别再凭感觉画股票箱体了！用DBSCAN让你的策略更稳、更准、更客观

炒股为什么要找箱体？

在量化选股、趋势策略里，"箱体"是一个常见但简单有效的结构模型。箱体意味着价格在一定区间内来回震荡，有明确的支撑和阻力，这对于捕捉突破、做区间震荡交易、止盈止损都很有帮助。

传统上，我们常靠人工目测或滑窗高低点极值来画箱体。但这方式主观性强、不易批量化。若把箱体识别流程自动化、可程序化，就能跑批量股票、回测验证、嵌入策略。

这里，我想尝试一种「聚类」的思路 ------ 用 DBSCAN（密度聚类） 来辅助识别箱体。核心想法是：在价格-时间平面中，价格点集合可能在箱体区间内"密集"，而在跳跃、突破、离群价等处"稀疏"或被视为噪声。以此来识别出箱体区间边界。

接下来花姐给大家讲清楚 DBSCAN 的原理、怎么用它做箱体识别、再说实战注意事项。

第一部分：DBSCAN 原理简介

为了不丢基础，这里简要回顾 DBSCAN 的基本原理。理解得透，才能在金融数据里做适配。

什么是 DBSCAN

DBSCAN 全称是 Density-Based Spatial Clustering of Applications with Noise，直译就是"基于密度的聚类方法，可识别噪声点"。它有几个核心概念：

ε（eps）：在空间中，两个点之间的最大距离阈值。如果一个点 B 在 A 的 ε 半径内，则 B 被认为是邻居。
MinPts（最小点数）：在该 ε 半径内，若某个点的邻居数 ≥ MinPts，则这个点是一个 "核心点"。
直接密度可达 / 间接密度可达 等关系：
- 如果点 B 在 A 的 ε 邻域内，则 B 与 A 是"直接密度可达"的。
- 若存在一条点链 A → ... → C → B，每一步都是某点在前一点 ε 邻域内，则 B 对 A 是"密度可达"的。
- 最终：从一个核心点出发，遍历所有密度可达的点，就构成一个簇（cluster）。
噪声点：不属于任何簇的点被标为 noise（标签常标 -1）。

DBSCAN 的优点包括：

不需要预先指定簇数（不像 KMeans 那样要给 K）。
能识别任意形状的簇（不局限圆形／凸形）。
能把离群点、噪声点自然划出簇外。

缺点也必须注意：

对参数敏感，特别是 ε 的取值，对结果影响大。
在不同密度簇混杂时效果不好（不同簇的内部密度差异大时，标准 DBSCAN 很难同时兼顾）。
计算复杂度在点很多时可能不低（尤其在二维/高维空间上要做邻域搜索）。

在金融时间序列里，用 DBSCAN 要格外小心：数据的尺度、单位（价格 vs 时间）不同，噪声多，点密度不均等。调参、预处理非常重要。

第二部分：怎么用 DBSCAN 找箱体

下面介绍一种思路，你可以在这个基础上改进、调参。

思路梗概

数据点构造：把价格-时间空间看成二维点集。每个交易日（或每根 K 线点）视作一个点，横坐标是时间索引（可以是天数、序号、分钟级别也行），纵坐标是价格（可以是收盘价或高低区间点）
标准化：因为时间尺度和价格尺度量纲差别大，需要标准化、缩放，使两维差不致极端失衡。
用 DBSCAN 聚类：选一个 ε、MinPts，对这些点做聚类。簇聚集在密集的箱体区间内部；突破／非箱体行为往往是噪声或被分出簇外。
解析聚类结果，提取箱体边界：对于每个簇，计算其价格的上下界（max, min），把簇的时间跨度作为箱体的持续期。可能有多个并列簇，或者簇之间有重叠，需做合并策略或筛选（如去掉跨度太短／高度太小的簇）。
验证与后处理：进一步过滤那些"伪箱体"（如价格波动太小、持续期太短、被中断太多的簇），最终得到一组"候选箱体"。

下面的代码包括了计算箱体和可视化代码：

python 复制代码

import numpy as np
import pandas as pd
from sklearn.cluster import DBSCAN
from sklearn.preprocessing import StandardScaler


def detect_dbscan_boxes(
    df,
    price_col='close',
    time_col=None,
    eps=0.1,
    min_samples=5,
    min_span=5,
    min_height=0.02
):
    """
    基于 DBSCAN 算法识别股票价格箱体区间
    
    参数说明：
    ----------
    df : pd.DataFrame
        包含时间和价格的行情数据
    price_col : str
        价格列名（默认为 'close'）
    time_col : str or None
        时间列名，如为 None 自动使用索引序号
    eps : float
        DBSCAN 邻域半径（标准化空间下）
    min_samples : int
        DBSCAN 最小样本点数（核心点判定阈值）
    min_span : int
        箱体最小时间跨度（单位：时间索引）
    min_height : float
        箱体最小高度（价格比例）
    
