动态网格计算


# Task 002: 动态网格计算

## 概述

增强现有的 `calculate_grid_levels()` 方法，添加基于 ATR（Average True Range）的自适应网格间距计算逻辑。实现智能网格调整，使网格间距能够根据市场波动率动态调整，提高策略在不同市场环境下的适应性。

## 需求描述

### 功能需求

1. **ATR 自适应网格间距**
   - 基于 ATR 指标计算动态网格间距
   - 高波动时增大网格间距，低波动时缩小间距
   - 设置最小/最大间距限制

2. **布林带边界确定**
   - 使用布林带上下轨作为网格边界
   - 动态调整网格总范围
   - 防止网格过度扩张

3. **网格层级优化**
   - 保持 20 层固定网格结构
   - 智能分布网格点位
   - 考虑价格精度和最小交易量

4. **历史数据验证**
   - 基于历史波动率验证网格设置
   - 避免过于激进的参数调整
   - 平滑过渡机制

### 技术要求
- 复用现有的 TA-Lib 技术指标
- 保持与原网格计算的兼容性
- 优化计算性能，避免重复计算

## 验收标准

### 功能验收
- [ ] ATR 自适应间距计算准确
- [ ] 布林带边界设置合理
- [ ] 网格层级分布均匀
- [ ] 参数调整平滑过渡

### 技术验收
- [ ] 计算延迟 < 200ms
- [ ] 内存增量 < 100MB
- [ ] 指标计算复用率 > 80%
- [ ] 单元测试覆盖率 > 95%

### 业务验收
- [ ] 震荡市网格密度合理
- [ ] 趋势市网格适应性好
- [ ] 极端行情下不出现异常
- [ ] 回测结果优于固定网格

## 实现方案

### 核心算法

1. **ATR 自适应间距计算**
```python
def calculate_adaptive_grid_spacing(self, dataframe: DataFrame) -> float:
    """
    基于 ATR 计算动态网格间距
    
    公式：
    base_spacing = ATR(14) * atr_multiplier
    adjusted_spacing = max(min_spacing, min(base_spacing, max_spacing))
    """
    atr = ta.ATR(dataframe, timeperiod=14)
    current_atr = atr.iloc[-1]
    
    # 基础间距 = ATR * 倍数
    base_spacing = current_atr * self.atr_multiplier.value
    
    # 应用边界限制
    min_spacing = self.min_grid_spacing.value
    max_spacing = self.max_grid_spacing.value
    
    return max(min_spacing, min(base_spacing, max_spacing))
```

2. **布林带边界计算**
```python
def calculate_dynamic_boundaries(self, dataframe: DataFrame) -> tuple:
    """
    基于布林带计算网格边界
    
    返回: (lower_bound, upper_bound)
    """
    bb_upper, bb_middle, bb_lower = ta.BBANDS(
        dataframe['close'], 
        timeperiod=20, 
        nbdevup=2, 
        nbdevdn=2
    )
    
    # 边界扩展系数
    expansion = self.boundary_expansion.value
    current_price = dataframe['close'].iloc[-1]
    
    lower_bound = bb_lower.iloc[-1] * (1 - expansion)
    upper_bound = bb_upper.iloc[-1] * (1 + expansion)
    
    return lower_bound, upper_bound
```

3. **增强的网格层级计算**
```python
def calculate_grid_levels_enhanced(self, dataframe: DataFrame) -> DataFrame:
    """
    增强版网格层级计算
    
    集成：
    - ATR 自适应间距
    - 布林带动态边界
    - 智能层级分布
    """
    # 获取动态参数
    spacing = self.calculate_adaptive_grid_spacing(dataframe)
    lower_bound, upper_bound = self.calculate_dynamic_boundaries(dataframe)
    
    # 计算网格层级
    grid_range = upper_bound - lower_bound
    level_spacing = grid_range / (self.grid_levels - 1)
    
    levels = []
    for i in range(self.grid_levels):
        level_price = lower_bound + (i * level_spacing)
        levels.append({
            'level': i,
            'price': level_price,
            'spacing': spacing,
            'type': 'dynamic'
        })
    
    return pd.DataFrame(levels)
```

