什么是假突破过滤的规则？
假突破过滤：定义与目标
假突破过滤指的是一组决策规则，当价格行为表明突破后未能持续时，将该突破标记为“假”。这种方法并不将价格首次突破某一水平视为确认信号，而是等待后续行为来判断是否出现失败（例如，价格迅速回到此前的区间内）。
本文介绍一套你可以实施并独立验证的规则集。本文仅为信息性内容：不声称具有预测准确性，不假设特定市场条件，也不承诺盈利结果。
核心机制（可测试的规则集）
要将“假突破过滤”转化为可测试的内容，你需要为每个动态部分提供明确的定义。
1) 定义突破水平和“区间”
选择以下稳定且机械的方法之一来定义该水平：
- 前期盘整边界：使用前期盘整阶段的高点/低点。
- 支撑/阻力带：使用基于历史数据定义的价格带（例如，在固定回溯期内的最高价和最低价）。
测试假设：突破水平必须基于突破决策窗口开始之前的数据得出。
2) 定义什么是突破
一个基本的机械定义是：
- 当价格交易高于上边界至少一个阈值时，发生看涨突破。
- 当价格交易低于下边界至少一个阈值时，发生看跌突破。
由于这是基于规则的，需选择一种一致的测量方式：
- 收盘价为基础：突破由K线收盘价高于/低于边界定义。
- 影线/成交价为基础：突破由任何交易/价格成交高于/低于边界并达到阈值来定义。
测试假设：明确你是使用收盘价还是盘中极值；这一选择会影响结果。
3) 定义突破后的“假”窗口
假突破过滤需要一个评估失败的时间窗口。例如，在突破信号时间之后，你监控接下来的 W 个时间单位（K线、分钟或柱）。
测试假设：提前决定 W 并在测试中保持不变。若在看到结果后再更改，就会成为一种选择偏差。
4) 使用重新测试或反转标准定义失败
以下是两种常见的规则类型，均可进行测试。
规则类型 A：返回前期区间
- 对于看涨突破，若价格在 W 窗口内返回至（或低于）上边界减去容差，则标记为假。
- 对于看跌突破，若价格在 W 窗口内返回至（或高于）下边界加上容差，则标记为假。
规则类型 B：未成功的重新测试
- 对于看涨突破，若价格重新回到被突破的水平，然后在 W 窗口剩余时间内未能维持在该水平之上，则标记为假。
- 对于看跌突破，若价格重新回到该水平，然后未能维持在该水平之下，则标记为假。
测试假设：选择一种容差方法（例如，固定数量的点数、点差或前期区间宽度的一定比例）。容差很重要，因为市场价格不会在精确水平上完美运行。
5) 明确处理模糊情况
并非每个突破都会清晰地归类为“假”或“非假”。你需要决定如何处理边界情况：
- 若失败恰好发生在边界上：明确是否将其计为假。
- 若价格在边界附近震荡：选择一条规则（例如，要求净反转才计为假）。
这一步是“规则”的一部分。如果你不定义模糊情况，验证就会变得不一致。
6) 完整规则集的总结
一个完整的可测试规则集可总结如下：
- 使用固定回溯期的历史数据确定前期区间的边界。
- 当价格以指定方式（收盘价或盘中极值）超过边界阈值时，检测突破。
- 在固定的突破后窗口 W 内，使用反转规则或未成功重新测试规则（含明确容差）评估失败。
- 将符合失败标准的突破标记为“假”，并可选择性地从后续分析中排除。
证据或示例：如何用历史数据验证
一种可验证的方法是将假突破过滤视为一种标记函数：对历史数据中的每个候选突破事件，这些规则生成一个标签（假或非假）。
示例设置（含明确假设）
假设以下测试条件（这些是你在自己实验中设定的占位符）：
- 你使用固定数量的前期K线构建区间。
- 看涨突破指K线收盘价超过前期区间高点至少一个阈值。
- W 是接下来的固定数量K线。
- “假”表示收盘价在 W 内返回至或低于前期区间高点。
如何验证：
- 在这些固定假设下，对大量突破事件运行标记函数。
- 计算被标记为“假”的事件比例。
- 每次只改变一个参数（例如 W 或阈值），重复实验，观察标签率的敏感性。
重要提示：报告高“假”率并不自动意味着过滤能改善结果。此处的验证目标更窄：确认规则行为一致，且其假设稳定。
与无过滤的基准进行比较
一种有用的比较方法是，在保持其他所有条件不变的情况下，以受控方式评估下游指标（例如结果的一致性或反转行为的分布）。
即使不声称盈利，你仍可测试“假”标签是否比随机事件更常与快速反转模式相关。关键是避免在评估中混入数据挖掘。
局限性与风险（实质性失败模式）
假突破过滤可能因与理念本身无关的原因而失败。
1) 参数敏感性与过拟合
阈值、容差或窗口长度的微小变化，可能显著改变被标记为“假”的事件。如果你根据历史数据表现调整这些参数，可能会过拟合过去条件，而非捕捉稳定行为。
2) 市场状态变化
在一种波动率状态下有效的规则，在另一种状态下可能表现不同。突破频率、典型K线范围和均值回归速度可能变化，使固定的 W 和固定容差变得不再合适。
3) 数据质量与测量选择
盘中极值与收盘价为基础的定义、时区处理、K线构建和交易品种格式都可能影响结果。验证必须使用一致的数据定义。