feat(indicator): 填实 pivot/cluster/percentile/LSR-crossings 算法

- pivotHighs/pivotLows：严格大于/小于左右 5 根邻居才认 swing - clusterLevels：按价格升序扫一遍，相对距离 <0.3% 合并到当前 cluster；输出按 Strength desc + Price desc 排序 - percentile：type-7 线性插值（NumPy 默认） - rangeHighLow：P95(High) / P5(Low)，malformed 价位跳过不污染统计 - longShortCrossings：相邻 ratio (a-1)*(b-1)<0 严格穿越；用 ls 时间戳二分找最近 kline，取 (open+close)/2 作为穿越价位估计；保留近 N 取中位 - nearestKlineIndex：sort.Search 二分 + 邻居比距离；等距偏向 lo 数值边界严守 ADR-0002 / G12：所有 float64 仅在本文件内部，输出到 entity 前 FormatFloat('f', -1, 64) 转回 string。补足 4 个函数的边界测试（parsePrice NaN/Inf、percentile p<=0/p>=1、 longShortCrossings keepN<=0/ratio malformed/kline parse 失败/ 时间戳前置、nearestKlineIndex 全分支）。覆盖率：indicator.go 12 个函数平均 97.7%，每个 ≥93.8%。全部 12 条守卫 grep 无输出（含新增 G12 四条）。
2026-05-24 20:31:10 +08:00
parent 6d412b2326
commit f47a151409
2 changed files with 353 additions and 31 deletions
--- a/internal/usecase/indicator.go
+++ b/internal/usecase/indicator.go
@@ -13,6 +13,7 @@
 package usecase

 import (
+	"math"
 	"sort"
 	"strconv"

@@ -55,80 +56,324 @@ type pivotPoint struct {
 // Compute 是 IndicatorComputer 的唯一对外方法。
 // klines 必须按 OpenTime 升序排好（KlineRepository.FindRecent 已保证）。
 // longShort 同样升序；可能为空。
-//
-// 当前实现为骨架（commit 2）：返回零值结构，让 indicator_test.go 全红。
-// commit 3 填实算法。
 func (u *IndicatorUsecase) Compute(
 	klines []entity.Kline,
 	longShort []entity.LongShortRatio,
 ) entity.TechnicalStructure {
-	_ = klines
-	_ = longShort
+	highs := pivotHighs(klines, pivotLeft, pivotRight)
+	lows := pivotLows(klines, pivotLeft, pivotRight)
+	resistance := clusterLevels(highs, clusterPctThreshold, sourceResistancePivot)
+	support := clusterLevels(lows, clusterPctThreshold, sourceSupportPivot)
+	if support == nil {
+		support = []entity.TechnicalLevel{}
+	}
+	if resistance == nil {
+		resistance = []entity.TechnicalLevel{}
+	}
+	hi, lo := rangeHighLow(klines)
+	lsLine := longShortCrossings(longShort, klines, longShortCrossKeep)
 	return entity.TechnicalStructure{
-		Support:    []entity.TechnicalLevel{},
-		Resistance: []entity.TechnicalLevel{},
+		Support:       support,
+		Resistance:    resistance,
+		RangeHigh:     hi,
+		RangeLow:      lo,
+		LongShortLine: lsLine,
 	}
 }

 // parsePrice 用 strconv 把 string 价格解析成 float64。
-// 失败（空 / NaN / 非数字）返回 ok=false，调用者应跳过该值不 panic。
+// 失败（空 / 非数字 / 含空格）返回 ok=false，调用者应跳过该值不 panic。
+// NaN 与 ±Inf 也视为解析失败。
 func parsePrice(s string) (float64, bool) {
-	_ = sort.Float64s // keep import; will be used in commit 3
-	_ = strconv.Itoa
-	return 0, false
+	if s == "" {
+		return 0, false
+	}
+	f, err := strconv.ParseFloat(s, 64)
+	if err != nil {
+		return 0, false
+	}
+	if math.IsNaN(f) || math.IsInf(f, 0) {
+		return 0, false
+	}
+	return f, true
 }

