开放式的缠论python实现框架，支持形态学/动力学买卖点分析计算，多级别K线联立，区间套策略，可视化绘图，多种数据接入，策略开发，交易系统对接；

chan.py – 用于缠论市场分析与交易的 Python 框架

简介 – chan.py 是一个开源 Python 库，实现了缠论 (Chan‑Theory) 技术分析方法。它提供了一个全栈流程：

底层计算 – 缠论元素计算：分型、笔 (strokes)、线段 (segments)、中枢 (central zones) 以及买卖点（包含经典形态学买卖点与自定义策略买卖点）。
特征工程 – 每个买卖点可产生超过 500 个特征，随时可供机器学习模型使用。
模型整合 – 封装了 XGBoost、LightGBM 与简单的 MLP，并提供 AutoML 超参数搜索工具。
回测与评估 – 可配置的回测引擎，支持参数扫描脚本。
实盘交易 – 支持 Futu 券商 API（模拟与实盘）连接器，以及实时行情来源（Sina、pytdx、akshare 等）与数据库后端（MySQL、SQLite）。
可视化 – 基于 Matplotlib 的静态绘图与用于逐步回放的动画驱动程序。

核心组件（按文件夹分类）

文件夹	用途
`Bi`, `Seg`, `ZS`	核心缠论元素（笔、线段、中枢），算法可配置。
`BuySellPoint`, `CustomBuySellPoint`	经典形态学买卖点 (`bsp`) 与用户自定义策略点 (`cbsp`)。
`ModelStrategy`	模型训练、特征对齐、AutoML 与回测工具。
`ChanModel`	抽象模型类、特征注册表与 XGBoost 模型示例。
`DataAPI`	统一数据访问层 – akshare、baostock、Futu、离线 CSV 与实时快照 API。
`Trade`	交易引擎、订单执行、仓位管理与数据库持久化。
`Plot`	绘图驱动程序（`CPlotDriver` 用于静态图像，`CAnimateDriver` 用于动画回放）与 COS 上传辅助工具。
`Debug`	策略示例脚本、性能分析工具与笔记本。
`App`	基于此库构建的 GUI 扫描器示例。

安装 (Python 3.11+)

# clone the repo
git clone https://github.com/Vespa314/chan.py.git
cd chan.py
# install required packages (the repo ships a requirements.txt)
pip install -r requirements.txt

此库需要 Python 3.11（作者报告称比 3.8 版本速度提升约 16%）。

快速开始（静态分析与绘图）

from Chan import CChan
from ChanConfig import CChanConfig
from Plot.PlotDriver import CPlotDriver

# basic configuration – all options are passed as a dict
cfg = CChanConfig({
    "zs_combine": True,
    "bi_strict": True,
    "seg_algo": "chan",
    "trigger_step": False,
})

# instantiate the core engine – here we request daily K‑lines for HK.00700
chan = CChan(
    code="HK.00700",
    begin_time="2012-01-01",
    end_time=None,
    data_src=DATA_SRC.FUTU,
    lv_list=[KL_TYPE.K_DAY],
    config=cfg,
    autype=AUTYPE.QFQ,
)

# plot everything (k‑line, bi, seg, zs, buy‑sell points)
plot_cfg = {
    "plot_kline": True,
    "plot_bi": True,
    "plot_seg": True,
    "plot_zs": True,
    "plot_bsp": True,
    "plot_cbsp": True,
}
plot_para = {"figure": {"width": 24}}

CPlotDriver(chan, plot_config=plot_cfg, plot_para=plot_para)

执行此脚本将计算指定期间的所有缠论元素，并开启一个 Matplotlib 窗口显示完整可视化结果。

使用机器学习模型进行信号评分

from ChanModel.XGBModel import CXGBModel

# attach a trained XGBoost model (the demo model ships with the repo)
model = CXGBModel(model_path="ModelStrategy/models/Xgboost/model.bin")
cfg.model = model          # enable model scoring
cfg.cal_feature = True     # force feature calculation
cfg.score_thred = 0.6      # only act on signals with score ≥ 0.6

模型会接收为每个候选买卖点生成的 500 多个特征，并返回一个概率分数，可用于过滤或排序信号。

实盘交易工作流程

数据来源 – 在 Config/demo_config.yaml 中配置 FutuAPI（或任何其他快照 API）。
策略 – 使用内置的 CCustomStrategy/CSegBspStrategy 或实现继承自 Strategy 的自定义类。
交易引擎 – TradeEngine 消耗生成的信号，应用仓位管理 (OpenQuotaGen)，并通过 FutuTradeEngine 发送订单。
持久化 – 交易日志存储在配置文件定义的 MySQL 或 SQLite 中。
监控 – RealTimeTracker 监控开仓部位的止损/止盈事件。

适用对象

量化研究员：需要精确的缠论实现来进行特征生成与回测。
算法交易员：寻求端到端解决方案：数据获取 → 信号生成 → ML 评分 → 实盘下单。
教育工作者/学生：对金融 AI 流程的具体、生产级示例感兴趣的人士。

授权与社区

本项目采用 MIT 授权。提供 Telegram 群组 (https://t.me/zen_python) 以供提问，仓库中包含 quick_guide.md 以供入门参考。

以上所有细节均直接取自仓库的 README；未推断任何额外功能。

Vespa314/chan.py