ATR动态阈值、多周期共振、中位值滤波、小波降噪、成交量加权是五种孤立点信号过滤方法：分别通过波动率自适应、跨周期验证、序列平滑、频率分离和量能筛选提升信号质量。
全球主流的正规交易所推荐
欧易OKX：
Binance币安：
火币Huobi：
Gateio芝麻开门：
一、基于ATR的动态振幅阈值过滤
利用平均真实波幅（ATR）构建动态波动容忍区间，可有效识别并屏蔽因瞬时跳空或流动性缺失导致的孤立点信号。该方法依据当前市场实际波动水平设定过滤门槛，避免固定参数在不同品种或时段下的失效问题。
1、计算14周期ATR值，取其30%作为基础振幅阈值。
2、对每一根K线，比较其真实波幅与该阈值的大小关系。
3、若真实波幅小于阈值，则将该K线产生的所有开仓信号标记为无效信号，不参与后续执行。
二、多周期信号共振校验
孤立点信号往往仅在单一时间框架显现，缺乏更高周期的趋势支撑。通过跨周期一致性验证，可排除短期失真信号，保留具备结构延续性的交易提示。
1、设定主交易周期为5分钟，同步加载15分钟和1小时K线图。
2、当5分钟级别触发买入信号时，检查15分钟MACD是否处于金叉状态。
3、进一步确认1小时级别价格是否位于200周期均线之上，且均线斜率为正。
4、三项条件全部满足时，才允许该信号进入订单队列，否则视为孤立点干扰予以剔除。
三、中位值滤波法平滑信号序列
中位值滤波擅长抑制脉冲型异常值，在不破坏趋势方向的前提下削弱离群信号强度。适用于高频生成信号的合约策略，尤其对Tick级或1分钟级信号流效果显著。
1、采集最近7个周期内生成的所有原始买卖信号，形成信号数组。
2、对该数组进行排序，取中间位置数值作为当前周期输出信号值。
3、若原始信号为+1（多）、-1（空）、0（无），经中位值处理后结果仍为0，则判定该周期信号为孤立点噪声。
四、小波变换多尺度特征分离
小波变换可将原始价格序列分解为不同频率成分，从中提取主导趋势分量，剥离高频随机扰动。该方法从信号源头实现降噪，提升信号本征质量。
1、选用Daubechies 4小波基函数，对收盘价序列做三层分解。
2、保留低频近似系数（A3），舍弃高频细节系数（D1、D2、D3）。
3、重构价格序列后重新计算技术指标，所有基于重构序列生成的信号均排除了单周期突变干扰。
五、成交量加权置信度筛选
孤立点信号常伴随极低成交量，反映市场缺乏共识支撑。引入成交量权重对信号置信度打分，可量化过滤掉缺乏资金响应的无效提示。
1、统计过去20根K线的平均成交量，设为基准量V_avg。
2、当信号产生当根K线成交量低于0.5×V_avg时，赋予置信度0.2。
3、当成交量介于0.5×V_avg至1.5×V_avg之间时，置信度设为0.6。
4、仅当置信度≥0.8（即成交量≥1.5×V_avg）时，该信号才被允许进入实盘执行队列。
