JUKUAN/Lib/research

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

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

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

# 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

# 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%

4. 期货网格交易研究分析 (future_grid_trading_analysis.py)

功能描述

研究期货网格交易策略在不同配置下的表现，支持多种交易场景的对比分析。该工具实现了完整的网格交易系统，核心功能包括主力合约自动切换、强制平仓和重新建仓逻辑。

主要特点

• 主力合约自动监控: 每日检测主力合约变化并自动处理切换
• 强制平仓机制: 合约切换时立即平掉旧合约所有头寸
• 智能重新建仓: 根据价格条件在新合约中重新建立头寸
• 多策略支持: 基础头寸、网格交易、网格对冲、组合策略
• 限价订单模拟: 精确的网格触发价格模拟
• 风险控制: 支持止损百分比设置
• 完整交易记录: 记录所有交易包括合约切换引起的强制平仓

主力合约切换逻辑

1. 主力合约监控与选择

# 合约选择算法
def select_contracts():
    """
    1. 首先获取商品的主导合约
    2. 如果主导合约在可用列表中，选择它
    3. 如果主导合约不在列表中，选择未来到期日期最近且晚于主导合约的合约
    例如：主导合约SA2507.XZCE -> 选择SA2509.XZCE而不是SA2601.XZCE
    """

2. 合约切换与强制平仓

• 每日自动检测主力合约变化
• 当主力合约发生变更时，立即平掉旧合约中的所有头寸
• 即使常规交易退出条件未被触发，这种强制平仓也同样适用
• 合约切换构成独立于常规交易逻辑的强制退出条件

3. 智能重新建仓规则

基础头寸交易重新建仓：

• 计算前一合约中所有基础头寸交易的总交易量
• 以当日收盘价开立相同总数量的新多头头寸
• 保持与之前相同的退出条件

网格交易头寸重新建仓：

• 将当前价格与之前的网格开仓价格进行比较
• 仅在当前价格低于原始网格开仓价格时重新建仓
• 保持原始退出价格不变

合约切换示例（SA2509→SA2601，之前网格头寸为1250和1200）：

• 若当前价格=1220：开立1个头寸（仅1250网格符合条件），退出价格仍为1300
• 若当前价格=1180：开立2个头寸（1250和1200网格均符合条件），退出价格分别仍为1300和1250
• 若当前价格=1130：开立3个头寸（包括未开立的1150网格），退出价格分别为1200、1250和1300

网格对冲交易头寸重新建仓：

• 应用与网格交易相同的逻辑，但条件相反
• 仅在当前价格高于原始网格开仓价格时重新建仓
• 保持原始退出价格不变

四种交易策略

1. 基础头寸交易

• 配置：价格-数量网格（如SA: {1400: 10, 1300: 10, ...}）
• 逻辑：在指定价格水平开立多头头寸
• 退出：统一退出价格，无止损

2. 网格交易策略

• 参数：start_price、grid_size、quantity_per_grid、exit_grid_size
• 逻辑：从start_price开始，价格下降grid_size时买入quantity_per_grid
• 退出：价格从入场价格上涨exit_grid_size时退出
• 示例：1250入场→1350退出；1200入场→1300退出

3. 网格对冲策略

• 增强：在网格交易基础上增加止损百分比（如2%）
• 入场：grid_price + grid_size（如1300入场）
• 获利：entry_price - grid_size（如1300→1250获利）
• 止损：entry_price × (1 + stop_loss_percentage)（如1300×1.02=1326止损）

4. 组合策略

• 同时运行网格交易和网格对冲策略
• 综合评估两种策略的协同效果

配置参数

class GridTradingConfig:
    # 时间范围
    START_DATE = datetime.datetime(2025, 6, 1)
    END_DATE = datetime.datetime(2025, 9, 20)
    
    # 核心商品配置
    CORE_COMMODITIES = {
        'SA': ['SA2509.XZCE', 'SA2601.XZCE'],  # 纯碱
        'MA': ['MA2501.XZCE', 'MA2505.XZCE'],  # 甲醇
        'AU': ['AU2412.XSGE', 'AU2502.XSGE'],  # 黄金
        'AG': ['AG2412.XSGE', 'AG2502.XSGE'],  # 白银
        'RU': ['RU2501.XSGE', 'RU2505.XSGE'],  # 橡胶
    }
    
