应用错误收集

我正在设计一种算法，该算法将计算烛台图中存在强大支撑区域的区域。在这种情况下，“支撑区域”被定义为图表中股票价格在短时间内大量上涨的区域。（请参见下图，蓝点代表这些有力的支持领域）

我正在使用的数据是超过6000个TOHLC（时间戳，开盘价，高价，低价，收盘价）值的列表。例如，此数据列表中的第一项是：

[1555286400，83.7，84.63，83.7，84.27]

我构造算法的工作方式如下：

1。）将6000多个TOHLC值的列表分成30个TOHLC值的子列表（30是我任意选择的数字）。然后从这些子列表中的每一个中获得最低的最低价格（LLP）。使用此方法的目的是在图表中找到价格下跌的区域。

2。）下一步是确定价格从每个低点上涨了多少。为此，我从低价中获取接下来的30个烛台值，并确定最高价（HHP）是多少。然后，如果HHP / LLP> = 1.03，则接受低价，否则将其丢弃。同样，通过手动分析股票图表并确定价格从这些低点平均上涨了多少，我随意选择了1.03。

上图中的蓝点表示算法接受的支持范围。就我要达到的目标而言，它似乎运行良好。

所以我的问题是：有没有人可以对这种算法提出任何改进建议，或者指出其中的任何错误？

谢谢！

我可能理解错了，但是，从您的解释看来，您似乎是在30多个单独的子列表中进行计算，然后将它们组合在一起。

那么，如果LLP是子列表N的第30个元素，而HHP是子列表N + 1的第一个元素怎么办？如果考虑到这一点，那就没事了。

如果您没有考虑到这一点，我建议在读取这些数据时采用移动窗口类型的方法。因此，您将从6000+ TOHLC的第0个元素开始，以30的窗口大小开始，然后将其滑动1到1。这样，您将不会错过任何值。
某些选定的蓝色点的浸入度高于其他蓝色点。这是为什么？我将它们分为另一个分类器。如果要将它们存储到一个对象中，请同时存储下垂率。
在金融中不建议使用浮点数。如果可能的话，我会使用其他方法，也许是分类器，仅使用整数。到目前为止，它可能不会打扰您或您的项目，但是可以肯定的是，将来数字累加时，它将开始产生错误的结果。