zigzag-pattern-classifier

ZigZag 摆动模式分类器

根据结构和市场状态对 ZigZag 摆动模式进行完整分类。每个已确认的 ZigZag 序列都恰好对应一个变体——没有遗漏，也没有重叠。

自我演进技能：此技能会在使用过程中不断改进。如果说明有误、参数发生漂移，或需要采用变通方案，请立即修复此文件，不要拖延。只有出现真实且可复现的问题时才更新。

适用场景

• 对已确认的 L₀→H₁→L₂（双转折点）或 L₀→H₁→L₂→H₃（三转折点）摆动进行分类
• 查询特定模式对市场状态的影响
• 回答“存在多少种不同的模式？”并证明分类完备
• 在代码中实现模式标记（Rust qta crate、Python 流水线）
• 理解定义“相等”的 ε 容差带
• 使用 Freedman-Diaconis 分箱进行子分类

符号说明（唯一事实来源）

符号	定义	示例
L₀	初始低点（第一个已确认的转折点）	1.0800
H₁	摆动高点（反转峰值）	1.0850
L₂	第二个低点（回撤）	1.0810
H₃	第二个高点（仅适用于三转折点）	1.0870
W	摆动幅度：H₁ − L₀	0.0050
z	标准化回撤：(L₂ − L₀) / (H₁ − L₀)	0.20
o	波动率标准化超调：(L₀ − L₂) / ATR₁₄	0.35
ε	“相等”分类的容差带	5 点
τ	ZigZag 反转阈值	6.6 点

价格水平比较

代码	含义	条件
HL	更高的低点	L₂ > L₀ + ε
EL	相等的低点	|L₂ − L₀| ≤ ε
LL	更低的低点	L₂ < L₀ − ε
HH	更高的高点	H₃ > H₁ + ε
EH	相等的高点	|H₃ − H₁| ≤ ε
LH	更低的高点	H₃ < H₁ − ε

---

第 1 部分：双转折点模式（上行-下行）

模式：L₀ → H₁ → L₂（一段上行腿，一段下行腿）

基础分类（3 类）

每个上行-下行三元组都恰好属于以下一类：

类别	条件	含义	频率
EL	|L₂ − L₀| ≤ ε	相等的低点（回测）	~20–30%
HL	L₂ > L₀ + ε	更高的低点（回调）	~50–60%
LL	L₂ < L₀ − ε	更低的低点（跌破）	~10–20%

细粒度分类：9 种 FD 分箱变体

HL 和 LL 均使用 Freedman-Diaconis 分箱，根据标准化坐标细分为 4 个子类：

• HL 分箱使用 z = (L₂ − L₀) / (H₁ − L₀)，范围为 0 到 1
• LL 分箱使用 o = (L₀ − L₂) / ATR₁₄，范围为 0 到 ∞

变体	z 或 o 范围	市场状态	概率
EL	|z| ≤ ε_r	回测——支撑位重新确立	20–30%
HL-FD1	0.75 < z < 1.0	浅回调——买方掌控局势	20–25%
HL-FD2	0.50 < z ≤ 0.75	中度回调——Fib 38–50%	15–20%
HL-FD3	0.25 < z ≤ 0.50	深度回调——Fib 61.8%	10–15%
HL-FD4	0 < z ≤ 0.25	几乎完全回撤——勉强守住	5–10%
LL-FD1	o ≤ q₂₀	微幅跌破——短暂的假突破	8–12%
LL-FD2	q₂₀ < o ≤ q₄₀	浅幅跌破——中度恐慌	4–8%
LL-FD3	q₄₀ < o ≤ q₆₀	深幅跌破——结构性破位	2–5%
LL-FD4	o > q₆₀	极端跌破——尾部事件	<2%

