chan-lun-core

缠论结构识别与理论辅助计算库。输入单标的、单周期的行情或结构序列， 输出分型、笔、线段、中枢、背驰、买卖点，以及多级分解和辅助状态。 算法用 Python 实现，第三方依赖只有 numpy 与 pandas；MACD 内置计算。

• 发行名：chan-lun-core；Python 导入名：chan。
• 当前源码版本：0.6.0。安装环境的实际版本以 chan.__version__ 为准。
• 仓库：lushi78778/chan-lun。
• 许可证：MIT。

本库负责结构与指标计算。行情下载、交易日历、复权、跨周期取数、组合管理、 调度和下单由调用方负责。批量入口每次重新计算所提供的完整前缀。

阅读入口

组织方式

采用数据对象＋纯函数＋组合入口，按职责组织：

结构对象已有必要的面向对象表达。一个算法对应一个带 calculate() 的类， 不会自动改善其职责和可测试性，因此现阶段保持函数组合。 track_zs、formation_state 等函数可以计算历史状态，但不会在多次调用间 自动保存上一轮状态。

当前没有 update/reset 实时分析器、共享缓存、行情源基类或策略框架。 以后如需实时增量处理，须另行定义未收盘 bar 更新、同时间替换、历史修订、 确认事件和缓存失效，再逐前缀与批量实现比较。详见 ARCHITECTURE.md。

安装与环境检查

普通 Python 环境

使用将要运行程序的解释器安装，固定版本便于复现：

python -m pip install 'chan-lun-core==0.6.0'
python -c "import chan; print(chan.__version__); print(chan.__file__)"

pip 发行名与 import 名不同，不要安装名为 chan 的其他发行包来替代。 依赖下限为 Python 3.6、numpy 1.14、pandas 0.23。现代本地开发环境与 聚宽旧环境分开准备，兼容性验证范围见后文。

聚宽研究 Notebook

一个安装单元格，保留换行：

import sys
!{sys.executable} -m pip install --user chan-lun-core==0.6.0 --no-cache-dir

如果当前镜像尚未提供 0.6.0，可继续使用已经安装并可导入的 0.4.0。 镜像同步时间不由本库控制；版本不可获取时不要把安装失败当成算法错误。 如能访问 GitHub Release，也可安装指定 wheel：

import sys
!{sys.executable} -m pip install --user https://github.com/lushi78778/chan-lun/releases/download/v0.6.0/chan_lun_core-0.6.0-py3-none-any.whl

离线时，先下载该 wheel 并上传到 Notebook 能读取的目录，再用当前解释器 对实际文件绝对路径执行 -m pip install --user /绝对路径/文件.whl。 保持已有 numpy/pandas，不为安装本库升级聚宽内置环境。

安装后若此前已导入过 chan，重启内核，再在新的单元格确认：

import sys
import chan

print("python:", sys.version.split()[0])
print("chan version:", chan.__version__)
print("chan file:", chan.__file__)
print("has find_bis:", hasattr(chan, "find_bis"))

0.4.0 可以使用其已有基础链与理论模块；analyze_bars、行情校验和 分型力度从 0.4.2 起可用，106课笔标准从 0.4.3 起可用，MACD 防狼从 0.4.4 起可用，底/顶构造从 0.4.5 起可用，板块强弱从 0.5.0 起可用。 下面的完整示例按 0.6.0 编写。冻结研究脚本的原有版本要求另行保留。

chan.__version__ 不存在时

先确认实际导入对象，不要给错误模块手工补版本号：

import sys
import chan

print("python:", sys.version.split()[0])
print("file:", getattr(chan, "__file__", None))
print("path:", list(getattr(chan, "__path__", [])))
print("spec:", getattr(chan, "__spec__", None))
print("version:", getattr(chan, "__version__", None))
print("has find_bis:", hasattr(chan, "find_bis"))

聚宽 Python 3.6 可额外检查安装元数据：

import pkg_resources

try:
    dist = pkg_resources.get_distribution("chan-lun-core")
    print("installed:", dist.version, dist.location)
except pkg_resources.DistributionNotFound:
    print("chan-lun-core: 未安装")

