跳轉到

CZSC（纏中說禪技術分析工具）研究筆記

資料來源

項目 連結
GitHub repo（★6,221 / 1,739 forks） https://github.com/waditu/czsc
PyPI https://pypi.org/project/czsc/
專案文件（飛書 wiki） CZSC 1.0.X 使用說明和案例
DeepWiki 架構分析 https://deepwiki.com/waditu/czsc/1-overview
理論來源 纏中說禪博客備份（原新浪博客內容不完整且無評論，這是網友整理的備份）
舊 Python 實作（0.9.X） v0.9.69 tag

Metadata（2026-09-15 抓取）：6,221 stars / 1,739 forks / 11 open issues / 160 subscribers · 主語言 Rust · 建立於 2019-06-11、最後 push 2026-09-02 · topics：czsc / quant / tushare · License 標為 Other（非標準授權，商用前請自行確認）。

先說清楚「纏論」是什麼

纏中說禪是 2006–2008 年在新浪博客寫作的一位中文作者（本名李彪，2008 年過世），他的技術分析體系被中文量化圈簡稱「纏論」。核心是用分型 → 筆 → 線段 → 中樞這套遞歸結構去描述 K 線走勢，再做多級別聯立判斷。

在中文投資圈這套理論的爭議很大：支持者認為它給了走勢一個嚴謹的形式化定義，質疑者認為它的判讀高度依賴人為解讀。CZSC 這個專案的價值，正好落在這個爭議點上——它把一套原本靠人讀圖的理論，變成了可以程式化、可回測、可統計驗證的東西。 演算法能不能賺錢是一回事；把模糊理論做成確定性程式碼，本身就是有意義的工程。

1.0 版最大的變化：核心演算法整包搬到 Rust

這是這個專案現在最值得看的地方。

1.0.X 版本開始，纏論核心演算法（分型、筆、中樞等）已全部遷移到 Rust 實作，透過 PyO3 擴展（czsc._native）暴露給 Python。

架構長這樣：

czsc (Python 套件)
├── czsc._native          ← Rust 擴展（PyO3），纏論核心
│   ├── CZSC / FX / BI / ZS / RawBar / NewBar / BarGenerator
│   ├── Freq / Mark / Direction / Signal / Event / Position / Operate
│   ├── CzscTrader / CzscSignals / generate_czsc_signals
│   ├── signals.*         ← 220+ 信號函數
│   └── ta.*              ← Rust TA 算子（ema/sma/boll…）
├── czsc.traders          ← Python 門面，匯聚 Rust 交易 API
├── czsc.utils            ← 繪圖／快取／統計／交易工具
├── czsc.connectors       ← 資料源連接器（天勤／Tushare／CCXT／本地快取）
├── czsc.strategies       ← 策略門面
├── czsc.fsa              ← 飛書自動化工具
└── czsc.envs             ← 環境變數管理

底層 Rust workspace 有 9 個 crate：czsc / czsc-core / czsc-derive / czsc-signals / czsc-trader / czsc-utils / czsc-ta / czsc-signal-macros / czsc-python（PyO3 綁定入口）。

為什麼這件事值得注意：纏論的分型與筆識別是逐根 K 線的遞歸狀態機，在 Python 裡跑多品種多級別會很慢。搬到 Rust 之後，多級別聯立與大批量回測才變得可行。這是「中文量化圈少見的、把 Python 效能瓶頸真的用 Rust 解掉」的案例，不是拿 Rust 當招牌。

代價也很直接：安裝從純 Python 變成需要預編譯 wheel，自己從源碼建置要裝 Rust 工具鏈 + maturin，而且 pyo3 0.22 要求 Python ≥ 3.10。系統預設 Python 低於 3.10 時要自己 export PYO3_PYTHON=$(which python3.12)，否則 cargo build 會在 crates/czsc-python/build.rs 提前 panic。

核心設計：信號—事件—交易 三層

這是這個專案除了纏論之外，最可以獨立帶走的架構：

層 做什麼
信號（Signal） 220+ 個信號函數，每個回傳一個結構化的信號值。命名帶版本號（如 cxt_bi_status_V230101）——信號函數一旦發布就不改語意，要改就發新版本，這樣歷史回測結果才可重現
事件（Event） 用 signals_all / signals_any / signals_not 對信號做邏輯組合，組出交易事件
交易（Position / Operate） 事件觸發倉位操作；CzscTrader 做多級別聯立決策

