BTCUSD时间序列线性回归线角度近90度问题及解决方案咨询

交易BTCUSD时，使用TA-Lib库计算线性回归线的斜率与角度，希望对比10、50等不同周期的回归线角度，但输出结果几乎所有角度都接近±90度，斜率数值也极大。推测是x轴与y轴数值差异过大导致，需明确问题根源、验证推测，并获取可对比的合理角度及设置阈值的方法。

原代码 #

import pandas as pd
import talib

df = pd.read_csv(r'E:\filepath\Kucoin_BTCUSDT_d.csv')
# 截取小部分数据方便打印结果
df = df[100:105]

df.date = pd.to_datetime(df.date, format="%m/%d/%Y %H:%M") 
df = df.set_index("date")

lrSlope = talib.LINEARREG_SLOPE(df['close'], timeperiod=5)
lrAngle = talib.LINEARREG_ANGLE(df['close'], timeperiod=5)

print(df['close'])
print('Slope', lrSlope.iloc[-1])
print('Angle', lrAngle.iloc[-1])

运行结果 #

date
2018-02-03    9199.999443
2018-02-04    8117.000002
2018-02-05    6950.001000
2018-02-06    7676.000008
2018-02-07    7572.421893
Name: close, dtype: float64

Slope -369.61550939999984
Angle -89.84498583458068

你的推测方向正确，但细节需修正：

1. TA-Lib计算线性回归时，x轴并非实际日期，而是序列的索引位置（0、1、2...这类小整数），但核心问题确实是x、y轴量级差异过大：y轴BTC价格是数千级别的数值，x轴是个位数小整数，导致斜率（Δy/Δx）的绝对值极大。
2. 角度是通过arctan(斜率)转换为度数得到的，当斜率绝对值极大时，arctan的结果会无限接近±90度，这就是你看到结果的原因。

要得到不同周期可对比的角度，需消除x、y轴的量级差异，以下两种方法最常用：

方法1：用价格收益率代替原始价格计算 #

收益率是价格的百分比变化，数值范围通常在[-0.1, 0.1]左右，和x轴的小整数量级匹配，计算出的角度能反映趋势强度，适合跨周期对比。

import pandas as pd
import talib

df = pd.read_csv(r'E:\filepath\Kucoin_BTCUSDT_d.csv')
df = df[100:105]

df.date = pd.to_datetime(df.date, format="%m/%d/%Y %H:%M") 
df = df.set_index("date")

# 计算日收益率，dropna去除第一个空值
df['returns'] = df['close'].pct_change().dropna()

# 收益率序列长度减少1，timeperiod对应调整为4
lrSlope = talib.LINEARREG_SLOPE(df['returns'], timeperiod=4)
lrAngle = talib.LINEARREG_ANGLE(df['returns'], timeperiod=4)

print('收益率序列:\n', df['returns'])
print('Slope', lrSlope.iloc[-1])
print('Angle', lrAngle.iloc[-1])

方法2：对原始价格做标准化处理 #

将价格缩放到与x轴量级接近的区间（比如0-10），消除数值差异：

import pandas as pd
import talib
from sklearn.preprocessing import MinMaxScaler

df = pd.read_csv(r'E:\filepath\Kucoin_BTCUSDT_d.csv')
df = df[100:105]

df.date = pd.to_datetime(df.date, format="%m/%d/%Y %H:%M") 
df = df.set_index("date")

# 将价格缩放到0-10区间，匹配x轴数值范围
scaler = MinMaxScaler(feature_range=(0,10))
df['close_scaled'] = scaler.fit_transform(df[['close']])

lrSlope_scaled = talib.LINEARREG_SLOPE(df['close_scaled'], timeperiod=5)
lrAngle_scaled = talib.LINEARREG_ANGLE(df['close_scaled'], timeperiod=5)

print('标准化价格:\n', df['close_scaled'])
print('Scaled Slope', lrSlope_scaled.iloc[-1])
print('Scaled Angle', lrAngle_scaled.iloc[-1])

使用上述方法得到合理角度后，可根据趋势强度设置阈值：

• 角度绝对值＜30度：趋势极弱，处于震荡行情
• 30度≤角度绝对值＜60度：中等强度趋势
• 角度绝对值≥60度：强趋势（上涨或下跌）

注意：跨周期对比时，必须使用同一种标准化方法，确保结果具备可比性。

内容的提问来源于stack exchange，提问作者Hamze Kabi