#分享升息不是崩潰的原因，你被騙了二十年

每次股災之後，市場都會找到一個「兇手」——升息、戰爭、病毒、關稅。媒體需要一個故事，散戶需要一個解釋，於是那個事件就成了崩潰的原因但這個邏輯是倒過來的真實的順序是：經濟早就開始惡化，市場能量早就耗竭殆盡，只是還沒有一個事件把它引爆。當系統已經脆弱到臨界點，任何一根稻草都能壓垮它——所以那根稻草看起來像原因，其實只是時機換句話說，如果不是升息，就是別的。如果不是戰爭，就是數據。如果不是關稅，就是某間銀行倒閉。一個已經耗竭的市場，不缺理由崩潰，它只是在等一個藉口這也是為什麼每次崩潰事後看都「顯而易見」，但事前沒人相信。因為大家都在等那個藉口出現，而不是在觀察市場本身的狀態外部事件從來不是崩潰的原因，它只是扣下板機。真正決定子彈會不會打出去的，是槍膛裡有沒有火藥 D-EE 指標試圖偵測的，正是那些火藥 🔬 核心假說牛市頂部的形成，是一個可觀測的內生耗竭過程，而非隨機事件這個假說有三層：第一層 — 耗竭是內生的 🔩 頂部不需要外部觸發。資金在高位越堆越多，推進效率卻越來越低，這個過程是市場參與者集體行為自發演化的結果。火藥是市場自己裝進去的第二層 — 耗竭是可觀測的 📡 它直接體現在量價結構上：花了多少力氣（成交量 × 波動幅度），換來多少結果（實際價格推進）。比值持續升高，代表買方正在被耗盡。與此同時，價格分布從集中走向均勻，方向性悄悄消散——這是趨勢能量瓦解的物理學語言第三層 — 耗竭是有節奏的 🎯 它不是一次性事件，而是以週期性峰值重複出現。更關鍵的是：峰值之間的間距，會隨頂部臨近而系統性收斂。間距越來越短，代表市場越來越頻繁地觸及耗竭臨界，直到結構崩塌這就是為什麼 D-EE指標不看新聞、不預測事件，卻能在歷次崩潰前持續預警它偵測的不是「發生了什麼」，而是「市場還剩下多少能量」當能量耗盡，崩潰只是時間問題，不是運氣問題 ⚙️ 從假說到代碼：我怎麼把想法變成可計算的東西假說有了，接下來的問題是：怎麼讓電腦看懂「耗竭」這件事每個維度都要從一個可以量化的問題出發 🔋 第一個問題：市場「用力」了多少，「推進」了多少？用力 = 成交量 × 當根K線的高低價差（代表這根K線消耗的總能量）推進 = 成交量 × 收盤與開盤的實際距離（代表這些能量真正移動了多遠）兩者都用長週期 RMA 平滑，再取比值。比值越高，代表能量消耗越多、實際推進越少——這就是 EMR 但單純比值沒有意義，要知道「現在的 EMR 在歷史上算高還是低」，所以還要對歷史窗口做正規化，壓縮到 0-100 的尺度。另外，下跌趨勢中的 EMR 訊號意義不同，所以用長期 EMA 判斷趨勢方向，下跌時 EMR 直接歸零，只在上漲趨勢中計算 🌀 第二個問題：價格的「方向感」消失了多少？我用 Shannon Entropy 來度量這件事。作法是把長週期內的價格範圍切成 N 個等寬區間，然後用指數加權的方式動態更新每個區間被落入的機率。每一根K線進來，就更新一次分布熵值用這個分布計算出來之後，再除以理論最大熵（所有區間等機率時的熵值），正規化成 0-100。數字越高，代表價格分布越均勻、方向性越弱 ⚡ 第三個問題：兩者「同時加速」怎麼定義？光看兩個數字高不高還不夠，我需要的是它們同時往上衝的那個時間窗口作法是分別對 EMR 和熵值算一階差分，再用短週期 EMA 平滑成速度項。兩個速度項同時為正，才算「共振」。共振時，把兩個速度項相乘當作 IBI 脈衝——相乘的好處是只要有一個方向反轉，IBI 就立刻歸零，不會累積假訊號持續共振達到最低根數門檻才開始累積 IBI 值，中斷後用衰減係數慢慢消退而非硬歸零，模擬能量殘留的物理直覺 🧮 最後：三個維度怎麼合成一個分數？用加權線性組合打底，再疊加一個三維乘積的非線性交互項線性部分確保任何一個維度有訊號都能反映；非線性部分確保三者同時高才會讓分數大幅拉升——這對應的假說是「真實的耗竭需要三個維度共振，缺任何一個都只是局部現象」兩者的比例由 λ 參數控制，可以調整系統對「三維共振」的敏感程度這就是整個設計邏輯。每一行代碼背後都有一個對應的假說要回答，而不是憑感覺堆疊指標 📍 2007-2008 次貸危機市場在崩潰前出現 1 個紅色耗竭峰，伴隨 1 個橙色警界峰。峰值出現後市場仍撐了相當長的時間才真正崩潰——我定義為「單峰緩頂」結構，火藥裝好了，但板機扣得很慢

📍 2011 信用評級調降這次是特殊案例。D-EE 出現了第 4 個紅色耗竭峰，間距長達 299 天，間距極長代表市場能量耗竭的速度非常緩慢，對應的正是一個拖磨型的頂部結構——不是急崩，是慢慢被榨乾的

📍 2015 中國股災耗竭峰在崩潰前多次出現，且峰值訊號在主跌段來臨前已經累積了足夠的警告次數。這次的特徵是峰值密集、反覆觸及閾值，市場在高位震盪耗竭的時間拉得很長，直到外部衝擊點火

📍 2018 貿易戰 D-EE 在年初急跌與年底系統性下跌之前，累積出現多個耗竭峰，且峰值間距呈現收斂趨勢。這次是「長期結構型頂部」的典型——不是一次爆發，而是能量一批一批地被耗掉，直到再也撐不住

📍 2020 新冠暴跌這次是 D-EE 最重要的反例之一。暴跌前 D-EE 沒有出現耗竭峰，分數維持在低位。這驗證了核心假說的另一面：真正的外生衝擊，市場來不及耗竭就直接崩了。新冠是板機，但槍膛裡當時沒有足夠的火藥——所以跌得快，也彈得快

📍 2022 通膨升息崩潰前出現 2-3 個紅色耗竭峰，且峰值間距急速收斂，壓縮在 50 天以內。間距越來越短，代表市場越來越頻繁地衝擊耗竭臨界，從最後一個峰到真正崩跌只剩不到 33 天

📍 2025 關稅衝擊峰值出現後間距迅速收斂，節奏比 2022 更快。D-EE 在主跌前已累積多個耗竭峰，收斂速度之快是近年最極端的案例之一。市場的火藥早就裝好，關稅只是那根火柴

