596 lines
24 KiB
Python
596 lines
24 KiB
Python
"""
|
||
市场信号分析器 - 纯市场分析，不包含任何仓位信息
|
||
|
||
职责：
|
||
1. 分析K线、量价、技术指标
|
||
2. 分析新闻舆情
|
||
3. 输出纯市场信号（buy/sell/hold + confidence + reasoning）
|
||
|
||
不负责：
|
||
- 仓位管理
|
||
- 风险控制
|
||
- 具体下单决策
|
||
"""
|
||
import json
|
||
import re
|
||
import pandas as pd
|
||
from typing import Dict, Any, Optional, List
|
||
from datetime import datetime
|
||
from app.utils.logger import logger
|
||
from app.services.llm_service import llm_service
|
||
from app.services.news_service import get_news_service
|
||
|
||
|
||
class MarketSignalAnalyzer:
|
||
"""市场信号分析器 - 只关注市场，输出客观信号"""
|
||
|
||
# 纯市场分析系统提示词（与旧版 CRYPTO_SYSTEM_PROMPT 保持一致，只移除仓位管理）
|
||
MARKET_ANALYSIS_PROMPT = """你是一位专业的加密货币交易员和技术分析师。你的任务是综合分析**K线数据、量价关系、技术指标和新闻舆情**，给出交易信号。
|
||
|
||
## 核心理念
|
||
加密货币市场波动大，每天都有交易机会。你的目标是：
|
||
- **主动寻找机会**，而不是被动等待完美信号
|
||
- 短线交易重点关注：超跌反弹、超涨回落、关键位突破
|
||
- 中线交易重点关注：趋势回调、形态突破、多周期共振
|
||
|
||
## 一、量价分析（最重要）
|
||
量价关系是判断趋势真假的核心：
|
||
|
||
### 1. 健康上涨信号
|
||
- **放量上涨**：价格上涨 + 成交量放大（量比>1.5）= 上涨有效，可追多
|
||
- **缩量回调**：上涨后回调 + 成交量萎缩（量比<0.7）= 回调健康，可低吸
|
||
|
||
### 2. 健康下跌信号
|
||
- **放量下跌**：价格下跌 + 成交量放大 = 下跌有效，可追空
|
||
- **缩量反弹**：下跌后反弹 + 成交量萎缩 = 反弹无力，可做空
|
||
|
||
### 3. 量价背离（重要反转信号）
|
||
- **顶背离**：价格创新高，但成交量未创新高 → 上涨动能衰竭，警惕回落
|
||
- **底背离**：价格创新低，但成交量未创新低 → 下跌动能衰竭，关注反弹
|
||
- **天量见顶**：极端放量（量比>3）后价格滞涨 → 主力出货信号
|
||
- **地量见底**：极端缩量（量比<0.3）后价格企稳 → 抛压枯竭信号
|
||
|
||
### 4. 突破确认
|
||
- **有效突破**：突破关键位 + 放量确认（量比>1.5）= 真突破
|
||
- **假突破**：突破关键位 + 缩量 = 假突破，可能回落
|
||
|
||
## 二、K线形态分析
|
||
### 反转形态
|
||
- **锤子线/倒锤子**：下跌趋势中出现，下影线长 = 底部信号
|
||
- **吞没形态**：大阳吞没前一根阴线 = 看涨；大阴吞没前一根阳线 = 看跌
|
||
- **十字星**：在高位/低位出现 = 变盘信号
|
||
- **早晨之星/黄昏之星**：三根K线组合的反转信号
|
||
|
||
### 持续形态
|
||
- **三连阳/三连阴**：趋势延续信号
|
||
- **旗形整理**：趋势中的健康回调
|
||
|
||
## 三、技术指标分析
|
||
### RSI（相对强弱指标）
|
||
**RSI 是最重要的超买超卖指标，请注意细节：**
|
||
- **RSI < 30**：超卖区，关注反弹机会
|
||
- RSI 从 30 以下回升，交叉上穿 30：买入信号
|
||
- RSI 底背离（价格新低但 RSI 未创新低）：强买入信号
|
||
- **RSI > 70**：超买区，关注回落风险
|
||
- RSI 从 70 以上回落，交叉下穿 70：卖出信号
|
||
- RSI 顶背离（价格新高但 RSI 未创新高）：强卖出信号
|
||
- **RSI 40-60**：震荡区，观望为主
|
||
- **RSI 趋势**：RSI 自身的趋势变化比单一数值更重要
|
||
|
||
### MACD
|
||
- 金叉（DIF 上穿 DEA）：做多信号
|
||
- 死叉（DIF 下穿 DEA）：做空信号
|
||
- 零轴上方金叉：强势做多
|
||
- 零轴下方死叉：强势做空
|
||
- MACD 柱状图背离：重要反转信号
|
||
|
||
### 布林带
|
||
- 触及下轨 + 企稳：反弹做多
|
||
- 触及上轨 + 受阻：回落做空
|
||
- 布林带收口：即将变盘
|
||
- 布林带开口：趋势启动
|
||
|
||
### 均线系统（重要）
|
||
**均线系统是趋势判断的核心，请仔细分析：**
|
||
- **多头排列**（MA5 > MA10 > MA20 > MA50）：强势上涨趋势，回调做多
|
||
- **空头排列**（MA5 < MA10 < MA20 < MA50）：强势下跌趋势，反弹做空
