天上井与地上井的形态定义
天上井、地上井是技术分析中经典的K线组合形态，由三根或五根K线构成。它们源自日本蜡烛图技术，在股票和期货市场中被广泛用于识别趋势的衰竭与反转。
天上井出现在上涨趋势末端，由一根阳线、一根小实体K线（可阴可阳）、一根阴线组成，且第三根阴线的收盘价低于第一根阳线的开盘价。形态整体呈现“井”字上半部分，暗示多头力量耗尽。地上井则相反，出现在下跌趋势末端，由一根阴线、一根小实体K线、一根阳线组成，第三根阳线的收盘价高于第一根阴线的开盘价，预示空头力量枯竭。
天上井的详细结构
天上井的核心是“高开低走再低走”的节奏。第一根阳线通常伴随较大成交量，代表最后一波追涨情绪。第二根K线实体极小，可以是十字星、纺锤线，其高点往往略高于第一根阳线高点，形成“假突破”。第三根阴线必须有效跌破第一根阳线的开盘价，且收盘价低于该位置。成交量在第三根阴线时通常放大，表明抛压涌出。
在期货市场中，天上井的可靠性更高，因为期货合约有杠杆和到期日，多空博弈更激烈，形态完成后的下跌速度往往快于股票。
地上井的详细结构
地上井是天上井的镜像。第一根阴线伴随恐慌抛售，第二根小实体K线最高点略低于第一根阴线最低点，制造“继续破位”的假象。第三根阳线强势收复第一根阴线的开盘价，收盘站稳该价位上方。成交量在第三根阳线时显著放大，显示抄底资金入场。
股票市场中，地上井在指数或大盘股上出现时，反转概率较高；期货市场中，地上井在主力合约连续下跌后出现，常伴随空头回补。
天上井与地上井的量价关系
量价配合是判断形态有效性的关键。天上井的第三根阴线需要成交量高于第一根阳线或第二根小K线，形成“放量下跌”。若第三根阴线缩量，则可能是洗盘而非反转。地上井的第三根阳线需要成交量明显放大，至少超过第一根阴线或第二根小K线的量能，形成“放量上涨”。
持仓量变化也能辅助验证。期货中，天上井形成时持仓量往往先增后减，第三根阴线伴随持仓量下降，说明多头离场。地上井形成时持仓量先减后增，第三根阳线伴随持仓量上升，说明新多入场。
时间周期与位置
天上井、地上井在不同时间周期下含义不同。日线级别形态适合波段交易，60分钟或15分钟级别适合短线。位置比形态本身更重要：天上井必须出现在明显上涨后，地上井必须出现在明显下跌后。若在震荡区间中部出现，形态容易失效。
股票中，天上井若出现在历史高点附近且伴随MACD顶背离，反转力度更强。期货中，地上井若出现在合约前期低点附近且伴随RSI底背离，反弹空间更大。
股票与期货中的实战应用
股票市场应用
股票T+1交易制度下，天上井形态确认后，次日开盘若不能快速收复第三根阴线的一半，应果断减仓。地上井形态确认后，可分批建仓，止损设于第三根阳线最低点下方。
选股时，优先选择换手率适中、流通市值中等的品种。天上井出现在连续涨停后的高位，风险极大；地上井出现在连续跌停后的低位，机会较大。结合板块效应，若同板块多只股票同时出现地上井，反转概率提升。
期货市场应用
期货市场T+0和双向交易，天上井可用于开空，地上井用于开多。止损设置更严格：天上井空单止损设于第二根小K线高点上方；地上井多单止损设于第二根小K线低点下方。
期货中，天上井、地上井在主力合约上效果最佳。注意合约临近交割月时，形态可能受移仓换月影响。夜盘与日盘连续交易，形态确认后可在下一小节开盘立即行动。
量化识别天上井与地上井
编写程序自动识别形态，可以提高效率。以下Python代码演示如何用pandas识别基础的天上井与地上井。
import pandas as pd
import numpy as np
def identify_patterns(df):
df = df.copy()
df['body'] = abs(df['close'] - df['open'])
df['range'] = df['high'] - df['low']
df['is_small'] = df['body'] < df['range'] * 0.3
df['pattern'] = None
for i in range(2, len(df)):
c1 = df.iloc[i-2]
c2 = df.iloc[i-1]
c3 = df.iloc[i]
# 天上井: 阳线 + 小实体 + 阴线，且第三根收盘低于第一根开盘
if (c1['close'] > c1['open'] and
c2['is_small'] and
c3['close'] < c3['open'] and
c3['close'] < c1['open']):
df.at[df.index[i], 'pattern'] = '天上井'
# 地上井: 阴线 + 小实体 + 阳线，且第三根收盘高于第一根开盘
if (c1['close'] < c1['open'] and
c2['is_small'] and
c3['close'] > c3['open'] and
c3['close'] > c1['open']):
df.at[df.index[i], 'pattern'] = '地上井'
return df
# 使用示例
data = pd.read_csv('stock_data.csv')
result = identify_patterns(data)
print(result[result['pattern'].notna()][['date', 'pattern']])
该代码可扩展加入成交量过滤、均线位置过滤。期货数据同样适用，只需替换数据源。
常见误判与应对
天上井与地上井容易与普通三根K线混淆。误判原因包括：第二根K线实体不够小、第三根K线未有效突破第一根开盘价、成交量未配合。应对方法是增加过滤条件：第二根K线实体小于第一根实体的30%，第三根K线收盘价突破幅度超过0.5%。
股票除权除息日、期货涨跌停板时，形态可能失真。需使用复权数据或避开极端行情。
天上井是顶部反转信号，地上井是底部反转信号。两者都要求三根K线特定排列，且第三根K线必须有效突破第一根开盘价。成交量放大是确认关键。股票中用于减仓或建仓，期货中用于开空或开多。量化识别可提升效率，但需结合位置、量能、背离等多重过滤。
