

> 本文你将得到什么：
> 1. 纯手工计算布林带（中轨/上轨/下轨，20日 + 2倍标准差）
> 2. 用代码自动检测"收盘价上穿上轨"的突破点
> 3. 用"成交量确认 + 收线位置确认"两条规则过滤假突破
> 4. 双面板可视化（价格带通道 + 成交量）
> 5. 可运行的完整代码

---

## 痛点：突破追进去就被套

股价冲出布林带上轨了，你追进去，第二天就回落——这就是经典的"假突破"。布林带突破策略最大的敌人不是突破本身，而是那些"摸了一下上轨就缩回去"的伪信号。

怎么区分真突破和假突破？单看价格不够，要加两个过滤器：**量能**和**收线位置**。本文把这套逻辑写成 50 行 Python。

---

## 环境准备

```bash
pip install mairui pandas numpy matplotlib
```

---

## 第一步：拉取数据

```python
from mairui import Client

client = Client("LICENCE-66D8-9F96-0C7F0FBCD073")
bars = client.stock_history(code="600519", period="d", dividend="f")

import pandas as pd
df = pd.DataFrame(bars)
df = df.rename(columns={"t": "date"})
df = df.sort_values("date").reset_index(drop=True)
for col in ("o", "h", "l", "c", "v"):
    df[col] = df[col].astype(float)
```

说明：这里用的是公开演示证书，为演示方便明文写入；实际项目请换成你自己的正式证书（申请配置见 SDK 文档 https://github.com/MaiRuiApi/mairui ），换证后代码无需修改。

---

## 第二步：手工计算布林带

布林带三条线的定义：

1. 中轨 = N 日收盘价的移动平均（常用 N=20）
2. 上轨 = 中轨 + K × N 日标准差（常用 K=2）
3. 下轨 = 中轨 - K × N 日标准差

```python
def calc_boll(df, n=20, k=2):
    mid = df["c"].rolling(window=n, min_periods=n).mean()
    std = df["c"].rolling(window=n, min_periods=n).std(ddof=0)
    upper = mid + k * std
    lower = mid - k * std
    return mid, upper, lower

mid, upper, lower = calc_boll(df)
df["mid"] = mid
df["upper"] = upper
df["lower"] = lower

last = df.iloc[-1]
print(f"MID={last['mid']:.3f}, UPPER={last['upper']:.3f}, LOWER={last['lower']:.3f}")
print(f"带宽 = {(last['upper'] - last['lower']) / last['mid'] * 100:.2f}%")
```

**输出示例**：

```
MID=11.212, UPPER=12.011, LOWER=10.413
带宽 = 14.25%
```

带宽（上轨到下轨的距离占中轨的比例）是衡量波动率的直观指标：带宽收窄意味着行情在积蓄能量，张开意味着趋势展开。

---

## 第三步：检测上轨突破

我们定义"上穿"为：昨天的收盘价还在上轨之下，今天收盘价站上了上轨。

```python
def find_breakouts(df):
    signals = []
    for i in range(1, len(df)):
        prev = df.iloc[i - 1]
        curr = df.iloc[i]
        crossed = (prev["c"] <= prev["upper"]) and (curr["c"] > curr["upper"])
        if crossed:
            signals.append((i, curr["date"], curr["c"]))
    return signals

signals = find_breakouts(df)
print(f"突破总次数: {len(signals)}")
for idx, date, price in signals:
    print(f"{date} 上穿突破 @ {price:.2f}")
```

**输出示例**：

```
突破总次数: 2
```

---

## 第四步：真假突破过滤——两条确认规则

光有"上穿"不够。给每个突破加两个问题：

1. **量能确认**：今天放量了吗？（当日成交量 > 5日均量）
2. **收线确认**：收盘价收在当日振幅的上半区吗？（(收盘-最低)/(最高-最低) >= 0.5）

缩量上攻、尾盘回落的突破，大多撑不住。

```python
df["vol_ma5"] = df["v"].rolling(window=5, min_periods=5).mean()

def classify(df, signals):
    result = []
    for idx, date, price in signals:
        curr = df.iloc[idx]
        rng = curr["h"] - curr["l"]
        close_pos = (curr["c"] - curr["l"]) / rng if rng > 0 else 0.5
        vol_ok = curr["v"] > curr["vol_ma5"]
        close_ok = close_pos >= 0.5
        result.append({
            "date": date, "price": price,
            "vol_ok": vol_ok, "close_pos": round(close_pos, 2),
            "real": vol_ok and close_ok,
        })
    return result

for s in classify(df, signals):
    tag = "真突破候选" if s["real"] else "疑似假突破"
    print(f"{s['date']} {tag} @ {s['price']:.2f} "
          f"(量能={'过' if s['vol_ok'] else '缺'}, 收线位置={s['close_pos']})")
```