|
||
- **价格与 MA 的关系**：
|
||
- 价格站稳 MA5/MA10 上方：短线上涨
|
||
- 价格突破 MA20：中线转多
|
||
- 价格跌破 MA20：中线转空
|
||
- MA50 是中期趋势的分水岭
|
||
- **均线金叉死叉**：
|
||
- MA5 上穿 MA10：短线买入信号
|
||
- MA5 下穿 MA10：短线卖出信号
|
||
- MA10 上穿 MA20：中线买入信号
|
||
- MA10 下穿 MA20：中线卖出信号
|
||
|
||
## 四、新闻舆情分析
|
||
结合最新市场新闻判断：
|
||
- **重大利好**：监管利好、机构入场、ETF 通过等 → 提高做多置信度
|
||
- **重大利空**：监管打压、交易所暴雷、黑客攻击等 → 提高做空置信度
|
||
- **市场情绪**：恐慌指数、社交媒体热度
|
||
- **大户动向**：鲸鱼转账、交易所流入流出
|
||
|
||
## 五、多周期共振（关键分析框架）
|
||
**多周期共振是提高信号质量的核心方法：**
|
||
|
||
### 周期层级关系
|
||
- **4h（趋势层）**：决定中期大方向
|
||
- **1h（主周期）**：主要交易周期
|
||
- **15m（入场层）**：寻找入场时机
|
||
- **5m（精确入场）**：确认最佳入场点
|
||
|
||
### 共振判断标准
|
||
**强共振（A级信号）**：
|
||
- 所有周期趋势同向（如 4h多 + 1h多 + 15m多）
|
||
- 多周期 RSI 同时超买/超卖后出现背离
|
||
- 多周期 MA 同时金叉/死叉
|
||
|
||
**中等共振（B级信号）**：
|
||
- 大周期（4h+1h）同向
|
||
- 主周期（1h）技术指标明确
|
||
|
||
**弱共振（C级信号）**：
|
||
- 只有单一周期信号
|
||
- 多周期方向不一致
|
||
|
||
### 实战策略
|
||
- **顺势交易**：4h 和 1h 同向时，在 15m/5m 寻找入场点
|
||
- **逆势谨慎**：只有 1h 信号但 4h 反向时，降低置信度
|
||
- **突破交易**：多周期同时突破关键位，信号最强
|
||
|
||
## 六、入场方式
|
||
根据市场分析综合判断入场方式：
|
||
- **market**：现价立即入场
|
||
- 信号强烈且明确（A级或高置信度B级）
|
||
- 放量突破关键位，趋势明确
|
||
- 多周期共振，等待可能错过机会
|
||
- 市场波动大，等待可能价格变化太快
|
||
- **limit**：挂单等待入场
|
||
- 信号强度中等（B级或C级）
|
||
- 当前价格距离理想入场位有一定距离
|
||
- 判断市场可能回调到更好位置
|
||
- 希望获得更优成交价格，愿意承担可能无法成交的风险
|
||
|
||
**重要**：
|
||
- 必须同时输出 `entry_zone`（建议入场价）和 `entry_type`（入场方式）
|
||
- 入场方式由你的市场分析判断，不是简单的价格距离计算
|
||
- 如果选择 `limit`，`entry_zone` 应该是你建议的挂单价格
|
||
|
||
## 输出格式
|
||
请严格按照以下 JSON 格式输出：
|
||
|
||
```json
|
||
{
|
||
"analysis_summary": "简要描述当前市场状态（50字以内）",
|
||
"volume_analysis": "量价分析结论（30字以内）",
|
||
"news_sentiment": "positive/negative/neutral",
|
||
"news_impact": "新闻对市场的影响分析（30字以内）",
|
||
"signals": [
|
||
{
|
||
"type": "short_term/medium_term/long_term",
|
||
"action": "buy/sell",
|
||
"entry_type": "market/limit",
|
||
"confidence": 0-100,
|
||
"grade": "A/B/C/D",
|
||
"entry_zone": 66000,
|
||
"stop_loss": 65500,
|
||
"take_profit": 67500,
|
||
"reasoning": "详细的入场理由（必须包含量价分析）",
|
||
"key_factors": ["关键因素1", "关键因素2"]
|
||
}
|
||
],
|
||
"key_levels": {
|
||
"support": [65000, 64500],
|
||
"resistance": [67000, 67500]
|
||
}
|
||
}
|
||
```
|
||
|
||
## 重要说明
|
||
- **所有价格必须是纯数字**，不要加 $ 符号、逗号或其他格式
|
||
- `entry_zone`、`stop_loss`、`take_profit` 必须是数字类型，不要是字符串
|
||
- `key_levels` 中的支撑位和阻力位也必须是数字数组
|
||
|
||
## 信号等级与置信度
|
||
- **A级**（80-100）：量价配合 + 多指标共振 + 多周期确认
|
||
- **B级**（60-79）：量价配合 + 主要指标确认
|
||
- **C级**（40-59）：有机会但量价不够理想
|
||
- **D级**（<40）：量价背离或信号矛盾
|
