支持一键预测脚本

2026-08-23 14:30:20 +08:00
parent dc65b98568
commit 286626dfe5
8 changed files with 561 additions and 38 deletions
--- a/README.md
+++ b/README.md
@@ -1,78 +1,109 @@
 # cbpred

-这是一个统一模型的 8H U 本位 USDT 合约回调预测管线。它只使用 banbot 的 K 线 OHLCV 数据，默认调用 banbot 下载 1H 存储数据，再按完整的 8 根 1H K 线聚合为 8H；不使用资金费率、盘口、持仓量或外部行情。
+`cbpred` 是一个面向 Binance U 本位 USDT 永续合约的统一 8H K 线回撤预测管线。数据由 [banbot](../banbot) 下载，模型只使用 OHLCV，不使用资金费率、盘口、持仓量或外部行情。

-目标定义为有符号的未来最低价收益，并按品种训练期波动尺度归一化：
+当前正式模型只有一个：[`artifacts/v1/model.joblib`](artifacts/v1/model.joblib)。它由最近 18 根 8H K 线预测未来 6 根 8H K 线的稳健低点收益，并输出点预测以及用于区间参考的 q20/q80 结果。根目录不放置历史实验模型；历史实验说明保留在 [`docs/v0_0823.md`](docs/v0_0823.md) 和 [`docs/v1_0823.md`](docs/v1_0823.md)。
+
+## 快速开始
+
+运行环境需要 Python 3、Go、可访问的 banbot 源码和 banbot 配置中的 QuestDB。默认路径是：

 ```text
-raw_return = quantile(low[t+1:t+6], 0.20) / anchor_close - 1
-target = raw_return / asset_atr_price_top20_median
+/home/ctyun/ban/banbot
+/home/ctyun/ban/banbot/biz/config.yml
 ```

-这里的 20% 分位数是未来窗口的稳健低点参考，不会被单根异常影线完全决定；它不是严格的 `lowestLow`。负值表示该低点参考低于当前收盘价，正值表示它仍高于当前收盘价；因此上涨阶段不会被强行压成 0。`asset_atr_price_top20_median` 是该品种训练期 ATR/price 降序前 20% 的中位数，预测输出会乘回该尺度。训练锚点和未来 6 根必须连续，跨越测试边界的训练样本会被丢弃，避免把测试期标签泄漏进训练集。
-
-## 运行
-
-先安装依赖：
+安装项目及依赖：

 ```bash
 python3 -m venv .venv
 .venv/bin/pip install -e .
 ```

-使用 banbot 的配置连接数据库，筛选 `market=linear`、符号为 `BASE/USDT:USDT`、上市至少 730 天且未退市的品种；默认连接配置来自 `/home/ctyun/ban/banbot/biz/config.yml`：
+一键更新最新 K 线、导出完整 8H 数据并生成全部品种预测：

 ```bash
+./scripts/update_and_predict.sh
+```
+
+结果默认写入：
+
+```text
+predictions/latest_v1/predictions.csv
+predictions/latest_v1/report.json
+```
+
+查看脚本参数：
+
+```bash
+./scripts/update_and_predict.sh --help
+```
+
+完整的数据流、参数和目录说明见 [`docs/usage.md`](docs/usage.md)。
+
+## 手动流程
+
+如果需要单独准备数据和训练模型：
+
+```bash
+# 下载 1H K 线，导出并整理为 8H CSV
 .venv/bin/python -m cbpred prepare \
  --banbot-config /home/ctyun/ban/banbot/biz/config.yml \
  --out-dir data
-```

-如果数据已经由 banbot 下载完成，可以跳过下载，只执行筛选和导出：
-
-```bash
-.venv/bin/python -m cbpred prepare --skip-download --out-dir data
-```
-
-训练会执行三轮特征迭代。点模型候选包括随机森林平方误差和 ExtraTrees，另用 HistGradientBoosting 分位数模型输出 q20/q80；验证集和测试集均为最近 10 个月中的按品种随机拆分，测试集只在最终选模后使用：
-
-```bash
+# 使用 data/ 训练并覆盖 artifacts/v1 下的正式模型和报告
 .venv/bin/python -m cbpred train \
  --data-dir data \
  --artifact-dir artifacts/v1
+
+# 对单个已导出的 8H CSV 使用最新锚点预测
+.venv/bin/python -m cbpred predict \
+  --artifact artifacts/v1/model.joblib \
+  --csv data/raw/123_BTC_USDT_USDT.csv \
+  --symbol BTC/USDT:USDT
 ```

