feat: 全面优化迭代所有文档 - 增加数据说明+计算公式+名词解释+内部链接
变更统计: - 70个文件变更 (39个新增 + 31个修改) - 新增 6554 行内容 优化内容: 1. 30个核心文档增加附录(数据说明/计算公式/参数表/使用场景/常见误区) - 第一批: 量化基础/技术指标/策略/信号/品种/数据流/回测/风控/链上/EWO - 第二批: AI/案例复盘/多Agent/Hyperliquid/KOL/期权/RWA/券商/BTC/主流币 - 第三批: ETH/SOL/BNB_DOGE/XAUT/代币化美股/信号优化/tradehk系统 2. 新增38个名词解释wiki条目(Delta对冲/Gamma/Theta/Vega/IV/VaR/CVaR等) 3. 更新全局术语表索引(79个术语/12大类/知识图谱/学习路径) 4. 新增内部链接体系(wiki式交叉引用)
这个提交包含在：
Manus Quant Agent
@@ -373,3 +373,175 @@ EWO 阈值过滤由三个独立的过滤层组成，每层都可以独立启用
|
||||
[3] 2026-03-06 EWO 转换通知实际数据（BTC/SOL 对比）
|
||||
[4] arXiv:2508.02356 — Neural Network-Based Algorithmic Trading Systems: Multi-Timeframe Analysis (2025-08)
|
||||
[5] 2025 年全年 BTC/ETH/SOL/BNB/DOGE 历史信号回测数据
|
||||
|
||||
---
|
||||
|
||||
## 附录：数据说明与补充
|
||||
|
||||
本附录旨在对文档中涉及的核心指标、参数及数据格式提供更详尽的说明，补充相关应用场景与常见误区，以确保使用者能够准确理解并高效落地 EWO 阈值过滤系统。
|
||||
|
||||
### 一、核心指标详解
|
||||
|
||||
量化交易信号的构建离不开对基础技术指标的精确运用。以下将详细阐述 EWO 与 ATR 两个核心指标的计算方式与数据特性。
|
||||
|
||||
#### 1.1 EWO (Elliott Wave Oscillator)
|
||||
|
||||
EWO 是衡量市场动量和潜在趋势反转点的关键指标，其计算基于两条移动平均线的差值，常用于识别艾略特波浪理论中的第三浪（主升浪或主跌浪）。在本文的信号系统中，EWO 的穿越行为是核心的原始触发事件。
|
||||
|
||||
> **内部链接**：关于 EWO 的基础概念，请参考内部知识库文档：[EWO](../../wiki/名词解释/EWO.md)
|
||||
|
||||
**计算公式**
|
||||
|
||||
EWO 的计算公式相对直接，其值为短期简单移动平均线（SMA）与长期简单移动平均线的差值：
|
||||
|
||||
```latex
|
||||
EWO = SMA(Close, n_{short}) - SMA(Close, n_{long})
|
||||
```
|
||||
|
||||
在常见的配置中，`n_short` 通常取 5，`n_long` 通常取 35。这两个周期组合被认为能较好地捕捉市场的中短期动量变化。
|
||||
|
||||
**数据属性**
|
||||
|
||||
| 属性 | 说明 |
|
||||
| :--- | :--- |
|
||||
| **数据范围** | 理论上无界，但实践中通常在 `-500` 到 `+500` 的范围内波动（取决于币种和周期）。对于高波动币种的更大周期，可能出现绝对值更大的情况。 |
|
||||
| **单位** | 与标的资产的计价货币单位相同（例如，对于 BTC/USDT，单位是 USDT）。对于相对值计算，则为百分比（%）。 |
|
||||
| **精度要求** | 建议保留至少 6 位小数，以精确捕捉微小的穿越行为，避免因四舍五入导致信号丢失或误判。 |
|
||||
| **数据来源** | 基于交易平台提供的 K 线收盘价（Close）计算得出，属于衍生数据。 |
|
||||
|
||||
#### 1.2 ATR (Average True Range)
|
||||
|
||||
ATR 是衡量市场波动性的核心指标，它不指示价格方向，仅表示价格波动的剧烈程度。在高波动期自动调整流程中，ATR 是判断市场状态的关键输入。
|
||||
|
||||
> **内部链接**：关于 ATR 的详细解读，请参考内部知识库文档：[ATR](../../wiki/名词解释/ATR.md)
|
||||
|
||||
**计算公式**
|
||||
|
||||
ATR 的计算分为两步。首先计算真实波幅（TR），然后对 TR 进行平滑处理得到 ATR。
|
||||
|
||||
1. **真实波幅 (True Range, TR)**：
|
||||
|
||||
```latex
|
||||
TR = \max[(High - Low), \text{abs}(High - Close_{prev}), \text{abs}(Low - Close_{prev})]