交易含义

类型	入场信号	止损	目标
EL	从 L₀+ε 做多	L₀−ε	H₁ + ΔH
HL-FD1	从 L₂ 做多	L₂−ε	H₁ + ΔH
HL-FD2	确认时做多	L₂−ε	前高 + ΔH
HL-FD3	缩小仓位；等待	L₂−ε	支撑位 + ΔH
HL-FD4	风险极高；避免	L₂−ε	关键位
LL-FD1	做空尖峰行情	L₂+尖峰	L₀
LL-FD2	等待反转	突破	L₀
LL-FD3	做空延续行情	反转	新低
LL-FD4	危机模式；对冲	恐慌性抛售	待定

可选的子分类标记

可附加到任意类型，以提供更丰富的背景信息：

标记	含义	信号
+C	H₁→L₂ 之间任一收盘价 < L₀	看跌承诺更强
+S	L₂ 在单根 K 线内出现（尖峰）	急剧反转；均值回归
+X	仅影线跌破 L₀，收盘价未跌破	流动性扫荡；假突破

示例标签：HL-FD2+C、LL-FD4+S+C、EL+X

---

第 2 部分：三枢轴形态（上涨-下跌-上涨）

形态：L₀ → H₁ → L₂ → H₃（上涨段、下跌段、上涨段）

9 种穷尽性类型

两个相互独立的维度，各有 3 种取值 = 3×3 = 9 种互斥且穷尽的类型。

维度 1 — L₂ 与 L₀ 的关系：{HL，EL，LL}
维度 2 — H₃ 与 H₁ 的关系：{HH，EH，LH}

#	L₂ 与 L₀ 的关系	H₃ 与 H₁ 的关系	名称	市场状态
1	HL	HH	延续性冲动	牛市趋势延续
2	HL	EH	双顶测试	震荡区间，看涨倾向
3	HL	LH	三角形收敛	中性盘整
4	EL	HH	区间向上突破	看涨转变
5	EL	EH	矩形	多空均衡区间
6	EL	LH	平底处的较低高点	震荡区间，看跌倾向
7	LL	HH	V 形反转 / 弹簧效应	看涨反转
8	LL	EH	下破后停滞	波动区间
9	LL	LH	反弹失败	熊市趋势延续

穷尽性证明

所有类型均满足以下必要约束：

• L₀ < H₁（存在第一段上涨趋势）
• L₂ < H₁（回撤未超过峰值）
• H₃ > L₂（存在第二段上涨趋势）

L₂ 与 L₀ 恰有 3 种关系（更高、相等、更低）。H₃ 与 H₁ 恰有 3 种关系（更高、相等、更低）。这两个维度相互独立，没有任何约束会排除任何组合。因此共有 3 × 3 = 9 种类型，全部可行，无一遗漏。

自然分组

• 看涨（4）：HL+HH、EL+HH、HL+EH、LL+HH
• 中性（3）：HL+LH、EL+EH、LL+EH
• 看跌（2）：EL+LH、LL+LH

市场状态分类

市场状态	类型
趋势延续	HL+HH（牛市）、LL+LH（熊市）
区间盘整	HL+LH、EL+EH、LL+EH
看涨转变	EL+HH、HL+EH
看跌转变	EL+LH
反转	LL+HH

---

第 3 部分：27 种扩展

将 H₃ vs L₀ 添加为第三个独立维度：

• L₂ vs L₀：{HL, EL, LL}
• H₃ vs H₁：{HH, EH, LH}
• H₃ vs L₀：{Above, Equal, Below}

由此得到 3×3×3 = 27 种子变体。由于约束条件，其中一些在数学上不可能成立（例如，HL+LH+H₃<L₀ 要求 H₃ < L₀ < L₂ < H₃，这自相矛盾）。

分析师通常会将这个第三维度简化为二元分类：“重新收复 L₀”与“未能重新收复 L₀”。

---

Epsilon 容差带

容差带 ε 决定了“相等”的含义。它会根据波动率和微观结构进行调整。

核心公式

ε = min(ε_max, max(ε_min, √[(a·S)² + (b·ATR₁₄)²]))

其中：

• S = 滚动点差中位数（买卖价差）
• ATR₁₄ = 14 根 K 线的真实波幅均值
• a = 2.0（点差缩放系数）
• b = 0.05（M5-M30）或 0.07（H1-D1）