    # 基础头寸网格
    BASE_POSITION_GRID = {
        'SA': {1400: 10, 1300: 10, 1200: 10, 1100: 10, 1000: 10, 900: 10},
        'MA': {2500: 8, 2400: 8, 2300: 8, 2200: 8, 2100: 8, 2000: 8},
        # ...
    }
    
    # 网格交易配置
    GRID_TRADING_CONFIG = {
        'SA': {
            'start_price': 1250,
            'grid_size': 50,
            'quantity_per_grid': 5,
            'exit_grid_size': 50
        },
        # ...
    }
    
    # 网格对冲配置
    GRID_HEDGE_CONFIG = {
        'stop_loss_percentage': 0.02,  # 2%止损
        'enable_hedge_strategy': True
    }

使用方法

# 基本使用
results = run_grid_trading_analysis()

# 自定义配置
class CustomConfig(GridTradingConfig):
    START_DATE = datetime.datetime(2025, 1, 1)
    END_DATE = datetime.datetime(2025, 12, 31)
    GRID_HEDGE_CONFIG = {
        'stop_loss_percentage': 0.015,  # 1.5%止损
        'enable_hedge_strategy': True
    }

results = run_grid_trading_analysis(CustomConfig)

输出结果

• 交易记录CSV: grid_trading_records_YYYYMMDD_HHMMSS.csv
  • 包含所有四种策略的详细交易记录
  • 字段：commodity, contract, strategy, entry_date, exit_date, entry_price, exit_price, quantity, profit_loss, profit_loss_pct, days_held, exit_reason
  • exit_reason字段标识退出原因：target_reached（达到目标）、contract_switch（合约切换）、stop_loss（止损）、profit_target（获利了结）
• 性能统计CSV: grid_trading_performance_YYYYMMDD_HHMMSS.csv
  • 四种策略的完整性能指标
  • 字段：total_trades, win_rate, total_profit_loss, avg_profit_loss, max_profit, max_loss, profit_factor等

性能指标

• 总交易次数: 各策略的交易笔数
• 胜率: 盈利交易占比
• 总盈亏: 累计盈亏金额
• 盈亏比: 总盈利/总亏损比值
• 最大盈利/亏损: 单笔最大盈亏
• 平均持有天数: 平均交易持有期

对比分析示例

=== 四种交易场景对比分析 ===
策略名称      总交易次数  胜率    总盈亏      平均盈亏    盈亏比
基础头寸交易      45     73.33%   1250.50     27.79     2.15
网格交易策略      32     68.75%    890.25     27.82     1.87
网格对冲策略      28     64.29%    650.75     23.24     1.54
组合策略          60     66.67%   1541.00     25.68     1.78

5. 期货烛台影线形态分析 (future_candlestick_hatch_analysis.py)

功能描述

分析期货合约中带有明显影线的K线，识别具备预测价值的烛台形态，并分析它们对未来价格走势的预测能力。

主要特点

• 形态识别: 识别带有明显影线且实体长度符合要求的K线
• 双向过滤: 主影线长度必须超过实体1.2倍，相反影线必须小于实体0.5倍
• 交易信号: 上影线做空信号，下影线做多信号
• 未来跟踪: 分析形态出现后N个交易日的价格表现
• 主力合约: 自动识别和使用主力合约数据

核心算法

# 形态识别条件
def check_hatch_pattern(row, body_threshold, hatch_ratio=1.2, opposite_ratio=0.5):
    """检查K线是否符合影线形态条件"""
    body_length = abs(close - open)
    upper_hatch = high - max(open, close)
    lower_hatch = min(open, close) - low
    
