# 期货市场研究算法库

## 概述
本目录包含期货市场的各种研究算法和分析工具，用于量化分析期货市场的技术指标、价格走势和交易策略。所有代码基于聚宽API开发，适用于聚宽在线研究平台。

## 算法文件结构

### 1. 期货多均线穿越分析 (`future_ma_cross_analysis.py`)

#### 功能描述
分析期货合约的多均线穿越事件，识别同时穿越至少3条均线的K线，并分析后续收益表现。

#### 主要特点
- **多均线系统**: 使用MA5、MA10、MA20、MA30四条移动平均线
- **穿越识别**: 精确判断K线实体上穿或下穿至少3条均线
- **后续跟踪**: 分析穿越后5日、10日、20日、30日的收益率表现
- **批量处理**: 自动分析所有期货主力合约

#### 核心算法
```python
def check_multi_ma_cross(row):
    """检查单日K线是否向上或向下穿越了至少3条均线"""
    # 条件：开盘价在均线一侧，收盘价在均线另一侧
    # 上穿：开盘价 < 均线 且 收盘价 > 均线
    # 下穿：开盘价 > 均线 且 收盘价 < 均线
```

#### 输出结果
- CSV文件：包含所有穿越事件的详细信息和后续收益率
- 统计报告：穿越方向分布、收益率统计、品种统计等

### 2. 期货市场整体变化趋势分析 (`future_all_change_trend.py`)

#### 功能描述
分析期货市场整体的价格变化趋势，计算每日市场平均变化率和正负变化分布。

#### 主要特点
- **市场全貌**: 分析所有期货品种的价格变化
- **趋势识别**: 计算滚动平均值识别市场趋势
- **异常检测**: 使用标准差检测异常市场波动
- **可视化**: 生成趋势图表展示市场变化规律

#### 核心算法
```python
def process_data(df, std_dev_multiplier=3):
    """处理数据并过滤异常值"""
    # 计算每日平均变化率
    # 统计正负变化数量
    # 计算滚动平均值
    # 过滤异常值
```

#### 输出结果
- 每日市场平均变化率
- 正负变化品种数量统计
- 滚动平均值和趋势图表
- 异常市场行为检测报告

### 3. 期货技术形态规律分析 (`future_pattern_comprehensive.py`)

#### 功能描述
**核心研究项目** - 研究期货品种在大幅下跌后出现特定K线形态的规律，并分析后续走势表现。这是一个综合性的技术形态分析工具。

#### 主要特点
- **全自动化**: 从数据获取到结果输出全程自动化
- **多维度筛选**: 结合回撤、K线形态、时间位置等条件
- **量化验证**: 通过10周跟踪验证形态有效性
- **可视化展示**: 自动生成K线图标记技术形态
- **综合集成**: 单文件包含配置、分析、测试全部功能

#### 文件结构
```
第一部分：分析配置参数 (AnalysisConfig类)
第二部分：技术形态分析器主类 (FuturePatternAnalyzer类)  
第三部分：测试和演示代码 (PatternAnalysisTests类)
第四部分：主程序入口 (main函数)
```

#### 分析流程
1. **构建期货品种数据**: 创建80+个期货品种的8888主连合约代码
2. **筛选大幅下跌品种**: 识别最大回撤>30%的期货品种
3. **获取主力合约映射**: 获取下跌期间的主力合约变化
4. **获取周线K线数据**: 扩展时间范围的周线OHLCV数据
5. **识别目标K线形态**: 十字星+长上影线组合形态识别
6. **分析后续10周走势**: 量化跟踪后续收益率表现
7. **生成可视化图表**: K线图展示和统计报告
8. **保存分析结果**: 完整的CSV数据文件输出

#### 技术形态条件
- **条件A**: 开盘价与收盘价差异 ≤ 1% (十字星特征)
- **条件B**: 最高价相对开盘价涨幅 ≥ 3% (长上影线特征)
- **位置条件**: 形态出现在大幅下跌期间或附近

#### 配置参数
```python
# 时间设置
START_DATE = '2022-01-01'  # 建议至少2年数据
END_DATE = '2024-12-31'

# 筛选条件
MIN_DRAWDOWN_THRESHOLD = 0.30  # 30%最小回撤
KLINE_CONDITIONS = {
    'max_open_close_diff': 0.01,  # 1%开收差异
    'min_high_open_gain': 0.03,   # 3%最高涨幅
}

# 分析参数
FOLLOW_UP_WEEKS = 10           # 后续跟踪10周
SUCCESS_RETURN_THRESHOLD = 0.05 # 5%成功率阈值
```

