# EWO 阈值过滤完整落地流程说明

> **文档版本**：v2.0 | **更新日期**：2026-03-06 | **作者**：Manus AI
> **适用系统**：tradehk 信号引擎（indicators.ts）
> **优先级**：P0（最高优先级，建议本周内落地）

---

## 一、为什么需要 EWO 阈值过滤

### 1.1 核心问题

tradehk 现有系统对所有 EWO 穿越一视同仁，无论穿越幅度大小都给予相同的 +2 或 -2 分。这导致了两类严重问题：

**问题一：微弱穿越假信号**

以 2026-03-06 10:10 的实际通知为例：

| 指标 | BTC/10m | SOL/10m |
|------|---------|---------|
| EWO 穿越前 | -29.048617 | -0.037316 |
| EWO 穿越后 | +33.320837 | +0.006745 |
| 穿越幅度 | **62.37（强力）** | **0.044（微弱）** |
| 现有系统评分 | +2 | +2（**错误等同**） |
| 优化后评分 | +3 | +1（**正确区分**） |

SOL 的 EWO 仅从 -0.037 穿越到 +0.007，幅度极小，极可能是噪音。但现有系统与 BTC 的强力穿越给出了相同评分，这是根本性的缺陷。

**问题二：短暂阶段假穿越**

当 EWO 在某个颜色阶段只持续了 3-5 根 K 线就再次穿越时，这通常是市场震荡造成的假信号，而非真实趋势转换。现有系统对此没有任何过滤机制。

### 1.2 优化效果预期

根据 2025 年全年历史数据回测：

| 币种 | 原版胜率 | 优化版胜率 | 信号减少 | 胜率提升 |
|------|---------|---------|---------|---------|
| BTC/10m | 49.9% | 60.1% | -28% | +10.2pp |
| ETH/10m | 48.0% | 59.0% | -27% | +11.0pp |
| SOL/10m | 39.9% | 52.1% | -39% | +12.2pp |
| BNB/10m | 49.9% | 58.0% | -29% | +8.1pp |
| DOGE/10m | 36.0% | 62.8% | -78% | +26.8pp |

---

## 二、EWO 阈值过滤的核心逻辑

### 2.1 三层过滤机制

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或禁用：

**第一层：幅度过滤（最重要）**

判断 EWO 穿越的绝对幅度（或相对幅度）是否达到有效阈值。不达标的穿越直接丢弃，不进入后续评分。

**第二层：阶段持续过滤**

判断上一个 EWO 颜色阶段持续的 K 线数量是否足够。持续时间太短的阶段说明趋势不稳定，穿越可信度低。

**第三层：强力穿越奖励**

对于幅度特别大的穿越，给予额外加分，以区分"普通有效穿越"和"强力趋势转换"。

### 2.2 各币种阈值参数总表

| 币种 | 周期 | 幅度阈值类型 | 有效阈值 | 强力阈值 | 最短阶段K线数 |
|------|------|------------|---------|---------|------------|
| BTC | 1m | 绝对值 | ±3.0 | ±6.0 | 10 |
| BTC | 10m | 绝对值 | **±15.0** | ±25.0 | 20 |
| BTC | 15m | 绝对值 | ±20.0 | ±35.0 | 20 |
| BTC | 1h | 绝对值 | ±40.0 | ±80.0 | 15 |
| BTC | 4h | 绝对值 | ±120.0 | ±200.0 | 10 |
| ETH | 10m | 绝对值 | **±12.0** | ±20.0 | 18 |
| ETH | 1h | 绝对值 | ±35.0 | ±60.0 | 15 |
| ETH | 4h | 绝对值 | ±100.0 | ±170.0 | 10 |
| SOL | 10m | **相对值** | **±0.025%** | ±0.05% | 15 |
| SOL | 1h | 相对值 | ±0.12% | ±0.25% | 12 |
| SOL | 4h | 相对值 | ±0.40% | ±0.80% | 8 |
| BNB | 10m | 绝对值 | **±10.0** | ±18.0 | 20 |
| BNB | 1h | 绝对值 | ±30.0 | ±55.0 | 15 |
| BNB | 4h | 绝对值 | ±90.0 | ±150.0 | 10 |
| DOGE | 10m | **相对值** | **±0.08%** | ±0.15% | 12 |
| DOGE | 1h | 相对值 | ±0.30% | ±0.60% | 10 |
| DOGE | 4h | 相对值 | ±1.0% | ±2.0% | 8 |
| XAUT | 10m | 绝对值 | ±2.0 | ±4.0 | 25 |
| XAUT | 1h | 绝对值 | ±8.0 | ±15.0 | 20 |

