企业官网建设流程全解析

Vibe-Trading 缠论分型（FX）识别完全指南：去包含、顶底分型与笔端点实战解析

【免费下载链接】Vibe-Trading"Vibe-Trading: Your Personal Trading Agent"项目地址: https://gitcode.com/GitHub_Trending/vi/Vibe-Trading

本文是 Vibe-Trading 项目中agent/src/skills/chanlun缠论技能包的核心概念系列之一。缠论（缠中说禅）是一套完全基于价格结构的形态分析方法，而分型（FX）是整个体系最底层的识别单元——去包含处理、顶底分型判定、笔端点确认，直至中枢构建与买卖点判定，全部建立在分型之上。读完本文，你将掌握分型的数学定义与条件、去包含合并规则、czsc中FX数据结构的字段语义，并能结合仓库中的example_signal_engine.py信号引擎，把分型识别直接用于 A 股、加密货币、期货等多市场 OHLCV 数据的实时分析与信号生成。

一、分型在缠论体系中的定位

缠论的核心链路是：

原始K线 → 去包含处理 → 分型识别 → 笔检测 → 中枢构建 → 买卖点判定

分型位于整条链路的第三环，是连接原始价格数据与高层次结构（笔、中枢、买卖点）的必经桥梁。在 SKILL.md 中，分型被定义为整个体系的"最基础识别单元"：

分型（FX）：顶分型：中间K线最高；底分型：中间K线最低

• 没有分型，就无法定义笔（笔的两端必须是顶/底分型）；
• 没有笔，就无法构建中枢（中枢由至少 3 笔构成）；
• 没有中枢，一买/二买/三买等买卖点信号就无从谈起。

因此，分型识别的正确性直接决定了下游所有缠论信号的质量。

二、分型的定义：连续三根去包含后的 K 线

分型由连续三根去包含后的 K 线构成。这里有两个关键词需要精确理解：

1. "去包含后"：分型不是直接作用于原始 K 线，而是作用于经过"包含关系处理"之后的 K 线序列。包含关系会破坏分型的几何形态，必须先合并。
2. "连续三根"：分型是局部三根 K 线的形态判定，属于缠论中最小的局部结构。

顶分型（Mark.G）：

██ ██ ██ ██ ██

底分型（Mark.D）：

██ ██ ██ ██ ██

三、去包含处理：分型识别的前置步骤

3.1 包含关系的判定

当相邻两根 K 线存在价格区间完全覆盖时，即一根 K 线的高低点完全落在另一根的范围内（k1.high >= k2.high 且 k1.low <= k2.low，或反之），两者即为包含关系：

• 一根 K 线的最高价被另一根覆盖，且其最低价也被另一根覆盖。

3.2 合并规则

去包含处理的方向由前一根非包含 K 线的方向决定（上升或下降）：

用公式表达（以两根 K 线 k1、k2 合并为 k' 为例）：

• 上升方向：k'.high = max(k1.high, k2.high)，k'.low = max(k1.low, k2.low)
• 下降方向：k'.high = min(k1.high, k2.high)，k'.low = min(k1.low, k2.low)

从源码结构看，czsc 库内部正是以"去包含后的新 K 线（NewBar）"序列作为分型与笔的输入，这也解释了为什么FX.elements字段的类型是List[NewBar]（详见下文第四节）。

