企业官网建设流程全解析

Vibe-Trading 一目均衡表五线计算详解：从指标公式到信号引擎实战

【免费下载链接】Vibe-Trading"Vibe-Trading: Your Personal Trading Agent"项目地址: https://gitcode.com/GitHub_Trending/vi/Vibe-Trading

一目均衡表（Ichimoku Kinko Hyo）是日本技术分析学派中自成体系的完整趋势评估框架，它以五条线（转换线、基准线、先行带A、先行带B、迟行线）和由先行带围合而成的"云带"（Kumo）为核心，把价格趋势、动量与时间周期统一到同一张图表中。本指南以 Vibe-Trading 仓库中的 五线计算参考文档 为骨架，结合同目录下的 信号系统参考文档 与 示例信号引擎源码，完整讲解五条线的数学定义、云带的判读方法，以及 Vibe-Trading 中基于 TK 交叉与三重过滤的纯 pandas 信号引擎实现。读完本文，你将掌握五线的逐行计算公式、各参数周期含义、云带多空判读，并能直接运行仓库自带的 OKX 行情信号示例。

一目均衡表的五线体系

Vibe-Trading 将一目均衡表定位为一套"standalone Japanese technical-analysis framework"（独立日本技术分析框架），五条线各司其职，共同构成对趋势的完整评估。五条线的核心定义如下表：

转换线（Tenkan-sen）：短期的价格中点

转换线是五线中最灵敏的一条，其公式为：

tenkan = (highest_high(9) + lowest_low(9)) / 2

其中highest_high(9)为最近 9 根K线的最高价最大值，lowest_low(9)为最近 9 根K线的最低价最小值。它反映的是短期（约2周交易日）的价格中点，本质上是周期为 9 的 Donchian 通道中线。

在仓库源码 example_signal_engine.py 中，这一计算被抽象为通用的_donchian_mid辅助方法，用 pandas 一行实现：

def _donchian_mid(self, high: pd.Series, low: pd.Series, period: int) -> pd.Series: return (high.rolling(period).max() + low.rolling(period).min()) / 2

可以看到，转换线计算只需传入tenkan_period=9即可复用同一函数，这也保证了后续所有 Donchian 中线类指标实现的一致性与可测试性。

基准线（Kijun-sen）：中期的均衡点

基准线公式：

kijun = (highest_high(26) + lowest_low(26)) / 2

它取最近 26 根K线的价格中点，反映中期（约1个月）价格中点。文档特别强调：基准线也是价格的**"均衡点"**——在实际盘面中，价格回踩基准线常被视为重要的支撑/阻力参考。从 swarm 面板配置 的 Ichimoku 分析师指令中也可以看到，"Price re-tests of Kijun as S/R"（价格回测基准线视为支撑/阻力）是五要素判读中的重要一环。

先行带A（Senkou Span A）：云带上沿

先行带A是转换线与基准线的简单平均，再前移26周期绘制：

span_a = (tenkan + kijun) / 2 # 前移26周期

由于它由快慢两线均值构成，本身融合了短期与中期信息；前移 26 周期意味着它被画在"未来"，用于提前呈现当前价格区间对应的支撑/阻力前景。

先行带B（Senkou Span B）：云带下沿

先行带B是更长周期（52）的 Donchian 中线，同样前移 26 周期：

span_b = (highest_high(52) + lowest_low(52)) / 2 # 前移26周期

52 周期大约对应一个季度（约3个月的交易日），因此先行带B反映的是更长期的价格均衡区间，通常比先行带A更平滑、更滞后。

迟行线（Chikou Span）：趋势确认线

迟行线最为直观——它就是把当前收盘价后移26周期绘制：

chikou = close # 后移26周期绘制

迟行线的用途是确认趋势：当迟行线位于当前价格上方时，表明过去 26 周期前价格持续走强，为多头确认；位于下方则为空头确认。在 example_signal_engine.py 中，源码注释给出了其 pandas 实现方式（close.shift(-self.displacement)），并注明"不参与信号计算"——迟行线在 Vibe-Trading 的信号引擎中只作为确认要素存在，不直接进入买卖触发逻辑。

云带（Kumo）：先行带之间的多空战场

先行带A与先行带B之间的区域称为云带（Kumo）。云的形状直接决定了趋势判读的方向性：

• A > B：看涨云（通常绘制为绿色），价格位于云上方时趋势看多；
• A < B：看跌云（通常绘制为红色），价格位于云下方时趋势看空；
• 云带厚度反映支撑/阻力强度——云越厚，代表该区域的均衡区间越宽，被突破的难度越大。

