意思的数字——它是 13+21，斐波那契数列里两个相邻项之和，对应一个中等长度的时间窗口。

子浪端点定义：某根 K 线的最高点在 5 根 K 线范围内是最高，记为 A；某根 K 线的最低点在 5 根 K 线范围内是最低，记为 B。把 A、B 连接，就是一根子浪。

双向落差约束——这是子浪有意义的关键，Coding狂人 强调了两点：

• A 的最高点，必须高于 B 的最高点；
• A 的最低点，必须高于 B 的最低点。

只有同时满足，才说明 A 和 B 之间出现了真实的高低点波动。否则 B 完全落在 A 的振幅内（无落差），没有分析意义，不拆。

最小距离：A 到 B 至少包含 3 根 K 线。低于 3 根则跨周期太短，瞬间的波动无分析意义——这恰好呼应了缠论笔的结合律。

这四条定义，在 fqchan05 里对应四个配置项与一段约束函数：

// 双向落差约束：A 整体高于 B + 距离达标// 对应 Coding狂人 定义：A.high>B.high && A.low>B.low && 距离≥3bool meets_constraint(prev, curr, high, low, min_bars) {    if (abs(curr.pos - prev.pos) < min_bars) return false;    if (prev.type > 0)  // A(高) → B(低)，向下子浪        return high[prev.pos] > high[curr.pos]            && low[prev.pos]  > low[curr.pos];    else                // B(低) → A(高)，向上子浪        return low[prev.pos]  < low[curr.pos]            && high[prev.pos] < high[curr.pos];}

还有一个工程上极其重要的特性：子浪是非未来函数。它只参考时间周期（5 根 K 线的窗口），而时间周期一旦出现就不会变化。这意味着无论行情怎么走、回测到哪个时刻，已确认的子浪都不会被推翻——因果稳定，这是它能上实盘的前提。

原则

：约束先于选择。先把 Coding狂人 的四条定义变成硬约束（5K 极值、双向落差、最小距离），再在合法候选里贪心提升，才不会拆出违反结构的乱序笔。非未来函数，则是这一切能被信任的根基。

第三章：贪心提升的实现

核心循环的骨架很简洁：在大笔两端点 Va、Vb 的开区间内，遍历所有局部极值候选，异向且过约束就提升，否则跳过。关键是提升后要把当前端点存为 prev，下一轮用它做参照。

// 贪心提升：强制顶底交替 + 落差约束BiVertex prev = Va;std::vector<BiVertex> promoted;for (auto& c : candidates) {    BiVertex curr{c.pos, (float)c.type};    // 同向候选的处理见第四章    if (c.type == prev.type) continue;    if (!meets_constraint(prev, curr, high, low, min_bars))        continue;    promoted.push_back(curr);    prev = curr;           // 关键：prev 跟随提升}// 末尾修剪：丢弃与 Vb 同向的提升端点

这段循环干净地处理了「异向 + 过约束」的正常路径。但真实数据很快就给它上了一课。

第四章：踩坑——同向次极值截断了真极值

第一版实现里，同方向候选的处理是 if (c.type == prev.type) continue;——无条件跳过。逻辑上看似合理：既然同向，就不该成为新端点。

但真实走势常常这样：价格下跌过程中，先出现一个浅低点 A，满足落差约束，被提升为子浪低点端点；价格继续往下，走到一个更深的低点 B 才真正反转。B 和 A 同向（都是低点），按原逻辑被跳过——于是子浪端点停在 A，错过了真正极值 B。

图 2：同向择优——A 先到但较浅，B 更深，修复后 B 取代 A 成为子浪端点

修复方案是「同向择优」：同方向候选如果比已提升端点更极端（低点更低、高点更高），就移动端点位置到真极值，而不是跳过。同时必须同步更新 prev，否则下一轮异向候选的落差约束会基于过期的 A 位置。

// 同向择优判据：候选 c 是否比已提升端点更极端bool is_more_extreme(c, v, high, low) {    if (c.type < 0) return low[c.pos]  < low[v.pos];   // 低点更低    return high[c.pos] > high[v.pos];                  // 高点更高}// 贪心循环里的同向分支（替换原 continue）if (c.type == prev.type) {    if (!promoted.empty()        && is_more_extreme(c, promoted.back(), high, low)) {        promoted.back() = curr;   // 移动到真极值        prev = curr;              // prev 必须同步    }    continue;}

这个修复并未违背 Coding狂人 的原始定义——A、B 的判定和双向落差约束都没有变，只是让同方向的多个候选里，更极端的那个胜出，确保子浪端点真正落在该方向的极值上。

原则

：贪心提升里，同向不是「跳过」而是「择优」。让端点落在该方向真正极值，才不会被中途的小反弹截断——这是子浪精度的关键。

第五章：拿真实 A 股验证

单元测试只验证「能拆」「能交替」。但子浪是要上实盘的，必须在真实数据上证明它行为合理。于是拉了 8 只典型 A 股近一年的日线，按四个维度回归：

前三项干净通过，说明同向择优修复在真实数据上有效——子浪端点确实落在了真正的极值。

但第四项诚实暴露了一个问题：长江电力的某段平台整理（31 根 K 线，27-28 元窄幅徘徊）被拆成了 5 段，相邻落差最低只有 0.30%。原因很清楚——落差约束用的是「严格大于」，只判断「有没有落差」，不判断「落差大不大」。平台里差几分钱的噪音波动也满足严格不等式，照样被拆。

这是一个已知的、被接受的限制。修复 backlog 是给落差约束加一个相对阈值（比如 0.8% 的 min_drop），但目前选择先记录、不修——子浪端点仍然满足交替和落在极值，结构上合规，只是平台噪音拆得细了些。

原则

：测试不只验证「能跑」，要验证「在真实数据上行为合理」。诚实地把已知缺陷记进 backlog，比假装完美更有价值——它防止问题被遗忘，也为下一次迭代留下入口。

总结

子浪是 Coding狂人 的发明，初衷是为缠论的长笔找回一个更细的刻度——在大笔内部用 5K 局部极值拆出小笔，但用顶底交替和双向落差守住结构边界。

fqchan05 做的，是把这套定义忠实翻译成工程实现，并在其中补上了「同向择优」这一笔：把「同向跳过」改成「同向择优」，保证子浪端点落在该方向真正极值，不被中途小反弹截断。

真实数据回归则是质量底线——四项指标里三项干净通过，第四项诚实记录为已知限制。而贯穿始终的「非未来函数」特性，保证了这套拆分因果稳定，值得被信任。

核心原则

：约束划定边界，择优追求精度，回归守住底线。理论由 Coding狂人 提出，工程由代码落地，三者共同让子浪从「能跑的玩具」变成「能上实盘的工具」。

附录：技术细节

fqchan05 的架构是 C++17 核心 + Cython 封装。缠论计算在 C++ 里跑性能，Python 侧只做接口。

图 3：fqchan05 分层架构——C++ 算性能，Cython 做桥，Python 出接口

可配置项（ChanOptions）：子浪阈值 zilang_threshold（默认 34，对应 13+21）、窗口 zilang_window（默认 5K）、最小距离 zilang_min_bars（默认 3，呼应缠论笔结合律）。

开启方式：调用时传 zilang_enable=1，传 0 则完全回退到原笔行为，向后兼容。

from fqchan05 import fq_recognise_bi# zilang_enable=1 开启子浪，=0 回退原行为bi = fq_recognise_bi(len(high), high, low, close, zilang_enable=1)