-默认保留所有连续样本，把当前 ATR 在过去 200 根 8H K 线中的排名作为特征；可以通过 `--volatility-rank-threshold 0.80` 或 `0.90` 做高波动样本对照实验。训练阶段会把数据集行数、过滤前后数量、阶段和候选模型进度输出到 stderr。
-
-一条命令完成准备和训练：
+也可以用 `run` 完成 `prepare + train`：

 ```bash
 .venv/bin/python -m cbpred run --out-dir data --artifact-dir artifacts/v1
 ```

-输出在 `artifacts/v1/report.md`、`artifacts/v1/report.json` 和 `artifacts/v1/model.joblib`。当前 `v1` 是最终特征复核中保留的 `compact6` 模型。
+如果数据已经由 banbot 更新完成，可在 `prepare` 中加入 `--skip-download`，只执行筛选、导出和整理。

-对某个已导出的 8H CSV 预测任意锚点：
+## 预测 CSV

-```bash
-.venv/bin/python -m cbpred predict \
-  --artifact artifacts/v1/model.joblib \
-  --csv data/raw/123_BTC_USDT_USDT.csv \
-  --at 2026010100000000
-```
+一键脚本生成的 CSV 固定只包含以下 10 列：

-`future_low_return_q20` 是稳健未来低点收益的较低分位，对应 `future_low_price_q20` 这个保守的价格下界；`future_low_return_q80` 是较浅、较乐观的分位。负收益才表示回撤，正收益表示稳健未来低点仍高于当前收盘价。兼容字段 `drawdown_*` 等于对应收益取负，实际覆盖率应以测试集校准报告为准，不能把 80% 当成保证概率。
+| 列 | 含义 |
+| --- | --- |
+| `rank` | 按 8H USDT 成交额从高到低的排名 |
+| `symbol` | 合约符号 |
+| `latest_bar_start_utc` | 最新完整 8H K 线的 UTC 起始时间 |
+| `close` | 最新完整 8H K 线收盘价 |
+| `quote_volume_usdt_8h` | 最新 8H 的 USDT 成交额 |
+| `atr_rank_200_pct` | 当前 ATR 在过去 200 根 8H ATR 中的百分位，单位为 `%` |
+| `drawdown_point_pct` | 点预测对应的回撤百分比 |
+| `drawdown_cap_80pct_pct` | q80 对应的回撤百分比上界参考 |
+| `price_level_reached_80pct` | q20 对应的价格水平参考 |
+| `price_level_cap_80pct` | q80 对应的价格水平参考 |

-如果预测时 `eligible_for_model` 为 `false`，说明过去 200 根不足以计算 ATR 排名，或显式设置的 ATR 排名门槛未达到，返回的模型数值为 `null`，应跳过该时刻。
+回撤列是收益的相反数：预测收益为负时表示价格可能低于当前收盘；预测收益为正时，回撤列可能为负，表示未来稳健低点仍高于当前收盘。模型不满足资格条件时，预测字段为空，不应把空值当作零回撤。

-## 特征迭代
+## 当前模型

-第一轮使用 18 根 K 线的方向、实体/影线占比、收盘在 K 线中的位置、相对波幅、对数收益，以及基于法币成交额的 18 根窗口成交量排名和相对中位数；再加入两个固定的品种画像值：训练期 `ATR/price` 降序前 20% 的中位数、训练期法币成交额对数前 20% 的中位数。所有绝对价格都被转换为比例或滚动相对量，品种画像再用训练品种的均值/标准差标准化。
+当前模型为 `compact6` 特征版本，使用 146 个特征和 ExtraTrees 点模型，同时使用两个 HistGradientBoosting 分位数模型生成 q20/q80。测试集结果和特征定义见 [`docs/model.md`](docs/model.md)，训练产物报告见 [`artifacts/v1/report.md`](artifacts/v1/report.md)。

