本文介绍一种简洁高效的方法，用于在预定义的高低点序列中，根据当前标记价格（mark price）快速查找“下一个更高的高点”和“下一个更低的低点”，适用于量化交易中的动态支撑/阻力跟踪场景。
本文介绍一种简洁高效的方法，用于在预定义的高低点序列中，根据当前标记价格（mark price）快速查找“下一个更高的高点”和“下一个更低的低点”，适用于量化交易中的动态支撑/阻力跟踪场景。
在量化策略开发中，常需基于历史K线的高低点（如每4根K线一组取极值）构建动态参考区间，并实时响应价格突破——例如：当标记价上穿某组高点时，自动切换至前一组更高高点；下破某组低点时，则回退至后一组更低低点。但原始实现存在逻辑混乱、索引越界、状态冗余等问题，导致无法正确回溯或前移。
核心问题在于：不应手动维护复杂索引偏移与交叉标志（如 crossabove/crossbelow），而应将逻辑抽象为纯函数式查找——即在有序数组中，分别寻找小于 mark 的最大值（最近下方低点）和大于 mark 的最小值（最近上方高点）。
以下为推荐实现（已通过全部用例验证）：
def find_next_high_low(mark: float, min_array: list, max_array: list) -> tuple:
"""
在给定的低点数组（升序）和高点数组（降序）中，
查找：
- 小于 mark 的最大低点（即“下一个更低低点”）
- 大于 mark 的最小高点（即“下一个更高高点”）
参数：
mark: 当前标记价格（如最新成交价或mark price）
min_array: 低点序列（按时间顺序排列，通常升序）
max_array: 高点序列（按时间顺序排列，通常降序）
返回：
(next_low, next_high): 元组形式的匹配结果
"""
# 查找小于 mark 的最大低点 → 使用 filter + max（安全处理空序列）
lows_below = [low for low in min_array if low mark]
next_high = min(highs_above) if highs_above else max(max_array) # fallback
return next_low, next_high
# 示例验证
if __name__ == "__main__":
min_array = [2, 3.5, 5, 8.5, 9] # 历史低点（时间从左到右）
max_array = [20, 17, 9, 7, 5] # 历史高点（时间从左到右，数值递减）
print(find_next_high_low(3.6, min_array, max_array)) # → (3.5, 5)
print(find_next_high_low(5.1, min_array, max_array)) # → (5, 7)
print(find_next_high_low(3.4, min_array, max_array)) # → (2, 5)
✅ 关键优势：
- 无状态依赖：每次调用独立计算，不依赖外部索引变量或交叉标志，彻底规避状态同步错误；
- 鲁棒性强：自动处理边界情况（如 mark 超出数组范围），提供合理 fallback；
- 可读性高：逻辑直白，符合“所见即所得”的工程直觉；
- 易扩展：若需支持滑动窗口（如最近 N 组），仅需预处理 min_array/max_array 即可，主体逻辑零修改。
⚠️ 注意事项：
- 确保 min_array 和 max_array 按实际时间顺序排列（而非排序后数组），否则语义将错乱；
- 若性能敏感（如高频调用），可对 max_array 预先升序排序后使用二分查找（bisect_left），将时间复杂度从 O(n) 优化至 O(log n)；
- 实际 OHLCV 数据中，建议统一使用 candle[2]（high）和 candle[3]（low）提取，并按时间倒序切片生成极值数组，以保证“最近”语义一致。
该方法摒弃了易出错的手动索引管理，回归问题本质：一次查询，两个目标值——简洁、可靠、可维护，是支撑/阻力动态跟踪的理想基底。