    # 条件1: 实体长度 >= 历史平均实体长度
    # 条件2: 主影线长度 >= 1.2 × 实体长度  
    # 条件3: 相反影线长度 < 0.5 × 实体长度

交易逻辑

• 上影线形态: 做空信号
  • 收益计算：(收盘价 - 未来最高价) / 收盘价
  • 预期：价格向影线相反方向（下跌）移动
• 下影线形态: 做多信号
  
  • 收益计算：(未来最高价 - 收盘价) / 收盘价
  • 预期：价格向影线相反方向（上涨）移动

配置参数

class CandlestickHatchConfig:
    ANALYSIS_START_DATE = datetime.datetime(2025, 8, 1)   # 分析开始日期
    ANALYSIS_END_DATE = datetime.datetime(2025, 8, 20)    # 分析结束日期
    HISTORICAL_DAYS = 365                                 # 历史数据回溯期
    FORWARD_DAYS = 15                                     # 前向分析期
    FUTURE_MONITOR_DAYS = 10                              # 未来表现跟踪期
    HATCH_TO_BODY_RATIO = 1.2                            # 影线与实体长度比率阈值
    OPPOSITE_HATCH_RATIO = 0.5                           # 相反影线与实体长度比率阈值
    MAX_REVENUE_THRESHOLD = 0.02                         # 最大盈利阈值
    MAX_LOSS_THRESHOLD = 0.005                           # 最大亏损阈值
    MAX_ANALYSIS_CONTRACTS = 10                          # 最大分析合约数
    # 交易仓位管理参数
    INITIAL_TRADE_AMOUNT = 20000                         # 初始交易金额
    LOSS_RATE = 0.01                                    # 亏损交易的亏损率
    PROFIT_DRAWDOWN_RATE = 0.02                         # 盈利交易的回撤率

数据结构

# 主力合约数据结构 (dict1)
contract_data = {
    'L2601.XDCE': [开始日期, 结束日期],
    'A2505.XDCE': [开始日期, 结束日期]
}

# 影线形态数据结构 (dict2)
pattern_data = {
    'L2601.XDCE': {
        datetime.date(2025, 8, 5): {
            'date': '2025-08-05',
            'high': 6520.0, 'low': 6450.0, 'open': 6480.0, 'close': 6500.0,
            'body_len': 20.0, 'hatch_dire': 'up', 'hatch_len': 50.0,
            'max_revenue_date': '2025-08-08', 'max_revenue': 0.0234,
            'min_revenue_date': '2025-08-06', 'min_revenue': -0.0156,
            'conclusion': 'true',  # 形态有效性判断
            'body_direction': 'up',  # 实体方向
            'direction_consistency': 'false'  # 方向一致性
        }
    }
}

形态有效性判断（增强版）

系统自动为每个识别的形态计算conclusion字段，判断逻辑：

• 有效 (true)：满足以下任一条件且无早期过度损失
  1. 最大盈利日期 < 最大亏损日期 且 最大盈利 > 2%
  2. 最大盈利日期 > 最大亏损日期 且 最大盈利 > 2% 且 最大亏损 < 0.5%
• 增强条件：如果在最大收益日期之前的任何一天，损失超过了最大亏损阈值(0.5%)，则标记为无效
• 无效 (false)：不满足上述条件或存在早期过度损失

新增分析字段

• body_direction: 烛台实体方向
  • 'up': 收盘价 > 开盘价（阳线）
  • 'down': 收盘价 < 开盘价（阴线）
  • 'flat': 收盘价 = 开盘价（十字星）
• direction_consistency: 实体与影线方向一致性
  • 'true': 实体方向与影线方向相反（符合预期）
  • 'false': 实体方向与影线方向不相反
• 动态仓位管理: 基于交易结果的资金管理
  • 初始交易金额：20,000（可配置）
  • 亏损交易：按1%亏损率调整资金（可配置）
  • 盈利交易：按最大利润减去2%回撤率调整资金（可配置）
• 移动平均线分析: 形态形成日的技术指标
  • MA5、MA10、MA20、MA30：5日、10日、20日、30日移动平均线
  • trend_strength：趋势强度评估（强趋势/中趋势/弱趋势/震荡/数据不足）
• hatch/body比率: 影线与实体长度的比率，用于量化形态强度

使用方法

# 基本使用
results = run_candlestick_hatch_analysis()

# 自定义配置
class CustomConfig(CandlestickHatchConfig):
    HATCH_TO_BODY_RATIO = 1.5       # 更严格的影线要求
    OPPOSITE_HATCH_RATIO = 0.3      # 更严格的相反影线要求
    MAX_REVENUE_THRESHOLD = 0.03    # 更高的盈利阈值要求
    MAX_LOSS_THRESHOLD = 0.003      # 更低的亏损容忍度
    FUTURE_MONITOR_DAYS = 15        # 更长的跟踪期

results = run_candlestick_hatch_analysis(CustomConfig)