以下為開源代碼: //@version=6 indicator("D-EE v2.2 [雙層峰值偵測]", "D-EE", overlay=false, max_bars_back=600, max_labels_count=500) //───────────────────────────────────────────────────────────────────────────── // SECTION 1：參數設定 //───────────────────────────────────────────────────────────────────────────── grp1 = "核心參數" grp2 = "熵值設定" grp3 = "IBI 持續性設定" grp4 = "警戒閾值" grp5 = "顯示設定" grp6 = "權重設定" grp7 = "非線性交互設定" grp8 = "峰值偵測設定" lp = input.int(250, "長週期窗口", minval=50, maxval=500, group=grp1) sp = input.int(14, "短週期窗口（IBI）", minval=3, maxval=30, group=grp1) hist_len = input.int(500, "歷史上界估算窗口", minval=200, maxval=1000, group=grp1) src = input.source(close, "來源", group=grp1) n_bins = input.int(8, "價格區間數", minval=4, maxval=16, group=grp2) ibi_min_bars = input.int(3, "IBI 最低持續根數", minval=1, maxval=10, group=grp3) ibi_decay = input.float(0.85,"IBI 中斷衰減係數", minval=0.5, maxval=0.99, step=0.01, group=grp3) lvl_y = input.float(35.0,"🟡 黃色警戒線", step=1.0, group=grp4) lvl_o = input.float(40.0,"🟠 橙色警戒線（警界峰）", step=1.0, group=grp4) lvl_r = input.float(50.0,"🔴 紅色警戒線（風險遞增峰）", step=1.0, group=grp4) show_score = input.bool(true, "顯示 D-EE Score", group=grp5) show_emr = input.bool(false,"顯示 EMR線", group=grp5) show_ent = input.bool(false,"顯示熵值線", group=grp5) show_ibi = input.bool(false,"顯示 IBI線", group=grp5) show_bg = input.bool(true, "顯示警戒背景", group=grp5) show_lbl = input.bool(true, "顯示事件標籤", group=grp5) show_type = input.bool(true, "顯示股災型態推斷", group=grp5) w_emr = input.float(0.4, "EMR 權重", minval=0.0, maxval=1.0, step=0.05, group=grp6) w_ent = input.float(0.35, "熵值權重", minval=0.0, maxval=1.0, step=0.05, group=grp6) w_ibi = input.float(0.25, "IBI 權重", minval=0.0, maxval=1.0, step=0.05, group=grp6) lambda = input.float(0.5, "λ 非線性交互強度", minval=0.0, maxval=1.0, step=0.05, group=grp7) interact_exp = input.float(0.7, "交互項冪次", minval=0.3, maxval=1.0, step=0.05, group=grp7) peak_timeout = input.int(200, "峰值逾時重置（日曆天）", minval=50, maxval=500, group=grp8, tooltip="每次新峰值出現後重新計時，超過此天數無新峰值則重置") red_merge_days = input.int(10, "紅色峰合併（日曆天）", minval=3, maxval=30, group=grp8) orange_merge_days = input.int(20, "橙色峰合併（日曆天）", minval=5, maxval=60, group=grp8) interval_fast = input.int(50, "快速收斂閾值（日曆天）", minval=20, maxval=100, group=grp8) interval_mid = input.int(100, "中速收斂閾值（日曆天）", minval=50, maxval=200, group=grp8) // 毫秒轉日曆天 ms_per_day = 86400000 //───────────────────────────────────────────────────────────────────────────── // SECTION 2：工具函數 //───────────────────────────────────────────────────────────────────────────── abs_norm100(x, lo_abs, hi_window) => hi = ta.highest(x, hi_window) rng = hi - lo_abs rng > 0.0 ? math.min((x - lo_abs) / rng * 100.0, 100.0) : 50.0 //───────────────────────────────────────────────────────────────────────────── // SECTION 3：EMR 努力動量比 //───────────────────────────────────────────────────────────────────────────── effort_raw = volume * (high - low) momentum_raw = volume * math.abs(close - open) effort_ma = ta.rma(effort_raw, lp) momentum_ma = ta.rma(momentum_raw, lp) emr_raw = momentum_ma > 0.0 ? effort_ma / momentum_ma : 1.0 emr_norm_abs = abs_norm100(emr_raw, 1.0, hist_len) ema_lp = ta.ema(src, lp) trend_up = ema_lp > ema_lp[10] emr_norm = trend_up ? emr_norm_abs : 0.0 //───────────────────────────────────────────────────────────────────────────── // SECTION 4：Shannon Entropy //───────────────────────────────────────────────────────────────────────────── p_hi = ta.highest(src, lp) p_lo = ta.lowest(src, lp) p_rng = p_hi - p_lo p_rel = p_rng > 0.0 ? (src - p_lo) / p_rng : 0.5 var float[] bin_prob = array.new_float(16, 1.0 / 8) bin_size = 1.0 / n_bins cur_bin = math.min(int(p_rel / bin_size), n_bins - 1) alpha_ent = 2.0 / (lp + 1.0) for i = 0 to n_bins - 1 hit = cur_bin == i ? 1.0 : 0.0 prev_p = array.get(bin_prob, i) array.set(bin_prob, i, prev_p + alpha_ent * (hit - prev_p)) entropy_raw = 0.0 for i = 0 to n_bins - 1 p_i = array.get(bin_prob, i) if p_i > 0.001 entropy_raw -= p_i * math.log(p_i) / math.log(2.0) max_entropy = math.log(float(n_bins)) / math.log(2.0) entropy_norm = max_entropy > 0.0 ? (entropy_raw / max_entropy) * 100.0 : 0.0 //───────────────────────────────────────────────────────────────────────────── // SECTION 5：IBI 慣性破壞係數 //───────────────────────────────────────────────────────────────────────────── emr_vel = ta.ema(emr_norm_abs - emr_norm_abs[1], sp) ent_vel = ta.ema(entropy_norm - entropy_norm[1], sp) both_rising = emr_vel > 0.0 and ent_vel > 0.0 ibi_pulse = both_rising ? emr_vel * ent_vel : 0.0 var int ibi_count = 0 var float ibi_val = 0.0 ibi_count := both_rising ? ibi_count + 1 : 0 if ibi_count >= ibi_min_bars ibi_val := ibi_pulse else if not both_rising ibi_val := ibi_val * ibi_decay ibi_hi = ta.highest(ibi_val, hist_len) ibi_norm = ibi_hi > 0.0 ? math.min(ibi_val / ibi_hi * 100.0, 100.0) : 0.0 //───────────────────────────────────────────────────────────────────────────── // SECTION 6：D-EE Score 合成 //───────────────────────────────────────────────────────────────────────────── w_sum = w_emr + w_ent + w_ibi linear_score = (emr_norm * w_emr + entropy_norm * w_ent + ibi_norm * w_ibi) / w_sum interaction = math.pow(emr_norm / 100.0, interact_exp) * math.pow(entropy_norm / 100.0, interact_exp) * math.pow(ibi_norm / 100.0, interact_exp) * 100.0 ee_score = (1.0 - lambda) * linear_score + lambda * interaction //───────────────────────────────────────────────────────────────────────────── // SECTION 7：警戒狀態 //───────────────────────────────────────────────────────────────────────────── at_yellow = ee_score >= lvl_y at_orange = ee_score >= lvl_o at_red = ee_score >= lvl_r bg_col = show_bg ? (at_red ? color.new(#ff1744, 70) : at_orange ? color.new(#ff6b00, 78) : at_yellow ? color.new(#f5c518, 88) : na) : na bgcolor(bg_col) //───────────────────────────────────────────────────────────────────────────── // SECTION 8：雙層峰值偵測系統（日曆天版本） //───────────────────────────────────────────────────────────────────────────── var int r_peak_count = 0 var int r_peak_interval = 0 // 日曆天 var int r_peak_interval_prev = 0 // 日曆天 var float r_peak_score_max = 0.0 var bool r_in_peak = false var int o_peak_count = 0 var float o_peak_score_max = 0.0 var bool o_in_peak = false // 用 time（毫秒時間戳）記錄峰值發生時間，換算成日曆天 var int r_peak_time_last = 0 // 上一個紅色峰的 time（ms） var int o_peak_time_last = 0 // 上一個橙色峰的 time（ms） var int first_peak_time = 0 // 本週期第一個峰的 time（ms） // 黑天鵝判斷旗標：只有從未有過任何峰值（全新週期）才可能是黑天鵝 // 重置後 is_fresh_cycle = true，出現第2個峰後永遠是 false var bool is_fresh_cycle = true entered_red = at_red and not at_red[1] exited_red = not at_red and at_red[1] entered_orange = at_orange and not at_orange[1] and not at_red exited_orange = not at_orange and at_orange[1] and not at_red // 當前 time 轉換為日曆天的輔助計算 cur_time = time // 逾時計算（日曆天）：從最後一個峰起算 last_any_peak_time = r_peak_time_last > o_peak_time_last ? r_peak_time_last : o_peak_time_last any_peak_count = r_peak_count + o_peak_count days_since_last_any = any_peak_count > 0 ? int((cur_time - last_any_peak_time) / ms_per_day) : 0 days_since_first = any_peak_count > 0 ? int((cur_time - first_peak_time) / ms_per_day) : 0 do_reset = any_peak_count > 0 and days_since_last_any >= peak_timeout and not at_orange if do_reset r_peak_count := 0 r_peak_interval := 0 r_peak_interval_prev := 0 r_peak_score_max := 0.0 r_in_peak := false o_peak_count := 0 o_peak_score_max := 0.0 o_in_peak := false r_peak_time_last := 0 o_peak_time_last := 0 first_peak_time := 0 // ── 紅色風險遞增峰 ── days_since_last_red = r_peak_count > 0 ? int((cur_time - r_peak_time_last) / ms_per_day) : 999 is_new_red = entered_red and not do_reset and (r_peak_count == 0 or days_since_last_red > red_merge_days) is_same_red = entered_red and not do_reset and r_peak_count > 0 and days_since_last_red <= red_merge_days if is_new_red r_peak_interval_prev := r_peak_count > 0 ? r_peak_interval : 0 r_peak_interval := r_peak_count > 0 ? int((cur_time - r_peak_time_last) / ms_per_day) : 0 r_peak_count := r_peak_count + 1 r_peak_time_last := cur_time r_peak_score_max := ee_score r_in_peak := true if first_peak_time == 0 first_peak_time := cur_time if is_same_red r_peak_time_last := cur_time r_peak_score_max := math.max(r_peak_score_max, ee_score) r_in_peak := true if r_in_peak and at_red and not entered_red r_peak_score_max := math.max(r_peak_score_max, ee_score) if exited_red r_in_peak := false // ── 橙色警界峰（未達紅色才計）── days_since_last_orange = o_peak_count > 0 ? int((cur_time - o_peak_time_last) / ms_per_day) : 999 is_new_orange = entered_orange and not do_reset and (o_peak_count == 0 or days_since_last_orange > orange_merge_days) is_same_orange = entered_orange and not do_reset and o_peak_count > 0 and days_since_last_orange <= orange_merge_days if is_new_orange o_peak_count := o_peak_count + 1 o_peak_time_last := cur_time o_peak_score_max := ee_score o_in_peak := true if first_peak_time == 0 first_peak_time := cur_time if is_same_orange o_peak_time_last := cur_time o_peak_score_max := math.max(o_peak_score_max, ee_score) o_in_peak := true if o_in_peak and at_orange and not at_red and not entered_orange o_peak_score_max := math.max(o_peak_score_max, ee_score) if exited_orange o_in_peak := false // 紅色峰收斂判斷 r_converging = r_peak_count >= 3 and r_peak_interval_prev > 0 and r_peak_interval < r_peak_interval_prev // 減倉建議 reduce_pct = r_peak_count <= 1 ? 0 : r_peak_count == 2 and r_peak_interval > interval_mid ? 10 : r_peak_count == 2 and r_peak_interval > interval_fast ? 20 : r_peak_count == 2 ? 30 : r_peak_count == 3 and r_converging ? 40 : r_peak_count == 3 ? 30 : r_converging ? math.min(10 * r_peak_count, 70) : math.min(10 * (r_peak_count - 1), 60) //───────────────────────────────────────────────────────────────────────────── // SECTION 9：股災型態推斷 // 黑天鵝條件：必須是 is_fresh_cycle（全新週期，從未累積過多個峰值） // 不再用 days_since_first，避免重置後誤判 //───────────────────────────────────────────────────────────────────────────── // 重置後的當根 any_peak_count 已歸零，用實際歸零後的值來判斷型態 effective_peak_count = do_reset ? 0 : any_peak_count effective_r_count = do_reset ? 0 : r_peak_count effective_o_count = do_reset ? 