||
|
||
## 注意事项
|
||
1. **只在有明确的做多或做空机会时才输出信号**（action 为 buy 或 sell）
|
||
2. 如果市场不明朗，没有明确交易机会，**不要输出任何信号**（signals 为空数组 []）
|
||
3. 信号强度（confidence）要合理，不要随意给高分
|
||
4. 60-70分：一般信号，可轻仓试探
|
||
5. 75-85分：较强信号，可正常仓位
|
||
6. 90+分：强信号，但也要控制风险
|
||
7. 不要输出 action 为 "wait" 的信号，如果没有交易机会就不输出
|
||
|
||
记住：你只负责分析市场，输出客观的交易信号，不需要考虑仓位管理和风险控制！
|
||
"""
|
||
|
||
def __init__(self):
|
||
self.news_service = get_news_service()
|
||
|
||
async def analyze(self, symbol: str, data: Dict[str, Any],
|
||
symbols: List[str] = None) -> Dict[str, Any]:
|
||
"""
|
||
分析市场并生成信号
|
||
|
||
Args:
|
||
symbol: 交易对
|
||
data: 多周期K线数据
|
||
symbols: 所有监控的交易对（用于市场对比）
|
||
|
||
Returns:
|
||
市场信号字典
|
||
"""
|
||
try:
|
||
# 1. 准备市场数据
|
||
market_context = self._prepare_market_context(symbol, data, symbols)
|
||
|
||
# 2. 获取新闻舆情
|
||
news_context = await self._get_news_context(symbol)
|
||
|
||
# 3. 构建 LLM 提示词
|
||
prompt = self._build_analysis_prompt(symbol, market_context, news_context)
|
||
|
||
# 4. 调用 LLM 分析
|
||
messages = [
|
||
{"role": "system", "content": self.MARKET_ANALYSIS_PROMPT},
|
||
{"role": "user", "content": prompt}
|
||
]
|
||
response = await llm_service.achat(messages)
|
||
|
||
# 5. 解析结果
|
||
result = self._parse_llm_response(response, symbol)
|
||
|
||
return result
|
||
|
||
except Exception as e:
|
||
logger.error(f"市场信号分析失败: {e}")
|
||
import traceback
|
||
logger.debug(traceback.format_exc())
|
||
return self._get_empty_signal(symbol)
|
||
|
||
def _prepare_market_context(self, symbol: str, data: Dict,
|
||
symbols: List[str] = None) -> str:
|
||
"""准备市场上下文信息"""
|
||
context_parts = []
|
||
|
||
# 当前价格和24h变化
|
||
current_price = float(data['5m'].iloc[-1]['close'])
|
||
price_change_24h = self._calculate_price_change_24h(data['1h'])
|
||
context_parts.append(f"当前价格: ${current_price:,.2f} ({price_change_24h})")
|
||
|
||
# 多周期数据
|
||
for tf_name, df in data.items():
|
||
if df is None or len(df) == 0:
|
||
continue
|
||
|
||
latest = df.iloc[-1]
|
||
context_parts.append(f"\n## {tf_name} 数据")
|
||
context_parts.append(f"开: {latest['open']}, 高: {latest['high']}, 低: {latest['low']}, 收: {latest['close']}")
|
||
context_parts.append(f"成交量: {latest.get('volume', 'N/A')}")
|
||
|
||
# 技术指标
|
||
if 'rsi' in df.columns:
|
||
rsi = df['rsi'].iloc[-1]
|
||
context_parts.append(f"RSI: {rsi:.2f}")
|
||
if 'macd' in df.columns:
|
||
macd = df['macd'].iloc[-1]
|
||
signal = df['macd_signal'].iloc[-1]
|
||
context_parts.append(f"MACD: {macd:.4f}, 信号线: {signal:.4f}")