    返回：
    ----------
    boxes : list[dict]
        每个箱体的信息（时间区间、价格上下界、高度等）
    df_out : pd.DataFrame
        含 cluster 标签的 DataFrame，可用于可视化或后续分析
    """

    df = df.copy()

    # 确定时间索引列
    if time_col is None:
        df['time_idx'] = np.arange(len(df))
        time_col = 'time_idx'

    # 构造特征矩阵并标准化
    X = df[[time_col, price_col]].values.astype(float)
    Xs = StandardScaler().fit_transform(X)

    # 运行 DBSCAN 聚类
    db = DBSCAN(eps=eps, min_samples=min_samples)
    labels = db.fit_predict(Xs)
    df['cluster'] = labels

    # 识别箱体簇
    boxes = []
    for lbl in sorted(set(labels)):
        if lbl == -1:
            continue  # 忽略噪声点

        sub = df[df['cluster'] == lbl]
        t_min, t_max = sub[time_col].min(), sub[time_col].max()
        span = t_max - t_min
        p_min, p_max = sub[price_col].min(), sub[price_col].max()
        height = (p_max - p_min) / p_min

        if span >= min_span and height >= min_height:
            boxes.append({
                'label': lbl,
                't_min': t_min,
                't_max': t_max,
                'p_min': p_min,
                'p_max': p_max,
                'height': height,
                'count': len(sub)
            })

    return boxes, df

import matplotlib.pyplot as plt
import matplotlib.patches as patches

def plot_dbscan_boxes(df, boxes, price_col='close', date_col='date',
                      figsize=(12,6), show_labels=True):
    """
    绘制收盘价与识别出的箱体区域

    参数说明：
    ----------
    df : pd.DataFrame
        含日期与价格列的数据
    boxes : list[dict]
        detect_dbscan_boxes() 返回的箱体信息列表
    price_col : str
        价格列名（默认 'close'）
    date_col : str
        日期列名（默认 'date'）
    figsize : tuple
        图像大小
    show_labels : bool
        是否在图上标注箱体编号
    """
    # 设置全局字体
    plt.rcParams['font.family'] = 'sans-serif'
    plt.rcParams['font.sans-serif'] = ['SimHei', 'Microsoft YaHei', 'WenQuanYi Zen Hei']  # 多个备选字体

    # 解决负号显示问题
    plt.rcParams['axes.unicode_minus'] = False
    fig, ax = plt.subplots(figsize=figsize)

    # 绘制价格线
    ax.plot(df[date_col], df[price_col], color='black', linewidth=1.2, label='Close Price')

    # 绘制每个箱体
    for box in boxes:
        # 提取箱体信息
        t_min, t_max = int(box['t_min']), int(box['t_max'])
        p_min, p_max = box['p_min'], box['p_max']

        # 时间转成 x 轴坐标（日期）
        x0 = df.iloc[t_min][date_col]
        x1 = df.iloc[t_max][date_col]
       # 用 fill_between 在时间范围内画矩形，不涉及时间加法
        ax.fill_between(
            [x0, x1],
            p_min, p_max,
            color='lightskyblue',
            alpha=0.3,
            edgecolor='dodgerblue'
        )

        if show_labels:
            ax.text(x0, p_max, f"#{box['label']}",
                    color='blue', fontsize=8, va='bottom')

    ax.set_title("DBSCAN 箱体识别结果")
    ax.set_xlabel("日期")
    ax.set_ylabel("价格")
    ax.legend()
    plt.grid(True, alpha=0.3)
    plt.show()


from xtquant import xtdata

def get_hq(code,start_time,end_time):
    '''
    基于xtquant下载股票的历史行情
    '''
    xtdata.enable_hello = False
    xtdata.download_history_data(stock_code=code, 
                                  period='1d', 
                                  start_time=start_time,
                                  end_time=end_time)
    history_data =xtdata.get_market_data_ex(['open','high','low','close','volume','amount','preClose'],
                                            stock_list= [code], 
                                             period='1d', 
                                             start_time= start_time,
                                             end_time=end_time,
                                             dividend_type='front_ratio',
                                             fill_data=False)
    df = history_data[code]
    df.index = pd.to_datetime(df.index.astype(str), format='%Y%m%d')
    df['date']= df.index
    return df


# 示例数据
data = get_hq(code='002617.SZ',start_time='20240101',end_time='20250901')

# 调用函数
boxes, df_with_labels = detect_dbscan_boxes(
    data, price_col='close', eps=0.11, min_samples=5, min_span=10, min_height=0.02
)