元数据说明发行包已安装，不单独证明 import chan 加载了它。 完整 Chan 工作区提供 tools/diagnose_chan.py，可同时核对运行时路径、 版本、安装元数据和关键公开入口。

从源码开发

本仓库采用 src-layout。包文件在仓库根的 src/chan/，不是仓库根本身。

# 在独立 chan-lun 仓库根运行，使用现代开发解释器
python -m pip install -e .
python -m unittest discover -s tests -p 'test_*.py'

完整 Chan 工作区中，本仓库在 src/chan/，安装命令为 python -m pip install -e ./src/chan。如果显式设置源码导入路径，应该是 工作区的 src/chan/src，不是外层 src 或 src/chan。 构建后端要求现代 setuptools；旧 Python 环境优先安装已构建的 wheel。

快速开始

下面使用合成行情，完整复制后即可运行，无需行情账号：

import math
import json
from datetime import datetime, timedelta
import pandas as pd
from chan import normalize_bars, analyze_bars

closes = [20.0 + 3.0 * math.sin(i / 6.0) + i / 80.0 for i in range(160)]
df = pd.DataFrame({
    "open": closes,
    "close": closes,
    "high": [price + 0.3 for price in closes],
    "low": [price - 0.3 for price in closes],
    "volume": [1000.0] * len(closes),
}, index=[datetime(2025, 1, 1) + timedelta(days=i) for i in range(160)])

bars = normalize_bars(df)
result = analyze_bars(bars)
print("as_of:", result.as_of)
print("分型/笔/线段:", len(result.fxs), len(result.bis), len(result.xds))
print("笔级中枢:", len(result.bi_zss))
print("买点:", result.buy_points)
print("卖点:", result.sell_points)
snapshot = result.to_dict()
json_text = json.dumps(snapshot, ensure_ascii=False, allow_nan=False)

合成数据只演示调用方法，不保证每类结构或信号都会出现。 analyze_bars 提供基础链默认参数；需要自定义 MACD、背驰参数、三买力度 门槛或辅助模块时，使用各模块函数组合。

行情输入契约

标准原始 bar

输入为按时间严格递增的 dict 列表或元组，每条至少含六个字段：

bars = [
    {"dt": "2026-01-05", "open": 10.0, "high": 10.8,
     "low": 9.8, "close": 10.5, "volume": 1000.0},
    {"dt": "2026-01-06", "open": 10.5, "high": 11.0,
     "low": 10.2, "close": 10.7, "volume": 1200.0},
]

支持 date/datetime/pandas.Timestamp；datetime 的 UTC 偏移需保持一致。 字符串可用 YYYY-MM-DD，或带秒的 YYYY-MM-DD HH:MM:SS[.微秒] / YYYY-MM-DDTHH:MM:SS[.微秒]。同一序列不要混用日期与时间、空格与 T、 不同小数精度或不同类型；字符串形式不支持时区后缀。

from chan import validate_bars

validate_bars(bars)  # 合法时无返回值；坏数据抛出异常

validate_bars 不排序、不填充、不去重，不静默删除坏行。 错误容器使用 TypeError，不符合行情契约的行使用 ValueError 并指出位置。 底层算法未统一执行完整校验，直接调用时由调用方保证契约。 正价格限制与当前相对价格力度口径一致；零价、负价资产需要先定义适用口径。

DataFrame 适配

from chan import normalize_bars, bars_to_df

bars = normalize_bars(
    df, dt_col="date", open_col="open", high_col="high",
    low_col="low", close_col="close", volume_col="volume",
    drop_paused=True,
)
restored_df = bars_to_df(bars)

有 dt_col 列时取该列，否则取 index；OHLCV 转为 float，并按时间排序。 默认停牌判据是 volume == 0 且 high == low，满足时剔除。 normalize_bars 是格式适配，不代替完整校验；重复时间、NaN 和价格包络 仍须由 validate_bars 或 analyze_bars 检查。

