当前默认正式模型是 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。1d 模型作为独立实验产物保存在 artifacts_1d/best/model.joblib，不会覆盖默认 8h 模型；实验报告见 docs/1d_2026-08-24.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：

/home/ctyun/ban/banbot
/home/ctyun/ban/banbot/biz/config.yml

安装项目及依赖：

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

一键更新最新 K 线、导出完整 8H 数据并生成全部品种预测：

./scripts/update_and_predict.sh

结果默认写入：

predictions/latest_v1/predictions.csv
predictions/latest_v1/report.json

查看脚本参数：

./scripts/update_and_predict.sh --help

完整的数据流、参数和目录说明见 docs/usage.md。

定时部署

推荐使用常驻 Python 服务：它会在每个完整 8H K 线结束后的宽限期运行一次，使用状态文件防止重启后重复执行，并可将结果推送到 HTTP 服务和 SMTP 邮箱。配置与 systemd 部署方式见 docs/deployment.md。

手动流程

如果需要单独准备数据和训练模型：

# 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

# 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

也可以用 run 完成 prepare + train：

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

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。

1d 实验

1d 使用相同的 compact6 特征、ExtraTrees 点模型、q20/q80 分位数模型、过滤和训练切分协议，只有 K 线周期改为 1d：

.venv/bin/python -m cbpred prepare \
  --timeframe 1d \
  --out-dir data_1d \
  --banbot-config /home/ctyun/ban/banbot/biz/config.yml
.venv/bin/python -m cbpred.experiments \
  --data-dir data_1d \
  --output-dir artifacts_1d \
  --variants compact6 \
  --n-estimators 20

结果目录为 data_1d/、artifacts_1d/ 和 predictions/latest_1d/。1d 批量预测的成交额列名为 quote_volume_usdt_1d。

预测 CSV

一键脚本生成的 CSV 固定只包含以下 10 列：

列	含义
`rank`	按请求周期 USDT 成交额从高到低的排名
`symbol`	合约符号
`latest_bar_start_utc`	最新完整请求周期 K 线的 UTC 起始时间
`close`	最新完整请求周期 K 线收盘价
`quote_volume_usdt_8h` / `quote_volume_usdt_1d`	最新请求周期的 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

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。

当前模型

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，训练产物报告见 artifacts/v1/report.md。

测试

运行标准库回归测试：

.venv/bin/python -m unittest discover -q

项目文档按用途分为：

docs/usage.md：安装、数据流、命令、目录和故障排查。
docs/model.md：目标定义、特征、训练协议、指标和限制。
docs/v0_0823.md、docs/v1_0823.md：历史实验记录，不是当前运行入口。

README.md Unescape Escape

cbpred