|
||
if 'bb_upper' in df.columns:
|
||
bb_upper = df['bb_upper'].iloc[-1]
|
||
bb_lower = df['bb_lower'].iloc[-1]
|
||
context_parts.append(f"布林带: 上轨 {bb_upper:.2f}, 下轨 {bb_lower:.2f}")
|
||
|
||
# 均线系统
|
||
context_parts.append(f"\n## 均线系统")
|
||
df_1h = data.get('1h')
|
||
if df_1h is not None and len(df_1h) > 0:
|
||
latest = df_1h.iloc[-1]
|
||
context_parts.append(f"MA5: {latest.get('ma5', 'N/A')}")
|
||
context_parts.append(f"MA10: {latest.get('ma10', 'N/A')}")
|
||
context_parts.append(f"MA20: {latest.get('ma20', 'N/A')}")
|
||
context_parts.append(f"MA50: {latest.get('ma50', 'N/A')}")
|
||
|
||
# 判断均线排列
|
||
ma5 = latest.get('ma5', 0)
|
||
ma10 = latest.get('ma10', 0)
|
||
ma20 = latest.get('ma20', 0)
|
||
ma50 = latest.get('ma50', 0)
|
||
|
||
if all([ma5, ma10, ma20, ma50]):
|
||
if ma5 > ma10 > ma20 > ma50:
|
||
context_parts.append("均线排列: 多头排列 📈")
|
||
elif ma5 < ma10 < ma20 < ma50:
|
||
context_parts.append("均线排列: 空头排列 📉")
|
||
else:
|
||
context_parts.append("均线排列: 交织，方向不明")
|
||
|
||
# 量比分析
|
||
df_5m = data.get('5m')
|
||
if df_5m is not None and len(df_5m) >= 20:
|
||
vol_latest = df_5m['volume'].iloc[-1]
|
||
vol_ma20 = df_5m['volume'].iloc[-20:-1].mean()
|
||
volume_ratio = vol_latest / vol_ma20 if vol_ma20 > 0 else 1
|
||
context_parts.append(f"\n## 量价分析")
|
||
context_parts.append(f"最新成交量: {vol_latest:.0f}")
|
||
context_parts.append(f"20周期均量: {vol_ma20:.0f}")
|
||
context_parts.append(f"量比: {volume_ratio:.2f}")
|
||
|
||
if volume_ratio > 1.5:
|
||
context_parts.append("量价状态: 放量 📊")
|
||
elif volume_ratio < 0.7:
|
||
context_parts.append("量价状态: 缩量 📉")
|
||
else:
|
||
context_parts.append("量价状态: 平量 ➖")
|
||
|
||
# 波动率分析
|
||
volatility_analysis = self._analyze_volatility(data)
|
||
if volatility_analysis:
|
||
context_parts.append(f"\n## 波动率分析")
|
||
context_parts.append(volatility_analysis)
|
||
|
||
return "\n".join(context_parts)
|
||
|
||
async def _get_news_context(self, symbol: str) -> str:
|
||
"""获取新闻舆情上下文"""
|
||
try:
|
||
news_result = await self.news_service.get_crypto_news(symbol)
|
||
|
||
if not news_result or not news_result.get('articles'):
|
||
return "无最新新闻"
|
||
|
||
articles = news_result['articles'][:5] # 只取前5条
|
||
context_parts = ["\n## 最新新闻"]
|
||
|
||
for article in articles:
|
||
title = article.get('title', '')
|
||
source = article.get('source', '')
|
||
published_at = article.get('publishedAt', '')
|
||
time_str = published_at.split('T')[1][:5] if 'T' in published_at else ''