标的、周期、时区、前复权基准、成交量单位及 bar 是否收盘均由调用方管理。 多标的表须先分组；日线和分钟线分别形成各自的序列。 包含处理后的 NewBar 是形态对象，其首开末收可能落在合并形态区间之外， 不要把原始 OHLC 包络校验直接用于它。

结果与时间语义

AnalysisResult

结果字段不可重新绑定，但内部列表、数组和结构对象可以修改。 每次批量计算独立分配结果；.to_dict() 生成深拷贝，将时间转为字符串、 数组转为列表，适合 JSON 存档。不要把任意底层对象都当成统一 JSON schema。

端点、输入截止与确认时间

as_of 只表示输入截止，不证明最后一根 bar 已经收盘。 分型的中心 K 线时间、笔端点时间、买卖点 dt 表示结构所在位置， 不自动等于当时可识别或可成交的时刻。分型需要右邻确认，包含合并还可能 延长确认等待；未完成的笔、线段和上推结构尾部也会随新数据修订。

历史回放应逐前缀重算，或读取当时存下的可见快照：

from chan import analyze_bars

observed = []
for stop in range(1, len(bars) + 1):
    current = analyze_bars(bars[:stop])
    observed.append((current.as_of, current.to_dict()))

上例说明正确的可见性边界，长样本需要自行控制存储和计算量。 对完整样本最终结果仅按结构端点 dt 过滤，不能还原历史可见状态。 已完成项的前缀一致性也以输入单元稳定、实际可见为前提。

取数截止与前复权基准均锚定观察日；聚宽可能填充未来日期行情，调用方需 钳制 end_date 并再次过滤返回时间。跨周期数据也按对应观察时刻截断。

按观察时点计算与追踪修订（0.5.1 起）

from chan import analyze_at, replay_bars

# bars 已按本观察时点可用的复权因子处理, 并且只包含已收盘bar。
cutoff = bars[-1]["dt"]
current = analyze_at(bars, cutoff, bi_standard="106")
for snapshot in replay_bars(bars, observations=[row["dt"] for row in bars[-20:]]):
    for change in snapshot.changes:
        print(change.kind, change.field, change.first_seen, change.observed_dt)

analyze_at 先筛选原始 dt<=cutoff 行情，再计算包含、MACD 和结构。 截止值与行情时间使用相同类型、字符串格式和 UTC 偏移。未来 OHLCV 不参与计算；完整时间索引仍须有效且严格递增。返回的 as_of 是最后 可见行情时间，可能早于请求截止。行情是否收盘由调用方保证。

replay_bars 逐个观察时间独立计算并返回 ReplaySnapshot，记录分型、 笔和旧买卖候选的 appeared/revised/withdrawn。first_seen 仅是当前 观察网格首次出现时间，不能当作理论确认时间。未完成末笔可能被同向 新极值替换；候选撤销保留在账本中。输入历史版本改变时重新建账本。 账本身份适用于固定输入序列，不是跨重采样或数据修订的全局中枢身份。

本入口不复权。若复权因子随观察时点变化，应分别构造各时点的行情前缀 后调用 analyze_at，不能拿最终复权行情假定其当时可用。跨周期数据也 须按同一实际观察时间截断。完整样本计算后按结构端点筛选不满足此契约。

模块与公开入口

公开函数和结果类可直接 from chan import ...，也可从所属模块导入。 完整导出清单是 chan.__all__；以下按用途列出主要入口，阈值和边界细节 见函数 docstring 与模块测试。

基础识别链：分型、笔、线段、中枢

对快速开始的同一个 df，可分步运行：

from chan import (
    normalize_bars, validate_bars, chan_fx_bi, find_xds, find_zs,
    classify_trend, macd_series, find_trend_bc, find_pan_bc,
    find_buy_points, find_sell_points,
)

