Structure Flow Strategy
v2.2d

第一章策略总览与设计哲学

1.1 策略定位

Structure Flow Strategy v2.2d 是一套基于纯价格行为学（Price Action）的 ETH/USDT 永续合约中低频趋势跟踪策略。策略运行于 1 小时时间框架，辅以 4 小时和日线级别的宏观结构分析，日均交易 0.7 笔，持仓周期约 21.5 小时。

1.2 设计哲学：纯价格行为学

v2.2d 不依赖任何传统技术指标——没有 EMA、没有 MACD、没有 RSI、没有布林带。策略的"眼睛"只有三个东西：

1. Swing Points（摆动高低点）——市场留下的足迹，多空博弈的历史胜负记录
2. Support / Resistance（支撑 / 阻力）——最近的有效 Swing Point，买卖双方曾在此达成共识的位置
3. Candle Patterns（K 线形态）——Pin Bar（锤子线/流星线）和 Engulfing（吞没形态），当前博弈的实时裁判

1.3 第一性原理

v2.2d 的逻辑可以拆解为四个第一性原理：

第二章系统架构与数据流

2.1 多时间框架架构

v2.2d 采用三层时间框架结构，自上而下形成"宏观定方向 → 中观定趋势 → 微观定入场"的决策链条：

D1（日线）：使用 @informative("1d") 装饰器，在日线级别检测 Swing Point 并判断趋势方向（trend_up / trend_down）。这是策略的"宪法"——D1 趋势决定允许做多还是做空。

4H（四小时）：使用 @informative("4h") 装饰器。不仅判断趋势方向，还计算趋势强度。趋势强度的算法是：最近两个 Swing High 的间距变化率 + 最近两个 Swing Low 的间距变化率。强度 > trend_strength_min（默认 -0.20，即 -20%）则标记为强势趋势。

1H（一小时）：主时间框架。在此层级完成所有核心计算：Swing Point 检测、S/R 结构分析、供需区域划分、K 线形态识别、活支撑/阻力判定、入场信号生成和冷却期应用。

2.2 数据处理流程

2.3 参数一览

第三章核心组件：价格结构识别

3.1 Swing Point 检测算法

Swing Point 是价格行为学的基石。一个 Swing High 被定义为：某个 K 线的高点，比它左右各 N 根 K 线的高点都高。Swing Low 同理。

def _detect_swing_points(high, low, window=5):
    n = len(high)
    sh = pd.Series(np.nan, index=high.index)
    sl = pd.Series(np.nan, index=low.index)

    for i in range(window, n - window):
        # Swing High: 当前高点 > 左 window 根和右 window 根的所有高点
        if (high.iloc[i] > high.iloc[i-window:i].max() and
            high.iloc[i] > high.iloc[i+1:i+window+1].max()):
            sh.iloc[i] = high.iloc[i]

        # Swing Low: 当前低点 < 左 window 根和右 window 根的所有低点
        if (low.iloc[i] < low.iloc[i-window:i].min() and
            low.iloc[i] < low.iloc[i+1:i+window+1].min()):
            sl.iloc[i] = low.iloc[i]

    return sh, sl

3.2 结构分析：趋势判断与 S/R 定位

_build_structure() 是策略最核心的函数。它逐 K 线遍历，维护最近 4 个 Swing High 和 Swing Low 的列表，并实时判断：

1. 趋势方向（Trend Up / Trend Down）：如果最近两个 Swing High 依次抬高 且 最近两个 Swing Low 依次抬高 → 上升趋势。反之则下降趋势。两者都不满足时，继承上一根 K 线的趋势判断。
2. 支撑/阻力位：最近一个 Swing Low 的价格 = 支撑位（Support），最近一个 Swing High 的价格 = 阻力位（Resistance）。
3. 供需区域：在支撑和阻力之间，计算当前价格的位置百分比。百分比 < 35% 为需求区（Demand Zone），百分比 > 65% 为供给区（Supply Zone）。

3.3 供需区域划分

3.4 活支撑/阻力（Support/Resistance Alive）

这是策略中最精妙的条件之一。仅仅"存在"支撑/阻力是不够的——策略要求这个 S/R 是活的：它在最近的 3 根 K 线内被测试过，并且守住了。

# 活支撑：价格触及支撑（±0.5%）且收盘在支撑上方
touched_support = (
    (low <= support * 1.005) & (low >= support * 0.995)
)
held_support = close > support
support_tested_and_held = touched_support & held_support
support_alive = support_tested_and_held.rolling(3, min_periods=1).max() > 0