0 : o_peak_count // 型態比對邏輯（根據 SOXX 2004-2025 實測數據） // 優先順序：峰值數 → 間距 → 收斂速度 → 警界峰數量 // 計算平均間距（只有2個以上紅色峰才有意義） avg_interval = r_peak_count >= 2 ? (r_peak_interval + r_peak_interval_prev) / 2 : 0 crash_type = effective_peak_count == 0 ? "✅ 等待訊號" : // 單紅色峰 + 大量警界峰 → 2004政策驅動超早型 effective_r_count == 1 and effective_o_count >= 3 ? "🕐 類2004 政策驅動超早型 | 預警可能300+天 | 從容分批減倉" : // 單紅色峰 + 少量警界峰 → 觀察中，可能是2011或2020 effective_r_count == 1 and effective_o_count <= 1 ? "🔍 類2011/2020 觀察中 | 單峰無法判斷 | 等第2峰確認" : // 單紅色峰 + 中等警界峰 effective_r_count == 1 ? "🔍 觀察中(第1風險遞增峰) | 等第2峰判斷間距" : // 雙紅色峰 + 間距收斂快（<50天）→ 類2022 effective_r_count == 2 and r_peak_interval < interval_fast ? "⚠ 類2022 中等累積加速型 | 間距急縮 | 最後峰後約33天 | 立即減倉30%" : // 雙紅色峰 + 間距中等（50-100天）→ 類2008 effective_r_count == 2 and r_peak_interval >= interval_fast and r_peak_interval < interval_mid ? "📊 類2008 中等累積型 | 間距中等 | 最後峰後約144天 | 減倉20%" : // 雙紅色峰 + 間距較長（>100天）→ 類2008緩慢版 effective_r_count == 2 ? "📊 類2008 中等累積型(緩) | 間距寬鬆 | 減倉10%" : // 三紅色峰 + 收斂中 → 類2025 effective_r_count == 3 and r_converging ? "⚠ 類2025 中等累積加速型 | 間距收斂中 | 最後峰後約35天 | 減倉40%" : // 三紅色峰 + 未收斂 → 類2022擴展版 effective_r_count == 3 and not r_converging ? "📊 類2022擴展中等累積型 | 間距持平 | 減倉30%" : // 四紅色峰 + 收斂 → 類2018 effective_r_count == 4 and r_converging ? "🏗 類2018 長期結構型(收斂) | 間距加速縮短 | 最後峰後約90天 | 減倉50%" : // 四紅色峰 + 未收斂 → 類2018早期 effective_r_count == 4 ? "🏗 類2018 長期結構型 | 間距尚未收斂 | 減倉40%" : // 五紅色峰以上 + 大量警界峰 → 類2015 effective_r_count >= 5 and effective_o_count >= 3 ? "🏗 類2015 長期結構型 | 出場機會最多 | 最後峰後約44天 | 減倉60%" : // 五紅色峰以上 effective_r_count >= 5 ? "🏗 類2015/2018 長期結構型 | 多峰累積 | 減倉60%" : // 只有橙色峰 effective_r_count == 0 and effective_o_count >= 2 ? "👁 早期預警累積中 | 等待紅色風險遞增峰" : effective_r_count == 0 and effective_o_count == 1 ? "👁 早期預警初現 | 單一警界峰，持續觀察" : "🔍 持續觀察中" //───────────────────────────────────────────────────────────────────────────── // SECTION 10：繪圖 //───────────────────────────────────────────────────────────────────────────── plot(show_emr ? emr_norm : na, "EMR", color.new(#ff9800, 20), 1) plot(show_ent ? entropy_norm : na, "熵值", color.new(#2196f3, 20), 1) plot(show_ibi ? ibi_norm : na, "IBI", color.new(#e040fb, 30), 1) ee_col = at_red ? #ff1744 : at_orange ? #ff6b00 : at_yellow ? #f5c518 : #089981 p_ee = plot(show_score ? ee_score : na, "D-EE Score", ee_col, 2) p_mid = plot(50, color=na, editable=false) fill(p_ee, p_mid, ee_score > 50.0 ? color.new(#ff5252, 92) : color.new(#089981, 92)) hline(lvl_r, "🔴 風險遞增峰線", color.new(#ff1744, 40), linestyle=hline.style_dashed) hline(lvl_o, "🟠 警界峰線", color.new(#ff6b00, 40), linestyle=hline.style_dashed) hline(lvl_y, "🟡 黃色警戒", color.new(#f5c518, 