3.3 为什么必须去包含

如果两根 K 线存在包含关系，它们实际上传达的是同一个方向的延伸信息，而非独立的价格行为。不去包含会导致：

• 本应构成分型的"中间高两边低"形态被包含 K 线破坏；
• 分型数量虚增或漏判，笔的端点错位；
• 下游中枢区间、买卖点信号全部失真。

四、顶分型与底分型的精确条件

设构成分型的三根去包含 K 线从左到右为k1, k2, k3。

4.1 顶分型（Mark.G）

条件：

k1.high < k2.high > k3.high 且 k1.low < k2.low > k3.low

即：中间 K 线 k2 的最高价是三者中的最高，同时 k2 的最低价也是三者中的最高。

含义：价格在 k2 处冲到局部高点，随后 k3 的高点与低点均回落——上涨力量衰竭，可能转跌。顶分型是一卖、二卖、三卖等卖出信号确认的形态前提。

4.2 底分型（Mark.D）

条件：

k1.high > k2.high < k3.high 且 k1.low > k2.low < k3.low

即：中间 K 线 k2 的最高价是三者中的最低，同时 k2 的最低价也是三者中的最低。

含义：价格在 k2 处探到局部低点，随后 k3 的高点与低点均回升——下跌力量衰竭，可能转涨。底分型是一买、二买、三买等买入信号确认的形态前提。

4.3 关键要点

• 顶分型与底分型判定同时要求 high 和 low 两个维度成立，单一维度不构成分型；
• 分型是必要条件而非充分条件：出现分型只代表"转折的可能"，是否真正形成笔，还需满足笔的构成条件（顶底交替、无包含、最小 K 线数等，见 笔.md）。

五、czsc 中的 FX 数据结构

分型在czsc库中以FXdataclass 表示，字段语义如下：

@dataclass class FX: symbol: str # 标的代码 dt: datetime # 分型时间（取中间K线时间） mark: Mark # Mark.G（顶）/ Mark.D（底） high: float # 分型最高价 low: float # 分型最低价 fx: float # 分型值（顶取high，底取low） elements: List[NewBar] # 构成分型的三根去包含K线

其中fx字段的设计值得注意：顶分型用high、底分型用low，这使得在笔的判定中可以通过统一的"分型值"比较大小（例如上升笔要求fx_b.fx > fx_a.fx，详见 笔.md），从而避免在不同类型分型间做差异化的取价逻辑。

六、使用示例：从分型到笔端点

分型最常见的消费方式，是作为笔（BI）的端点。笔连接相邻的顶分型与底分型，因此遍历CZSC分析器输出的笔列表，即可获得每一笔的起点与终点分型：

from czsc import CZSC c = CZSC(bars) # 笔的端点就是分型 for bi in c.bi_list: print(f"起点分型: {bi.fx_a.mark.value} {bi.fx_a.dt}") print(f"终点分型: {bi.fx_b.mark.value} {bi.fx_b.dt}")

其中：

• bi.fx_a为该笔的起点分型（FX对象）；
• bi.fx_b为该笔的终点分型（FX对象）；
• 上升笔满足fx_a.mark = Mark.D、fx_b.mark = Mark.G；下降笔则相反；
• mark.value输出分型类型的字符串值（如"G"/"D"）。

6.1 组合形态输出示例

结合 笔.md 的示例，可以更直观地观察分型时间与价格在笔中的体现：

from czsc import CZSC c = CZSC(bars) for bi in c.bi_list[-5:]: d = "↑" if bi.direction.value == "Up" else "↓" print(f"{d} {bi.fx_a.dt:%m-%d} -> {bi.fx_b.dt:%m-%d} " f"H={bi.high:.0f} L={bi.low:.0f} len={bi.length}")

这里fx_a.dt与fx_b.dt正是分型的时间字段（取中间 K 线时间），反映了转折时点的精确刻度。

七、仓库集成：分型在信号引擎中的实战落地

分型本身是形态识别单元，但真正的实战价值体现在它如何驱动交易信号。仓库中的 example_signal_engine.py 演示了完整的落地链路。

7.1 引擎整体链路

OHLCV DataFrame → _df_to_bars → RawBar列表 → CZSC(bars[:30], get_signals=...) → 逐根 c.update(bar) 增量更新 → _evaluate_signals → 1(做多)/-1(做空)/0(观望)

