Python如何高效识别OHLC数据集中的数值区间与支撑位

需求背景 #

我正在开发个人项目，需要在比特币历史价格OHLCV数据集中识别价格支撑区间，使用的pandas DataFrame数据格式如下：

startTime          time     open     high      low    close        volume                date direction
date
2022-04-08 21:00:00  2022-04-08T21:00:00+00:00  1.649452e+09  42802.0  42856.0  42439.0  42560.0  6.051324e+07 2022-04-08 21:00:00      down
2022-04-08 22:00:00  2022-04-08T22:00:00+00:00  1.649455e+09  42560.0  42664.0  42228.0  42297.0  1.318070e+08 2022-04-08 22:00:00      down
2022-04-08 23:00:00  2022-04-08T23:00:00+00:00  1.649459e+09  42297.0  42359.0  42101.0  42258.0  1.252274e+08 2022-04-08 23:00:00      down
2022-04-09 00:00:00  2022-04-09T00:00:00+00:00  1.649462e+09  42258.0  42457.0  42144.0  42435.0  8.506876e+07 2022-04-09 00:00:00        up
2022-04-09 01:00:00  2022-04-09T01:00:00+00:00  1.649466e+09  42435.0  42461.0  42284.0  42428.0  4.037635e+07 2022-04-09 01:00:00      down
...                                        ...           ...      ...      ...      ...      ...           ...                 ...       ...
2022-06-10 04:00:00  2022-06-10T04:00:00+00:00  1.654834e+09  30094.0  30126.0  30030.0  30069.0  3.618291e+07 2022-06-10 04:00:00      down
2022-06-10 05:00:00  2022-06-10T05:00:00+00:00  1.654837e+09  30069.0  30170.0  30061.0  30078.0  4.745932e+07 2022-06-10 05:00:00        up
2022-06-10 06:00:00  2022-06-10T06:00:00+00:00  1.654841e+09  30078.0  30212.0  30045.0  30076.0  6.220629e+07 2022-06-10 06:00:00      down
2022-06-10 07:00:00  2022-06-10T07:00:00+00:00  1.654844e+09  30076.0  30114.0  30030.0  30030.0  2.871507e+07 2022-06-10 07:00:00      down
2022-06-10 08:00:00  2022-06-10T08:00:00+00:00  1.654848e+09  30030.0  30092.0  29965.0  30005.0  5.683842e+07 2022-06-10 08:00:00      down

核心需求：

针对数据中每一个low（最低价），计算其上下浮动0.5%的价格区间，统计该区间内包含的其他最低价的数量。

原有实现及问题 #

原有实现思路：

• 将所有low列的价格归集到名为lows的列表中
• 遍历lows列表：对每一个low值，计算其上下0.5%浮动的区间上下界
• 在第一层循环内再次遍历lows列表，若元素值落在当前计算的区间内，就将其追加到对应结果列表中

原有完整代码：

import httpx
import json
import pandas as pd

def get_ohlc(market):
    req = httpx.get(f'https://ftx.com/api/markets/{market}/candles?resolution=3600')
    data = req.json()['result']
    ohlcv = pd.DataFrame(data)
    ohlcv['time'] = ohlcv['time'].astype('int64')
    ohlcv['time'] = ohlcv['time']/1000
    ohlcv['date'] = pd.to_datetime(ohlcv['time'], unit='s')
    ohlcv = ohlcv.set_index(pd.DatetimeIndex(ohlcv['date']))
    return ohlcv

ohlcv = get_ohlc('BTC-PERP')
supports = {}
lows = ohlcv['low'].tolist()

for low in lows:
    low_up = low + (low/100)*0.5
    low_down = low - (low/100)*0.5
    supports.update({low: []})

    for sub_low in lows:
        if sub_low < low_up and sub_low > low_down:
            supports[low].append(sub_low)

print(supports)

该实现采用双重循环，时间复杂度为O(n²)，数据量增大后运行效率极低。

高效实现方案 #

方案1：排序+二分查找（无额外依赖，O(nlogn)复杂度） #

不需要双重循环，先对最低价数组排序，再用二分查找快速定位每个区间的边界，计算区间内元素数量，内存占用低、运行速度快，适合10万条以上的大数据量场景：

import numpy as np

lows_arr = ohlcv['low'].to_numpy()
sorted_lows = np.sort(lows_arr)
# 批量计算每个价格的上下0.5%边界
low_down = lows_arr * 0.995
low_up = lows_arr * 1.005
# 二分查找边界位置，差值即为区间内的最低价数量
left_pos = np.searchsorted(sorted_lows, low_down, side='left')
right_pos = np.searchsorted(sorted_lows, low_up, side='right')
ohlcv['support_touch_count'] = right_pos - left_pos

如果需要获取每个区间内的具体价格列表，只需要根据左右位置从排序后的数组中切片即可。

方案2：DBSCAN聚类直接识别支撑位 #

如果最终目标是识别有效支撑区间，而非逐点统计数量，可以直接用DBSCAN密度聚类算法，自动将0.5%偏差范围内的价格聚为一类，过滤掉触碰次数少的无效点位，输出结果更贴合交易分析场景：

from sklearn.cluster import DBSCAN

lows_arr = ohlcv['low'].to_numpy().reshape(-1, 1)
# 按平均价格的0.5%设置聚类距离阈值，min_samples为支撑位最少触碰次数
avg_price = lows_arr.mean()
cluster_model = DBSCAN(eps=avg_price*0.005, min_samples=3)
ohlcv['cluster_id'] = cluster_model.fit_predict(lows_arr)

# 统计每个聚类的价格范围、触碰次数，即为支撑位信息
support_levels = ohlcv[ohlcv['cluster_id']!=-1].groupby('cluster_id')['low'].agg(
    touch_count='count',
    support_min='min',
    support_max='max',
    support_center='mean'
).sort_values('touch_count', ascending=False)

内容的提问来源于stack exchange，提问作者JayK23