从零开始构建缠论交易系统：chan.py框架全面实用指南

2026-04-19 09:45:00作者：戚魁泉Nursing

chan.py是一个开放式的缠论Python实现框架，提供形态学/动力学买卖点分析计算、多级别K线联立、区间套策略、可视化绘图等核心功能，支持多种数据接入与交易系统对接，帮助投资者快速实现从市场分析到智能决策的全流程解决方案。

环境部署指南

系统要求与依赖安装

chan.py框架基于Python 3.11开发，建议使用该版本以获得最佳性能。通过以下步骤完成环境部署：

git clone https://gitcode.com/gh_mirrors/ch/chan.py
cd chan.py
pip install -r Script/requirements.txt

项目结构解析

框架采用模块化设计，核心功能分布在以下关键目录：

模块路径	功能说明	核心文件
[ChanModel/]	缠论核心计算模块	Features.py
[KLine/]	K线数据处理	KLine.py, KLine_List.py
[Seg/]	线段划分算法	Seg.py, SegListChan.py
[ZS/]	中枢计算模块	ZS.py, ZSList.py
[BuySellPoint/]	买卖点识别	BS_Point.py, BSPointList.py

缠论核心概念与实现

基础数据结构

缠论分析的基础是K线数据，框架通过KLine类封装了价格数据与时间序列：

from KLine.KLine import CKLine
from KLine.KLine_Unit import CKLineUnit

# 创建K线单元
kl_unit = CKLineUnit(
    open=150.0, 
    close=155.0, 
    high=156.0, 
    low=149.0, 
    vol=10000,
    datetime="2023-01-01 09:30:00"
)

# 构建K线列表
kl_list = CKLine([kl_unit])

笔与线段计算

笔和线段是缠论分析的基础构件，框架提供多种计算模式：

from Seg.Seg import CSeg
from Common.CEnum import SegAlgo

# 初始化线段计算
seg = CSeg(
    kl_list=kl_list,
    config={
        "bi_strict": True,       # 严格笔模式
        "seg_algo": SegAlgo.CHAN  # 缠论线段算法
    }
)

# 执行线段划分
seg.calc()
bi_list = seg.bi_list    # 获取笔列表
seg_list = seg.seg_list  # 获取线段列表

图：60分钟K线图上的笔、线段与中枢标记，绿色线表示线段，黄色框表示中枢区域

中枢算法全解析

三种中枢计算模式

框架实现了三种中枢算法，适应不同的市场分析场景：

算法类型	实现路径	特点	适用场景
段内中枢	[ZS/ZS.py]	完全包含在线段内，笔数为奇数	标准走势分析
跨段中枢	[ZS/ZS.py]	可跨越多个线段，笔数灵活	复杂震荡走势
自动算法	[ZS/ZSList.py]	智能选择最优算法	自动化分析系统

中枢计算代码示例

from ZS.ZS import CZS
from ZS.ZSConfig import CZSConfig

# 配置中枢计算参数
zs_config = CZSConfig({
    "zs_algo": "normal",  # 段内中枢算法
    "combine": True       # 允许中枢合并
})

# 计算中枢
zs = CZS(seg_list, zs_config)
zs_list = zs.calc_zs()  # 获取中枢列表

图：不同中枢算法对比，上半部分为段内中枢(normal)，下半部分为跨段中枢(over_seg)

多级别联立分析实战

区间套策略实现

缠论的区间套思想通过多级别K线联立实现，框架支持从年线到分钟线的全周期覆盖：

from Chan import CChan
from Common.CEnum import KL_TYPE

# 定义分析级别列表
lv_list = [
    KL_TYPE.K_DAY,   # 日线：趋势方向
    KL_TYPE.K_30M,   # 30分钟：波段节奏
    KL_TYPE.K_5M     # 5分钟：精确买卖点
]

# 初始化多级别分析
chan = CChan(
    code="US.AAPL",
    begin_time="2022-01-01",
    lv_list=lv_list
)

# 获取各级别分析结果
day_zs = chan[KL_TYPE.K_DAY].zs_list      # 日线中枢
min30_bi = chan[KL_TYPE.K_30M].bi_list    # 30分钟笔
min5_bsp = chan[KL_TYPE.K_5M].bsp_list    # 5分钟买卖点

图：日线与30分钟线区间套分析，绿色虚线为趋势线，红色标记为买卖点

买卖点识别系统

形态学与动力学买卖点

框架实现了完整的买卖点识别系统，包括基础买卖点(bsp)和自定义买卖点(cbsp)：

from BuySellPoint.BS_Point import CBS_Point
from BuySellPoint.BSPointConfig import CBSPConfig

# 配置买卖点参数
bsp_config = CBSPConfig({
    "bsp_back_ratio": 0.9,    # 背驰比例
    "cbsp_enable": True        # 启用自定义买卖点
})

# 计算买卖点
bsp = CBS_Point(
    kl_type=KL_TYPE.K_DAY,
    bi_list=bi_list,
    seg_list=seg_list,
    zs_list=zs_list,
    config=bsp_config
)
bsp_list = bsp.calc_bsp()      # 基础买卖点
cbsp_list = bsp.calc_cbsp()    # 自定义买卖点

图：日线图上的买卖点标记，实线为基础买卖点(bsp)，虚线为自定义买卖点(cbsp)

策略开发与回测

策略模板与实现

基于框架开发自定义策略的基础模板：

from Debug.strategy_demo import CStrategyDemo

# 初始化策略
strategy = CStrategyDemo(
    code="HK.00700",
    kl_type=KL_TYPE.K_DAY,
    config={
        "stop_loss": 0.05,      # 止损比例
        "take_profit": 0.15     # 止盈比例
    }
)

# 运行策略回测
result = strategy.backtest(
    start_date="2020-01-01",
    end_date="2023-01-01"
)

# 输出回测结果
print(f"策略收益: {result['return']:.2%}")
print(f"最大回撤: {result['max_drawdown']:.2%}")