 // formatPrice 把 transient float64 转回 string。
 // 用 'f' / prec=-1 / bitSize=64 让 FormatFloat 给出最短可往返表示。
 func formatPrice(f float64) string {
-	return ""
+	return strconv.FormatFloat(f, 'f', -1, 64)
 }

 // pivotHighs 在 klines 上扫描，返回所有 left=L、right=R 的 swing high。
-// swing high 条件：klines[i].High 严格大于 [i-L, i-1] 和 [i+1, i+R] 内所有 high。
-// 边界：i < L 或 i > len-R-1 跳过。
+// swing high 条件：klines[i].High 严格大于 [i-L, i-1] 内所有 high，
+// 且严格大于 [i+1, i+R] 内所有 high。
+// 价格解析失败的 K 线被当作不参与（即既不能成为 pivot、也不参与邻居比较）。
 func pivotHighs(klines []entity.Kline, left, right int) []pivotPoint {
-	return nil
+	n := len(klines)
+	if n < left+right+1 {
+		return nil
+	}
+	highs := make([]float64, n)
+	ok := make([]bool, n)
+	for i, k := range klines {
+		highs[i], ok[i] = parsePrice(k.High)
+	}
+	var out []pivotPoint
+	for i := left; i <= n-right-1; i++ {
+		if !ok[i] {
+			continue
+		}
+		isPivot := true
+		for j := i - left; j < i; j++ {
+			if !ok[j] || highs[j] >= highs[i] {
+				isPivot = false
+				break
+			}
+		}
+		if !isPivot {
+			continue
+		}
+		for j := i + 1; j <= i+right; j++ {
+			if !ok[j] || highs[j] >= highs[i] {
+				isPivot = false
+				break
+			}
+		}
+		if isPivot {
+			out = append(out, pivotPoint{Price: highs[i], Index: i})
+		}
+	}
+	return out
 }

 // pivotLows 对称镜像 pivotHighs，按 .Low 找局部低点。
 func pivotLows(klines []entity.Kline, left, right int) []pivotPoint {
-	return nil
+	n := len(klines)
+	if n < left+right+1 {
+		return nil
+	}
+	lows := make([]float64, n)
+	ok := make([]bool, n)
+	for i, k := range klines {
+		lows[i], ok[i] = parsePrice(k.Low)
+	}
+	var out []pivotPoint
+	for i := left; i <= n-right-1; i++ {
+		if !ok[i] {
+			continue
+		}
+		isPivot := true
+		for j := i - left; j < i; j++ {
+			if !ok[j] || lows[j] <= lows[i] {
+				isPivot = false
+				break
+			}
+		}
+		if !isPivot {
+			continue
+		}
+		for j := i + 1; j <= i+right; j++ {
+			if !ok[j] || lows[j] <= lows[i] {
+				isPivot = false
+				break
+			}
+		}
+		if isPivot {
+			out = append(out, pivotPoint{Price: lows[i], Index: i})
+		}
+	}
+	return out
 }