# 绘制结果
plot_dbscan_boxes(df_with_labels, boxes, price_col='close', date_col='date')

箱体的绘制方法，有很多地方可以优化：

eps 的选择：这是最关键的一步。一般需要先做一些可视化探索（比如把标准化后的点画散点图、看密集程度）或用 k-distance 图（排序每点到第 k 近邻距离，看 elbow 点）来估计一个合适 eps。
min_samples：对密度敏感性。设得太小，容易把噪声点做成簇；设得太大，很多簇会被判为噪声。
时间尺度 vs 价格尺度的缩放比：StandardScaler 是对两个维度同样缩放（除以标准差），但在金融情景中可能底层你要人为加权（比如价格维度比时间维度权重大一些）
后处理：多个簇可能重叠、跨越、碎片化。你要有逻辑合并相邻簇、剔除一些劣质簇（持续期太短、幅度太小、被打断多次）
滑窗 / 滚动识别：你可能希望不只识别整个历史，而是在最近 N 天做滚动箱体识别，以便策略能自适应箱体结构变化。

箱体的几何含义

最终识别到的箱体，是一种"价格上下界 + 时间跨度"的矩形结构：

上界：p_max
下界：p_min
起始时间：t_min
结束时间：t_max

你可以把每个箱体看作"在 [t_min, t_max] 这个时间窗里，价格主要在 [p_min, p_max] 之间来回震荡"的状态。

然后在策略里，你可以定义：

在箱体内部：做区间震荡策略（在靠近下界买入，靠近上界卖出）
突破判断：价格突破上界（或下界）视为可能箱体失效 / 趋势信号
箱体切换：若新的点跳出旧箱体、形成新的簇，就切换箱体

第四部分：如何让箱体画的更合理

在不改变原有代码的基础上，我们可以通过调节参数eps, min_samples, min_span, min_height的取值来使得箱体绘制的更符合我们的主观判断。

1、参数作用

参数	作用	调整方向	影响
`eps`	DBSCAN 聚类半径（标准化空间）	增大 → 箱体更宽更长，容易合并小簇；减小 → 箱体更窄、碎	最关键参数，控制簇连通性
`min_samples`	最小样本点数	增大 → 只保留稠密簇（丢掉小簇/噪声）；减小 → 接受稀疏簇	控制簇稳定性和可靠性
`min_span`	后处理最小时间跨度	增大 → 去掉短箱体；减小 → 接受短箱体	控制横向长度
`min_height`	后处理最小价格高度	增大 → 去掉窄箱体；减小 → 接受小震荡	控制纵向高度

想箱体更高、更长、更稳 → 增大 eps / min_samples / min_span / min_height
想多箱体、碎一点 → 减小 eps / min_samples / min_span / min_height

2、调参顺序（实战建议）

2.1 先确定 DBSCAN 的核心半径 eps

方法 1：经验法，先用当前价格数据和标准化后 eps=0.12 看箱体数量。

方法 2：k-distance 图法，选 eps 对应拐点距离。

python 复制代码

from sklearn.neighbors import NearestNeighbors
nbrs = NearestNeighbors(n_neighbors=min_samples).fit(Xs)
distances, _ = nbrs.kneighbors(Xs)
k_dist = np.sort(distances[:, min_samples-1])
plt.plot(k_dist); plt.show()

拐点位置就是 eps 的参考值。

2.2 min_samples 影响簇稠密度

先固定 eps，逐步调 min_samples（3~8），观察箱体是否太碎。
高 min_samples → 小簇被过滤，剩下的箱体更稳定。

2.3 min_span 控制时间长度

先观察箱体的横向跨度，如果太短 → 增大 min_span，例如 5 → 10 → 15。
如果你想捕捉短期箱体 → 可降低 min_span。

2.4 min_height 控制价格区间高度

看箱体纵向高度是否符合你策略需求（支撑/压力幅度）
小于策略预期 → 减小 min_height
太窄 → 增大 min_height

3、实用调参策略

3.1 箱体太小（碎片多、横向短、纵向窄）：

eps *= 1.2~1.5
min_samples += 1~2
min_span += 5~10
min_height += 0.01~0.02

3.2 箱体太少或太大（覆盖全局、失去分辨率）：

eps = 0.8~0.9
min_samples -= 1~2
min_span -= 2~5
min_height -= 0.005~0.01

3.3 调试技巧：

每次只调一个参数，观察变化，避免多参数同时调整导致混乱。
可记录每次组合下箱体数量、跨度、平均高度，选择最符合策略的组合。
对高波动股票可适当降低 min_height 或增大 eps；对低波动股票可适当降低 eps 或增大 price_weight。

