如何编写双条件A、B触发顺序代码：B出现K线位置未知

核心思路 #

要实现A触发后任意1~K根K线内的B触发识别，关键是追踪最近一次（或所有）条件A的触发位置，然后判断当前K线的条件B是否落在A触发后的有效范围内。

代码实现（Pine Script，适用于TradingView） #

//@version=5
indicator("A后任意K线B触发识别", overlay=true)

// 可配置参数：A触发后最多追踪多少根K线内的B
max_track_bars = input.int(5, title="A触发后追踪最大K线数", minval=1)

// ---------- 替换为你的实际条件逻辑 ----------
conditionA = close > open * 1.02  // 示例：阳线涨幅超2%触发A
conditionB = close < open * 0.98  // 示例：阴线跌幅超2%触发B
// ------------------------------------------

// 记录最近一次A触发的K线索引
var int last_a_bar = na
last_a_bar := conditionA ? bar_index : last_a_bar

// 计算当前K线与A触发K线的间隔
bars_since_a = bar_index - last_a_bar

// 有效触发判定：A已触发 + 间隔在1~max_track_bars之间 + 当前B触发
valid_trigger = not na(last_a_bar) and bars_since_a >= 1 and bars_since_a <= max_track_bars and conditionB

// 可视化标记触发信号
plotshape(valid_trigger, title="有效信号", location=location.belowbar, color=color.new(color.green, 0), style=shape.labelup, text="A→B", textcolor=color.white)

代码实现（Python + Pandas，处理本地K线数据） #

import pandas as pd

# 假设df是已加载的K线数据，包含open/close等字段
df = pd.read_csv("your_kline_data.csv")

# ---------- 替换为你的实际条件逻辑 ----------
df["conditionA"] = df["close"] > df["open"] * 1.02
df["conditionB"] = df["close"] < df["open"] * 0.98
# ------------------------------------------

max_track_bars = 5

# 记录每根K线对应的最近一次A触发的索引
df["last_a_index"] = df["conditionA"].cummax().where(df["conditionA"], df["last_a_index"].shift())

# 计算当前K线与A触发K线的间隔数
df["bars_since_a"] = df.index - df["last_a_index"]

# 判定有效触发
df["valid_trigger"] = (~df["last_a_index"].isna()) & (df["bars_since_a"] >= 1) & (df["bars_since_a"] <= max_track_bars) & df["conditionB"]

# 筛选出所有有效触发的记录
print(df[df["valid_trigger"]][["datetime", "open", "close", "bars_since_a"]])

注意事项 #

• 如果需要追踪所有历史A触发后的B（而非仅最近一次），可以用列表存储所有A的触发索引，再逐一检查当前B是否落在任意A的1~K范围内
• 初始阶段（无A触发记录时）要跳过判定，避免NaN值引发错误

内容的提问来源于stack exchange，提问作者BOB122