 // clusterLevels 把 pivot 点按价格相对距离聚合到同一 level。
-// 算法：对 points 按价格升序排序；从最小往上扫，若当前点价格与当前 cluster
-// 的均价相对距离 < pctThreshold，则合并；否则起新 cluster。
-// 每个 cluster 输出 TechnicalLevel{Price: formatPrice(均价), Strength: strconv.Itoa(len), Source: source}。
-// 输出按 Strength 降序、Price 降序（同 Strength 时高价在前）。
+// 算法：按价格升序排序；扫描时若 (当前价 - cluster 均价) / cluster 均价 < pct
+// 则合并；否则开启新 cluster。
+// 输出按 Strength 降序，Strength 相同时按价格降序。
 func clusterLevels(points []pivotPoint, pctThreshold float64, source string) []entity.TechnicalLevel {
-	return nil
+	if len(points) == 0 {
+		return nil
+	}
+	sorted := make([]pivotPoint, len(points))
+	copy(sorted, points)
+	sort.Slice(sorted, func(i, j int) bool {
+		return sorted[i].Price < sorted[j].Price
+	})
+
+	type cluster struct {
+		sum   float64
+		count int
+	}
+	clusters := []cluster{{sum: sorted[0].Price, count: 1}}
+	for i := 1; i < len(sorted); i++ {
+		last := &clusters[len(clusters)-1]
+		mean := last.sum / float64(last.count)
+		dist := math.Abs(sorted[i].Price-mean) / mean
+		if dist < pctThreshold {
+			last.sum += sorted[i].Price
+			last.count++
+		} else {
+			clusters = append(clusters, cluster{sum: sorted[i].Price, count: 1})
+		}
+	}
+
+	out := make([]entity.TechnicalLevel, len(clusters))
+	for i, c := range clusters {
+		out[i] = entity.TechnicalLevel{
+			Price:    formatPrice(c.sum / float64(c.count)),
+			Strength: strconv.Itoa(c.count),
+			Source:   source,
+		}
+	}
+	// 排序：Strength desc，相同则 Price desc
+	sort.SliceStable(out, func(i, j int) bool {
+		si, _ := strconv.Atoi(out[i].Strength)
+		sj, _ := strconv.Atoi(out[j].Strength)
+		if si != sj {
+			return si > sj
+		}
+		pi, _ := parsePrice(out[i].Price)
+		pj, _ := parsePrice(out[j].Price)
+		return pi > pj
+	})
+	return out
 }

 // percentile 在升序排好的 sorted 上算线性插值的 p 分位（p∈[0,1]）。
-// 经典 type 7（NumPy 默认）：rank = (n-1)*p，floor + 小数权重插值。
+// type-7（NumPy 默认）：rank = (n-1)*p，floor + 小数权重插值。
 // n==0 返回 0；n==1 返回该唯一值。
 func percentile(sortedAsc []float64, p float64) float64 {
-	return 0
+	n := len(sortedAsc)
+	if n == 0 {
+		return 0
+	}
+	if n == 1 {
+		return sortedAsc[0]
+	}
+	if p <= 0 {
+		return sortedAsc[0]
+	}
+	if p >= 1 {
+		return sortedAsc[n-1]
+	}
+	rank := float64(n-1) * p
+	lo := int(math.Floor(rank))
+	hi := lo + 1
+	if hi >= n {
+		return sortedAsc[n-1]
+	}
+	weight := rank - float64(lo)
+	return sortedAsc[lo] + weight*(sortedAsc[hi]-sortedAsc[lo])
 }

 // rangeHighLow 计算 RangeHigh（P95）和 RangeLow（P5）。
 // 解析失败的价位被跳过，不污染百分位计算。
-// klines 为空时返回 (nil, nil)。
+// klines 为空（或所有价位都 parse 失败）时返回 (nil, nil)。
 func rangeHighLow(klines []entity.Kline) (high *string, low *string) {
-	return nil, nil
+	if len(klines) == 0 {
+		return nil, nil
+	}
+	highs := make([]float64, 0, len(klines))
+	lows := make([]float64, 0, len(klines))
+	for _, k := range klines {
+		if v, ok := parsePrice(k.High); ok {
+			highs = append(highs, v)
+		}
+		if v, ok := parsePrice(k.Low); ok {
+			lows = append(lows, v)
+		}
+	}
+	if len(highs) == 0 || len(lows) == 0 {
+		return nil, nil
+	}
+	sort.Float64s(highs)
+	sort.Float64s(lows)
+	hi := formatPrice(percentile(highs, rangePercentileHi))
+	lo := formatPrice(percentile(lows, rangePercentileLo))
+	return &hi, &lo
 }