|
||||
```
|
||||
|
||||
2. **平均真实波幅 (ATR)**：
|
||||
|
||||
```latex
|
||||
ATR_t = \frac{(N-1) \times ATR_{t-1} + TR_t}{N}
|
||||
```
|
||||
|
||||
其中 `N` 是周期长度，本文档中建议使用 4 根 1h K 线计算，即 `N=4`。
|
||||
|
||||
**数据属性**
|
||||
|
||||
| 属性 | 说明 |
|
||||
| :--- | :--- |
|
||||
| **数据范围** | 大于等于 0，无上限。 |
|
||||
| **单位** | 与标的资产的计价货币单位相同。当计算 ATR 比例时，则为百分比（%）。 |
|
||||
| **精度要求** | 建议保留 4-6 位小数，以确保在计算 ATR 比例时有足够的精度。 |
|
||||
| **数据来源** | 基于 K 线的最高价（High）、最低价（Low）和前一根 K 线的收盘价（`Close_prev`）计算。 |
|
||||
|
||||
### 二、核心逻辑应用场景
|
||||
|
||||
理论与实践相结合是量化交易的精髓。以下为本文档提出的核心优化逻辑在真实交易环境中的应用场景。
|
||||
|
||||
* **EWO 阈值过滤**
|
||||
1. **过滤盘整行情噪音**：在价格横盘整理期间，EWO 会频繁在零轴附近小幅波动，产生大量无效的穿越信号。通过设置合理的“有效阈值”，可以有效过滤掉这些由市场噪音引起的假信号，只在动量显著增强时才触发关注，从而避免在无趋势行情中反复开平仓造成亏损。
|
||||
2. **捕捉高确定性趋势启动点**：当市场结束整理、即将启动一轮强劲趋势时，EWO 的穿越通常伴随着巨大的幅度。利用“强力穿越奖励”机制，系统可以识别出这类高确定性的交易机会，并给予更高的信号评分，甚至可以作为自动化策略中加大初始仓位的依据。
|
||||
|
||||
* **大周期粘性偏向**
|
||||
1. **避免在趋势回调中过早离场**：在一个明确的上升趋势中，小周期图表上可能会出现短暂的回调，导致大周期偏向指标（如基于日线计算的趋势指标）暂时“翻空”。粘性偏向机制要求连续 3 次确认才会切换偏向，从而能有效忽略这种短暂回调的干扰，帮助策略稳定持有多头仓位，避免被“震荡出局”。
|
||||
2. **提高逆势交易的安全性**：当主要趋势为多头时，如果交易者希望捕捉小级别的回调（做空），粘性偏向会持续提示当前处于“多头主导”的环境。这可以作为一道安全阀，要求逆势信号必须满足更苛刻的条件（例如更高的综合评分）才能执行，从而降低了逆势操作的风险。
|
||||
|
||||
* **高波动期自动调整**
|
||||
1. **应对突发新闻事件**：当市场遇到如“美联储利率决议”、“重要宏观数据发布”等事件时，波动性会急剧放大。ATR 检测到波动异常后，系统会自动上调 EWO 的穿越阈值。这意味着在混乱时期，只有力度极强的信号才能被接受，有效防止了因市场过度反应而产生的毛刺信号。
|
||||
2. **动态风险管理**：在高波动期间，系统不仅会提高信号的准入门槛（提高执行阈值），还会同步降低仓位上限。这是一种动态的风险控制策略，确保在市场最不确定的时候，账户的风险暴露是最低的，体现了“看不清就不做，小做”的交易原则。
|
||||
|
||||
### 三、参数配置参考与数据格式
|
||||
|
||||
规范化的参数管理与数据结构是系统稳定运行和后期维护的基础。
|
||||
|
||||
#### 3.1 参数参考总表
|
||||
|
||||
下表整合了文档中所有核心可配置参数，并给出了推荐值、取值范围和调整建议，以供参考。
|
||||
|
||||
| 参数名 | 推荐值 (BTC/10m) | 取值范围 | 调整建议 |
|
||||
| :--- | :--- | :--- | :--- |
|
||||
| **EWO 有效阈值** | 15.0 | `[5.0, 50.0]` | 市场越震荡，此值应越高。与标的价格正相关。 |
|
||||
| **EWO 强力阈值** | 25.0 | `[有效阈值*1.5, 有效阈值*3]` | 用于识别趋势启动信号，不宜过低，否则会失去区分度。 |
|
||||
| **最短阶段 K 线数** | 20 | `[10, 40]` | 周期越长，此值可适当调低。用于过滤不稳定的短时趋势。 |
|
||||
| **粘性偏向确认次数** | 3 | `[2, 5]` | 值越小越灵敏，值越大越迟钝。3 是在灵敏度和可靠性之间的较好平衡。 |
|
||||
| **ATR 周期 (高波动检测)** | 4 (1h) | `[3, 12]` | 周期越短，对近期波动越敏感。 |
|
||||
| **高波动 ATR 比例阈值** | 1.5% | `[0.8%, 4.0%]` | 与币种自身波动特性相关，山寨币此值应更高。 |
|
||||
| **阈值上调比例 (高波动)** | 25% / 50% | `[10%-100%]` | 用于在高波动时收紧信号标准，比例越大越保守。 |
