v6 加上日线过滤

1一句话

4 小时图上的金叉，只在日线图也向上时才买。大方向不对，小周期的交叉先忍住。

2生活类比

你在小区里看风向（4 小时图），出门前先看市里的天气预报（日线）。小区一阵南风，但全市在刮北风，这阵南风多半站不住。

3搬到这版

多要一张图informative_pairs 声明要 1d。

算日线在日线表上算 sma_1d，再 merge_informative_pair 并到 4h 表。

列名并过来的列会带 _1d 后缀，比如 close_1d。

不偷看只沿用已经收盘的日线。正在走的今天，还不能当「日线已经向上」。

入场更挑金叉还在，但多一个条件：日线均线方向向上。

4每个新参数

informative_timeframe = "1d"

多看一张更慢的天气预报。

它是什么

除了策略自己的 4h，再要一份日线数据来做大方向过滤。

不管它会怎样

不管它：只活在 4h 里，震荡会反复打脸。这是从 Supertrend 拆来的零件。

拧大 / 拧小 / 拧反了

拧成 1w：更钝，过滤更狠，买得更少。拧成 1h：不是大周期，滤不了 4h 的噪音。

sma_1d 周期 = 先能讲清再选

市里那条更慢的平均线，用多少天来算。

它是什么

日线上那条均线的窗口。用来判断大方向向上还是向下。

不管它会怎样

不管它：没有日线方向，过滤写不出来。

拧大 / 拧小 / 拧反了

拧小：更敏感，过滤变松。拧大：更稳，买得更少。先讲清「它在滤什么」，再改数字。

ffill = True

日线一天只更新一次。中间 6 根 4h，沿用上一根已经收盘的日报。

它是什么

merge 时向前填：用最近一根已有的日线值，填满 4h 的空行。

不管它会怎样

不管它（False）：大多数 4h 行日线是空的，条件失效，等于没过滤。

拧大 / 拧小 / 拧反了

拧反去「向后填」：会用到下一根还没走完的日线，那是偷看。保持 ffill，并且只信已收盘的日线。

列名后缀 _1d

两张表并到一起，日线列要改姓，免得和 4h 的 close 撞名。

它是什么

merge 之后，日线的 close 变成 close_1d，均线变成 sma_1d。

不管它会怎样

不管它：你可能拿 4h 的 close 去当日报价，过滤是假的。

拧大 / 拧小 / 拧反了

写错名字：条件永远不成立，或比错列。入场前先打印列名看一眼。

5假懂

人们会说：「加上日线就会少亏」

更短的一句：日线过滤是少做逆大势的金叉。牛市里少买假交叉，熊市里更少开仓。漏掉的是「日线还没转、4h 先金叉」的那段。

6你来讲

答得出来，这课才过关。具体笔数、回撤你自己和 v3 比，这页不填。

为什么日线列要带 _1d？不带会怎样？
ffill 填的是已经收盘的日线，还是正在走的今天？
merge 时怎样才算不偷看？

7这版代码

只放日线怎么要、怎么并、怎么当过滤。金叉那几行还在，多一个日线条件。

def informative_pairs(self):
    pairs = self.dp.current_whitelist()
    return [(pair, "1d") for pair in pairs]

# 在 populate_indicators 里
inf = self.dp.get_pair_dataframe(pair=metadata["pair"], timeframe="1d")
inf["sma_1d"] = ta.SMA(inf, timeperiod=50)
dataframe = merge_informative_pair(
    dataframe, inf, self.timeframe, "1d", ffill=True
)
# 之后用 dataframe["sma_1d"]、dataframe["close_1d"]
# 入场再加：close_1d > sma_1d（日线向上）

8过关

能讲清和裸金叉比，笔数、回撤、收益会朝哪变。具体数自己跑，这页不代填。

能指着 merge 那一行，说明为什么 ffill=True 不是偷看。