40), linestyle=hline.style_dashed) hline(50, "中線", color.new(color.gray, 60), linestyle=hline.style_dotted) //───────────────────────────────────────────────────────────────────────────── // SECTION 11：事件標籤 //───────────────────────────────────────────────────────────────────────────── if barstate.isconfirmed if show_lbl and is_new_orange label.new(bar_index, ee_score + 4, "🟠 警界峰#" + str.tostring(o_peak_count), style=label.style_label_down, color=#ff6b00, textcolor=color.white, size=size.tiny) if show_lbl and is_new_red and r_peak_count == 1 label.new(bar_index, ee_score + 4, "⚠ 風險遞增峰#1 | 停止加倉 | 警界峰" + str.tostring(o_peak_count) + "個", style=label.style_label_down, color=#f5c518, textcolor=color.black, size=size.small) if show_lbl and is_new_red and r_peak_count >= 2 lbl_col = r_peak_interval < interval_fast ? #ff1744 : r_peak_interval < interval_mid ? #ff6b00 : #f5c518 label.new(bar_index, ee_score + 4, "🔴 風險遞增峰#" + str.tostring(r_peak_count) + " | 間距:" + str.tostring(r_peak_interval) + "天 " + (r_converging ? "↓收斂" : "→持平") + " | 減倉" + str.tostring(reduce_pct) + "%", style=label.style_label_down, color=lbl_col, textcolor=color.white, size=size.small) if show_lbl and do_reset label.new(bar_index, lvl_y - 4, "🔄 週期重置 | 紅色峰" + str.tostring(r_peak_count) + "個 / 警界峰" + str.tostring(o_peak_count) + "個", style=label.style_label_up, color=#089981, textcolor=color.white, size=size.small) if show_lbl and ta.crossunder(ee_score, lvl_y) and any_peak_count > 0 and not do_reset label.new(bar_index, ee_score - 3, "✅ 風險緩解 | 逾時重置剩" + str.tostring(peak_timeout - days_since_last_any) + "天", style=label.style_label_up, color=#089981, textcolor=color.white, size=size.small) //───────────────────────────────────────────────────────────────────────────── // SECTION 12：資訊面板 //───────────────────────────────────────────────────────────────────────────── var table info = table.new(position.top_right, 2, 10, border_width=1, bgcolor=color.new(color.black, 20)) if barstate.islast int_col = r_peak_count < 2 ? color.gray : r_peak_interval < interval_fast ? color.red : r_peak_interval < interval_mid ? color.orange : color.yellow conv_str = r_peak_count < 3 ? "─" : r_converging ? "↓ 收斂中" : "→ 持平" conv_col = r_converging ? color.red : color.gray red_col = reduce_pct >= 50 ? color.red : reduce_pct >= 30 ? color.orange : reduce_pct >= 10 ? color.yellow : color.green days_left = peak_timeout - days_since_last_any table.cell(info, 0, 0, "D-EE 雙層峰值系統", bgcolor=color.new(#ff1744,40), text_color=color.white, text_size=size.normal) table.cell(info, 1, 0, "v2.2", bgcolor=color.new(#ff1744,40), text_color=color.white) table.cell(info, 0, 1, "D-EE Score", text_color=color.gray) table.cell(info, 1, 1, str.tostring(ee_score, "#.