-// longShortCrossings 在 ls 上扫描 ratio == 1.0 的穿越点。
-// "穿越" 定义：相邻两条 ratio 一上一下穿过 1.0（含相等边界，但单边贴 1.0 不算）。
-// 对每个穿越点，按时间戳找最近的 kline，用 (open+close)/2 作为穿越价位估计。
-// 保留最近 keepN 次穿越的价位，取中位数；无穿越或全部 parse 失败 → nil。
+// longShortCrossings 在 ls 上扫描 ratio 穿越 1.0 的事件。
+// 穿越定义：相邻两条 ratio 一条 <1、另一条 >1（严格不相等），即 (a-1)*(b-1) < 0。
+// 对每个穿越点 i（穿越发生在 ls[i-1] → ls[i] 之间），用 ls[i].Timestamp 找
+// 最近的 kline，用该 kline 的 (open+close)/2 作为穿越价估计。
+// 保留最近 keepN 次穿越，取价位中位数。无穿越或全部 parse 失败 → nil。
 func longShortCrossings(ls []entity.LongShortRatio, klines []entity.Kline, keepN int) *string {
-	return nil
+	if len(ls) < 2 || len(klines) == 0 || keepN <= 0 {
+		return nil
+	}
+	parsed := make([]float64, len(ls))
+	pok := make([]bool, len(ls))
+	for i, r := range ls {
+		parsed[i], pok[i] = parsePrice(r.LongShortRatio)
+	}
+	var prices []float64
+	for i := 1; i < len(ls); i++ {
+		if !pok[i-1] || !pok[i] {
+			continue
+		}
+		a, b := parsed[i-1]-1.0, parsed[i]-1.0
+		if a*b >= 0 {
+			continue
+		}
+		// 找最近 kline
+		ts := ls[i].Timestamp
+		kIdx := nearestKlineIndex(klines, ts)
+		if kIdx < 0 {
+			continue
+		}
+		op, ok1 := parsePrice(klines[kIdx].Open)
+		cl, ok2 := parsePrice(klines[kIdx].Close)
+		if !ok1 || !ok2 {
+			continue
+		}
+		prices = append(prices, (op+cl)/2)
+	}
+	if len(prices) == 0 {
+		return nil
+	}
+	if len(prices) > keepN {
+		prices = prices[len(prices)-keepN:]
+	}
+	med := formatPrice(medianFloat(prices))
+	return &med
+}
+
+// nearestKlineIndex 在 klines 中找 OpenTime 与 ts 最接近的那根的下标。
+// klines 必须按 OpenTime 升序。空切片返回 -1。
+func nearestKlineIndex(klines []entity.Kline, ts int64) int {
+	if len(klines) == 0 {
+		return -1
+	}
+	// 二分找第一个 OpenTime >= ts
+	idx := sort.Search(len(klines), func(i int) bool {
+		return klines[i].OpenTime >= ts
+	})
+	switch {
+	case idx == 0:
+		return 0
+	case idx == len(klines):
+		return len(klines) - 1
+	default:
+		// 比较 idx 与 idx-1 哪个更近
+		diffHi := klines[idx].OpenTime - ts
+		diffLo := ts - klines[idx-1].OpenTime
+		if diffLo <= diffHi {
+			return idx - 1
+		}
+		return idx
+	}
 }

 // medianFloat 计算切片中位数；空切片返回 0。会改写传入 slice（内部 sort）。
 // 调用者若不希望被改，应先 copy。
 func medianFloat(xs []float64) float64 {
-	return 0
+	n := len(xs)
+	if n == 0 {
+		return 0
+	}
+	sort.Float64s(xs)
+	if n%2 == 1 {
+		return xs[n/2]
+	}
+	return (xs[n/2-1] + xs[n/2]) / 2
 }