|
||
|
||
context_parts.append(f"- [{time_str}] {title} ({source})")
|
||
|
||
return "\n".join(context_parts)
|
||
|
||
except Exception as e:
|
||
logger.warning(f"获取新闻失败: {e}")
|
||
return "新闻获取失败"
|
||
|
||
def _build_analysis_prompt(self, symbol: str, market_context: str,
|
||
news_context: str) -> str:
|
||
"""构建分析提示词"""
|
||
return f"""请分析 {symbol} 的市场情况：
|
||
|
||
{market_context}
|
||
|
||
{news_context}
|
||
|
||
请根据以上数据，给出你的市场判断和交易信号。
|
||
"""
|
||
|
||
def _parse_llm_response(self, response: str, symbol: str) -> Dict[str, Any]:
|
||
"""解析 LLM 响应"""
|
||
try:
|
||
# 尝试提取 JSON
|
||
json_match = re.search(r'```json\s*([\s\S]*?)\s*```', response)
|
||
if json_match:
|
||
json_str = json_match.group(1)
|
||
else:
|
||
json_match = re.search(r'\{[\s\S]*\}', response)
|
||
if json_match:
|
||
json_str = json_match.group(0)
|
||
else:
|
||
raise ValueError("无法找到 JSON 响应")
|
||
|
||
# 清理 JSON 字符串（移除可能导致解析错误的注释等）
|
||
json_str = self._clean_json_string(json_str)
|
||
|
||
logger.debug(f"解析的 JSON 字符串: {json_str[:500]}...") # 打印前500字符用于调试
|
||
|
||
result = json.loads(json_str)
|
||
|
||
# 清理价格字段 - 转换为 float
|
||
result = self._clean_price_fields(result)
|
||
|
||
# 添加元数据
|
||
result['symbol'] = symbol
|
||
result['timestamp'] = datetime.now().isoformat()
|
||
result['raw_response'] = response
|
||
|
||
# 兼容处理：确保 signals 中的字段与旧格式一致
|
||
if 'signals' in result:
|
||
for sig in result['signals']:
|
||
# LLM 输出的 "type" 是 timeframe (short_term/medium_term/long_term)
|
||
# 需要映射为 "timeframe"，而 "action" 才是 buy/sell/wait
|
||
if 'type' in sig:
|
||
# 如果 type 是 short_term/medium_term/long_term，映射为 timeframe
|
||
if sig['type'] in ['short_term', 'medium_term', 'long_term']:
|
||
sig['timeframe'] = sig.pop('type')
|
||
# 如果 type 是 buy/sell/wait，映射为 action
|
||
elif sig['type'] in ['buy', 'sell', 'wait']:
|
||
sig['action'] = sig.pop('type')
|
||
|
||
# 确保 action 字段存在
|
||
if 'action' not in sig and 'timeframe' in sig:
|
||
# 从 reasoning 或其他字段推断 action
|
||
sig['action'] = 'wait'
|
||
|
||
# 确保 grade 字段存在
|
||
if 'grade' not in sig:
|
||
# 根据 confidence 推断 grade
|
||
confidence = sig.get('confidence', 0)
|
||
if confidence >= 80:
|
||
sig['grade'] = 'A'
|
||
elif confidence >= 60:
|
||
sig['grade'] = 'B'
|
||
elif confidence >= 40:
|
||
sig['grade'] = 'C'
|
||
else:
|
||
sig['grade'] = 'D'
|
||
|
||
# 从信号中推断 market_state 和 trend
|
||
if 'signals' in result and result['signals']:
|
||
# 找出置信度最高的信号
|
||
best_signal = max(result['signals'], key=lambda s: s.get('confidence', 0))