# 1. 行情 DataFrame -> 标准 bar 列表
bars = normalize_bars(df)
validate_bars(bars)
new_bars, fxs, bis = chan_fx_bi(bars)
xds = find_xds(bis)
zss = find_zs(bis)
segment_zss = find_zs(xds)
trends = classify_trend(zss)
dif, dea, hist = macd_series(bars)
trend_bc = find_trend_bc(bis, zss, bars, hist=hist)
pan_bc = find_pan_bc(bis, zss, bars, hist=hist)
buys = find_buy_points(bis, zss, trend_bc)
sells = find_sell_points(bis, zss, trend_bc)

NewBar.elements 记录原始 bar 下标；FX.bar_index 是无包含序列下标。 BI.direction 为 up/down，有起止时间、起止值和高低点； XD.mode 为情况 1/2，gg/dd 表达内部极值。

默认成笔标准是81课：MIN_K_GAP=3，两个分型中心在无包含序列的 下标差至少为4。显式选择106课标准：

from chan import analyze_bars, chan_fx_bi

new_bars_106, fxs_106, bis_106 = chan_fx_bi(bars, standard="106")
result_106 = analyze_bars(bars, bi_standard="106")

106课要求两个完整三K分型至少六个无包含 K 线单位，中心端点区间触及 方向相应的原始 MA5；默认间隔为2。直接调用 find_bis(..., standard="106", ma5=...) 时，MA5 必须按每个包含组最后原始下标对齐。 min_k_gap 可另设间隔，但不能取消106课六K单位等条件。

ZS.zd/zg 为中枢边界，gg/dd 为构成波动的最高/最低点；另有 start_dt/end_dt/direction/xd_count/extended_9。 classify_trend 分组保留 zs_list，顶层 zd/zg 是组内首个中枢。 track_zs 事件反映形成、延伸、九段升级、完成与新生，其事件 dt 仍取源单元端点，不自动提供实际确认时间。

边界约定因概念而异：zs 的初始三段要求 ZD < ZG；同级分解和 递归使用闭区间交集，ZD == ZG 可计为交集。不要跨模块抹平这些差异。

背驰与买卖点

MACD 返回 (dif, dea, hist)，hist = 2 * (dif - dea)。 趋势背驰使用相应趋势与创新极值条件下的柱面积比较；盘整背驰另有位置 过滤参数 max_dev=0.15。这些是当前量化识别口径。

不传 trend_bc 时只识别第三类。信号公共字段为 type/dt/price/basis/zs_idx。 三类点另有 power_ratio/zs_zd/zs_zg/pull_start_dt/pull_end_dt/pull_start/pull_end； 二买有 b1_price，二卖有 s1_price。事件按判定顺序返回，需要时间排序时 由调用方显式排序；zs_idx 是本次列表的局部索引，不能用作长期中枢身份。

三类点回抽恰好触边界可接受。默认力度比较使用保留两位小数的比值 > 1； 传入 min_power_ratio=n 改为 >= n。阈值属于工程参数，需要独立验证。

理论覆盖边界：当前 bs 是笔级简化识别，不等同于第101课的完整精确定义。 第101课允许二买低于一买的弱情形，现有“不破一类点”门槛尚未覆盖； second 提供已确认次级走势及上下文的独立条件入口（见下一节）； 一类点、实际走势完成和因果级别的自动识别仍需补强，不能只删除旧 价格门槛扩大输出。

已确认次级走势的二类点（0.5.2 起）

find_second_points 是课53/101的条件判定入口，独立于旧 find_buy_points 和 find_sell_points。它接收已经确认结束的次级走势，允许二买低于一买， 支持小转大没有本级一类点的上下文，并可识别给定因果中枢的二三合一。 每个反转独立使用稳定 context_id，只取第一次反弹和紧接的第一次回试。

from chan import ConfirmedMove, SecondPointContext, find_second_points

# 条件输入示例：调用方已确认这两个次级走势，以及本级一买上下文。
# 这些对象不是由任意两笔自动转换而来。
moves = [
    ConfirmedMove("rise", "sub", "up", "2026-01-01", "2026-01-03",
                  10, 15, 10, 15, "2026-01-04"),
    ConfirmedMove("pull", "sub", "down", "2026-01-03", "2026-01-05",
                  15, 9, 9, 15, "2026-01-06"),
]
context = SecondPointContext("cycle-A", "buy", "main", "sub",
                             "2026-01-01", 10, "2026-01-02")
assert find_second_points(moves, [context], "2026-01-05") == []
point = find_second_points(moves, [context], "2026-01-06")[0]
assert point.strength == "weak"
assert point.dt == "2026-01-05"          # 回试端点
assert point.confirmed_dt == "2026-01-06"  # 可用时间