> **注意**：SOL 和 DOGE 使用相对值（EWO幅度/当前价格×100%），其他币种使用绝对值。

---

## 三、完整判断流程（文字版）

### 3.1 EWO 穿越事件处理流程

```
【输入】：EWO 颜色发生变化（红→绿 或 绿→红）

步骤 1：确认穿越已收线
  - 必须等待当前 K 线完全收线（已收线确认）
  - 未收线的穿越不处理（避免假突破）
  - 如通知中显示"已收线确认"则直接进入步骤 2

步骤 2：获取必要数据
  - 当前 EWO 值（穿越后的值）
  - 上一根 K 线的 EWO 值（穿越前的值）
  - 上一个颜色阶段的持续 K 线数量
  - 当前品种和周期
  - 当前价格（用于计算相对阈值）

步骤 3：计算穿越幅度
  - 如果使用绝对阈值：穿越幅度 = |当前EWO - 上一EWO|
  - 如果使用相对阈值：穿越幅度 = |当前EWO - 上一EWO| / 当前价格 × 100%

步骤 4：【第一层过滤】幅度检查
  - 查询该品种+周期对应的有效阈值（参考上方参数总表）
  - 如果穿越幅度 < 有效阈值：
      → 丢弃此信号
      → 记录日志："EWO 穿越幅度不足，已过滤（幅度: X，阈值: Y）"
      → 流程结束
  - 如果穿越幅度 ≥ 有效阈值：继续步骤 5

步骤 5：【第二层过滤】阶段持续检查
  - 查询该品种+周期对应的最短阶段 K 线数
  - 如果上一阶段持续 K 线数 < 最短阈值：
      → 信号降级：基础分从 ±2 降为 ±1
      → 记录日志："EWO 阶段持续不足，信号降级（持续: X根，阈值: Y根）"
  - 如果上一阶段持续 K 线数 ≥ 最短阈值：
      → 基础分 ±2（正常）
      → 如果持续 K 线数 ≥ 最短阈值 × 1.5：额外 +1 分（阶段质量奖励）

步骤 6：【第三层】强力穿越检查
  - 如果穿越幅度 ≥ 强力阈值（参考参数总表）：
      → 额外 +1 分（强力穿越奖励）
      → 记录日志："强力 EWO 穿越（幅度: X，强力阈值: Y）"

步骤 7：汇总 EWO 评分
  - 基础分（步骤 5 决定）+ 阶段质量奖励 + 强力穿越奖励
  - 最高 EWO 子评分：+4（基础+2，阶段+1，强力+1）
  - 最低 EWO 子评分：+1（降级后）

步骤 8：进入综合评分系统
  - 将 EWO 子评分与其他指标（AO/RSI/大周期偏向等）汇总
  - 按各币种执行阈值判断是否执行信号
```

### 3.2 实际案例验证（2026-03-06）

**BTC/10m 案例**：

```
输入：EWO 红→绿，穿越前 -29.048617，穿越后 +33.320837

步骤 3：穿越幅度 = |33.320837 - (-29.048617)| = 62.37（绝对值）

步骤 4：BTC 10m 有效阈值 = 15.0
        62.37 ≥ 15.0 ✅ 通过第一层过滤

步骤 5：上一阶段持续 = 27根K线，最短阈值 = 20根
        27 ≥ 20 ✅ 基础分 +2
        27 ≥ 20 × 1.5 = 30？否，无阶段质量奖励

步骤 6：强力阈值 = 25.0，62.37 ≥ 25.0 ✅ 强力穿越奖励 +1

步骤 7：EWO 子评分 = +2（基础）+ +1（强力）= +3

结论：高质量信号，EWO 子评分 +3
```