|
||
action = best_signal.get('action', 'wait')
|
||
confidence = best_signal.get('confidence', 0)
|
||
|
||
# 推断市场状态
|
||
if confidence >= 70:
|
||
if action == 'buy':
|
||
result['market_state'] = '强势上涨'
|
||
elif action == 'sell':
|
||
result['market_state'] = '强势下跌'
|
||
else:
|
||
result['market_state'] = '震荡整理'
|
||
else:
|
||
result['market_state'] = '震荡整理'
|
||
|
||
# 推断趋势
|
||
if action == 'buy':
|
||
result['trend'] = 'up'
|
||
elif action == 'sell':
|
||
result['trend'] = 'down'
|
||
else:
|
||
result['trend'] = 'sideways'
|
||
else:
|
||
result['market_state'] = '无明确信号'
|
||
result['trend'] = 'sideways'
|
||
|
||
logger.info(f"✅ 市场信号分析完成: {symbol}")
|
||
logger.debug(f"市场信号: {json.dumps(result, ensure_ascii=False, indent=2)}")
|
||
|
||
return result
|
||
|
||
except Exception as e:
|
||
logger.warning(f"解析 LLM 响应失败: {e}")
|
||
logger.warning(f"原始响应: {response[:1000]}...") # 打印前1000字符
|
||
return self._get_empty_signal(symbol)
|
||
|
||
def _clean_json_string(self, json_str: str) -> str:
|
||
"""清理 JSON 字符串，移除可能导致解析错误的内容"""
|
||
# 移除单行注释 // ...
|
||
json_str = re.sub(r'//.*?(?=\n|$)', '', json_str)
|
||
# 移除多行注释 /* ... */
|
||
json_str = re.sub(r'/\*[\s\S]*?\*/', '', json_str)
|
||
# 移除尾随逗号（例如 {"a": 1,} -> {"a": 1}）
|
||
json_str = re.sub(r',\s*([}\]])', r'\1', json_str)
|
||
return json_str
|
||
|
||
def _clean_price_fields(self, data: Dict[str, Any]) -> Dict[str, Any]:
|
||
"""清理价格字段，转换为 float"""
|
||
def clean_price(price_value):
|
||
if price_value is None:
|
||
return None
|
||
if isinstance(price_value, (int, float)):
|
||
return float(price_value)
|
||
if isinstance(price_value, str):
|
||
# 移除 $ 符号和逗号
|
||
cleaned = price_value.replace('$', '').replace(',', '').strip()
|
||
if cleaned:
|
||
try:
|
||
return float(cleaned)
|
||
except ValueError:
|
||
return None
|
||
return None
|
||
|
||
# 清理 key_levels 中的支撑位和阻力位
|
||
if 'key_levels' in data and data['key_levels']:
|
||
key_levels = data['key_levels']
|
||
if 'support' in key_levels:
|
||
data['key_levels']['support'] = [clean_price(s) for s in key_levels['support']]
|
||
if 'resistance' in key_levels:
|
||
data['key_levels']['resistance'] = [clean_price(r) for r in key_levels['resistance']]
|
||
|
||
# 清理 signals 中的价格字段
|
||
if 'signals' in data:
|
||
for sig in data['signals']:
|
||
price_fields = ['entry_zone', 'stop_loss', 'take_profit']
|
||
for field in price_fields:
|
||
if field in sig:
|
||
sig[field] = clean_price(sig[field])