输出 SecondPoint 保留端点及最晚必要证据的确认时间。原中枢向上首次 离开后回试全程低点不破 ZG 可标 also_third=True，卖点镜像；无额外 力度比门槛。后续中阴结束不会删除此前成立的二类点，但结束后才确认 的点被排除。小转大回试创新低/高时须有当时已确认的盘整背驰证据。

本入口不自动识别一类点、走势完成、级别邻接或因果中枢，也不将旧 笔级候选直接升级为精确点。调用方需用当时前缀/存档确定这些输入； 严禁用全样本 complete=True 给历史端点倒填确认时间。因此自动完整 三类点识别仍需进一步实现，进度与边界登记在正式计划。

同级分解、级别递归与状态

from chan import same_level_decompose, level_up, decompose_levels, level_reading

moves = same_level_decompose(bis)
higher_moves = level_up(moves)
levels = decompose_levels(bis, max_levels=8)
reading = level_reading(levels, at_dt=bars[-1]["dt"]) if bars else []

同级分解与递归是不同规则，不能互相替换。MoveType.complete=False 表示尾部尚未完成，kind='incomplete' 表示没有形成完整走势类别， 两种标记不能混为一谈。

decompose_levels 第1级保留输入单元，以后逐级上推；序号不自动对应 1分钟/5分钟/日线等时间周期。level_reading 按起止端点的闭区间读数， 历史可见性仍要先做前缀计算。

震荡监视器的 center 是 (zd, zg)，单元需有价格区间与方向属性。 BOLL 阈值和震荡估计都是辅助口径，BOLL 提示不等同于 bs 的确认事件。 双级“病情”和“健康”标签相对原走势方向解释，不自动映射为开平仓动作。

力度、转折和均线吻

strength 的短长均线等长，sma_series 暖机段为 None；输入价格需完整。 find_ma_bc 比较已闭合的同向均线面积，use_avg=True 使用平均力度。 avg_strength_state 可描述形成中的面积，不应作为已完成背驰替代品。

find_kisses(short, long, volumes=None, proximity=0.5, min_depth=0.2, flip_confirm=0.5) 返回吻事件。alignment_series 的 up/down 分别表示 短线在长线上方/下方；触零也算湿吻。三个默认比例是对定性描述的量化， 吻本身不自动生成买卖点，需要配合价格结构和背驰。

classify_bc_turn 接收原中枢、后续回拉、原趋势方向；classify_minor_turn 还可接收次级中枢和三类点信息。分类保留必要条件与充分证据的区别。 缺口最终如何回补依赖后续输入；回放时只能使用当时已知行情。

固定两级与任意多级区间套

from chan import confirm_buy3_event_30m

# 以下变量由调用方提供：evt 为三买事件，bars30 为截止目标观察时刻的30m行情
# result30 = confirm_buy3_event_30m(evt, bars30, stale_days=3,
#                                 min_prev_swing_ratio=0.002)

固定30m确认使用段首末 DIF 摆动，端点各顺延两根 K 线吸收 EMA 惯性； MACD 柱面积只作参考。常见返回状态为 confirmed/weak/no_exhaustion/broke/ stale/no_data；找不到相应运行段时也可能出现 none。 note 给出解释，其他字段按判定路径提供，不能假定每次都有完整力度数据。