**输出示例**：

```
2025-11-04 真突破候选 @ 11.67 (量能=过, 收线位置=0.8)
2025-11-14 疑似假突破 @ 11.95 (量能=过, 收线位置=0.47)
```

两次突破都放了量，但 11-14 那次收盘只收在振幅的 47%——冲高回落，尾盘没守住。过滤规则把它标成了疑似假突破。

**一个诚实的观察**：在这个演示数据区间（整体震荡下行），两个突破信号之后 5 日都是负收益——真突破候选 -5.91%，疑似假突破 -9.12%。过滤规则没有"点石成金"的魔力，它做的是**相对排序**：把更差的信号排到后面。任何突破策略都要先在自己的数据上回测，再谈使用。

---

## 第五步：双面板可视化

```python
import matplotlib.pyplot as plt
plt.rcParams["font.sans-serif"] = ["SimHei", "Microsoft YaHei"]
plt.rcParams["axes.unicode_minus"] = False

fig, axes = plt.subplots(2, 1, figsize=(12, 8),
                         gridspec_kw={"height_ratios": [3, 1]})
x = range(len(df))

# 面板1：价格 + 布林带 + 突破标记
ax1 = axes[0]
ax1.plot(x, df["c"], label="收盘价", color="black", linewidth=0.8)
ax1.plot(x, df["mid"], label="中轨 MA20", color="blue", linewidth=1)
ax1.plot(x, df["upper"], label="上轨", color="red", linewidth=1, linestyle="--")
ax1.plot(x, df["lower"], label="下轨", color="green", linewidth=1, linestyle="--")
ax1.fill_between(x, df["lower"], df["upper"], color="blue", alpha=0.06)
ax1.set_title("布林带与突破信号")
ax1.legend()
ax1.grid(True, alpha=0.3)

# 面板2：成交量 + 5日均量
ax2 = axes[1]
colors = ["red" if c >= o else "green" for o, c in zip(df["o"], df["c"])]
ax2.bar(x, df["v"], color=colors, alpha=0.6)
ax2.plot(x, df["vol_ma5"], color="orange", linewidth=1, label="5日均量")
ax2.set_title("成交量")
ax2.legend()
ax2.grid(True, alpha=0.3)

plt.tight_layout()
plt.savefig("boll_breakout.png", dpi=150)
```

成交量面板用 A 股惯例配色：红涨绿跌。放量突破在图上一眼就能和缩量突破区分开。

---

## 常见坑与注意

1. **标准差用总体口径（ddof=0）**：pandas 的 `rolling().std()` 默认 ddof=1（样本口径），与主流行情软件的布林带略有差异。想和软件对齐就显式传 `ddof=0`。
2. **突破方向别只看上轨**：下轨跌破同样是信号（往往是恐慌出清），本文只演示上穿，逻辑对称可自行扩展。
3. **带宽收窄是前置信号**：Squeeze（挤压）之后常有大幅波动，但方向不定——不要把收窄直接当成上涨信号。
4. **演示数据 vs 真实数据**：本文用演示证书跑通逻辑，数据为确定性演示序列；换正式证书后即为真实行情，代码无需修改。

---

## 小结

本文完成了：
- 手工计算布林带（MID/UPPER/LOWER + 带宽）
- 上轨突破自动检测
- 量能 + 收线双确认的真假突破过滤
- 双面板可视化

核心观点：**突破信号本身不值钱，确认条件才是策略的护城河**。下一篇我们换一个视角——不看价格指标，改看成交量本身：OBV 与量价背离的 Python 实现。

---

## 免责声明

本文仅为技术教学，不构成任何投资建议。投资有风险，入市需谨慎。

---

*代码与文档：https://github.com/MaiRuiApi*


股价冲出布林带上轨了，你追进去，第二天就回落——这就是经典的"假突破"。布林带突破策略最大的敌人不是突破本身，而是那些"摸了一下上轨就缩回去"的伪信号。

【Python量化技术指标实战 04】布林带通道突破，怎么知道是真突破还是假突破？

人工智能

本文详解布林带突破策略的Python实现，包含手工计算20日中轨及上下轨、自动检测收盘价上穿上轨信号，并通过成交量放大与收线位置双重过滤机制识别真假突破。附完整代码与双面板可视化图表，助你避开假突破陷阱，提升交易决策效率。

代码解释

Python

GitHub

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

【Python量化技术指标实战 04】布林带通道突破，怎么知道是真突破还是假突破？-腾讯云开发者社区-腾讯云

【Python量化技术指标实战 04】布林带通道突破，怎么知道是真突破还是假突破？

【Python量化技术指标实战 04】布林带通道突破，怎么知道是真突破还是假突破？

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