-第二轮追加归一化 ATR、RSI、布林带位置/宽度、EMA 距离、趋势收益、滚动波动率和滚动回撤；第三轮追加 18 根窗口的趋势、波幅、方向比例、成交量趋势、收盘位置和指标交互摘要。三轮使用同一批训练/验证/测试边界，选择验证 q80 pinball loss 加覆盖率偏差后的最佳组合，最后只在测试集报告一次。
+## 测试

 运行标准库回归测试：

 ```bash
-.venv/bin/python -m unittest discover -v
+.venv/bin/python -m unittest discover -q
 ```
+
+项目文档按用途分为：
+
+- [`docs/usage.md`](docs/usage.md)：安装、数据流、命令、目录和故障排查。
+- [`docs/model.md`](docs/model.md)：目标定义、特征、训练协议、指标和限制。
+- [`docs/v0_0823.md`](docs/v0_0823.md)、[`docs/v1_0823.md`](docs/v1_0823.md)：历史实验记录，不是当前运行入口。
--- a/cbpred/latest_predict.py
+++ b/cbpred/latest_predict.py
@@ -0,0 +1,190 @@
+from __future__ import annotations
+
+import argparse
+import csv
+import json
+import socket
+import subprocess
+import tempfile
+from datetime import datetime, timezone
+from pathlib import Path
+from urllib.parse import urlparse
+
+import pandas as pd
+
+from .pipeline import load_database_url, parse_time_ms, predict_from_csv, prepare_data
+
+
+REPO_ROOT = Path(__file__).resolve().parents[1]
+OUTPUT_COLUMNS = (
+    "rank",
+    "symbol",
+    "latest_bar_start_utc",
+    "close",
+    "quote_volume_usdt_8h",
+    "atr_rank_200_pct",
+    "drawdown_point_pct",
+    "drawdown_cap_80pct_pct",
+    "price_level_reached_80pct",
+    "price_level_cap_80pct",
+)
+
+
+def _utc_label(timestamp_ms: int) -> str:
+    return datetime.fromtimestamp(timestamp_ms / 1000, timezone.utc).strftime(
+        "%Y-%m-%d %H:%M:%S UTC"
+    )
+
+
+def _database_endpoint(dsn: str) -> tuple[str, int]:
+    parsed = urlparse(dsn)
+    return parsed.hostname or "127.0.0.1", parsed.port or 8812
+
+
+def ensure_database(
+    banbot_config: Path,
+    dsn: str | None,
+) -> None:
+    database_url = load_database_url(banbot_config, dsn)
+    host, port = _database_endpoint(database_url)
+    try:
+        with socket.create_connection((host, port), timeout=1):
+            return
+    except OSError:
+        pass
+    if port != 8812:
+        return
+
+    print("[latest-predict] QuestDB is unavailable; letting banbot start it", flush=True)
+    start_ms = int(datetime.now(timezone.utc).timestamp() * 1000) - 8 * 60 * 60 * 1000
+    end_ms = int(datetime.now(timezone.utc).timestamp() * 1000)
+    with tempfile.TemporaryDirectory(prefix="cbpred-db-bootstrap-") as output_dir:
+        subprocess.run(
+            [
+                "go",
+                "run",
+                "./cmd/cbpred-export",
+                "--config",
+                str(banbot_config),
+                "--data-dir",
+                str(banbot_config.parent),
+                "--pairs",
+                "BTC/USDT:USDT",
+                "--start-ms",
+                str(start_ms),
+                "--end-ms",
+                str(end_ms),
+                "--out-dir",
+                output_dir,
+            ],
+            cwd=REPO_ROOT,
+            check=True,
+        )
+
+
