04 · 分析与脚本化
前面几篇解决了「用什么看、去哪拿数据、在哪交易」，本篇解决「怎么把分析做成一件可以重复的事」。
手工分析的问题不是不够努力，而是**不可复现**：同样的 K 线，昨天和今天画的线可能不一样；同样的逻辑，换个标的又要重新来一遍。本篇从 TradingView 的深度用法讲起，到通达信公式、Excel **复盘**表、Python 工作流，再到 AI 辅助分析的边界——最后给出「脚本化分析」的正确打开方式。
⚠️ 风险提示
任何工具的信号与回测结果都只是历史统计，不构成对未来的预测；Pine Script/通达信公式的回测与实盘存在**滑点、手续费、未来函数等系统性偏差。AI 生成的分析内容可能包含事实错误与幻觉**，务必人工核验。本文所有示例仅用于学习与研究，不构成任何投资建议。市场有风险，投资需谨慎。
一、TradingView 深度用法
TradingView 的价值不只是「画图好看」，而是它把「看盘 → 分析 → 回测 → 监控」放进了同一个工作流。
1.1 图表与多周期联动
- 多图布局：同一标的开多个图表，分别看日线/小时/分钟，或用「多时间周期视图」在单图上叠加；
- 多周期联动：主图用日线、副图用更短周期指标，是判断「大周期方向 + 小周期入场」的标准操作（方法论见 06-技术分析篇）；
- 画线工具：趋势线、水平线、斐波那契、通道、射线的保存与布局管理——分析结论应该以「能保存、能导出」的方式沉淀，而不是画完就丢；
- 警报（Alerts）：价格/指标触发条件时推送通知（邮件、Telegram 等），是「半自动监控」的免费起点。
1.2 Pine Script：能做与不能做的
Pine Script 是 TradingView 的脚本语言，免费账号即可编写并公开/私有发布指标：
| 能做 | 不能做（或受限制） |
|---|---|
| 自定义指标、K 线形态识别、多条件信号标注 | 完整的多标的组合策略、事件驱动逻辑 |
| 在图表上绘制任意序列与图形 | 直接下单交易（官方 API 有限制，地区与资质条件各异） |
策略回测（strategy() 框架，含手续费/滑点参数） | 大规模参数寻优、样本外严谨测试 |
| 调用内置指标与函数库 | 读取外部数据源（基本面/另类数据） |
- 回测定位：Pine Script 回测适合快速验证想法，其撮合假设、滑点模型与佣金处理都偏简化，结论仅作参考；
- 进阶研究建议：想法验证后，到 Python 里用更严谨的数据与回测框架复现（见 15-量化实战篇）。
1.3 策略回测功能
- 参数：初始资金、手续费率、滑点、单笔风险占比等均可设置；
- 指标：净收益、最大**回撤、胜率**、利润因子、夏普等；
- 注意：默认回测按收盘价或下一根开盘价成交，且不自动处理停牌、涨跌停、流动性——结果偏乐观。
二、通达信公式：A 股散户的指标自定义
- 通达信公式的定位、语法与三档用法（指标/选股/交易系统）见 01-行情软件全景；
- 指标自定义：把「自己的规则」写成公式（如「均线多头排列」「MACD 底背离提示」），让软件替你盯，而不是你盯着软件；
- 条件选股：
选股器 → 条件选股，用公式在全市场筛出符合形态的股票池，再人工复核——公式只能做初筛，筛选结果必须人工看（避免捡到问题股）； - 正确姿势：
- 公式从简单开始：先复现一个你信得过的公开指标，再改参数理解其行为；
- 公式结果与手工画线交叉验证：公式没问题的前提是规则表达清晰；
- 网上「付费破解指标」基本都是公开指标改名，不值得买。
// 教学示意：N 日内创新高选股（语法以具体版本为准）
HHV(H, N) = H;三、Excel 在交易中的应用
Excel 是「不写代码的人最好的脚本语言」，用于交易的价值常被低估：
| 用途 | 做法 |
|---|---|
| 每日复盘表 | 日期/标的/方向/入场价/出场价/盈亏/盈亏比/主观备注，一表贯穿，月度汇总 |
| 交易统计 | 胜率、盈亏比、最大连续亏损、按月收益——用数据透视表与基础函数即可 |
| 数据整理 | 从行情软件/数据平台导出的 CSV 直接进 Excel 清洗、透视、画图 |
| 计划与执行追踪 | 交易计划的清单化：条件、仓位、止损、止盈，逐项打勾 |
复盘表模板要点（建议列）：交易日期、时间、标的、方向、入场价、止损价、止盈价、实际出场价、盈亏金额、盈亏比、持仓时长、策略类型、信号触发理由、本次教训。复盘方法论见 07-交易系统篇。
示例表结构（每笔交易一行，建议冻结首行并加数据验证下拉）：