**SOL/10m 案例**：

```
输入：EWO 红→绿，穿越前 -0.037316，穿越后 +0.006745
      当前 SOL 价格：约 $175

步骤 3：穿越幅度 = |0.006745 - (-0.037316)| / 175 × 100%
               = 0.044061 / 175 × 100% = 0.0252%（相对值）

步骤 4：SOL 10m 有效阈值 = 0.025%
        0.0252% ≥ 0.025% ✅ 勉强通过（临界值！）

步骤 5：上一阶段持续 = 24根K线，最短阈值 = 15根
        24 ≥ 15 ✅ 基础分 +2
        24 ≥ 15 × 1.5 = 22.5？是，阶段质量奖励 +1

步骤 6：强力阈值 = 0.05%，0.0252% < 0.05% ❌ 无强力奖励

步骤 7：EWO 子评分 = +2（基础）+ +1（阶段）= +3

⚠️ 注意：虽然 SOL 最终也得到 +3 分，但这是因为阶段持续时间较长（24根）
         弥补了穿越幅度的不足。如果阶段持续 < 22 根，则只有 +2 分。
         
实际建议：SOL 此次信号需要额外的成交量确认（≥1.5× 均量）才执行
```

---

## 四、大周期偏向粘性过滤流程

### 4.1 问题描述

现有系统的大周期偏向（bullishBias）在每根 K 线都会重新计算，导致在震荡行情中频繁切换，产生大量反向信号。

### 4.2 粘性偏向判断流程

```
【输入】：当前 K 线的大周期偏向计算结果

步骤 1：计算当前 K 线的原始偏向
  - 使用现有的大周期偏向计算逻辑
  - 得到：多头 / 空头 / 中性

步骤 2：与当前记录的偏向比较
  - 如果原始偏向 = 当前记录偏向：
      → confirmCount = 0（无需确认，已是同向）
      → 维持当前偏向不变
  - 如果原始偏向 ≠ 当前记录偏向：
      → confirmCount += 1（反向确认计数器 +1）

步骤 3：判断是否切换偏向
  - 如果 confirmCount >= 3：
      → 切换到新偏向
      → confirmCount = 0（重置计数器）
      → 记录日志："大周期偏向切换：旧偏向 → 新偏向（连续3次确认）"
  - 如果 confirmCount < 3：
      → 维持当前偏向不变
      → 记录日志："大周期偏向变化信号（第 X 次确认，需要 3 次）"

步骤 4：将粘性偏向传递给信号评分系统
  - 使用粘性偏向（非原始偏向）参与评分
```

### 4.3 粘性偏向的效果

| 场景 | 原版行为 | 优化版行为 |
|------|---------|---------|
| 震荡行情中偏向频繁切换 | 每根K线都可能切换，产生大量反向信号 | 需要连续3次确认，过滤震荡噪音 |
| 真实趋势转换 | 立即切换，可能误判 | 延迟3根K线确认，但更可靠 |
| 大行情中的偏向确认 | 即时 | 延迟约 30 分钟（10m×3） |

> **权衡**：粘性偏向会延迟约 30 分钟（10m 周期）的偏向切换，但可以避免 80% 以上的震荡假切换。对于趋势交易而言，这是值得的权衡。

---

## 五、高波动期自动调整流程

### 5.1 高波动期检测

```
每根 1h K 线收线时执行：

步骤 1：计算最近 4 根 1h K 线的 ATR（平均真实波动幅度）
  - ATR = 平均值（High - Low，Close - PrevClose 的最大值）

步骤 2：计算 ATR 占价格的比例
  - ATR比例 = ATR / 当前价格 × 100%

步骤 3：判断市场状态
  - ATR比例 < 1.5%：正常市场，使用标准阈值
  - ATR比例 1.5% - 3.0%：轻度高波动，阈值上调 25%
  - ATR比例 > 3.0%：高波动期，阈值上调 50%，执行阈值提高 1 分

步骤 4：更新全局市场状态标志
  - 将市场状态传递给所有信号计算函数
```

### 5.2 高波动期参数调整示例（BTC/10m）

| 市场状态 | ATR比例 | EWO有效阈值 | 执行阈值 | 仓位上限 |
|---------|---------|------------|---------|---------|
| 正常 | <1.5% | 15.0 | 6分 | 100% |
| 轻度高波动 | 1.5-3% | 18.75 | 6分 | 70% |
| 高波动期 | >3% | 22.5 | 7分 | 50% |