4、可视化辅助

调参时强烈建议每次都画图，观察箱体：

python 复制代码

boxes, df_with_labels = detect_dbscan_boxes(
    data, price_col='close', eps=0.12, min_samples=5, min_span=10, min_height=0.02
)
plot_dbscan_boxes(df_with_labels, boxes)

通过图能直观判断：

箱体横向长度
箱体高度
簇分布和碎片情况

5、推荐调参顺序（实战简化版）

text 复制代码

1️⃣ 先调整 eps → 控制簇连通性
2️⃣ 调整 min_samples → 控制簇稠密度
3️⃣ 调整 min_span → 控制横向长度
4️⃣ 调整 min_height → 控制纵向幅度
5️⃣ 可选：price_weight、平滑窗口、合并临近箱体

根据上面的方法，我把参数调整了下看起来效果好多了

之前的参数

python 复制代码

boxes, df_with_labels = detect_dbscan_boxes(
    data, price_col='close', eps=0.11, min_samples=5, min_span=10, min_height=0.02
)

现在的参数

python 复制代码

boxes, df_with_labels = detect_dbscan_boxes(
    data, price_col='close', eps=0.12, min_samples=5, min_span=18, min_height=0.04
)

第五部分：箱体识别在实战中的应用、挑战与建议

下面讲讲在实际研究／回测／实盘里对这套方法的观察和实战建议 💡

应用场景

突破策略检测 当价格在箱体上界突破，可以作为"多头信号"；在下界跌破，可以作为"空头信号"或止损信号。相比于单纯的高低点突破，箱体结构能给信号更多维度约束（持续时间、密度、强度）。
区间震荡策略 对于震荡偏强的品种（特别是股票、小盘股、波动性较大的股票），你可以在箱体内部做"低买高卖"策略，带有止盈止损。DBSCAN 找到的箱体在逻辑上自带"密集性"保证，理论上能减少跳动噪音造成的误交易。
箱体过滤 / 辅助选股 对于一桶候选股票，你可以先筛出"近期存在明确箱体结构"的股票作为优先研究对象，因为箱体结构往往意味着市场在这个阶段有明确的支撑-阻力区间，策略较易落地点。
多周期联动 / 套件策略 你可以在多个周期上都做箱体识别（如日线、小时线、30 分钟线），然后做多周期融合（比如小时级突破 + 日线箱体确认）来增强信号的可靠性。

实战挑战与可能的坑

参数敏感：eps、min_samples、尺度缩放比例这些超参稍有偏差就可能"箱体被打碎"或"簇被判为噪声"。你需要在回测／样本期里做网格搜索、交叉验证。
密度不均问题：有些股票在底部震荡很密集、在顶部波动稀疏，标准 DBSCAN 可能把顶部的行为划为噪声，无法形成簇。HDBSCAN 等扩展更具鲁棒性，可以考虑替代。
时间断裂 / 非连续性：在现实中，箱体内部可能有短暂的突破、回归、跳空、缺口。DBSCAN 会把这些断裂点判为噪声。后处理逻辑要能"容错"即容忍少量断裂。
边界模糊 / 重叠簇：不同箱体可能有重叠区域，簇边界可能模糊。你要设定清晰的合并、剔除、排序规则。
滑窗延迟 / 箱体切换滞后：在做滚动识别时，箱体延迟确认可能导致信号滞后或错过时机。你要合理设计滑窗长度、更新频率。
回测陷阱：用历史全样本构建箱体可能"未来函数"泄漏。你要在回测里 ensure 箱体识别只用当前可得历史，不拿未来价格做识别。

一个简单实战例子（思路演示）

假设我们用日线做箱体识别，进行一个突破策略：

用过去 60 天价格构造价格-时间点集，做 DBSCAN，识别若干箱体。
选最近一个箱体（例如跨度最长或时间最靠近末端的簇）作为当前箱体。
在未来日子里，如果收盘价突破该箱体上界（如以收盘价或高价突破），标记为多头开仓信号。
止损可以设在箱体下界或按回撤比例。
若突破信号失败，或者价格回落回箱体内部，视为信号失效。
同时，持续滚动滑窗更新箱体结构。

通过实盘或回测，你可以评估这种策略在样本里的胜率、利润因子、回撤、持仓期等。

总结 + 给大家的建议

用 DBSCAN 来辅助识别股票的箱体结构，是一种较为新颖、自动化、程序化的思路，可以把"视觉画箱子"这个半人工动作量化起来。
这种方法的核心挑战在于参数选取、尺度匹配、后处理逻辑。实战中必须做严谨的回测与验证。
对于密度不均的结构，可考虑使用 HDBSCAN 等更鲁棒的方法作为替代或补充。
在策略里，把箱体结构做为一个"特征 / 筛选维度"会比直接用它做信号更稳妥：比如先筛箱体结构稳定的股票，再在这些股票里做突破或区间策略。