| 日期 | 标的 | 方向 | 入场价 | 止损价 | 止盈价 | 出场价 | 盈亏% | 持仓时长 | 策略 | 触发理由 | 教训 |
|---|---|---|---|---|---|---|---|---|---|---|---|
| 2026-08-03 | 螺纹钢 | 多 | 3420 | 3380 | 3520 | 3510 | +2.6% | 2 天 | 突破 | 放量突破 20 日高点 | 止盈早了 |
| 2026-08-05 | BTCUSDT | 空 | 58200 | 59000 | 56000 | 56500 | +2.9% | 1 天 | 均线回归 | 反弹至 MA60 承压 | 无 |
- 每月用透视表汇总：各策略胜率/盈亏比、最大单笔亏损、连续亏损次数——把「感觉」变成「统计」，是复盘唯一正确的打开方式。
⚠️ Excel 的适用边界
注意：Excel 适合「记录与汇总」，不适合「回测与自动化」——当你的分析开始出现「循环引用、几百行 VBA、公式堆叠」时，是时候搬到 Python 了。
四、Python 分析工作流
Python 是个人量化研究的事实标准，与 15-量化实战篇 无缝衔接：
# 教学示意：pandas 读行情 + matplotlib 画图（依赖自装）
import pandas as pd
import matplotlib.pyplot as plt
df = pd.read_csv("btc_daily.csv", parse_dates=["date"])
df["ma20"] = df["close"].rolling(20).mean()
plt.figure(figsize=(10, 4))
plt.plot(df["date"], df["close"], label="close")
plt.plot(df["date"], df["ma20"], label="MA20")
plt.legend()
plt.show()| 环节 | 常用库 | 说明 |
|---|---|---|
| 数据处理 | pandas | 行情清洗、重采样、合并、缺失值处理 |
| 指标计算 | TA-Lib / pandas 手写 | 均线、MACD、RSI 等；手写更可控 |
| 可视化 | matplotlib / plotly | matplotlib 出图稳定适合报告；plotly 交互式适合探索 |
| 数据获取 | AKShare / Tushare / 交易所 SDK | 见 02-数据与研究平台 |
| 回测 | 自写 / backtrader 等 | 从简单开始，理解优先于框架 |
工作流建议：以「脚本文件 + 输入输出目录」的组织方式做分析（一个脚本只做一件事），结果与图统一输出到 results/，这样每次分析都可复现、可对比——这正对应 15-量化实战篇 的目录规范。
一个完整的最小分析工作流（教学示意，接口与字段以实际为准）：
# step1_fetch.py —— 取数（见 02-数据与研究平台）
# step2_analyze.py —— 计算与出图
import pandas as pd
import plotly.graph_objects as go
df = pd.read_csv("data/btc_daily.csv", parse_dates=["date"])
df["ma20"] = df["close"].rolling(20).mean()
df["ma60"] = df["close"].rolling(60).mean()
# 金叉/死叉信号（只做记录，不构成任何交易指令）
df["golden"] = (df["ma20"] > df["ma60"]) & (df["ma20"].shift(1) <= df["ma60"].shift(1))
fig = go.Figure()
fig.add_trace(go.Candlestick(x=df["date"], open=df["open"],
high=df["high"], low=df["low"], close=df["close"], name="K线"))
fig.add_trace(go.Scatter(x=df["date"], y=df["ma20"], name="MA20"))
fig.add_trace(go.Scatter(x=df["date"], y=df["ma60"], name="MA60"))