信號函數帶版本號這個約定值得特別點名——它把「策略回測不可重現」這個量化研究的老問題，用命名規範直接解掉了。

快速開始

import czsc
from czsc import CZSC, Freq, format_standard_kline
from czsc.mock import generate_symbol_kines

df = generate_symbol_kines('000001', '30分钟', '20240101', '20240601')
bars = format_standard_kline(df, freq=Freq.F30)

czsc_obj = CZSC(bars)          # 自動識別分型、筆、中樞
print(f"筆數量：{len(czsc_obj.bi_list)}")
print(f"中樞數量：{len(czsc_obj.zs_list)}")

多級別合成、信號生成、權重回測：

from czsc import BarGenerator, generate_czsc_signals, WeightBacktest

bg = BarGenerator(base_freq='1分钟', freqs=['5分钟', '30分钟', '日线'])
for bar in raw_bars:
    bg.update(bar)

signals_seq = [
    "czsc._native.signals.bar.bar_end_V230331",
    "czsc._native.signals.cxt.cxt_bi_status_V230101",
]
results = generate_czsc_signals(bars, signals_seq)

wb = WeightBacktest(dfw, fee_rate=0.0002)
print(wb.stats)

視覺化用 plotly + lightweight-charts，產出自包含的離線 HTML（分型／筆／線段／中樞畫在 K 線上），方便分享與嵌入。

安裝：pip install czsc -U（Python ≥ 3.10）。

目前限制 / 注意事項

  • 授權不是標準開源授權（GitHub 標 Other / NOASSERTION）。商用前務必自己確認 LICENSE 內容。
  • README 頂端掛著商業產品推廣（「勝可知」大模型量化策略研究平台，附邀請碼與 500 元額度）。專案本身是開源的，但要知道它現在有商業產品在上面。
  • 文件主要在飛書 wiki，不是 GitHub。這對牆外使用者的可及性是個問題，而且飛書連結的長期穩定性不如 repo 內文件。
  • 理論本身有爭議。纏論在中文投資圈的評價兩極；這個專案提供的是工程實現與驗證工具，不是「纏論有效」的證明。想驗證有沒有效，就用它的 WeightBacktest 自己跑。
  • 主要面向 A 股 / 中國期貨（連接器是天勤、Tushare），台股要自己接資料源。
  • 信號函數數量在 README 不同段落寫 220+ 和 246，以實際 czsc._native.signals 為準。

研究價值與啟示

關鍵洞察

  1. 「把模糊理論做成確定性程式碼」本身就是一種研究貢獻。纏論的分型、筆、中樞原本是靠人讀圖判斷的東西，CZSC 給了它一個唯一確定的演算法定義。結果是：你終於可以問「這套理論到底有沒有統計優勢」——而在有程式碼之前，這個問題連問都問不清楚。

  2. 信號函數帶版本號（cxt_bi_status_V230101）是可以直接抄走的約定。發布後不改語意、要改就發新版本——回測可重現性的問題，用一條命名規範就解掉一大半。任何做策略庫的人都該照抄。

  3. Rust + PyO3 是 Python 量化效能瓶頸的務實解法。CZSC 沒有整包重寫成 Rust 服務，而是只把熱路徑（遞歸狀態機）搬過去，Python 端保留門面。這個切法保住了 Python 生態的易用性，又拿到了 Rust 的速度。代價是安裝複雜度上升——值不值得，取決於你的熱路徑是不是真的在那裡。

  4. 六年維護（2019 → 2026）在量化開源專案裡很稀有。大多數量化 repo 活不過一次牛熊。這個專案能活下來，跟它有明確的理論根基（不是東拼西湊的指標集合）、有社群（飛書群、B 站教程）、後來還長出商業產品，都有關係。

與其他專案的關聯

對照 關係
Vibe-Trading 同為中文量化工程專案；Vibe-Trading 是 LLM agent 工作台，CZSC 是確定性的技術分析引擎。兩者其實互補——CZSC 可以當 agent 的一個工具
反詐投資王 兩端對照：CZSC 給你更精細的進出場判斷，反詐投資王問你這些判斷到底有沒有統計優勢。先用後者驗證前者，順序才對
StockAgent / TradingAgents 那些是 LLM 多 agent 做決策，CZSC 是規則明確的形式化系統——兩種完全不同的建模哲學
awesome-data CZSC 的 connector 接的就是 Tushare 那一類資料源