DeepWave 将传统波浪理论与现代 AI / 统计学习方法相结合的市场结构分析框架，目标不是预测短期涨跌，而是识别趋势结构与波段阶段。
在理论上，它主要结合了以下几类技术方法：
1. 多尺度趋势分解（Multi-scale Trend Decomposition）
-
使用不同时间尺度的数据（短、中、长周期）
-
同时分析趋势方向、回调深度与节奏变化
-
用来模拟波浪理论中主浪 / 子浪的嵌套关系
所以解决了人工画浪中尺度不一致、主观性强的问题。
2. 结构状态分类（Market Regime Classification）
通过机器学习，将价格行为划分为：
-
上升趋势（推进浪）
-
回调/整理（调整浪）
-
震荡/过渡阶段
模型更关心的是：“当前价格属于哪一类结构状态”，而不是“明天涨还是跌”。
3. 动能与衰减识别（Momentum & Exhaustion Detection）
结合：动能指标（如变化率、加速度），波动率变化， 趋势强度的持续性 来判断当前浪是否仍在“健康推进”，是否出现动能衰减、结构走弱（常见于末端浪）
4. 概率化波段评分（Probabilistic Wave Scoring）
不同于传统波浪给出唯一浪型判断，Deep Wave 会对多种可能结构进行评分，输出：趋势延续概率，进入回调概率
和结构破坏风险。 本质上是把“画浪”从确定判断变成概率评估。
5. 批量扫描与筛选（Cross-asset Screening）
模型可同时应用于：大量个股，指数，不同行业
快速筛选出：结构最清晰的趋势股，刚完成调整、可能进入下一浪的标的，结构已走坏、需要回避的品种
一句话总结（技术 + 理念）
DeepWave 是用 AI 把波浪理论的“结构判断”系统化、概率化，并应用到大规模股票筛选中的一种方法。
它不是取代人的判断，而是降低主观性、提高一致性，帮助投资者把精力集中在正确的市场阶段和正确的标的上。
谢谢你的一贯分享，希望能收到你的建议。