第四章核心组件：K线形态识别

4.1 Pin Bar 检测

Pin Bar（也称为锤子线/流星线/十字星）是价格行为学中最重要的单 K 线反转信号。其核心特征是：影线（wick）极长，实体（body）极短。

body = abs(close - open)
total_range = (high - low).replace(0, 0.0001)

upper_wick = high - max(open, close)
lower_wick = min(open, close) - low

# Pin Bar 条件：影线占总范围的 60% 以上
is_pin = (upper_wick + lower_wick) / total_range > 0.6

# 看涨 Pin Bar：阳线 + 下影线 > 上影线（买方在低位强力反击）
bullish_pin = is_pin & (close > open) & (lower_wick > upper_wick)

# 看跌 Pin Bar：阴线 + 上影线 > 下影线（卖方在高位强力压制）
bearish_pin = is_pin & (close < open) & (upper_wick > lower_wick)

4.2 吞没形态检测

吞没形态（Engulfing）是两K线组合形态，也是价格行为学中可信度最高的反转信号之一。

prev_open = open.shift(1)
prev_close = close.shift(1)

# 看涨吞没：当前阳线完全吞没前一根阴线
bullish_engulf = (
    (close > prev_open) & (open < prev_close) & (close > open)
)

# 看跌吞没：当前阴线完全吞没前一根阳线
bearish_engulf = (
    (close < prev_open) & (open > prev_close) & (close < open)
)

4.3 形态在策略中的角色

在 v2.2d 中，K 线形态虽然在代码中被计算（bullish_pinbar、bearish_pinbar、bullish_engulfing、bearish_engulfing），但在当前的入场条件中并未被直接使用。策略选择用供需区域 + 活 S/R 替代了 K 线形态确认。

第五章入场条件详解

5.1 做多入场（6项条件）

所有 6 项条件必须同时满足，策略才会发出做多信号：

5.2 做空入场（6项条件）

5.3 入场决策流程图

第六章冷却期机制：v2.2c → v2.2d 关键修复

6.1 v2.2c 的致命 Bug

v2.2c 使用了一个看似巧妙但实际有致命缺陷的冷却期实现：

# v2.2c 的 bug 实现
long_base = (...)  # 6项条件，布尔 Series
long_entries = long_base & (long_base.rolling(cooldown).max().shift(1) == 0)

Bug 的逻辑：rolling(cooldown).max() 检测的是"过去 6 根 K 线中是否有任何一根满足条件"——而不是"过去 6 根 K 线中是否实际入场了"。

6.2 v2.2d 修复方案

v2.2d 引入了一个全新的 _apply_cooldown() 方法，基于实际入场事件而非条件满足：

def _apply_cooldown(self, signal: pd.Series, cooldown_bars: int) -> pd.Series:
    """
    正确应用冷却期：入场后才冷却，而非条件满足就冷却。
    """
    n = len(signal)
    result = [False] * n
    last_entry = -99999  # 上次入场的 bar 索引

    values = signal.values
    for i in range(n):
        if values[i] and (i - last_entry) > cooldown_bars:
            result[i] = True
            last_entry = i

    return pd.Series(result, index=signal.index)

6.3 修复效果对比

第七章出场逻辑

7.1 结构出场信号

v2.2d 使用 D1 级别的趋势反转作为结构出场信号：

# 做多出场：D1 不再上升
exit_long = ~dataframe["trend_up_1d"].fillna(True)

# 做空出场：D1 转为上升
exit_short = dataframe["trend_up_1d"].fillna(False)

逻辑非常简洁：D1 结构破坏 = 离场。做多时如果日线趋势从上升转为非上升，立即出场。做空时如果日线趋势转为上升，立即出场。

7.2 动态止损（Custom Stoploss）

这是策略真正的核心出场机制。止损位置动态绑定到 1H 级别的 S/R 位：

def custom_stoploss(self, pair, trade, current_time, current_rate,
                     current_profit, after_fill, **kwargs):
    dataframe, _ = self.dp.get_analyzed_dataframe(pair, self.timeframe)
    last = dataframe.iloc[-1]

    if not trade.is_short:
        # 做多：止损 = 支撑位 × 0.999（支撑下方 0.1%）
        support = last.get("support", np.nan)
        sl_price = support * 0.999
        sl_ratio = (sl_price / current_rate) - 1.0
        return max(sl_ratio, -0.15)  # 硬上限 15%
    else:
        # 做空：止损 = 阻力位 × 1.001（阻力上方 0.1%）
        resistance = last.get("resistance", np.nan)
        sl_price = resistance * 1.001
        sl_ratio = 1.0 - (sl_price / current_rate)
        return min(sl_ratio, 0.15)   # 硬上限 15%

7.3 出场逻辑完整流程

每根 1H K 线收盘时，策略按以下优先级检查出场：

1. D1 结构出场：D1 趋势方向反转 → 无条件离场
2. 动态止损：当前价格触及 S/R 外侧 0.1% 缓冲 → 触发止损
3. 硬止损：亏损达到 15% → 无条件离场（极少触发，因为动态止损通常在更早位置就已经激活）

出场逻辑的核心统计数据：

• 588 笔通过 trailing_stop_loss 出场，胜率 66.2%，贡献 +383,557% 的利润
• 777 笔通过 stop_loss 出场，胜率 0%，亏损 -181,597%
• 9 笔通过 exit_signal 出场，胜率 88.9%
• 盈利交易平均持仓 2 天 3 小时，亏损交易平均持仓 9 小时 22 分

