Bybit 上供给需求区的自动化搜索

Bybit自动化供需区扫描器：Telegram实时交易信号

基于Python的系统扫描Bybit所有USDT交易对，运用聪明钱概念识别供需区，通过pinbar形态追踪价格回测，并即时发送带图表标记的交易信号至Telegram。处理数百种资产仅需数分钟，替代了数小时的手动分析。

逻辑遵循链条：区域检测 → 价格回测 → 价格行为反应 → 信号生成。区域通过ATR、突破和重叠进行过滤，以排除无关水平。

供需区理论

流动性区是关键区域，仓位在此积累并随后产生动量。需求区形成于价格强势上涨的起点，供应区形成于价格急剧下跌的起点。当价格返回区域并伴有pinbar确认（带长影线的蜡烛）时，信号触发。

区域有效性标准：

• 进入区域的冲动 > 2 ATR
• 离开区域的冲动 > 2 ATR
• 区域大小 1–6 ATR
• 形成后无突破

MAX_ZONE_ATR = 7
MIN_ZONE_ATR = 1
LOOKBACK_PRE = 8
LOOKAHEAD_POST = 8
MIN_PRE_MOVE_ATR = 2
MIN_POST_MOVE_ATR = 2
MIN_ZONE_SIZE_ATR = 1.0
MAX_ZONE_SIZE_ATR = 6.0

参数调整灵敏度：4小时时间框架用于区域，ATR周期100用于波动性评估，每300秒扫描一次。

与Bybit API集成

系统加载交易对列表和历史蜡烛数据：

def get_symbols():
    data = client.get_instruments_info(category="linear")
    symbols = []
    for item in data["result"]["list"]:
        if item["quoteCoin"] == "USDT":
            symbols.append(item["symbol"])
    return symbols

def get_klines(symbol, interval, limit):
    data = client.get_kline(
        category="linear",
        symbol=symbol,
        interval=interval,
        limit=limit
    )
    klines = data["result"]["list"]
    klines.reverse()  # 从最旧到最新
    return klines

仅过滤USDT交易对。数据在pandas DataFrame中处理，并计算ATR。

订单块检测

订单块是区域的基础结构。需求订单块：一根看跌蜡烛后，看涨冲动突破前高。

def detect_order_blocks(df):
    for i in range(1, len(df)):
        o1 = df.open.iloc[i-1]
        c1 = df.close.iloc[i-1]
        h1 = df.high.iloc[i-1]
        l1 = df.low.iloc[i-1]
        o2 = df.open.iloc[i]
        c2 = df.close.iloc[i]
        atr = df.atr.iloc[i]

        # 需求订单块
        if c1 < o1 and c2 > o2 and c2 > h1:
            impulse = c2 - l1
            if impulse > atr * 1.5:
                zones.append({
                    "type": "demand",
                    "kind": "orderblock",
                    "low": l1,
                    "high": o1,
                    "start_bar": i-1
                })

供应订单块类似。冲动过滤 >1.5 ATR以排除区间波动。

拒绝块和高级区域

拒绝块通过蜡烛比例检测：下影线 >55% 范围，实体 <35%。

def detect_rejection_blocks(df):
    for i in range(2, len(df)-1):
        o = df.open.iloc[i]
        c = df.close.iloc[i]
        h = df.high.iloc[i]
        l = df.low.iloc[i]
        atr = df.atr.iloc[i]
        body = abs(c - o)
        full = h - l
        upper_wick = h - max(o,c)
        lower_wick = min(o,c) - l
        body_ratio = body / full
        lower_ratio = lower_wick / full

        # 需求拒绝块
        if lower_ratio > 0.55 and body_ratio < 0.35:
            zones.append({
                "type": "demand",
                "kind": "rejection",
                "low": l,
                "high": min(o,c),
                "start_bar": i
            })

高级过滤器检查区域前后的冲动相对于ATR。

失效函数：

def is_zone_broken(df, zone):
    start_idx = zone['start_bar'] + 1
    slice_df = df.iloc[start_idx:]
    if zone['type'] == 'supply':
        break_level = slice_df['high'].max() if INVALIDATION_METHOD == "wick" else slice_df['close'].max()
        return break_level > zone['high']
    else:
        break_level = slice_df['low'].min() if INVALIDATION_METHOD == "wick" else slice_df['close'].min()
        return break_level < zone['low']

重叠区域通过按新鲜度排序并排除重叠来移除。

选择最近区域和Pinbar触发

选择最接近当前价格的两个区域：

def get_nearest_zones(price, zones, n=2):
    def zone_distance(z):
        if price < z["low"]:
            return z["low"] - price
        elif price > z["high"]:
            return price - z["high"]
        return 0
    return sorted(zones, key=zone_distance)[:n]

5分钟时间框架的Pinbar：

def is_bullish_pinbar(candle):
    o, h, l, c = float(candle[1]), float(candle[2]), float(candle[3]), float(candle[4])
    body = abs(c - o)
    total_range = h - l
    if body > 0.3 * total_range or c <= o or lower_wick < body * 2 or upper_wick > body * 0.5:
        return False
    return True

信号生成和发送

多头信号检查：

def check_long_signal(symbol, klines_5m, zones):
    last = klines_5m[-2]  # 已关闭蜡烛
    price = float(last[4])
    if not is_bullish_pinbar(last):
        return None
    for zone in zones:
        if price_in_zone(price, zone):
            key = f"{symbol}_{last[0]}_long"
            if key in sent_signals:
                return None
            sent_signals[key] = True
            return zone
    return None

信号在图表上可视化，带有区域标记，并通过机器人API发送至Telegram。

关键要点

• 系统使用4小时框架用于区域，5分钟框架用于触发，过滤低时间框架的噪音。
• ATR标准化使区域适应资产波动性，不依赖BTC。
• 通过sent_signals和失效区域防止重复。
• 在数分钟内处理所有Bybit USDT交易对，专注于最近区域。
• 价格行为（pinbar）作为结构确认后的最终触发。

— Editorial Team