#### 支持的期货品种
- **大商所(XDCE)**: A、B、C、I、J、JM、L、M、P、PP、V、Y等
- **郑商所(XZCE)**: AP、CF、FG、MA、RM、SR、TA、ZC等
- **上期所(XSGE)**: AG、AL、AU、CU、RB、RU、ZN等
- **中金所(CCFX)**: IC、IF、IH、T、TF、TS
- **广期所(GFEX)**: SI、LC
- **上海国际能源(XINE)**: SC、BC、LU、NR

#### 使用方法
```python
# 基本使用 - 完整分析
results = run_pattern_analysis(mode='full')

# 快速测试
results = run_pattern_analysis(mode='quick')

# 自定义参数测试
results = run_pattern_analysis(mode='custom')

# 逐步功能测试
run_pattern_analysis(mode='step')

# 直接使用分析器类
analyzer = FuturePatternAnalyzer('2022-01-01', '2024-12-31')
results = analyzer.run_full_analysis()
```

#### 输出文件
- `future_major_decline_YYYYMMDD_HHMMSS.csv` - 大幅下跌期货品种
- `future_kline_patterns_YYYYMMDD_HHMMSS.csv` - 识别的K线形态
- `future_pattern_performance_YYYYMMDD_HHMMSS.csv` - 后续走势分析
- `future_pattern_summary_YYYYMMDD_HHMMSS.csv` - 统计汇总
- `kline_pattern_{品种}_{日期}.png` - K线图表

#### 性能统计示例
```
=== 期货技术形态规律分析报告 ===
总分析期货品种数: 85
大幅下跌品种数: 12
识别出的目标形态数: 8
完成后续走势分析数: 8

=== 后续走势统计分析 ===
10周内最高收益率统计:
  平均值: 15.32%
  正收益比例: 7/8 (87.5%)

=== 交易成功率分析 ===
成功率: 75.0%
```

## 技术架构

### 数据源
- **聚宽API**: 使用jqdata获取期货价格数据
- **数据频率**: 支持日线和周线数据
- **数据字段**: OHLCV (开高低收量)

### 核心库依赖
```python
import pandas as pd      # 数据处理
import numpy as np       # 数值计算  
from jqdata import *     # 聚宽API
import matplotlib.pyplot as plt  # 图表绘制
```

### 代码规范
- **函数命名**: 使用下划线分隔的描述性命名
- **类设计**: 面向对象设计，功能模块化
- **错误处理**: 完善的异常捕获和日志记录
- **配置管理**: 集中的参数配置和管理
- **文档注释**: 详细的函数和类文档字符串

## 使用建议

### 1. 运行环境
- **推荐平台**: 聚宽在线研究环境
- **Python版本**: Python 3.6+
- **内存要求**: 建议至少2GB内存
- **数据权限**: 需要聚宽期货数据访问权限

### 2. 最佳实践
- **时间范围**: 建议使用至少2年的历史数据进行分析
- **品种选择**: 可通过配置文件筛选活跃品种
- **参数调优**: 根据研究目标调整筛选阈值
- **结果验证**: 结合基本面分析验证技术分析结果

### 3. 性能优化
- **批量处理**: 使用并行处理提升大规模数据分析速度
- **内存管理**: 及时释放不需要的数据对象
- **缓存策略**: 对重复查询的数据进行缓存
- **测试模式**: 使用测试模式快速验证算法逻辑

## 更新日志

### v1.3 (2025-09)
- **重构**: 将期货技术形态分析整合为单一综合文件
- **优化**: 改进代码结构，增强在线平台适配性
- **新增**: 添加多种测试模式和配置选项
- **完善**: 统一的README文档和算法说明

### v1.2 (2025-06)
- **新增**: 期货技术形态规律分析算法
- **扩展**: 支持更多期货品种和交易所
- **优化**: 改进可视化效果和报告格式

### v1.1 (2024-12)
- **新增**: 多均线穿越分析功能
- **优化**: 改进数据处理效率
- **修复**: 修复部分品种数据获取问题

### v1.0 (2024-06)
- **初始版本**: 基础的期货市场趋势分析
- **核心功能**: 市场整体变化趋势分析

## 研究成果

### 学术价值
- 提供了期货市场技术分析的量化研究框架
- 验证了特定K线形态在期货市场的有效性
- 建立了系统性的期货品种分析方法论

### 实用价值
- 为量化交易策略提供技术分析工具
- 辅助投资决策和风险管理
- 支持期货市场的深度研究和分析

### 未来发展
- 集成机器学习模型提升预测准确性
- 扩展更多技术指标和形态识别
- 建立实时分析和预警系统
- 开发策略回测和评估框架

---
**维护团队**: jukuan研究团队  
**最后更新**: 2025年9月  
**技术支持**: 基于聚宽平台开发，需要相应API权限  
**使用许可**: 仅供研究和学习使用