精华贴分享｜K线相似度研究（一）

本文来源于量化小论坛策略分享会板块精华帖，作者为童之心三代目，发布于2025年1月1日。

以下为精华帖正文：

01

前言

邢大发了K线相似度的研究，很感兴趣，想做些相关的探索。

探索问题：

1、相似度能否实现曲线的定制化筛选；

2、不同相似度计算方法的区别。

02

曲线定制化筛选

我们截取**trb start_time = '2024-01-15 08:00:00' end_time = '2024-01-17 07:00:00' **这一段k线作为基准，这段k线是比较典型的波动收敛后突破拉升的形态，是包括动量等多种策略都喜欢的形态。如果我们想从因子角度刻画这种形态，那需要实现两个关键点：如何描述前段的波动收敛，以及后续的拉升。不考虑窗口长度，需要至少两个因子来刻画，那从因子相似度如何实现？

截取这一段close 数据，计算历史合约中的相似度（余弦相似度），分析结果。

关注具有一定样本比例的高相似度的分组的收益。从相似度结果来看，高相似度比例占比较少，且未来6小时后的平均涨幅较高， 表明相似的K线形态可能有多头的超额收益。有搞头！！！

打印相似度最高的10段曲线，可以发现筛选出的K线形态同基准K线很相近，基本实现了筛选目的。

03

不同相似度计算方法的影响

除了余弦相似度，还测试了dtw、euclidean、pearson 三种方法。

1、dtw

2、euclidean

3、pearson

测试相似度最高的40段K线的重合度，以余弦相似度为基准，发现不同方法筛选出来的K线重合度比较高，研究时可以先弱化相似度计算方法的差别。

04

思路发散

比起纯粹因子刻画更灵活，以前需要多个因子多种规则设计筛选的K线，现在只要找到K线模板即可筛选；

可以因子化作为选币或过滤因子应用；

可以观察历史收益/亏损较高的K线形态，用相似度方法精准筛选；

形态对收益预估的有效性是否受大盘走势的影响。

附件为4种相似度处理脚本，数据源为彩虹预处理数据，只要修改数据源路径，即可得到相似度数据。后续研究可以基于该数据自行设计。

需要数据资料的话可以评论区留言，都是可以免费发你的。