如何在K线（OHLC）序列中寻找最高复利增长率？

阿华AIGC实验室

2026-4-16

嘿，这个问题戳中了很多量化交易新手的盲区——简单找“每个低点后的第一个高点”往往会错过更优的复利组合，就像你举的例子里那样，直接跳步拿最末端的高点反而收益更高。咱们一步步拆解这个问题：

先明确你的测试案例问题

首先把你给的测试数据理清楚（按时间从旧到新排序）：

// (时间, open, high, low, close)
[ 0,    0,    0,    1,    0 ]  // 最旧的K线，低点=1
[ 1,    0,    1.1,  0,    0 ]  // 高点=1.1
[ 2,    0,    0,    1.8,  0 ]  // 低点=1.8
[ 3,    0,    2,    0,    0 ]  // 最新的K线，高点=2

你之前用的findFirst()逻辑，会匹配“1→1.1”和“1.8→2”，算出来的复利是(1.1/1)*(2/1.8)≈1.22，但显然最优解是直接从1拿到2，复利=2/1=2，收益差了一倍多！

问题出在哪？

简单的“找第一个更高点”逻辑是贪心策略，它只看眼前的第一个收益，没考虑“跳过中间次优节点，直接拿后面更大收益”的可能性。要找到全局最优的复利，我们需要用动态规划的思路，从后往前计算每个节点能获得的最大收益。

具体实现思路

核心想法是：从序列的最后一个节点往前推，记录每个节点开始到末尾的最大复利。定义maxRate[i]为第i个节点开始能拿到的最大复利，步骤如下：

初始化maxRate[n] = 1（序列结束后没有操作，复利为1）
从后往前遍历每个节点i：
1. 先默认不操作当前节点，所以maxRate[i] = maxRate[i+1]（继承后面节点的最大收益）
2. 如果当前节点有可买入的低点，就遍历所有时间在i之后的节点j：
  - 如果j有可卖出的高点且高于i的低点，计算(j.high / i.low) * maxRate[j+1]（i买j卖，加上j之后的最大收益）
  - 把这个值和当前的maxRate[i]比较，取更大的那个更新maxRate[i]

用Java代码实现（贴合你的场景）

// 假设你已经有OHLC类，包含getTime(), getLow(), getHigh()方法
List<OHLC> ohlcs = ...; // 你的K线序列，按时间从旧到新排序
int n = ohlcs.size();
double[] maxRate = new double[n + 1];
maxRate[n] = 1.0; // 序列末尾无操作，复利为1

// 从后往前遍历计算
for (int i = n - 1; i >= 0; i--) {
    OHLC currentOhlc = ohlcs.get(i);
    // 初始值：不操作当前节点，继承后面的最大复利
    maxRate[i] = maxRate[i + 1];
    
    // 仅处理有有效低点的节点（对应你案例中的非零值）
    if (currentOhlc.getLow() > 0) {
        // 遍历所有后续节点，寻找最优卖出点
        for (int j = i + 1; j < n; j++) {
            OHLC nextOhlc = ohlcs.get(j);
            // 仅处理有有效高点且高于当前低点的节点
            if (nextOhlc.getHigh() > 0 && nextOhlc.getHigh() > currentOhlc.getLow()) {
                double candidateRate = (nextOhlc.getHigh() / currentOhlc.getLow()) * maxRate[j + 1];
                // 更新当前节点的最大复利
                if (candidateRate > maxRate[i]) {
                    maxRate[i] = candidateRate;
                }
            }
        }
    }
}

// 最终的最大复利增长率就是maxRate[0]
System.out.println("最大复利增长率：" + maxRate[0]);

在你的测试案例中，这段代码会返回2.0，正好是最优解。