fig.write_html("results/btc_ma_signal.html") # 可交互报告，随手可回看
print("信号日期:", df.loc[df["golden"], "date"].tolist())💡 取数与分析拆成两个脚本
要点：取数与分析拆成两个脚本——取数每天跑、分析随时重跑，互不干扰；输出统一进 results/ 方便对比前后版本。
五、AI 辅助分析：用法与局限
LLM（大语言模型）已经能帮你读研报、整理数据、写分析代码，但要清楚它的边界：
| 用法（推荐） | 局限（务必知道） |
|---|---|
| 总结研报/公告要点，提取关键数字 | 会幻觉：可能编造不存在的数字、日期、结论 |
| 把「自然语言规则」翻译成查询/代码片段 | 计算不可靠：不要让 AI 做数值运算，让它写代码、你运行验证 |
| 解释陌生术语、梳理逻辑链条 | 知识有截止时间，政策/费率/规则以最新官方信息为准 |
| 复盘对话：把交易记录丢给它找模式 | 文字没有 K 线上下文，它看到的只是你写下来的描述 |
三条纪律：
- AI 输出的一切事实必须溯源：让它给出处（来源链接/原文段落），给不出就当没说过；
- 代码必须自己跑一遍：AI 写的代码当「草稿」，运行结果与行情软件交叉核对；
- 不要让 AI 做决策：它可以辅助整理信息，但仓位、止损、买卖判断必须来自你的系统（见 07-交易系统篇）。
可复用的提问模板（把任务拆到 AI 能一次完成的最小单位）：
任务：总结以下研报的要点。
要求：
1. 只使用文中内容，不要补充研报没有的信息；
2. 输出表格：维度 | 原文要点 | 原文出处（页码/段落）；
3. 对每个数字标注它出现在原文的哪一句；
4. 如原文没有的信息，明确写「文中未提及」。「让 AI 标出处 + 允许它说不知道」这两个要求，能把幻觉率压到可接受的范围。
🛑 不要让 AI 做决策，也不要做数值运算
不要让 AI 做决策，也不要做数值运算。 AI 输出的一切事实必须溯源、代码必须自己跑一遍、仓位与买卖判断必须来自你自己的系统——AI 可以辅助整理信息，但决策权永远在人。
六、「脚本化分析」的正确打开方式
把分析做成脚本，价值不在「省时间」，而在可复现、可审查、可升级：
6.1 先有逻辑，再写代码
- 顺序必须是：规则（自然语言）→ 伪代码 → 代码。先能用一句话说清「我在算什么、触发什么条件」，再动手写；
- 反过来（先写代码再补逻辑）的脚本，两周后你自己都看不懂，也无法验证对错；
- 每条规则都要能回答「如果错了，错的形态是什么」——这是发现未来函数与逻辑漏洞的方法。
6.2 代码版本管理
- 用 git 管理脚本与配置（入门见 15-量化实战篇-01）；
- 一个脚本 = 一个文件 + 一份注释说明「输入、输出、依赖、更新日期」；
- 禁止把 API Key 提交进仓库——进过 git 历史的密钥视为已泄露（见 05-运行与自动化环境）。
6.3 复盘自动化
- 每日收盘后自动跑一遍「当日信号回顾 + 持仓监控」脚本，输出对比图与关键数据，代替手工复盘；
- 每周/每月自动汇总统计（胜率、盈亏比、回撤），与 Excel 复盘表对应；
- 自动化的边界：自动产出分析、自动提醒，但下单决策留给人或严格验证过的策略（见 15-量化实战篇-04）。
6.4 可复现性自检清单
每次写完一个分析脚本，对照检查：
| 检查项 | 标准 |
|---|---|
| 输入明确 | 数据路径、起止日期、标的写死在配置里或命令行参数 |
| 逻辑清晰 | 任何规则都能用一句话向别人解释（讲不清楚=写不清楚） |
| 无未来函数 | 第 N 天的信号只用第 N 天及之前的数据（用 shift 自检） |
| 输出可追溯 | 图与表格带日期与数据源水印，文件名含生成日期 |
| 版本可控 | 改动进 git，记录「改了什么、为什么改」 |
七、下一步
- 想动手跑数据与回测 → 15-量化实战篇；
- 想让分析脚本 7×24 常驻、自动推送 → 05-运行与自动化环境。
⚠️ 风险提示
所有分析工具的输出都是「对历史数据的加工」，不是对未来的预测：回测存在系统性乐观偏差（滑点、手续费、未来函数、幸存者偏差），AI 辅助内容可能包含幻觉与事实错误，公式与脚本的错误可能在你不知情时默默影响决策。任何信号在用于真实交易前，务必在独立数据源上交叉验证、以人工复核为准。本文所有代码与示例仅用于学习与研究，不构成任何投资建议，市场有风险，投资需谨慎。