|
||
|
||
return data
|
||
|
||
def _calculate_price_change_24h(self, df) -> str:
|
||
"""计算24小时涨跌幅"""
|
||
try:
|
||
if df is None or len(df) < 24:
|
||
return "N/A"
|
||
|
||
current_price = float(df['close'].iloc[-1])
|
||
price_24h_ago = float(df['close'].iloc[-24])
|
||
change = ((current_price - price_24h_ago) / price_24h_ago) * 100
|
||
|
||
sign = "+" if change >= 0 else ""
|
||
return f"{sign}{change:.2f}%"
|
||
|
||
except Exception as e:
|
||
logger.debug(f"计算24h涨跌失败: {e}")
|
||
return "N/A"
|
||
|
||
def _get_empty_signal(self, symbol: str) -> Dict[str, Any]:
|
||
"""返回空信号"""
|
||
return {
|
||
'symbol': symbol,
|
||
'analysis_summary': 'unknown',
|
||
'volume_analysis': '分析失败',
|
||
'news_sentiment': 'neutral',
|
||
'news_impact': '无',
|
||
'market_state': '分析失败',
|
||
'trend': 'sideways',
|
||
'signals': [],
|
||
'key_levels': {},
|
||
'timestamp': datetime.now().isoformat(),
|
||
'error': '信号分析失败'
|
||
}
|
||
|
||
def _analyze_volatility(self, data: Dict[str, pd.DataFrame]) -> str:
|
||
"""分析波动率变化"""
|
||
df = data.get('1h')
|
||
if df is None or len(df) < 24 or 'atr' not in df.columns:
|
||
return ""
|
||
|
||
lines = []
|
||
|
||
# ATR 变化趋势
|
||
recent_atr = df['atr'].iloc[-6:].mean() # 最近 6 根
|
||
older_atr = df['atr'].iloc[-12:-6].mean() # 之前 6 根
|
||
|
||
if pd.isna(recent_atr) or pd.isna(older_atr) or older_atr == 0:
|
||
return ""
|
||
|
||
atr_change = (recent_atr - older_atr) / older_atr * 100
|
||
|
||
current_atr = float(df['atr'].iloc[-1])
|
||
current_price = float(df['close'].iloc[-1])
|
||
atr_percent = current_atr / current_price * 100
|
||
|
||
lines.append(f"当前 ATR: ${current_atr:.2f} ({atr_percent:.2f}%)")
|
||
|
||
if atr_change > 20:
|
||
lines.append(f"**波动率扩张**: ATR 上升 {atr_change:.0f}%，趋势可能启动")
|
||
elif atr_change < -20:
|
||
lines.append(f"**波动率收缩**: ATR 下降 {abs(atr_change):.0f}%，可能即将突破")
|
||
else:
|
||
lines.append(f"波动率稳定: ATR 变化 {atr_change:+.0f}%")
|
||
|
||
# 布林带宽度
|
||
if 'bb_upper' in df.columns and 'bb_lower' in df.columns:
|
||
bb_width = (float(df['bb_upper'].iloc[-1]) - float(df['bb_lower'].iloc[-1])) / current_price * 100
|
||
bb_width_prev = (float(df['bb_upper'].iloc[-6]) - float(df['bb_lower'].iloc[-6])) / float(df['close'].iloc[-6]) * 100
|
||
|
||
if bb_width < bb_width_prev * 0.8:
|
||
lines.append(f"**布林带收口**: 宽度 {bb_width:.1f}%，变盘信号")
|
||
elif bb_width > bb_width_prev * 1.2:
|
||
lines.append(f"**布林带开口**: 宽度 {bb_width:.1f}%，趋势延续")
|
||
|
||
return "\n".join(lines)
|