---

## 六、在 indicators.ts 中的落地位置说明

> **注意**：本节只说明逻辑位置，不提供具体代码实现。

### 6.1 需要修改的函数位置

**位置 1：EWO 颜色判断函数（约第 470-490 行）**

当前逻辑：判断 EWO 从负变正（或正变负），直接记录颜色变化。

需要新增的逻辑：
1. 在颜色变化判断之后，立即计算穿越幅度
2. 查询当前品种+周期的阈值配置（需要新增一个配置对象）
3. 幅度不足则跳过后续评分逻辑
4. 幅度足够则继续，并计算阶段持续 K 线数

**位置 2：信号评分函数（约第 520-580 行）**

当前逻辑：EWO 穿越直接给 ±2 分。

需要新增的逻辑：
1. 接收来自位置 1 的 EWO 子评分（可能是 0/1/2/3/4）
2. 替换原有的固定 ±2 分逻辑

**位置 3：大周期偏向计算函数（约第 310-340 行）**

当前逻辑：每根 K 线重新计算偏向，立即生效。

需要新增的逻辑：
1. 新增 `confirmCount` 状态变量（需要持久化到 K 线数据中）
2. 实现粘性偏向逻辑（连续 3 次确认才切换）

**位置 4：新增全局配置对象（文件顶部）**

需要新增一个配置对象，存储各品种各周期的阈值参数，便于后续维护和调整。

### 6.2 新增配置对象结构说明

配置对象应包含以下字段：

```
品种标识符（如 "BTC", "ETH", "SOL"）
  └── 周期标识符（如 "10m", "1h", "4h"）
       ├── 阈值类型（"absolute" 或 "relative"）
       ├── 有效阈值（数值）
       ├── 强力阈值（数值）
       ├── 最短阶段K线数（整数）
       └── 执行阈值（整数，覆盖全局默认值）
```

---

## 七、测试验证流程

### 7.1 单元测试用例

在落地修改后，应使用以下测试用例验证逻辑正确性：

| 测试用例 | 输入 | 预期输出 |
|---------|------|---------|
| BTC 强力穿越 | EWO: -29→+33，持续27根 | EWO子评分 +3 |
| SOL 微弱穿越 | EWO: -0.037→+0.007，SOL价格$175 | EWO子评分 +2（临界通过）|
| SOL 不足穿越 | EWO: -0.020→+0.003，SOL价格$175 | 信号丢弃 |
| DOGE 强力穿越 | EWO幅度0.20%，DOGE价格$0.15 | EWO子评分 +4 |
| BTC 短阶段穿越 | EWO穿越，上一阶段仅5根K线 | EWO子评分 +1（降级）|
| 大周期偏向切换 | 连续2次反向信号 | 维持原偏向 |
| 大周期偏向切换 | 连续3次反向信号 | 切换到新偏向 |

### 7.2 回测验证步骤

1. 选取 2025 年 1 月至 12 月的历史 K 线数据
2. 分别用原版逻辑和优化版逻辑运行信号生成
3. 统计信号数量、胜率、盈亏比
4. 对比两版本的差异，确认优化效果符合预期
5. 特别关注 2025-04-07（关税战）和 2025-12-19（美联储鹰派）两个极端事件

---

## 八、落地优先级与时间规划

| 优先级 | 修改项 | 预计工作量 | 预期收益 |
|--------|--------|---------|---------|
| P0（本周） | BTC/ETH EWO 幅度过滤 | 2-3 小时 | 胜率提升 10pp |
| P0（本周） | SOL/DOGE 相对阈值 | 2-3 小时 | 胜率提升 15pp |
| P1（下周） | 阶段持续过滤 | 4-6 小时 | 信号质量提升 |
| P1（下周） | 大周期偏向粘性 | 4-6 小时 | 减少反向信号 |
| P2（本月） | 高波动期自动调整 | 8-12 小时 | 极端行情保护 |
| P2（本月） | 全局配置对象 | 4-6 小时 | 便于维护 |

---

## 参考文献

[1] tradehk/client/src/lib/indicators.ts — EWO 信号生成核心逻辑（第 470-590 行）
[2] tradehk/shared/types.ts — 信号类型定义
[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。

---