##"), text_color=ee_col) table.cell(info, 0, 2, "🔴 風險遞增峰", text_color=color.gray) table.cell(info, 1, 2, r_peak_count > 0 ? "第" + str.tostring(r_peak_count) + "峰" : "未出現", text_color=r_peak_count > 0 ? color.red : color.green) table.cell(info, 0, 3, "🟠 警界峰", text_color=color.gray) table.cell(info, 1, 3, o_peak_count > 0 ? "共" + str.tostring(o_peak_count) + "峰" : "未出現", text_color=o_peak_count > 0 ? color.orange : color.green) table.cell(info, 0, 4, "風險遞增峰間距", text_color=color.gray) table.cell(info, 1, 4, r_peak_count >= 2 ? str.tostring(r_peak_interval) + " 天" : "─", text_color=int_col) table.cell(info, 0, 5, "收斂狀態", text_color=color.gray) table.cell(info, 1, 5, conv_str, text_color=conv_col) table.cell(info, 0, 6, "逾時倒數", text_color=color.gray) table.cell(info, 1, 6, any_peak_count > 0 ? str.tostring(days_left) + " 天" : "─", text_color=days_left < peak_timeout * 0.3 ? color.orange : color.gray) table.cell(info, 0, 7, "建議減倉", text_color=color.gray) table.cell(info, 1, 7, any_peak_count > 0 ? str.tostring(reduce_pct) + "%" : "持倉", text_color=red_col) table.cell(info, 0, 8, "━━━━━━━", text_color=color.new(color.gray,60), text_size=size.small) table.merge_cells(info, 0, 8, 1, 8) type_col = crash_type == "✅ 無風險信號" ? color.green : str.contains(crash_type, "黑天鵝") ? color.red : str.contains(crash_type, "加速") ? color.red : str.contains(crash_type, "長期") ? color.orange : color.yellow table.cell(info, 0, 9, "推斷型態", text_color=color.gray) table.cell(info, 1, 9, show_type ? crash_type : "已隱藏", text_color=type_col, text_size=size.small) //───────────────────────────────────────────────────────────────────────────── // SECTION 13：Alert 條件 //───────────────────────────────────────────────────────────────────────────── alertcondition(is_new_orange, "[D-EE] 🟠 警界峰出現", "橙色警界峰觸發，開始監控風險遞增峰") alertcondition(is_new_red and r_peak_count == 1, "[D-EE] ⚠ 風險遞增峰#1：停止加倉", "紅色風險遞增峰首次出現") alertcondition(is_new_red and r_peak_count == 2, "[D-EE] 🔴 風險遞增峰#2：開始減倉", "第2風險遞增峰，建議減倉10-30%") alertcondition(is_new_red and r_peak_count == 3, "[D-EE] 🔴 風險遞增峰#3：加速減倉", "第3風險遞增峰，間距收斂中") alertcondition(is_new_red and r_peak_count >= 4, "[D-EE] 🚨 風險遞增峰#4+：防禦倉位","累積4個以上風險遞增峰") alertcondition(do_reset, "[D-EE] 🔄 週期重置", "逾時無新峰值，計數器歸零")

此指標已經整合進LEI指標裡，作為S6維度的判斷

有興趣指標或交流的，歡迎嘉我的DC

#分享 升息不是崩潰的原因，你被騙了二十年

#分享升息不是崩潰的原因，你被騙了二十年