缠论，由"缠中说禅"创立的一套股票分析理论，因其独特的"走势自相似性"观点和严密的分型—笔—线段层级结构，在全球华人量化交易圈子中一直拥有忠实的追随者。但缠论真正的难点从来不是"能不能赚钱"，而是"怎么量化"——把图形上的笔和段转换成计算机能理解的代码。本文记录了朕天智能从零搭建缠论回测仪表盘的完整过程。
在动手写代码之前，先快速回顾缠论的两个核心概念——因为量化系统里的每一个 Bug，几乎都能追溯到对这两个概念的"意会错了"：
三根连续 K 线，中间那根的低点是三根中最低的，同时中间的高点也是三根中最低的——这就构成一个底分型。顶分型则相反。分型是缠论一切分析的基础：分型组成笔，笔组成线段，线段组成走势。
所谓背驰，就是"价格创新高了，但力度不如前一次"。在缠论中，力度通常用 MACD 柱状线面积来衡量。当价格创出新高但 MACD 柱状线面积反而小于前一次上涨时的面积，就是顶背驰，预示着趋势可能要反转。底背驰则相反。
💡 量化难点：分型的识别看似简单，但在实际 K 线数据中，包含处理（前复权、垃圾时间过滤）和包含关系的处理才是真正容易出错的地方。一个好的量化引擎，需要几千行代码来精确处理包含关系的所有边界情况。
回测系统的第一步是获取可靠的 K 线数据。经过对比评估，我们最终选择了腾讯财经作为主要数据源，原因如下：
当然，腾讯接口也有局限：单次请求数据返回条数有限（约 800 条），如果需要更长时间跨度的分钟级数据，需要用滑动窗口的方式分批拉取。我们的解决方案是写一个轻量级数据缓存层，将拉取到的数据以 CSV 格式存储本地，避免重复请求。
朕天缠论仪表盘的回测系统采用模块化架构，主要包含四个层次：
1. 数据层 → 腾讯财经 API + 本地 CSV 缓存
2. 分析层 → 包含处理 → 分型识别 → 笔生成 → 背驰检测
3. 策略层 → 买入/卖出规则引擎（底分型预判买 + 背驰卖）
4. 回测层 → 模拟交易引擎 + 绩效统计 + 可视化报表这是整个系统的技术核心，也是和"事后标注"型缠论工具的最大区别。底分型预判的核心逻辑是：
缠论的回测不能"裸奔"。朕天的系统配置了三重风控引擎：
我们选取了 65 只自选股（不含茅台、万科 A），使用 30 分钟 K 线进行两年的回测（2024-06 至 2026-06）。以下是核心结果：
| 指标 | L2-标准账户 | L3-稳健账户 |
|---|---|---|
| 总交易次数 | 148 | 89 |
| 胜率 | 77% | 82% |
| 平均单笔收益 | +1.82% | +2.14% |
| 最大回撤 | -6.3% | -4.1% |
回测结果的几个重要发现：
光有数据还不够，我们需要一个能直观查看的信号面板。仪表盘的核心视图包括：
仪表盘使用 Python Streamlit 开发，数据后端用 SQLite 存储交易记录。前端图表使用 Plotly 渲染，支持交互式缩放和数据点悬停查看。
🔑 关键认识：回测胜率 77% 看起来很漂亮，但要清醒认识到——回测永远存在"过拟合"风险。65 只股票用同一套参数跑通，不代表任意股票都能跑通。朕天的策略是将回测结果作为参考而非信仰，每季度重新评估策略参数。
回测验证后，朕天将系统升级为模拟交易模式，设置了四个模拟账户（L1 激进 / L2 标准 / L3 稳健 / L4 保守），每天自动扫描 65 只股票的 30 分钟 K 线信号，推送买卖提示。
系统目前稳定运行在 V9.5.6a 版本，通过飞书机器人每日推送交易信号。信号包含：股票名称、买入/卖出价位、建议仓位、信心指数、止损价——所有信息一目了然，不需要用户自行解读缠论图表。
总结：朕天的缠论仪表盘展示了一条清晰的路径——从概念理解（分型+背驰）到数据获取（腾讯财经），从量化实现（底分型预判引擎）到实战验证（65 只股票两年回测），再到可视化工具（Streamlit 仪表盘）和自动化运营（飞书推送）。对于缠论初学者来说，这篇文章提供了从零到实操的完整参考。缠论量化不是一个"玄学"，而是一个可以被理解、被验证、被改进的系统工程。下一步，我们将探索多级别联立的分析框架——把 5 分钟、30 分钟、日线三个级别的信号结合起来，进一步提高信号的准确率。