其中CZSC在内部完成去包含 → 分型 → 笔 → 中枢的自动构建，分型识别对用户完全透明，但信号判定逻辑需要显式引用分型的下游产物（笔与中枢）。

7.2 分型派生信号在引擎中的判定逻辑

_evaluate_signals方法展示了分型识别结果如何被逐级消费：

# 一买/一卖信号（背驰点 + 分型确认） buy1_key = [k for k in signals if "BUY1" in k] if buy1_key and "一买" in str(signals.get(buy1_key[0], "")): return 1 # 三笔形态：向上盘背做多 / 向下盘背做空 three_bi_key = [k for k in signals if "三笔" in k] if three_bi_key: val = str(signals.get(three_bi_key[0], "")) if "向上盘背" in val: return 1 if "向下盘背" in val: return -1 # 笔基础信号 + 中枢位置辅助 bi_key = [k for k in signals if "V230228" in k] if bi_key and len(c.bi_list) >= 3: val = str(signals.get(bi_key[0], "")) zs = _check_zhongshu(c.bi_list) if zs and zs.is_valid: last_close = c.bars_raw[-1].close if "向下_转折" in val and last_close <= zs.zd: return 1 if "向上_转折" in val and last_close >= zs.zg: return -1

信号约定（与 SKILL.md 一致）：

注意：这里的"一买/一卖"信号需要底/顶分型作为最终确认条件（见 一买一卖.md），而中枢位置辅助判断依赖的是c.bi_list——笔的端点即分型，因此分型识别质量是这一切的根基。

7.3 完整可运行示例：BTC-USDT 日线信号

example_signal_engine.py的__main__部分给出了一个端到端示例，拉取 OKX 的 BTC-USDT 日线数据并运行信号引擎：

import requests import pandas as pd from czsc import Freq BASE_URL = "https://www.okx.com/api/v5" # 获取 BTC 日线数据 resp = requests.get(f"{BASE_URL}/market/candles", params={ "instId": "BTC-USDT", "bar": "1D", "limit": "300" }) candles = resp.json()["data"] # 转为 DataFrame（注意接口返回倒序，需 reversed） columns = ["ts", "open", "high", "low", "close", "vol", "volCcy", "volCcyQuote", "confirm"] df = pd.DataFrame(reversed(candles), columns=columns) df["ts"] = pd.to_datetime(df["ts"].astype("int64"), unit="ms") df = df.set_index("ts") for col in ["open", "high", "low", "close"]: df[col] = df[col].astype(float) df["volume"] = df["vol"].astype(float) df["amount"] = df["volCcy"].astype(float) # 运行信号引擎 engine = SignalEngine(freq=Freq.D) signals = engine.generate({"BTC-USDT": df}) # 输出结果 sig = signals["BTC-USDT"] buys = sig[sig == 1] sells = sig[sig == -1] print(f"BTC-USDT 缠论信号 ({len(df)} 根K线)") print(f" 做多信号: {len(buys)} 个") print(f" 做空信号: {len(sells)} 个") if len(buys) > 0: print(f" 最近做多: {buys.index[-1]:%Y-%m-%d}") if len(sells) > 0: print(f" 最近做空: {sells.index[-1]:%Y-%m-%d}")

7.4 从 DataFrame 构造 RawBar

引擎的数据入口是_df_to_bars，它将任意 OHLCV DataFrame 规范化为czsc的RawBar列表，这也是分型识别的输入格式：

def _df_to_bars(df: pd.DataFrame, symbol: str, freq: Freq = Freq.D) -> list: bars = [] for i, (dt, row) in enumerate(df.iterrows()): if not isinstance(dt, datetime): dt = pd.Timestamp(dt).to_pydatetime() bars.append(RawBar( symbol=symbol, id=i, dt=dt, freq=freq, open=float(row["open"]), close=float(row["close"]), high=float(row["high"]), low=float(row["low"]), vol=float(row.get("volume", row.get("vol", 0))), amount=float(row.get("amount", 0)), )) return bars

