init

README.md

@@ -0,0 +1,78 @@
+# 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。
+
+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：
+
+```text
+raw_return = quantile(low[t+1:t+6], 0.20) / anchor_close - 1
+target = raw_return / asset_atr_price_top20_median
+```
+
+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：
+
+```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`：
+
+```bash
+.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
+.venv/bin/python -m cbpred train \
+  --data-dir data \
+  --artifact-dir artifacts_signed
+```
+
+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：
+
+```bash
+.venv/bin/python -m cbpred run --out-dir data --artifact-dir artifacts_signed
+```
+
+输出在 `artifacts_signed/report.md`、`artifacts_signed/report.json` 和 `artifacts_signed/model.joblib`。报告会列出三轮特征的验证表现、最终模型和测试集 MAE/RMSE、q80 覆盖率、q20 下界未跌破率。
+
+对某个已导出的 8H CSV 预测任意锚点：
+
+```bash
+.venv/bin/python -m cbpred predict \
+  --artifact artifacts_signed/model.joblib \
+  --csv data/raw/123_BTC_USDT_USDT.csv \
+  --at 2026010100000000
+```
+
+`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。
+
+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。
+
+## 特征迭代
+
+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。
+
+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。
+
+运行标准库回归测试：
+
+```bash
+.venv/bin/python -m unittest discover -v
+```