如何编写代码实现跨品种跨周期连续2-3根窄幅K线的颜色标记？

核心思路：用相对波动率的滚动统计替代固定绝对值 #

抛弃固定百分比阈值，改用品种自身的历史波动作为参照，自动适配不同股票、不同时间周期的波动特性。

最简实现步骤 #

• 计算单根K线的相对波幅：用当前K线的高低差除以前收盘价，得到百分比形式的波幅，避免绝对值的局限性：

  # 计算相对波幅（百分比）
  df['rel_amplitude'] = (df['high'] - df['low']) / df['close'].shift(1) * 100
  

• 用滚动窗口统计近期波幅的基准值，两种简单方案选其一：
  1. 滚动分位数法（更精准，适配波动分布）：取过去N根（比如20根）K线相对波幅的20%分位数，当前波幅低于该分位数则判定为窄幅K线：

     # 计算20根K线内相对波幅的20%分位数作为窄幅阈值
     df['narrow_threshold'] = df['rel_amplitude'].rolling(window=20).quantile(0.2)
     df['is_narrow'] = df['rel_amplitude'] < df['narrow_threshold']
     

  2. 滚动均值比例法（更简单，易实现）：当前波幅小于过去20根平均波幅的50%，判定为窄幅K线：

     # 计算20根K线的平均相对波幅，取50%作为阈值
     df['avg_amplitude'] = df['rel_amplitude'].rolling(window=20).mean()
     df['is_narrow'] = df['rel_amplitude'] < df['avg_amplitude'] * 0.5
     

• 统计连续窄幅K线数量，触发标记：

  # 统计连续窄幅K线的计数
  df['consec_narrow'] = df['is_narrow'].groupby((df['is_narrow'] != df['is_narrow'].shift()).cumsum()).cumsum()
  # 标记连续2-3根的情况
  df['mark_for_color'] = df['consec_narrow'].between(2, 3)
  

关于你提到的“过去20根K线波动范围”思路的问题 #

这个思路的核心问题是：整体波动范围是区间极值的差值，反映的是一段周期的整体波动幅度，无法精准识别单根K线的窄幅特性。比如过去20根波动大，但其中某几根可能本身波幅很小，用整体范围判断会误判。而上面的方法针对单根K线的波幅做统计，逻辑更精准。

内容的提问来源于stack exchange，提问作者Document