cbpred/docs/model.md

模型与评估

本文描述当前默认产物 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：

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：

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：

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。