+def build_predictions(data_dir: Path, artifact: Path, output_dir: Path) -> dict[str, object]:
+    manifest = json.loads((data_dir / "manifest.json").read_text())
+    rows: list[dict[str, object]] = []
+    total = len(manifest["symbols"])
+    for index, item in enumerate(manifest["symbols"], 1):
+        csv_path = data_dir / item["path"]
+        frame = pd.read_csv(csv_path).sort_values("timestamp").drop_duplicates("timestamp")
+        latest = frame.iloc[-1]
+        result = predict_from_csv(artifact, csv_path, symbol=item["symbol"])
+        eligible = bool(result["eligible_for_model"])
+        rows.append(
+            {
+                "symbol": result["symbol"],
+                "latest_bar_start_utc": _utc_label(int(result["timestamp"])),
+                "close": result["close"],
+                "quote_volume_usdt_8h": float(latest["quote"]),
+                "atr_rank_200_pct": (
+                    result["volatility_rank_200"] * 100
+                    if result["volatility_rank_200"] is not None
+                    else None
+                ),
+                "drawdown_point_pct": result["drawdown_point"] * 100 if eligible else None,
+                "drawdown_cap_80pct_pct": (
+                    result["drawdown_upper80_q80"] * 100 if eligible else None
+                ),
+                "price_level_reached_80pct": result["price_level_hit80"] if eligible else None,
+                "price_level_cap_80pct": result["price_level_upper80"] if eligible else None,
+            }
+        )
+        if index == 1 or index == total or index % 25 == 0:
+            print(f"[latest-predict] predicted {index}/{total}", flush=True)
+
+    rows.sort(key=lambda row: float(row["quote_volume_usdt_8h"]), reverse=True)
+    for rank, row in enumerate(rows, 1):
+        row["rank"] = rank
+
+    output_dir.mkdir(parents=True, exist_ok=True)
+    output_csv = output_dir / "predictions.csv"
+    with output_csv.open("w", newline="") as handle:
+        writer = csv.DictWriter(handle, fieldnames=OUTPUT_COLUMNS)
+        writer.writeheader()
+        writer.writerows(rows)
+
+    summary = {
+        "model": str(artifact.resolve()),
+        "symbols": len(rows),
+        "eligible_predictions": sum(row["drawdown_point_pct"] is not None for row in rows),
+        "latest_bar_start_utc": rows[0]["latest_bar_start_utc"] if rows else None,
+        "csv": str(output_csv.resolve()),
+    }
+    (output_dir / "report.json").write_text(json.dumps(summary, indent=2, ensure_ascii=False))
+    return summary
+
+
+def build_parser() -> argparse.ArgumentParser:
+    parser = argparse.ArgumentParser(description="Update banbot K-lines and predict with the current model")
+    parser.add_argument("--banbot-dir", type=Path, default=Path("/home/ctyun/ban/banbot"))
+    parser.add_argument(
+        "--banbot-config",
+        type=Path,
+        default=Path("/home/ctyun/ban/banbot/biz/config.yml"),
