134 lines
6.7 KiB
Markdown
134 lines
6.7 KiB
Markdown
# 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。
|
||
|
||
## 1d 实验结果
|
||
|
||
1d 实验使用与默认模型相同的 `compact6` 特征（146 个特征）、ExtraTrees 点模型、两个 HistGradientBoosting 分位数模型、seed=42、20 棵树、36 个月数据、最后 10 个月留出、上市至少 730 天和 ATR 排名阈值 0.0。仅将 bar 周期、连续性步长和对应的 18/6 根窗口改为 1d。
|
||
|
||
固定快照截止 `2026-08-24 00:00 UTC`，导出 151 个品种、排除 2,125 个品种。品种按 90/30/31 拆分为训练/验证/测试，样本按训练/验证/校准/最终测试为 68,840/2,550/1,650/4,526。验证选择分数为 `0.17234073`，1d 测试点预测 MAE/RMSE 为 `0.043335/0.056943`，q80 覆盖率为 `72.76%`，q20 下界命中率为 `93.68%`。
|
||
|
||
详细机器可读报告和模型分别是 [`artifacts_1d/report.json`](../artifacts_1d/report.json)、[`artifacts_1d/report.md`](../artifacts_1d/report.md) 和 [`artifacts_1d/best/model.joblib`](../artifacts_1d/best/model.joblib)。这些指标在真实收益空间中计算，日线的 6 根预测跨度与 8H 的 6 根预测跨度不同，不应直接当作同一持有期的收益比较。
|