输出结果

• CSV文件: future_candlestick_hatch_analysis_YYYYMMDD_HHMMSS.csv
• 包含字段（按输出顺序）:
  • contract_code：合约代码
  • date：形态日期
  • conclusion：有效性判断（true/false）
  • trend_strength：趋势强度评估
  • body_direction：实体方向
  • direction_consistency：方向一致性
  • body_len：实体长度
  • hatch_len：影线长度
    
  • hatch/body：影线与实体长度比率
  • close：收盘价
  • open：开盘价
  • high：最高价
  • low：最低价
  • ma5：5日移动平均线
  • ma10：10日移动平均线
  • ma20：20日移动平均线
  • ma30：30日移动平均线
  • max_revenue：最大收益率
  • max_revenue_date：最大收益日期
  • min_revenue：最大亏损率
  • min_revenue_date：最大亏损日期
  • profit_loss：单笔盈亏
  • remaining_amount：剩余资金
  • trade_amount：交易金额
• 投资组合汇总: 整体交易表现统计，包括成功率、总盈亏、总回报率等

统计指标

• 检测形态总数：识别出的符合条件的影线形态数量
• 有效形态数：conclusion为'true'的形态数量
• 有效率：有效形态占总形态的百分比

分析流程

1. 构建主力合约数据结构: 获取分析期间的主力合约变化
2. 收集扩展数据: 获取历史和未来的OHLC数据
3. 计算实体长度阈值: 使用历史数据计算平均实体长度
4. 识别影线形态: 筛选符合双重条件的K线
5. 分析未来表现: 跟踪形态后N天的价格走势
6. 计算有效性判断: 根据收益时序关系评估形态预测能力
7. 生成分析结果: 输出包含有效性判断的完整CSV数据文件

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

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

v1.6 (2025-09)

• 重大更新: 期货网格交易研究分析工具增加主力合约切换功能
• 核心新功能:
  • 主力合约自动监控：每日检测主力合约变化并自动处理切换
  • 强制平仓机制：合约切换时立即平掉旧合约所有头寸
  • 智能重新建仓：根据价格条件在新合约中重新建立头寸
  • 完整交易记录：记录所有交易包括合约切换引起的强制平仓
• 增强功能:
  • 智能合约选择算法：基于主力合约的智能选择逻辑
  • 四种交易策略支持：基础头寸、网格交易、网格对冲、组合策略
  • 精确限价订单模拟：准确的网格触发价格计算
  • 风险控制机制：支持止损百分比设置
  • 性能对比分析：四种策略并排性能统计
• 重新建仓规则:
  • 基础头寸：以收盘价重建相同总量的多头头寸
  • 网格交易：仅在当前价格低于原始网格开仓价格时重新建仓
  • 网格对冲：仅在当前价格高于原始网格开仓价格时重新建仓
• 输出增强: 交易记录增加exit_reason字段，标识退出原因（target_reached/contract_switch/stop_loss/profit_target）

v1.5 (2025-09)

• 增强: 期货烛台影线形态分析算法重大更新
• 新增功能:
  • 动态仓位管理：基于交易结果的资金调整机制
  • 移动平均线分析：增加MA5/MA10/MA20/MA30技术指标
  • 趋势强度评估：6项比较的量化趋势分析
  • 增强结论逻辑：早期过度损失检测机制
• 字段优化:
  • 移除重复的hatch_dire列
  • 新增hatch/body比率列
  • 按指定顺序重排CSV输出字段
• 投资组合管理: 完整的交易结果汇总和表现分析

v1.4 (2025-09)

• 新增: 期货烛台影线形态分析算法 (future_candlestick_hatch_analysis.py)
• 算法特点: 双向过滤条件、主力合约自动识别、未来表现跟踪
• 配置优化: 新增相反影线比率阈值等可配置参数
• 文档完善: 更新README文档包含新算法说明

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