+    )
+    parser.add_argument("--data-dir", type=Path, default=REPO_ROOT / "data")
+    parser.add_argument("--artifact", type=Path, default=REPO_ROOT / "artifacts/v1/model.joblib")
+    parser.add_argument("--output-dir", type=Path, default=REPO_ROOT / "predictions/latest_v1")
+    parser.add_argument("--history-months", type=int, default=36)
+    parser.add_argument("--holdout-months", type=int, default=10)
+    parser.add_argument("--min-age-days", type=int, default=730)
+    parser.add_argument("--chunk-size", type=int, default=100)
+    parser.add_argument("--end", default=None, help="UTC date/ISO timestamp or milliseconds")
+    parser.add_argument("--dsn", default=None)
+    parser.add_argument("--db-type", choices=["auto", "questdb", "timescale"], default="auto")
+    parser.add_argument("--exchange", default="binance")
+    return parser
+
+
+def main() -> None:
+    args = build_parser().parse_args()
+    data_dir = args.data_dir.resolve()
+    artifact = args.artifact.resolve()
+    output_dir = args.output_dir.resolve()
+    ensure_database(args.banbot_config, args.dsn)
+    manifest = prepare_data(
+        out_dir=data_dir,
+        banbot_dir=args.banbot_dir,
+        banbot_config=args.banbot_config,
+        dsn=args.dsn,
+        db_type=args.db_type,
+        exchange=args.exchange,
+        end_ms=parse_time_ms(args.end) if args.end else None,
+        history_months=args.history_months,
+        holdout_months=args.holdout_months,
+        min_age_days=args.min_age_days,
+        chunk_size=args.chunk_size,
+    )
+    print(
+        f"[latest-predict] exported {len(manifest['symbols'])} symbols; "
+        f"excluded {len(manifest['excluded'])}",
+        flush=True,
+    )
+    summary = build_predictions(data_dir, artifact, output_dir)
+    print(json.dumps(summary, indent=2, ensure_ascii=False))
+
+
+if __name__ == "__main__":
+    main()
--- a/docs/model.md
+++ b/docs/model.md
@@ -0,0 +1,125 @@
+# 模型与评估
+
+本文描述当前默认产物 [`artifacts/v1/model.joblib`](../artifacts/v1/model.joblib)，不是所有历史实验的合集。
+
+## 当前模型
+
+| 项目 | 当前值 |
+| --- | --- |
+| 模型版本 | `v1` 目录，序列化版本 `4` |
+| 特征版本 | `compact6` |
+| 时间周期 | 8H |
+| 输入窗口 | 最近 18 根已收盘 8H K 线 |
+| 预测窗口 | 后续 6 根 8H K 线 |
+| 点模型 | `ExtraTreesRegressor`，平方误差 |
+| 分位数模型 | 两个 `HistGradientBoostingRegressor`，q20/q80 |
+| 特征数 | 146 |
+| 当前 ATR 过滤阈值 | `0.0`，不主动过滤样本 |
+
+正式模型文件、训练报告和机器可读指标分别是：
+
+```text
+artifacts/v1/model.joblib
+artifacts/v1/report.md
+artifacts/v1/report.json
+```
+
+## 目标定义
+
+对时间点 `t`，先取未来 6 根 K 线的最低价，再取这些最低价的 20% 分位数作为稳健低点参考：
+
+```text
+future_low_reference = quantile(low[t+1:t+6], 0.20)
+raw_return = future_low_reference / close[t] - 1
+target = raw_return / asset_atr_price_top20_median
+```
+
+这不是单根最低影线的 `lowestLow`。使用 20% 分位数可以降低一根异常影线对标签的支配，同时保留上涨阶段未来低点高于当前收盘的正收益。负 `raw_return` 表示未来稳健低点低于当前收盘，正值表示它高于当前收盘。
+