从源码实现看，example_signal_engine.py 对云的处理值得注意：由于先行带 A、B 分别前移了 26 周期，源码用pd.concat对两条先行带逐行取最大/最小值来构造云的上沿与下沿：

cloud_top = pd.concat([span_a, span_b], axis=1).max(axis=1) cloud_bottom = pd.concat([span_a, span_b], axis=1).min(axis=1) above_cloud = close > cloud_top below_cloud = close < cloud_bottom bullish_cloud = span_a > span_b bearish_cloud = span_a < span_b

其中above_cloud/below_cloud判断价格与云的相对位置，bullish_cloud/bearish_cloud判断云自身的方向——这两组布尔序列正是三重过滤中后两道过滤器的基础。

从五线到交易信号：TK 交叉与三重过滤

五线本身是"结构描述"，而 Vibe-Trading 的一目均衡表技能（见 SKILL.md）把它落地为一套完整的信号生成体系。信号只在 TK 交叉事件发生时触发，并叠加三重过滤。

TK 交叉（核心信号）

转换线（T）与基准线（K）的交叉是信号触发的唯一扳机：

金叉（看涨）——转换线从下方穿越基准线，按交叉发生位置分档：

• 强金叉：交叉发生在云带上方；
• 中金叉：交叉发生在云带内部；
• 弱金叉：交叉发生在云带下方。

死叉（看跌）——转换线从上方穿越基准线，同理按位置分档：

• 强死叉：交叉发生在云带下方；
• 中死叉：交叉发生在云带内部；
• 弱死叉：交叉发生在云带上方。

交叉本身只能说明短期动能相对中期的转变，其"强弱"取决于所处云位，因此在信号引擎里交叉还必须与下面两道过滤配合。

三重过滤

为提升信号质量，引擎对每一个 TK 交叉事件施加三重过滤（参见 信号系统参考文档）：

1. TK 交叉：作为触发条件（第一道闸门）；
2. 价格与云的关系：价格在云上方偏多，在云下方偏空（方向确认）；
3. 云的方向：先行带A > B 为看涨云，A < B 为看跌云（趋势确认）。

三个条件必须全部一致才会产生信号，否则一律观望。对应到 SKILL.md 中的信号约定：

• 强买入（Strong buy）：看涨 TK 交叉 + 价格位于云上方 + 看涨云（A > B）；
• 强卖出（Strong sell）：看跌 TK 交叉 + 价格位于云下方 + 看跌云（A < B）；
• 其余所有情况：观望（stand aside）。

信号值采用统一约定：1= 做多，-1= 做空，0= 观望。

源码中的信号生成逻辑

example_signal_engine.py 的SignalEngine.generate方法把上述规则翻译成了纯 pandas 向量化实现：

# --- TK 交叉检测 --- tk_cross_up = (tenkan > kijun) & (tenkan.shift(1) <= kijun.shift(1)) tk_cross_down = (tenkan < kijun) & (tenkan.shift(1) >= kijun.shift(1)) # --- 三重过滤信号 --- buy = tk_cross_up & above_cloud & bullish_cloud sell = tk_cross_down & below_cloud & bearish_cloud signal = buy.astype(int) - sell.astype(int)

tk_cross_up通过"当前周期 tenkan > kijun 且上一周期 tenkan <= kijun"精确捕捉金叉发生的那一根K线（死叉同理），随后用布尔与运算一次性完成三重过滤，buy.astype(int) - sell.astype(int)把信号压缩为 1 / -1 / 0。整套实现不依赖任何外部技术分析库，仅需 pandas 即可运行，依赖清单（见 SKILL.md）为：

pip install pandas numpy requests

其中requests仅用于示例中从 OKX 拉取行情。

预热要求：为什么需要 78 根K线

一目均衡表的各条线周期不同、位移不同，因此信号引擎存在硬性的预热（warm-up）要求：至少需要78 根K线才能产生有效信号。这个数字的来源在 信号系统参考文档 中解释得很清楚：52 周期计算（先行带B的最长回看窗口）+ 26 周期位移。

源码 example_signal_engine.py 将其落实为运行时校验：

warmup = self.senkou_b_period + self.displacement for symbol, df in data_map.items(): signal = pd.Series(0, index=df.index, dtype=int) if len(df) < warmup: result[symbol] = signal continue

数据不足 78 根K线的标的会直接返回全 0 信号（即全程观望），而不是产生残缺或误导性的结果。这意味着在实际使用中，日线、小时线等任何周期的数据回看窗口都应至少覆盖 78 根，才能让云带完整前移并得到可靠的交叉判定。

