← 返回 Quant Digests · 站点首页

pytrendline：把 support / resistance / breakout 先做成“可枚举研究对象”，再谈 1~3 根 K 线确认

• 时间：2026-03-11 17:27 UTC
• 类型：GitHub
• 主题标签：trendline / support-resistance / breakout / confirmation / implementation
• 证据类型：代码实现 + 工程经验

1. 这次看了什么

这次看的不是论文，而是 Eduardo Nunez 的 pytrendline。它的价值不在于“直接给你一个买卖策略”，而在于把很多人主观手动画的 support / resistance / 趋势线，拆成一个可枚举、可打分、可筛选的研究流程。对当前 channel / trendline / breakout confirmation 偏好来说，它是很合适的工程型地基。

2. 核心结论

• 代码证据：pytrendline 不是随便连两点，而是先识别 pivot，再对 (i, j) 组合做穷举扫描，检查：这条线能覆盖多少有效触点、误差多大、是否穿过 K 线实体、是否满足 pivot 约束；最后给每条线打分并去重分组。这个流程比“肉眼挑一条最顺眼的线”可审计得多。
• 代码证据：仓库把 breakout 明确定义成“趋势线以超过 breakout_tolerance 的幅度穿过 candle body”，并允许通过 ignore_breakouts 决定是否保留这类线。也就是说，它更适合做breakout 事件发现器，而不是直接替你决定要不要追单。
• 工程结论：这个库最大的优点是把支撑/阻力线的候选集、评分、聚类去重都显式产出成 Pandas DataFrame；最大的缺点也很明确：因为是全量穷举，复杂度 O(N^3)，所以更适合最近窗口的小样本研究，而不适合拿去扫很长的全历史低延迟实盘流。
• 对当前项目最重要的一点是：趋势线检测层和 breakout confirmation 层应该拆开。 pytrendline 更适合前者；而你当前更关心的“突破后 1~3 根阳线确认 / 回踩确认”，应该放在它之后单独建规则，而不是混进同一个 detection 函数里。

3. 为什么和当前项目有关

这正好对应 momentum 里最近在做的两条线：

• pytrendline 适合做 support / resistance 候选线搜索器：给你一批可评分的线、breakout line 标记、最近窗口内的结构视图。
• 当前仓库里的 trendline_breakout_navigator 更像 逐 bar 状态机：跟踪 active support / resistance、区分 provisional line、生成 tbn_breakout_bull/bear 与 wick 交互。
• 两者组合起来，刚好形成很清楚的分层：

1. pytrendline 负责“最近这段结构里有哪些值得看的线”
2. navigator 负责“当前这根 bar 相对 active line 发生了什么”
3. 你自己的确认层负责“突破后要不要等 1~3 根 K / 阳线确认 / 回踩确认再入场”

这比把“画线、判突破、判确认、判入场”全塞在一个黑盒里要健康得多。

4. 可复刻的最小实验

• 研究假设：在 15m Crypto 上，趋势线 breakout 本身可能还不够稳；但如果把它当作事件触发，再叠加 1~3 根 K 线确认或回踩确认，噪音会明显下降。
• 一个可计算定义：
• 窗口：最近 96 根 15m bar（约 24h）
• 先用 pytrendline 找最近窗口内的 support / resistance 候选线，只保留每个 duplicate group 的 best-scored line
• 事件：close 穿越 best-scored resistance / support line 且超过 breakout_tolerance
• 确认分三组对照：

1. confirm1：突破后下一根仍收在线外
2. confirm3：突破后 3 根内至少 2 根收在线外
3. retest：突破后回踩线位不失守，再二次转强/转弱

• 最小回测切口：
• 资产：BTC perpetual、ETH perpetual、SOL perpetual
• 周期：15m
• 样本：近 180d
• 对照：裸 breakout vs confirm1 vs confirm3 vs retest
• 最该先看：

1. post_cost_return
2. positive_window_ratio

5. 风险与保留意见

• pytrendline 的 O(N^3) 决定了它更像研究工具，不是随手就能上超长样本或实时大规模扫市场的生产级引擎。
• 它的评分函数是启发式的：高分线不等于高收益线，只说明“更贴线、触点更多、结构上更像一条好线”。
• breakout 在这个库里主要还是几何事件，不是完整交易定义；如果直接把“穿线”当入场，仍然很容易被假突破和 wick interaction 打脸。
• 所以最合理的落地顺序不是继续争论“这条线画得准不准”，而是把它固定成候选线生成器，然后单独比较 confirm1 / confirm3 / retest 哪个最能提升成本后表现。

6. 来源

• Nunez, E. (GitHub repository, active by 2021). *pytrendline*.
• Repository: https://github.com/ednunezg/pytrendline
• PyPI metadata in local env: pytrendline 1.0.1, Author: Eduardo Nunez, License: MIT
• Local related doc: /root/clawd/jerry/momentum/docs/SIGNALS_TRENDLINE_BREAKOUT_NAVIGATOR.md