+`asset_atr_price_top20_median` 是该品种训练期 `ATR / close` 按降序取前 20% 后的中位数。模型在训练时预测归一化目标，输出时再乘回该品种尺度，使不同价格和波动水平的品种可以由同一个模型处理。
+
+## 特征
+
+当前 `compact6` 由 `18 × (6 + 2) + 2 = 146` 个特征组成：
+
+### 最近 18 根 K 线形态
+
+每根 K 线保留 6 个无量纲或相对特征：
+
+- `body_range`：有符号实体相对 K 线振幅；
+- `upper_wick`、`lower_wick`：上下影线相对振幅；
+- `close_location`：收盘价在本根高低区间中的位置；
+- `range_pct`：振幅相对收盘价；
+- `log_return`：对数收益率。
+
+没有把绝对价格直接输入模型，也没有在 `compact6` 中重复保存实体绝对大小或独立的阳阴线标记。
+
+### 最近 18 根成交量
+
+- `quote_volume_rank`：本根 USDT 成交额在最近 18 根中的百分位排名；
+- `quote_volume_log_rel_median`：本根 USDT 成交额对最近 18 根中位数的对数相对值。
+
+这里使用 `quote` 成交额，而不是不同币种单位不可比的原始成交量。
+
+### 品种画像
+
+每个品种只保留两个训练期画像值，并在训练品种之间标准化：
+
+- 高波动 20% 样本的 `ATR / close` 中位数；
+- 高成交额 20% 样本的 `log1p(quote)` 中位数。
+
+RSI、SMA、布林带、EMA、趋势汇总、全局市场摘要和横截面排名都做过候选实验，但当前正式模型没有使用它们。全局和横截面特征还会改变预测所需的上下文，不能直接用于当前的单 CSV 预测接口。
+
+## 训练协议
+
+默认使用最近 36 个月数据，最后 10 个月作为留出期。训练快照以前的样本只能使用完整的历史窗口和未来 6 根 K 线；跨越测试边界或数据缺口的样本会被丢弃。
+
+品种先按固定随机种子 `42` 拆分，约 60% 作为训练品种、20% 作为验证品种、20% 作为测试品种。最近 10 个月再按时间拆成：
+
+- 验证品种的前 30%：模型和特征选择；
+- 验证品种的接续 20%：分位数校准；
+- 测试品种的最后 50%：最终测试，只报告一次。
+
+每个阶段会比较随机森林和 ExtraTrees 点模型，并使用 q20/q80 分位数模型。特征阶段和候选模型只根据验证选择分数确定，最终测试集不参与选择。
+
+## 测试结果
+
+当前报告的最终测试集包含 13,950 个样本。误差是在乘回品种 ATR 尺度后的原始收益空间中计算：
+
+| 指标 | `compact6` |
+| --- | ---: |
+| 点预测 MAE | `0.024918` |
+| 点预测 RMSE | `0.033563` |
+| q80 覆盖率 | `77.50%` |
+| q20 下界命中率 | `91.60%` |
+| q20 覆盖率（`y <= q20`） | `8.40%` |
+
+相同复核配置下，182 特征基线的点预测 MAE/RMSE 是 `0.025140 / 0.033789`，`compact6` 分别改善约 `0.88% / 0.67%`。q80 的实测覆盖率是测试集统计结果，不是未来每次预测的保证概率；`80%` 也不能被理解为盈利概率或交易成功率。
+
+q20 的两个指标不要混淆：`q20_coverage` 统计真实目标低于 q20 预测的比例，`q20_hit_rate` 统计真实目标高于 q20 预测的比例，所以二者在没有相等值时大致互补。
+
+## 预测字段语义
+
+模型内部预测的是 signed future-low return，批量 CSV 将其转成更直观的字段：
+
+```text
+drawdown = -future_low_return × 100
+price_level = close × (1 + future_low_return)
+```
+
+因此：
+
+- `drawdown_point_pct` 是点预测；
+- `drawdown_cap_80pct_pct` 使用 q80 收益，对应较浅的回撤上界参考；
+- `price_level_reached_80pct` 使用 q20 收益，对应较保守的较低价格参考；
+- `price_level_cap_80pct` 使用 q80 收益，对应较高的价格参考。
+
+当未来稳健低点预测为正收益时，回撤列可以为负，这表示模型没有把上涨阶段强行截断为零。
+
+## 使用限制
+
+- 这是离线历史数据上的统一回归模型，不是交易信号，也不保证未来表现。
+- 测试结果依赖当前数据快照、品种筛选和时间切分；更新数据后重新训练，指标可能变化。
+- 模型只对保存了训练画像且有足够历史的品种预测。当前 ATR 排名至少需要 200 根 8H K 线。
+- `atr_rank_200_pct` 是状态描述，不代表模型只预测高波动时刻；正式阈值为 `0.0`。
+- 预测结果中的空值表示当前时刻不满足模型资格条件，不应替换成零。
--- a/docs/usage.md
+++ b/docs/usage.md
@@ -0,0 +1,134 @@
+# 使用与数据流
+
+本文是当前代码的运行说明。历史特征实验不在这里维护；它们只用于追溯模型选择过程。
+
+## 依赖
+
+运行需要：
+
+- Python 3 和本项目的虚拟环境；
+- `pandas`、`numpy`、`scikit-learn`、`joblib` 等项目依赖；
+- Go 和 `/home/ctyun/ban/banbot` 源码；
+- banbot 配置中的 QuestDB 数据库，以及对 Binance 数据的访问。
+
+默认配置文件是 `/home/ctyun/ban/banbot/biz/config.yml`。如果路径不同，可通过 `--banbot-config` 和 `--banbot-dir` 覆盖。也可以直接传入 `--dsn`。
+
+安装：
+
+```bash
+python3 -m venv .venv
+.venv/bin/pip install -e .
+```
+
+## 一键更新与预测
+
+```bash
+./scripts/update_and_predict.sh
+```
+
+脚本调用 `python -m cbpred.latest_predict`，按以下顺序执行：
+
+1. 检查配置中的 QuestDB 是否可连接；QuestDB 默认不可用时，通过 banbot 的导出命令触发其启动流程。