参数与默认值

SignalEngine构造函数暴露了全部四个核心参数，默认值与一目均衡表的经典周期设定完全一致：

在 example_signal_engine.py 中，这四个参数在__init__中被逐一保存为实例属性，generate方法内部通过self.tenkan_period等引用它们。参数化设计意味着你可以针对不同市场调整周期（例如短线交易者缩短 tenkan 周期以提高灵敏度），但需要注意：预热窗口warmup = senkou_b_period + displacement会随参数同步变化，调整senkou_b_period或displacement时必须同步增加数据回看长度。

实战运行：用 OKX 行情生成 BTC / ETH / SOL 信号

仓库在 example_signal_engine.py 中提供了可直接运行的完整示例：从 OKX 公开 API 拉取日线K线，送入SignalEngine生成信号并统计。

数据获取部分通过 OKXGET /api/v5/market/candles接口实现，拉取instId（如BTC-USDT）、bar（默认1D）、limit（默认 300 根）三个参数，随后把 API 返回的时间戳毫秒值转换为 pandas datetime 索引，并把open/high/low/close转为浮点类型，构造标准的 OHLCV DataFrame。

示例入口（example_signal_engine.py）的流程为：

1. 依次获取BTC-USDT、ETH-USDT、SOL-USDT三个标的各 300 根日线；
2. 用默认参数构造SignalEngine()；
3. 调用engine.generate(data_map)得到每个标的的信号序列；
4. 统计每个标的的做多/做空信号数量，并打印最近一次信号发生的日期。

将脚本置于agent/src/skills/ichimoku/目录下直接运行（python example_signal_engine.py），即可看到类似"=== 一目均衡表信号引擎 ==="的三标的信号统计输出。也可以在其他行情源上复用同一套逻辑——generate的输入约定非常明确：Dict[str, pd.DataFrame]映射，DataFrame 需包含open/high/low/close四列且 index 为 datetime，任何满足该约定的 OHLCV 数据（如 Vibe-Trading 的行情加载体系所提供的数据）都可直接接入。

在 Vibe-Trading 中的定位与扩展

一目均衡表技能在 Vibe-Trading 中不是孤立的指标工具，而是技术分析能力矩阵的一员。从 agent/SKILL.md 的能力清单可以看到，技术分析方向涵盖 candlestick（K线）、Elliott wave（波浪）、Ichimoku、SMC、harmonic（谐波）、chanlun（缠论）等多个学派。

更值得注意的是 swarm 面板配置 中的用法：面板内设有一位专门的Ichimoku Analyst智能体角色，其指令明确要求使用load_skill("ichimoku")加载本技能，并按五要素完成完整判读：

• 云带（Kumo）：Senkou Span A = (Tenkan+Kijun)/2 前移 +26；Senkou Span B = (52周期高低点)/2 前移 +26；云带内 A 穿越 B（Kumo twist）视为潜在的市场制度切换信号；
• 转换线 / 基准线：Tenkan = (9高+9低)/2 为短期趋势，Kijun = (26高+26低)/2 为中期趋势，价格回踩 Kijun 视为支撑/阻力；
• 迟行线（Chikou）：高于 26 根前的价格为多头确认，低于则为空头确认，同时观察 Chikou 与云的交叉；
• 五要素共振：价格 / Tenkan / Kijun / Chikou / 云的排列一致性；
• Ichimoku 评分：以 −5 到 +5 的数值化打分呈现方向与置信度。

此外，该面板让 Ichimoku、经典技术指标、谐波、波浪、SMC 等分析并行运行，再由信号聚合器对共识与共振进行加权计分。这与本文所讲的五线计算一脉相承：五线是"计算层"，TK 交叉与三重过滤是"信号层"，而 swarm 面板则把它们提升为"多智能体协作判读层"。

结语

一目均衡表的五线计算并不复杂——三条 Donchian 中线（9/26/52）、一条均值（先行带A）、一条收盘价位移线（迟行线），加上统一的前移/后移 26 周期位移，就构成了整套框架的数学基础。但真正的价值在于围绕这五条线的系统性判读：TK 交叉找时机，云带位置定方向，云带方向定趋势，迟行线做确认。Vibe-Trading 的 示例信号引擎 用不到百行纯 pandas 代码就把这套逻辑完整落地，并且通过 78 根K线的预热校验与参数化设计，保证了信号在不同市场、不同周期上的可用性。无论是想快速理解五线公式、直接复用信号引擎，还是在 swarm 中扮演 Ichimoku 分析师，本仓库中的 五线计算文档、信号系统文档、SKILL.md 与示例源码都是最直接的参考起点。

【免费下载链接】Vibe-Trading"Vibe-Trading: Your Personal Trading Agent"项目地址: https://gitcode.com/GitHub_Trending/vi/Vibe-Trading