上下界（EURUSD 默认值）

ε_min = max(3 ticks, 1×S) = max(0.00003, S)
ε_max = min(5 pips, 0.20 × swing) = min(0.00050, 0.20 × W)

使用 ε 进行分类

ε_r = ε / W  (relative tolerance)

EL if |z| ≤ ε_r
HL if z > ε_r
LL if z < −ε_r

实用备用方案

如果无法获取买卖价差：

• 仅使用 ATR：ε = 0.05 × ATR₁₄（M5-M30），0.07 × ATR₁₄（H1-D1）
• 固定区间：3 点（盘中）、5 点（波段）、10 点（日线）

如需查看完整的计算示例和敏感性分析，请阅读 references/epsilon-tolerance-detail.md。

---

Freedman-Diaconis 分箱

FD 规则根据数据计算统计意义上的最优分箱边界：

h = 2 × IQR(X) × n^(-1/3)    (bin width)
K = clip(⌈(max−min) / h⌉, 3, 6)  (number of bins)
edges = linspace(min, max, K+1)

HL 形态的处理流程

1. 收集 2-3 年的 UP-DOWN 三元组
2. 筛选 HL（z > ε_r）
3. 将 z 缩尾至 0.5%-99.5%
4. 根据 z ∈ (ε_r, 1) 计算 FD 分箱边界
5. 标记：从最浅的 HL-FD1 到最深的 HL-FDK

LL 形态的处理流程

1. 筛选 LL（z < −ε_r）
2. 计算 o = (L₀ − L₂) / ATR₁₄
3. 将 o 缩尾至 0.5%-99.5%
4. 根据 o ∈ (ε_r, ∞) 计算 FD 分箱边界
5. 标记：从微小的 LL-FD1 到极端的 LL-FDK

每月或每季度重新计算分箱边界，以跟踪市场状态漂移。如果样本少于 400，则改用分位数分箱。

---

实现参考

qta Rust crate（crates/qta/）实现了核心 ZigZag 状态机，用于生成此分类框架所使用的枢轴点：

• ZigZagConfig::new(reversal_depth, epsilon_multiplier, bar_threshold_dbps)
• ZigZagState::process_bar(&bar) → ZigZagOutput，其中 completed_segment 包含 base_class（EL/HL/LL）和 z 分数
• 该 crate 会根据每个枢轴点的 bar_threshold_dbps 动态计算 τ 和 ε

本技能中的分类框架会在该 crate 的输出基础上，扩展 FD 分箱、三枢轴分析和市场状态标记。

---

深入参考文件

如需查看 ASCII 可视化图、计算示例和实现伪代码，请按需阅读以下参考文件：

文件	内容
references/notation-definitions.md	唯一事实来源：所有符号、公式、缩写和形态类别
references/two-pivot-variants.md	全部 9 种双枢轴 ASCII 图、交易规则和标志示例
references/three-pivot-variants.md	全部 9 种三枢轴 ASCII 图、27 种扩展和 HL+LH 粒度子变体
references/epsilon-tolerance-detail.md	完整的 ε 公式、计算示例、敏感性分析和伪代码
references/binning-methodology.md	Freedman-Diaconis 算法详情、FD 与分位数比较及计算示例
references/data-pipeline.md	11 步端到端流程：原始报价 → OHLC → ATR → 枢轴点 → 分类 → 输出
references/eurusd-validation-scenarios.md	3 个市场计算示例（正常、波动、崩盘），用于验证 ε 和 τ

执行后反思

此技能执行完毕后，关闭前请检查：

1. 命令是否成功？ — 如果没有，修复导致失败的指令或错误表。
2. 参数或输出是否发生变化？ — 如果底层工具的接口发生偏移，请更新 Usage 示例和 Parameters 表以保持一致。
3. 是否需要变通方案？ — 如果你不得不临时调整（更换标志、增加步骤），请更新此 SKILL.md，以便下次调用时无需采用相同的变通方案。

只有问题确实存在且可复现时才进行更新，不要基于猜测更新。