+2. 从数据库筛选 Binance `linear` 市场、结算币为 USDT、上市至少 730 天且未退市的品种。
+3. 调用 banbot 下载最近 36 个月的 1H K 线。
+4. 调用 banbot 导出原始 K 线，并只保留连续完整的 8 根 1H K 线聚合成 8H K 线。
+5. 写入 `data/manifest.json` 和 `data/raw/*.csv`。
+6. 加载 `artifacts/v1/model.joblib`，对清单中的每个品种使用最新完整 8H K 线预测。
+7. 按最新 8H USDT 成交额降序写入 `predictions/latest_v1/predictions.csv`，并写入 `report.json`。
+
+脚本的默认参数可以覆盖：
+
+```bash
+./scripts/update_and_predict.sh \
+  --banbot-dir /path/to/banbot \
+  --banbot-config /path/to/config.yml \
+  --data-dir data \
+  --artifact artifacts/v1/model.joblib \
+  --output-dir predictions/latest_v1 \
+  --end 2026-08-23T00:00:00Z
+```
+
+`--end` 用于固定数据快照，支持 UTC 日期、ISO 时间或毫秒时间戳。默认使用当前 UTC 时间向下取整到 8H 边界。
+
+## 手动命令
+
+### 准备数据
+
+```bash
+.venv/bin/python -m cbpred prepare \
+  --banbot-config /home/ctyun/ban/banbot/biz/config.yml \
+  --out-dir data
+```
+
+只使用已经下载的数据：
+
+```bash
+.venv/bin/python -m cbpred prepare \
+  --banbot-config /home/ctyun/ban/banbot/biz/config.yml \
+  --out-dir data \
+  --skip-download
+```
+
+`prepare` 的默认范围是最近 36 个月，训练快照前的品种至少上市 730 天，最近 10 个月预留给测试。`manifest.json` 记录筛选出的品种、数据范围、数据库类型和被排除的原因。
+
+### 训练模型
+
+```bash
+.venv/bin/python -m cbpred train \
+  --data-dir data \
+  --artifact-dir artifacts/v1
+```
+
+训练会输出阶段和候选模型进度到 stderr，并在 `artifacts/v1/` 写入：
+
+- `model.joblib`：当前可供预测的模型；
+- `report.json`：机器可读的训练协议和评估指标；
+- `report.md`：人类可读的评估摘要。
+
+`--volatility-rank-threshold` 可以做 ATR 排名过滤实验。正式 `v1` 模型的阈值是 `0.0`，因此不会过滤低波动样本；`atr_rank_200_pct` 仍会作为当前状态字段输出。
+
+### 单品种预测
+
+```bash
+.venv/bin/python -m cbpred predict \
+  --artifact artifacts/v1/model.joblib \
+  --csv data/raw/123_BTC_USDT_USDT.csv \
+  --symbol BTC/USDT:USDT
+```
+
+不传 `--at` 时使用 CSV 中最新完整 8H K 线。传入 `--at` 时，时间必须精确匹配一个 8H K 线起始时间，且不能早于模型训练快照。
+
+模型需要至少 200 根 8H K 线计算 ATR 排名，并需要模型中保存的该品种训练画像。`eligible_for_model` 为 `false` 时，预测数值返回空值，并包含 `skip_reason`。
+
+## 文件布局
+
+```text
+cbpred/
+├── cbpred/                         # Python CLI、特征和训练/预测管线
+├── scripts/update_and_predict.sh  # 一键入口
+├── data/
+│   ├── manifest.json               # 数据快照和品种清单
+│   └── raw/*.csv                   # 导出的 8H OHLCV
+├── artifacts/
+│   └── v1/                         # 唯一正式模型版本
+└── predictions/
+    └── latest_v1/                  # 最近一次批量预测
+```
+
+模型版本目录使用 `v1` 形式维护。历史实验可以保留在文档或实验输出目录中，但不应作为默认预测模型或在项目根目录新增多个 `artifacts_*` 入口。
+
+## 故障排查
+
+- `missing virtualenv Python`：先执行安装命令，确认 `.venv/bin/python` 存在。
+- QuestDB 连接失败：检查 banbot 配置中的数据库地址、QuestDB 服务和端口；一键脚本只对默认 QuestDB 端口尝试触发 banbot 启动。
+- `missing data/manifest.json`：先运行 `prepare`，或确认一键脚本没有在下载/导出阶段失败。
+- 某品种预测为空：检查 `eligible_for_model` 和 `skip_reason`，通常是 200 根 ATR 历史不足或该品种没有正式模型画像。
+- 数据只有部分 8H K 线：导出会丢弃不连续或不完整的 8 根 1H 桶，这是为了避免特征和未来标签跨越缺口。
+
+## 验证
+
+```bash
+./scripts/update_and_predict.sh --help
+.venv/bin/python -m unittest discover -q
+git diff --check
+```
--- a/docs/v0_0823.md
+++ b/docs/v0_0823.md
@@ -1,4 +1,6 @@

