← 返回 Deep Dives · 站点首页

Deep Dive — Repo: GregoryMorse/trendln

2026-03-11 GitHub 仓库拆解 support-resistance / trendline / structural-alpha / tooling 当前相关性：高

源文件：research/deep_dives/2026-03-11_trendln-repo-deep-dive.md

  • 时间：2026-03-11
  • 类型：GitHub 仓库拆解
  • 主题标签：support-resistance / trendline / structural-alpha / tooling
  • 当前相关性：高

1. 这个仓库到底是干什么的

trendln 的定位非常直接：

> 程序化计算 support / resistance trend lines

它不是完整交易系统，不是回测框架，也不是信号工厂。 它最核心的价值是：

  • 找局部 extrema
  • 在这些 extrema 基础上找 support / resistance trend lines
  • 给出可画图、可筛选、可统计分析的趋势线结果

如果你现在最关心的是：

  • 平行通道识别
  • 支撑阻力位
  • 趋势线突破

那 trendln 值得看，因为它偏“结构线识别工具”。

2. README 暴露出来的核心功能

从仓库 README 可以明确看到这些功能点：

2.1 calc_support_resistance(...)

这是它的核心入口。

支持输入：

  • 单一时间序列
  • (support_series, resistance_series) 二元组
  • 比如 low/high 拆开传入

输出会包含：

  • minima / maxima indices
  • 价格点集合
  • trend lines
  • windows / grouping 结果

这说明它不是只给一条线，而是给一整组支持后续分析的结构信息。

2.2 extrema detection methods

README 里提到多种 extrema 提取方法，例如：

  • METHOD_NAIVE
  • METHOD_NAIVECONSEC
  • METHOD_NUMDIFF（默认，数值微分）

这很重要，因为： 支撑阻力线的质量，很大程度取决于 extrema 抽取质量。

2.3 trendline search methods

README 提到多种趋势线搜索方式：

  • METHOD_NCUBED
  • METHOD_NSQUREDLOGN（默认，较快）
  • METHOD_HOUGHPOINTS
  • METHOD_HOUGHLINES
  • METHOD_PROBHOUGH

这说明它不只是“画线”，而是提供了不同的几何搜索/近似方法。

2.4 tuning knobs

README 里可以看到一些非常值得研究的参数：

  • window
  • errpct
  • hough_scale

这意味着 trendln 更像一个研究平台，而不是“一键给答案”的黑箱。

3. 这个仓库适合你学什么

A. 支撑阻力线识别的“工程拆法”

它把问题拆成：

  1. extrema 怎么提
  2. 线怎么搜索
  3. 线如何合并/过滤

这套拆法很值得你学，因为后面你做通道也离不开这三步。

B. 不要把支撑阻力当作单点价格

trendln 的思路更接近：

  • 支撑阻力是一条结构线
  • 不是一个孤立价格标签

这对于你后面研究 breakout confirmation 很关键： 你要确认的，往往不是单点价位，而是对一条结构边界的有效突破。

C. 通道识别可以看成“成对趋势线问题”

虽然 trendln 主要讲 trend lines，不直接给你“平行通道策略”，但你完全可以把它扩展为：

  • 下轨 support line
  • 上轨 resistance line
  • 两条线斜率相近时，视作 channel 候选

4. 这个仓库不擅长什么

这点也很重要。

不擅长 1：逐 bar 交易状态机

它不是专门为“每根 K 线都输出当前 active line / breakout 状态”设计的。

不擅长 2：confirmation logic

它本身不直接回答：

  • 突破后几根确认
  • 回踩确认
  • 假突破过滤

不擅长 3：高频长样本实时扫描

虽然 README 提到较快算法，但如果你要在超长样本、全市场、短周期上实时跑，仍然要非常小心性能。

5. 它和你当前项目怎么结合

目前 momentum 项目更偏三类能力：

  • 指标/因子模块
  • signal state machine
  • report / backtest pipeline

trendln 最适合作为：

角色 1：结构识别层

用于生成：

  • support candidate lines
  • resistance candidate lines
  • slope / line quality / window-level features

角色 2：channel 候选生成器

你可以进一步定义：

  • 两条近似平行的 support / resistance lines
  • 形成 channel
  • 再在上层去定义 breakout / confirmation

角色 3：研究工具，而不是最终交易引擎

更合理的路线是：

  • 用 trendln 学会如何找结构线
  • 然后在你自己的项目里做轻量、bar-by-bar、可因果的 clean 版本

6. 如果你要复用，最值得抽哪些概念

概念 1：extrema 先行

先有可靠 extrema，后有可靠线。

概念 2：line search 与 line quality 分开

不要只看“有没有线”，还要记录：

  • 误差
  • 支撑点数
  • 斜率稳定性
  • 重复线合并后得分

概念 3：channel = pair of lines + width stability

平行通道不应该只是“看起来像”，而应明确：

  • slope difference 小
  • width 在窗口内相对稳定
  • 上下轨各自至少有足够 touch points

7. 一个适合你项目的最小改造方案

目标

把 trendln 的思路翻译成你项目里的结构特征，而不是直接依赖它输出买卖点。

最小可实现输出

对每个分析窗口输出：

  • support_slope
  • resistance_slope
  • channel_width_mean
  • channel_width_std
  • support_touch_count
  • resistance_touch_count
  • is_parallel_channel
  • breakout_distance_over_upper

然后上层再做信号

  • close > upper_channel
  • close_confirm_bars >= 1
  • retest_hold == True

8. 你现在学它时最该避免的坑

  • 不要把趋势线识别结果直接当作交易信号。
  • 不要忽略 lookback window 对线的位置与斜率的影响。
  • 不要忽略不同 extrema 方法带来的结果跳变。
  • 不要一上来就在 15m 全量样本里暴力扫描全市场全参数。

9. 我对 trendln 的最终评价

如果你问我它对你值不值得学，我会说：

值得，但它更像“结构线识别教材/工具库”，不是你最终策略的可直接落地内核。

你最该学的是它怎么把“支撑阻力线”问题拆成：

  • extrema
  • line search
  • line quality
  • visualization

10. 来源