库默认 stale_days=1（自然日）；历史研究脚本可能明确采用3。 min_prev_swing_ratio 默认为 None；设值后要求对照力度达到最低规模。 三买 zg_tol、三卖 zd_tol 是保留参数，目前不影响判定；实际弱确认 容忍由 weak_tol 控制。二买采用 pierce_tol，不套用三买的离开段逻辑。

调用方必须提前截断传入分钟行情，确认函数不会替调用方统一裁剪所有输入。 取到信号之后的行情可能改变分型确认与末端结构。

任意多级 nested_bc(inputs, strength_fn=None) 从大级别到小级别接收 候选段链；默认力度为 MACD 柱面积，也可注入 strength_fn(bars, move)。 区间不嵌套、未创新极值或力度未衰减等都会使链断开；结果 complete 表示给定证据链成立。BcNestInput.center 仅用于记录，中枢因果关系和 趋势前提需要调用方核对。

分型力度、均线突破与 MACD 防狼

classify_fx_power(b1, b2, b3, direction='top', long_body=0.35, small_body=0.15, shadow=0.25) 假定三K分型已由调用方确定；底分型镜像。 三个比例是形态量化阈值，不是原文给出的通用数值。 classify_fx(fx, new_bars) 是已有分型对象的便捷入口；NewBar 实体是 包含组首开末收的近似，精细原始形态分析优先使用原始 K 线。

ma_break_state(closes, mas, direction, confirm=2) 的观察序列从分型 右邻之后开始；均线先在完整历史上计算再对齐截取。有效突破需连续指定 根数的收盘严格越线，缺测中断连续计数。一旦有效，后续回归不会取消历史 有效记录；有效前的恢复可表现为假突破。

from chan import macd_below_zero, macd_guard_series

assert macd_below_zero(-0.2, -0.1) is True
assert macd_below_zero(0.0, -0.1) is False
assert macd_guard_series([-0.2, None], [-0.1, -0.1]) == [True, None]

触零或跨轴只说明负区判据不成立，不等于重新站稳，也不自动产生买入许可。

底部与顶部构造

from chan import FormationEvent, formation_state

# confirmed_dt 来自逐前缀识别或当时存档，不是全样本结构端点
first = FormationEvent("buy1", "2026-01-05", "day")
events = [FormationEvent("buy3", "2026-01-12", "day", "center-A")]
state = formation_state(first, "center-A", events, as_of="2026-01-10")
assert state.in_formation
assert formation_state(first, "center-A", events, "2026-01-12").phase == "completed"

FormationEvent(kind, confirmed_dt, level, center_id=None) 支持 buy1/sell1/buy3/sell3，level 为非空级别名；三类点需要稳定的中枢身份。 一类点尚不可见时等待，可见后进入构造。同级、同因果中枢的首次三类点 结束该轮构造：底部由三买完成、三卖失败，顶部镜像。

函数只消费 as_of 之前实际确认的事件；未来事件不参与当前判定。 终态保持，同一确认时刻的相冲突三类事件需先去重或消歧，否则拒绝判定。 一类点与因果中枢的关联由调用方提供；分型箱体的粗略底部定义不混入 这个精确走势构造状态。结果类为 FormationState。

均线九类与板块强弱

from chan import ma_strength_class, sector_strength

# 原始历史保留 SMA 暖机；start_index 标记当时确定的本轮反弹起点
a = ma_strength_class([10.0] * 233 + [12.0, 9.0], start_index=233)
b = ma_strength_class([10.0] * 235, start_index=233)
report = sector_strength({"asset-A": a, "asset-B": b})
assert (a.class_no, b.class_no, report.mean_class) == (9, 1, 5.0)

ma_strength_class(closes, start_index, periods=MA_PERIODS, confirm=1) 默认采用 (5, 13, 21, 34, 55, 89, 144, 233) 八条 SMA，得到九个类别。 默认攻克标准为一次收盘严格高于相应均线，可通过 confirm 调整。 保留本轮已攻克历史，后续回落不自动降类；下一轮由调用方明确起点。