### 参数配置

```python
# ATR 相关参数
atr_period = IntParameter(10, 20, default=14, space="buy")
atr_multiplier = DecimalParameter(0.5, 3.0, default=1.5, space="buy")

# 网格间距限制
min_grid_spacing = DecimalParameter(0.001, 0.01, default=0.003, space="buy")
max_grid_spacing = DecimalParameter(0.02, 0.1, default=0.05, space="buy")

# 边界扩展参数
boundary_expansion = DecimalParameter(0.0, 0.2, default=0.05, space="buy")

# 平滑过渡参数
smoothing_factor = DecimalParameter(0.1, 0.5, default=0.2, space="buy")
```

## 测试计划

### 单元测试

1. **ATR 计算测试**
```python
def test_atr_adaptive_spacing():
    # 测试不同 ATR 值下的间距计算
    # 验证边界限制
    # 测试异常数据处理
```

2. **布林带边界测试**
```python
def test_dynamic_boundaries():
    # 测试布林带计算准确性
    # 验证边界扩展逻辑
    # 测试极端价格情况
```

3. **网格层级测试**
```python
def test_grid_levels_enhanced():
    # 测试层级分布均匀性
    # 验证价格精度
    # 测试边界情况
```

### 集成测试

1. **历史数据回测**
   - 使用 3 个月历史数据
   - 对比固定网格 vs 动态网格
   - 验证不同市场状态下的表现

2. **性能压力测试**
   - 大量 K 线数据处理
   - 并发计算测试
   - 内存使用监控

3. **参数敏感性测试**
   - ATR 倍数敏感性分析
   - 边界扩展影响测试
   - 平滑因子效果验证

### 场景测试

1. **震荡行情**
   - 横盘整理期间
   - 小幅波动场景
   - 验证网格密度合理性

2. **趋势行情**
   - 单边上涨/下跌
   - 突破行情
   - 验证网格适应性

3. **极端行情**
   - 暴涨暴跌
   - 闪崩场景
   - 验证风险控制

## 风险评估

### 技术风险

- **中等风险**：复杂的数值计算逻辑
- **缓解措施**：
  - 充分的边界测试
  - 参数合理性验证
  - 异常情况处理

### 算法风险

- **中等风险**：动态调整可能过于激进
- **缓解措施**：
  - 设置调整幅度限制
  - 实施平滑过渡机制
  - 保留静态网格回退选项

### 性能风险

- **低风险**：额外的指标计算开销
- **缓解措施**：
  - 复用现有指标计算
  - 实施计算结果缓存
  - 优化计算频率

## 完成定义

### 代码完成标准
- [ ] `calculate_grid_levels_enhanced()` 方法实现
- [ ] ATR 自适应间距算法完整
- [ ] 布林带边界计算准确
- [ ] 参数配置合理

### 测试完成标准
- [ ] 所有单元测试通过（覆盖率 > 95%）
- [ ] 集成测试验证通过
- [ ] 历史数据回测完成
- [ ] 性能测试达标

### 文档完成标准
- [ ] 算法原理文档
- [ ] 参数配置说明
- [ ] 使用示例代码
- [ ] 测试报告

## 时间估算

- **需求分析**: 1小时
- **算法设计**: 2小时  
- **核心编码**: 3小时
- **测试编写**: 1.5小时
- **集成调试**: 0.5小时

**总计**: 8小时

## 依赖关系

### 前置依赖
- **Task 001**: EnhancedGridStrategy 基础框架
  - 需要基础类结构
  - 需要参数定义接口

### 后续影响
- **Task 003**: 市场状态识别
  - 提供网格计算基础
  - 影响状态切换逻辑

## 性能目标

### 计算性能
- 网格重新计算时间: < 200ms
- 指标计算复用率: > 80%
- 内存增量控制: < 100MB

### 业务性能
- 网格调整频率: 每小时最多 1 次
- 参数变化幅度: 单次调整 < 20%
- 回测收益提升: > 15% vs 固定网格

## 备注

- 算法设计考虑了计算效率和准确性的平衡
- 所有参数都可通过配置文件调整
- 保留了与原有网格计算的兼容接口
- 实现了渐进式增强，可分阶段验证效果

动态网格计算 #3

Description

Task 002: 动态网格计算

概述

需求描述

功能需求

技术要求

验收标准

功能验收

技术验收

业务验收

实现方案

核心算法

参数配置

测试计划

单元测试

集成测试

场景测试

风险评估

技术风险

算法风险

性能风险

完成定义

代码完成标准

测试完成标准

文档完成标准

时间估算

依赖关系

前置依赖

后续影响

性能目标

计算性能

业务性能

备注

Metadata

Metadata

Assignees

Labels

Projects

Milestone

Relationships

Development

Issue actions