我用Python开发了一个数据股票分析程序
我需要做的一件基本的事情是识别价格的波动（开盘价、最高价、最低价、收盘价）
价格数据本质上是分形的--在较大的结构中发现较小的结构。

在我的例子中，我正在寻找大波动中的小波动。即大波动中的小波动。上面的例子图表描述了我的目标。
下面是我如何在Python中处理这个问题的

import numpy as np
from scipy.signal import argrelextrema

def get_pivots(price: np.ndarray):
    maxima = argrelextrema(price, np.greater)
    minima = argrelextrema(price, np.less)
    return np.concatenate((price[maxima], price[minima]))

为了简单起见，我将把一个扁平的1d numpy数组传递到上面的函数中。argrelextrema有助于识别枢轴在哪里。即识别价格在哪里变化。
我想知道我怎么能找到枢轴的嵌套来形成次要和主要的摆动。
我期待产生一个列表，松散类似于这种结构。

[major swing
  [minor swing1],
  [minor swing2],
  [minor swing3
    [micro swing1], 
    [micro swing2]
  ] 
]

我创建的示例数据是

data = [5,6,7,8,9,10,11,12,13,14,16,17,18,19,20, # AB(Major) impulse
        19,18,17,16,15,14,13,12,11,10,9,8, # BC(Major) reaction
            9,10,11,12,13, 14,15, # C0C1 (Minor) impulse
            14,13,12,11,10, # C1C2 (Minor) reaction
            11, 12, 13, 14, 15, 16, 17, 18, # C2C3 (Minor) impulse
            17, 16, 15, 15, 14, 13, 12, # C3C4 (Minor) reaction
            13, 14, 15, 16, 17, 18, 19, 20, 21, # C4C5 (Minor) impulse
            20, 19, 18, 17, 16, 15, 14, # C5C6 (Minor) reaction
        15, 16, 17, 18, 19, 20, 21, 22, 23, 24, 25 # CD (Major) impulse 
        ]

我相信某种递归实现可能会有所帮助。我并不完全熟悉使用这种范例的实现