已有均线可用 classify_ma_strength(closes, ma_by_period, start_index, confirm=1)。MaClassResult 记录类别、各均线状态和攻克位置。 缺测不当作“从未攻克”；无法判定类别时 class_no=None。

sector_strength 接收唯一成员标识到 MaClassResult 的映射，返回 SectorStrength。成员必须使用相同周期与确认标准；调用方还须保证 观察日期、复权、时间周期和反弹起点定义一致。 均值只统计已知类别，需要同时查看 coverage/valid_count/total_count； 空板块或无有效成员时均值为 None，不填成第1类或0。

测试与开发

源码测试

在独立包仓库根运行：

python -m pip install -e .
python -m unittest discover -s tests -p 'test_*.py'
# 定向检查公开契约和 README 示例
python -m unittest discover -s tests -p 'test_contracts.py'

测试覆盖理论定义分支、退化输入、时间状态、组合入口等价性、输入与 快照隔离、公开导出、版本一致和 Python 3.6 语法。README 的基础链、 批量入口、构造状态和板块强弱示例随契约测试执行。

安装产物验证

源码测试主动使用本仓库源码，不能证明 wheel 包含了全部文件。 构建并安装 wheel 后另行运行隔离检查：

python -m pip install build
python -m build
python -m pip install --force-reinstall --no-deps dist/chan_lun_core-0.6.0-py3-none-any.whl
python -I tools/verify_installed.py

检查导入路径来自安装位置、运行时与元数据版本一致、公开入口完整及 代表性计算可运行。-I 避免源码路径使漏打包问题被掩盖。 不要在源码安装环境中把常规 import chan 的成功当成产物验收。

验证范围与交付

CI 在 Python 3.10/3.13 运行源码与安装产物检查；tag 发布另有 Release 和 PyPI 步骤。Python 3.6 语法检查、现代依赖本地运行、旧解释器旧依赖 实跑、聚宽取数、真实行情、报告显示和研究有效性是不同层次的验证。

聚宽已确认 0.4.0 可安装并导入，但这不代替全部新增算法在该环境的实跑。 新的辅助结果不会自动接入冻结研究脚本或改变策略参数。

0.6.0本地验收包含463项包测试（完整外层工程814项）、wheel/sdist及 隔离安装。真实行情使用ETF历史数据集 v2026-07-31-r2 的十只代表ETF： 26,727根日线与2026年30m；核验读取文件SHA-256，按观察日锚定复权。 2026年1,390个逐交易日观察点通过未来价格扰动和MACD比例前缀检查。 固定输入版本的账本记录123次末笔修订、14次买卖候选撤销，因此这些 候选首次出现不能被解释为永久确认。

真实数据检验的是计算及时间契约；该样本未观察到一类候选用于底/顶 构造、仅有一个可接线的普通二买条件样本，弱二类点与因果中枢的 全部真实分支尚未验证。它不证明理论自动识别完备、交易收益、旧依赖 或聚宽可运行。数据源未提供历史发布版本，无法据此证明历史因子未 被供应方事后修订。详细报告在完整工作区 doc/validation/。

开发分层、原文核验、概念版本和交付流程见 CONTRIBUTING.md。 完整 Chan 工作区的理论进度唯一维护在 doc/缠论理论逐一实现计划.md §6； 本 README 维护用法，版本历史维护公开变化，不另设理论完成状态表。

版本历史

• 0.6.0: 观察时点与二类点条件接口阶段版；含0.5.1/0.5.2能力， 完整测试、真实ETF逐日防未来验收及安装产物检查见外层验证记录。 自动走势完成/因果中枢识别、线段原图审计与均线版买卖组合继续独立推进。

• 0.5.2: 新增已确认次级走势的二类点条件判定，支持弱二类点、 小转大无本级一类点、给定因果中枢的二三合一与中阴时间边界。

• 0.5.1: 新增 analyze_at/replay_bars，按原始行情截止后计算，记录 首次观察、修订与撤销；候选首次出现与理论确认明确分开。

• 0.5.0: 阶段4已交付范围验收; 新增106课均线九类与板块强弱 classify_ma_strength/ma_strength_class/sector_strength, 显式本轮 起点、因果SMA、缺测状态及均值覆盖率。安装产物进入CI独立导入验收。