RawBar的完整字段约定（引自 SKILL.md）：

7.5 引擎的增量更新机制

generate方法展示了分型/笔的增量计算模式：

if len(bars) < 30: result[code] = signal continue # 先用前 30 根K线初始化分析器，再逐根增量更新 c = CZSC(bars[:30], get_signals=_get_signals) for bar in bars[30:]: c.update(bar) sig = self._evaluate_signals(c) if sig != 0: signal.iloc[bar.id] = sig

这种"初始批次 + 逐根c.update(bar)"的模式，充分利用了 czsc 的增量更新能力（SKILL.md 明确说明 czsc "支持增量更新，适合实时分析"）。这意味着分型识别不是每次全量重算，而是新 K 线到达时局部刷新，适合实盘流式行情场景。同时少于 30 根 K 线的标的会被跳过，保证了分型、笔识别有足够的预热数据。

7.6 信号函数的选择

引擎选用的缠论信号函数（来自czsc.signals.cxt）：

from czsc.signals.cxt import ( cxt_first_buy_V221126, cxt_first_sell_V221126, cxt_bi_base_V230228, cxt_three_bi_V230619, cxt_five_bi_V230619, )

在 SKILL.md 中，czsc 共内置 43 个缠论信号函数，核心分类如下：

其中一买/一卖信号函数还以di=1参数显式指定"倒数第 1 笔"作为判定基准（见 一买一卖.md），信号输出格式为{freq}_D{di}B_BUY1/{freq}_D{di}B_SELL1。

八、分型与其他核心概念的衔接

理解分型，必须同时理解它在缠论体系中的上下游关系：

从仓库结构看，chanlun技能还被用于多智能体协同场景：在 technical_analysis_panel.yaml 中，wave_analyst（波浪分析师）智能体被配置为同时加载elliott-wave与chanlun两个技能（skills: [elliott-wave, chanlun]），并将缠论的分型/笔/中枢结构作为艾略特波浪计数的交叉验证（"Fractal strokes strict, Segments and central pivot ranges"）。这表明分型识别不仅是单标的的技术指标，还能为多分析师团队的形态共振判断提供独立证据链。

九、实战注意事项与常见误区

1. 分型必须基于去包含序列：直接对原始 K 线找"三根形态"会得到大量假分型，务必确认数据已通过 czsc 的包含处理。
2. 分型不等于转折确认：顶分型出现后价格可能继续创新高（分型失败），实盘建议结合 MACD 背驰（cxt_bi_end_V230312）或中枢位置辅助过滤。
3. 数据预热要求：信号引擎要求至少 30 根 K 线（len(bars) < 30直接跳过），更精细的买卖点判定需要更长的笔序列（如 一买一卖.md 要求至少两个向下/向上中枢）。
4. 频率选择：Freq.D（日线）适合趋势级分析；Freq.F30/F60适合日内；分型数量会随周期缩短而增多，注意噪声放大。
5. 安装依赖：运行前需安装czsc（v0.9.68+，纯 Python 实现，可选 Rust 加速后端）：

pip install czsc requests pandas

6. 适用范围：分型识别只依赖 OHLCV 数据，因此适用于任何有 K 线数据的市场（A 股、加密货币、期货等），无需额外的基本面或新闻输入。

十、小结

分型是缠论最基础的识别单元：三根去包含后的 K 线，通过中间 K 线的高点/低点同时最高（顶分型）或同时最低（底分型）来判定局部力量衰竭。它的上游是去包含处理（上升取大、下降取小），下游则是笔、中枢与整个买卖点体系。在 Vibe-Trading 中，分型识别通过czsc的FX数据结构与CZSC分析器自动完成，并经由 example_signal_engine.py 的SignalEngine将分型派生的笔与中枢信号转化为1/-1/0的可执行交易信号，同时支持增量更新以适配实时行情。掌握分型的判定逻辑与数据结构，是理解并调优整套缠论信号引擎的第一步。

【免费下载链接】Vibe-Trading"Vibe-Trading: Your Personal Trading Agent"项目地址: https://gitcode.com/GitHub_Trending/vi/Vibe-Trading