|
||||
|
||||
#### 3.2 数据格式规范
|
||||
|
||||
为确保数据在系统各模块间正确流转，特定义以下数据格式。
|
||||
|
||||
**K 线数据 (Candle Data)**
|
||||
|
||||
以 JSON 对象数组形式表示，每个对象代表一根 K 线。
|
||||
|
||||
```json
|
||||
[
|
||||
{
|
||||
"timestamp": 1678086000000, // K线开盘时间戳 (毫秒级)
|
||||
"open": 22345.67,
|
||||
"high": 22389.12,
|
||||
"low": 22340.05,
|
||||
"close": 22380.45,
|
||||
"volume": 120.54, // 交易量
|
||||
"ewo": 33.320837, // EWO 指标值
|
||||
"atr": 25.8, // ATR 指标值
|
||||
"bullishBiasConfirmCount": 0 // 大周期偏向确认计数器
|
||||
}
|
||||
]
|
||||
```
|
||||
|
||||
**信号事件 (Signal Event)**
|
||||
|
||||
当一个有效的交易信号被触发时，应生成如下格式的 JSON 对象。
|
||||
|
||||
```json
|
||||
{
|
||||
"signalId": "sig_btc_10m_1678086000000", // 唯一信号ID
|
||||
"symbol": "BTC/USDT",
|
||||
"timeframe": "10m",
|
||||
"timestamp": 1678086000000, // 信号触发时间戳 (毫秒级)
|
||||
"signalType": "EWO_CROSS_UP", // 信号类型
|
||||
"direction": "LONG", // 交易方向
|
||||
"score": {
|
||||
"total": 8,
|
||||
"ewo_score": 3,
|
||||
"ao_score": 2, // 示例：其他指标评分
|
||||
"rsi_score": 1, // 示例：其他指标评分
|
||||
"bias_score": 2 // 示例：大周期偏向评分
|
||||
},
|
||||
"metadata": {
|
||||
"ewo_cross_magnitude": 62.37,
|
||||
"ewo_prev_phase_duration": 27,
|
||||
"market_state": "NORMAL"
|
||||
}
|
||||
}
|
||||
```
|
||||
|
||||
### 四、常见误区与正确理解
|
||||
|
||||
1. **误区：阈值越高越好，可以过滤所有噪音。**
|
||||
* **正确理解**：阈值是双刃剑。过高的阈值虽然能过滤掉几乎所有噪音，但同样会错过许多有效的趋势启动信号，导致交易机会减少，尤其是在趋势较为温和的行情中。阈值的设定需要在“过滤噪音”和“捕捉机会”之间找到平衡，这需要通过充分的回测来优化。
|
||||
|
||||
2. **误区：EWO 穿越了“有效阈值”就代表是一个高质量信号。**
|
||||
* **正确理解**：穿越有效阈值只是信号成立的“必要非充分条件”。一个高质量的信号是多方面因素共振的结果，除了穿越幅度，还应考虑上一阶段的持续时间（稳定性）、大周期偏向（趋势方向）以及市场整体波动状态。这就是分层过滤和综合评分系统的价值所在。
|
||||
|
||||
3. **误区：相对阈值一定比绝对阈值更科学。**
|
||||
* **正确理解**：两者各有适用场景。对于价格波动范围相对稳定的主流币种（如 BTC、ETH），使用绝对阈值更简单直观。而对于价格变化剧烈、历史波动大的币种（如 SOL、DOGE），其 EWO 绝对值会随价格基数变化而变化，此时采用相对价格的百分比作为阈值，能更好地适应不同价格区间的波动特性，实现“动态标准化”。
|
||||
|
||||
4. **误区：粘性偏向导致信号延迟，会错过最佳入场点。**
|
||||
* **正确理解**：粘性偏向确实会带来 2-3 根 K 线的确认延迟，但这是一种为“确定性”付出的合理代价。对于趋势跟踪策略而言，牺牲一点即时性来换取对趋势方向更高的确认度，可以有效避免在趋势转换的初期被反复“打脸”，从而提高整体策略的胜率和稳定性。它旨在过滤“假反转”，而非捕捉“最顶点/最底点”。
|
||||
|
||||
5. **误区：系统在高波动期停止交易是最好的选择。**
|
||||
* **正确理解**：完全停止交易可能会错过因波动加剧而带来的巨大盈利机会。更优的策略是“动态适应”而非“一刀切停止”。通过自动上调信号阈值和降低仓位，系统可以在高风险环境中继续运作，但只选择那些最强、最明确的信号进行小仓位尝试，从而在控制风险的前提下，依然保留了捕捉极端行情利润的可能性。
|
||||
|
||||
---
|
||||
|
||||
在新工单中引用
屏蔽一个用户