评估背离反转需要哪些数据？
在收集数据前先定义“背离反转”
背离反转指一种被声称的情况：价格走势与某项指标的走势出现背离（不一致），且该背离被认为预示着价格即将发生反转。由于这是对模式的解释而非确定机制，主要评估任务是确认你数据集中的观察事实真实存在，并且指标构建方式一致。
为此，需收集支持以下三部分的数据：(1) 基础价格序列，(2) 产生背离的指标值，(3) 定义何为背离和反转的时间窗口与规则。
所需数据输入（价格、指标和测量）
从使解释可验证的最低输入开始：
- 价格数据（图表的“真实基准”）
- 交易品种/市场工具标识符。
- 周期（例如，1H 与 4H 会影响高低点结构）。
- 正在审查的确切时间范围。
- 计划使用的 OHLCV 字段（仅收盘价，或用于波段检测的高/低价）。
- 指标数据（据称出现背离的部分）
- 使用的指标类型（例如，震荡指标或基于移动平均的度量）。
- 指标参数（周期长度、平滑处理及任何归一化）。
- 从价格数据计算指标值的规则。
- 背离定义（“事件规则”） 由于“背离”可有多种定义，需记录你正在评估的可衡量定义：
- 背离使用的是波段高/低点还是逐K线比较。
- 如何匹配峰值/谷值（最近的波段、相同顺序或特定回溯期）。
- 是否要求严格不等式（更高价格高点对应更低指标高点），或允许容差。
- 反转定义（“结果规则”） “反转”也必须可衡量：
- 预期方向（看涨或看跌）。
- 触发条件（例如，突破前一波段）及所用周期。
- 测量时间范围（背离后多少K线或时间）。
- 计算或示例中使用的假设 若你计算变化、斜率、距离或阈值过滤器，需明确说明假设：
- 任何阈值（即使非正式，如“附近”或“显著”）。
- 任何转换（时区、交易时段截止）。
数据来源与时效性：数据来源及有效时间
即使定义稳定，若数据集不一致，仍会失败。因此需收集来源和时效性细节：
- 数据来源：标明提供商/平台及其历史K线的授权或更新方式。
- 时间戳处理：确认K线是否对齐至UTC或本地交易所时间。
- 公司行为和交易品种变更：如适用，确保连续性调整一致应用。
- 重算行为：许多指标依赖先前值；确认数据集支持指标设置所需的完整回溯历史。
由于此处不假设实时数据，时效性主要指你使用了正确的历史片段，且指标值由同一片段推导而来。
可独立验证的证据或示例
采用避免将该想法视为自动信号的方法：
- 选择一个历史时间段。
- 根据声明的价格序列和设置重新计算指标。
- 标记波段并数值验证背离规则（例如，哪个价格极值对应哪个指标极值）。
- 在定义的时间范围内，验证背离后的反转规则。
这将一种解释转化为可复现的内容。若调整周期、波段检测规则或指标参数后结果改变，这种不稳定性本身就是重要发现。
局限性和失效模式（可能出现的问题）
任何评估中至少应考虑一个实质性局限：
- 定义漂移：“背离”和“反转”可能含义不同。微小规则变化（波段选择、容差、时间范围）可能改变结果。
- 指标敏感性：震荡指标对波动率环境反应不同，使背离在不同市况下显得更清晰或更嘈杂。
- 数据质量问题：缺失K线、时区不匹配或不一致的OHLC字段可能产生虚假背离。
- 历史不可转移性：过去数据中的关系不能确立未来结果。
还需注意不确定性：即使计算正确，背离反转也只是关于市场可能如何表现的分析主张，而非对必然行为的陈述。
验证步骤及待解决的下一个问题
为独立验证背离反转信息，请关注可复现性：
- 确认相同的交易品种、周期和日期范围。
- 确认指标类型及确切设置。
- 确认用于标记事件的背离和反转规则。