• 0.4.5: 底部/顶部构造状态(课108), formation_state 按同级同因果 中枢的首次三类点结束构造。FormationEvent.confirmed_dt 为实际确认 时间, 不能用全样本结构端点代替; 分型箱体辅助定义另行处理。

• 0.4.4: MACD零轴防狼术(课103), macd_below_zero(dif, dea) 与 macd_guard_series 返回双线严格负区的布尔判据, 缺测为None。 触零/跨轴不等于重新站稳, 不直接生成买入许可。

• 0.4.3: 可选106课笔标准 chan_fx_bi(bars, standard="106"): 两个完整无包含三K分型至少六K单位、端点区间至少触及原始MA5。 默认仍为81课标准; 包含组均线按最后原始下标对齐。 analyze_bars(..., bi_standard="106") 与 chan_bis_xds(..., standard="106") 支持显式选择, 未完成尾笔仍可能延伸。

• 0.4.2: 分型力度(课79/82), 三K线形态四档与底分型镜像、包含标签, 以及收盘对均线的历史确认状态。定性形态采用可配置工程阈值; 有效破均线不保证成笔。公开入口 classify_fx_power/classify_fx/ma_break_state。

• 0.4.1: 均线吻系统(课11/12)，体位与飞吻/唇吻/湿吻分类。

• 0.4.0: 动力学补强，包含均线趋势力度、背驰转折分类、小转大与多级区间套。

• 0.3.0: 走势状态与监视，包含中阴、震荡监视、表里关系和多级记数法分解。

• 0.2.0: 形态学主干补强，包含缺口、中枢状态、同级分解与级别递归。

• 0.1.10(冻结基线): LICENSE 版权人更新为 lushi78778; 版本历史与文档措辞清理(去决策归因表述);

• 0.1.9:发布元数据维护; license 改 PEP 639 SPDX 表达式 MIT(pip show 显示 License: MIT 而非内联全文), LICENSE 文件仍随包分发; Home-page 为 PEP 621 旧字段, 现代规范用 Project-URL Homepage(已指向 GitHub 仓库, PyPI 页面可见);

• 0.1.8:正确性/健壮性——classify_trend 补方向一致性判定(反向中枢不再误并趋势); bc.ema/macd_series/find_trend_bc 空输入防护; confirm_buy3/3_30m 的 zg_tol/zd_tol 标注为保留参数(文档如实化); stale_days 文档与默认值表述澄清;

• 0.1.7:通用完善——chan 顶层导出全部公开 API (__all__, from chan import find_zs 可用);全模块补 3.6 兼容 typing 注解与详细 docstring(参数/返回结构/规则边界逐条说明); find_bis 新增 min_k_gap 参数(默认行为不变);classify_trend 新增 zs_list(组内全部中枢明细,旧字段保留);

• 0.1.6:新增二买 30m 轻量确认 confirm_buy2_30m、 三买/三卖事件桥接 confirm_buy3_event_30m / confirm_sell3_event_30m、 二买/二卖事件补 b1_price/s1_price 字段、三买/三卖力度过滤 参数化 min_power_ratio(默认行为不变,向后兼容);

• 0.1.5:详细版 README(全模块 API/数据约定/防未来函数/状态表);

• 0.1.4:发行名 chan-lun-core(PyPI 拒绝 chan-lun: 与现有 chanlun 名称过于相似),GitHub Release + PyPI 双发布打通;

• 0.1.3:首次 PyPI 发布尝试,因发行名冲突被 PyPI 拒绝(GitHub Release 保留);

• 0.1.2:仓库改为标准 src-layout(PyPA 官方布局);

• 0.1.0 / 0.1.1:早期布局(GitHub Release 保留)。

免责声明

本库仅用于研究与学习。缠论信号是对价格结构的客观描述,不构成任何投资建议; 交易有风险,使用本库产生的一切后果由使用者自行承担。

许可证

MIT,见 LICENSE。