Swing Highs Lows 使用了哪些输入？
直接答案
Swing Highs Lows 使用来自价格本身的图表输入：即你在价格图表上识别出的摆动高点和摆动低点序列。换句话说，“输入”默认不是外部指标；而是由你所定义的摆动点规则产生的选定高低点坐标。
由于“Swing Highs Lows”这一术语可以通过不同的摆动识别规则来实现，因此回答该问题最可靠的方式是列出你必须为自己的版本定义的输入：（1）你标记所依据的价格序列（例如，最高价/最低价），（2）检测摆动点的规则（实质定义），以及（3）图表范围（时间窗口和K线/刻度粒度）。
机制与定义
根据选定规则，摆动高点是价格结构中的局部峰值；摆动低点则是同一类规则下的局部谷值。一旦确定了这些点，“Swing Highs Lows”通常指对这些点的顺序和相对位置进行分析——例如，新的高点是否高于/低于前一个高点，新的低点是否高于/低于前一个低点。
为了精确起见，你的输入通常分为以下几类：
- 价格数据：用于标记高低点所需的数据（通常为K线的最高价和最低价，或你所使用的任何图表数据源中的相关高低值）。
- 摆动检测规则：一个确定性条件，用于判断某根K线（或时间戳）是否符合摆动高/低点的标准。例如，许多实现要求候选点的高点高于其周围点才能成为摆动高点，低点低于其周围点才能成为摆动低点。
- 回溯/周围观察窗口（依赖）：在判断某点是否“高于/低于邻居”时，考虑候选点两侧多少根K线。
- 图表粒度和时间窗口：用于标记摆动点的时间框架（例如，分钟级 vs. 日线）以及历史数据的时间跨度。
- 数据一致性假设：你是否在整个时间段内采用一致的数据处理方式（例如，连续数据 vs. 交易时段中断），因为这会影响摆动点的出现位置。
在定义了这些输入后，其机制非常简单：你从图表中生成一个有序的摆动高点和摆动低点列表，然后任何进一步的分析都基于该列表（例如，比较连续摆动点的相对位置）。
证据或示例（含明确假设）
假设你分析的是由K线构成的图表，每根K线具有 H（最高价）和 L（最低价）。假设你的摆动规则是：当某根K线的最高价 H 高于其两侧固定数量邻近K线的最高价时，该K线即为摆动高点；当某根K线的最低价 L 低于其两侧邻近K线的最低价时，该K线即为摆动低点。
在此假设下，摆动高点检测步骤的“输入”包括：
- 在你选定时间范围内每根K线的 H 值序列，
- 邻近K线数量（你的周围观察窗口），
- 候选K线的索引。
同理，摆动低点检测步骤的“输入”包括：
- 同一时间范围内的 L 值序列，
- 相同的邻近K线数量逻辑。
一旦确定了摆动点，你所进行的任何结构比较（例如，将下一个摆动高点的高度与前一个进行比较）都依赖于这些确切标记的点。如果你更改了邻近K线数量或时间范围，标记的摆动点列表也会改变，进而影响后续结论。
局限性与风险
一个关键局限是，Swing Highs Lows 的一致性完全取决于你选择的摆动识别规则和图表范围。常见的失效模式包括：
- 阈值附近的模糊性：如果两个相邻K线的高/低值非常接近，数据分辨率的微小变化可能导致某点是否被识别为摆动点发生翻转。
- 参数不一致：对某些观察使用一种周围观察窗口，而对其他观察使用另一种，可能造成“结构”存在的误导性印象。
- 对历史数据过度拟合：调整摆动规则以使历史案例看起来更清晰，可能会降低在新图表上的可靠性。
- 非平稳条件：摆动点与后续价格行为之间的历史关系并不能保证未来行为相似；市场可能改变其状态、波动性或微观结构。