+> 历史实验记录：本文保留 v0 阶段的特征分析。当前运行入口、正式模型和最新指标以 [`README.md`](../README.md)、[`usage.md`](usage.md) 和 [`model.md`](model.md) 为准。
+
  特征                             维度       是否启用            介绍
 ─────────────────────────────  ───────────  ──────────────  ─────────────────────────────────────────
  最近18个K线形态特征                    144    是    
--- a/docs/v1_0823.md
+++ b/docs/v1_0823.md
@@ -1,3 +1,5 @@
+> 历史实验记录：本文保留 v1 特征复核过程。当前运行入口、正式模型和最新指标以 [`README.md`](../README.md)、[`usage.md`](usage.md) 和 [`model.md`](model.md) 为准。
+
 我考虑下进行下面的尝试：

 1. 每个K线提取8个信息，其中冗余的不少，尝试压缩下；只要下降不是很多就可以保留。
--- a/scripts/update_and_predict.sh
+++ b/scripts/update_and_predict.sh
@@ -0,0 +1,13 @@
+#!/usr/bin/env bash
+set -euo pipefail
+
+REPO_ROOT="$(cd "$(dirname "${BASH_SOURCE[0]}")/.." && pwd)"
+PYTHON_BIN="$REPO_ROOT/.venv/bin/python"
+
+if [[ ! -x "$PYTHON_BIN" ]]; then
+  printf 'missing virtualenv Python: %s\n' "$PYTHON_BIN" >&2
+  exit 1
+fi
+
+cd "$REPO_ROOT"
+exec "$PYTHON_BIN" -m cbpred.latest_predict "$@"
--- a/tests/test_latest_predict.py
+++ b/tests/test_latest_predict.py
@@ -0,0 +1,26 @@
+import unittest
+
+from cbpred.latest_predict import OUTPUT_COLUMNS
+
+
+class LatestPredictTests(unittest.TestCase):
+    def test_output_columns_are_stable(self):
+        self.assertEqual(
+            OUTPUT_COLUMNS,
+            (
+                "rank",
+                "symbol",
+                "latest_bar_start_utc",
+                "close",
+                "quote_volume_usdt_8h",
+                "atr_rank_200_pct",
+                "drawdown_point_pct",
+                "drawdown_cap_80pct_pct",
+                "price_level_reached_80pct",
+                "price_level_cap_80pct",
+            ),
+        )
+
+
+if __name__ == "__main__":
+    unittest.main()