第八章风险管理

8.1 硬止损上限

策略设置了 stoploss = -0.15（15%）作为全局硬止损。但在实际运行中，这个硬止损几乎不会被触发，因为 custom_stoploss 的动态 S/R 止损通常在较小的亏损幅度就已经激活。硬止损的存在是安全网——防止 custom_stoploss 在极端行情下返回异常值。

8.2 仓位控制

8.3 最大回撤分析

回测显示的最大回撤为 20.58%（约 $2,200,994），发生在 2026-05-05 至 2026-05-23，持续 17 天 15 小时。回撤起点资金 $22,490,086，终点 $20,279,092。

需要注意：

• 回撤绝对值巨大（$2.2M）：这是复利效应的另一面——本金大了之后，同样的百分比回撤对应更大的绝对金额
• 连续亏损记录：最大连续亏损为 24 笔。在 28.9% 胜率下，连续 24 笔亏损在统计上是必然会发生的事件
• 心理考验：实盘中经历连续 24 笔亏损而不干预策略，是对交易者纪律性的终极考验

第九章回测结果完整分析

9.1 核心指标摘要

9.2 出场原因分布

9.3 多空表现对比

9.4 盈亏分布特征

9.5 v2.2c vs v2.2d 对比

以下是两个版本在完全相同的回测条件下（2021-01-01 → 2026-06-01, max_open_trades=1, wallet=10000）的表现对比：

第十章策略演进史

10.1 v1.x 时代：试错与奠基

10.2 v2.x 时代：突破与优化

10.3 关键教训总结

1. 纯价格行为学 > 指标策略：v0.x 的全部弃用已经证明了这一点。价格结构是最简单、最可解释、最普适的信号源。
2. 入场质量 > 止损优化：v1.7~v1.9 连续三次止损优化全部失败。策略的核心竞争力不来自"亏得少"，而来自"赚得多"。
3. 简单二元过滤器容易误杀：H4 趋势过滤器减 8 笔止损但误杀 23 笔盈利单。教训：不要在入场端叠加过多过滤器。
4. 冷却期必须基于实际入场：v2.2c 的 bug 是教科书级的反面案例——用条件满足来模拟入场事件，在市场持续满足条件时导致策略"假死"。
5. 回测是唯一真理：每个假设都必须在回测中验证。直觉再好，数据不支持的改动就是错的。

第十一章已知隐患与风险评估

11.1 策略层面风险

11.2 执行层面风险

11.3 外部不可控风险

• 交易所风险：Binance 被监管关闭或限制提币（低概率，高影响）
• 极端黑天鹅：类似 2020-03-12（ETH 单日 -50%）的极端行情，策略的 15% 硬止损可能来不及执行
• 市场结构剧变：ETH 从 PoW 转 PoS 后市场微观结构可能变化，价格行为学模式的有效性需要持续监控

第十二章下一步优化方向

12.1 短期优化（1-3个月）

12.2 中期优化（3-12个月）

12.3 长期愿景

• 多品种多策略组合：趋势（v2.2d）+ 波段（v3.x）+ 剥头皮（待突破），ETH + BTC + 其他主流币，不同策略覆盖不同市场环境
• 家庭电脑远程回测：通过 frp/Tailscale 将家里高性能电脑作为回测/机器学习工作站，东京服务器仅负责实时交易执行
• 策略"黑箱"监控面板：完整的策略健康度仪表盘——回撤预警、胜率漂移检测、信号质量评分、参数稳定性监控
• 实盘小资金验证：dry-run 稳定 3-6 个月后，用小资金（如 $1,000）实盘验证 3 个月，确认回测到实盘的折损率

附录

附录A：完整参数表

附录B：回测环境配置

{
  "max_open_trades": 1,
  "dry_run_wallet": 10000,
  "stake_amount": "unlimited",
  "trading_mode": "futures",
  "margin_mode": "cross",
  "exchange": "binance",
  "pair_whitelist": ["ETH/USDT:USDT"],
  "timeframe": "1h",
  "timerange": "20210101-20260601",
  "fee": 0.0005
}

附录C：策略完整源码

策略源码文件（452 行 Python）位于：

• 本地副本：structure_flow_strategy_v2_2d_local.py
• 服务器部署：~/freqtrade/user_data/strategies/structure_flow_strategy_v2_2d.py

源码结构：

• _detect_swing_points() — Swing Point 检测（行 42-57）
• _build_structure() — 结构分析：趋势 + S/R + 供需区域（行 63-126）
• _detect_candle_patterns() — K线形态识别（行 132-155）
• _apply_cooldown() — 冷却期（行 161-184）
• populate_indicators_1d() — D1 指标（行 190-204）
• populate_indicators_4h() — 4H 指标（行 210-252）
• populate_indicators() — 1H 主指标（行 258-324）
• populate_entry_trend() — 入场信号（行 330-378）
• populate_exit_trend() — 出场信号（行 384-391）
• custom_stoploss() — 动态止损（行 397-426）
• plot_config() — 可视化配置（行 432-451）

附录D：术语表