Merge branch 'chan' of ssh://git.jackyu66.com:2222/jack/chan into chan
This commit is contained in:
jack
@@ -241,6 +241,28 @@ push = z_above if direction == 1 else z_below
|
||||
> **亏损扎堆已经体现在里面**，不是用独立假设推出来的。相关性没被漏掉，
|
||||
> 只是不能再指望「加币能降回撤」。
|
||||
|
||||
**11 币全样本复核（step48，2026-08-28）**：1161 笔 / 208 天 / 实盘口径。
|
||||
|
||||
相邻两笔的间隔：中位 **122 分钟**，62.8% 超过 1 小时，组合平均每天仅 5.58 笔。
|
||||
同时持仓数：**90.9% 的时间空仓**，7.5% 只有 1 仓，≥2 仓合计 1.7%，峰值 8。
|
||||
|
||||
所以「11 个币会不会同时开」的答案是：**绝大多数时候不会，但左尾是硬的**——
|
||||
7.4% 的信号与前一笔同分钟、20.7% 在 5 分钟内。而这批的方向：
|
||||
|
||||
> 同一分钟出现多笔的时刻共 72 个，**方向完全一致的占 100.0%**（不是 92.7%）。
|
||||
|
||||
**这些同时开的仓不是分散，是同一笔押注被拆到几个币上做。**
|
||||
名义 3 个仓位，实质是 3 倍单向敞口。两条推论：
|
||||
|
||||
1. **保证金不是约束，闲置才是。** 91% 时间空仓，峰值并发只占 0.1% 的时间。
|
||||
「币多了保证金不够」基本不成立，真问题是资金绝大部分时间在睡觉
|
||||
2. **并发上限要按「同向净敞口」设，不能按「仓位个数」设。**
|
||||
同时开的必然同向，限「最多 3 仓」等于允许 3 倍单向敞口
|
||||
|
||||
**TRX 应从币池剔除**：实盘口径 208 天只有 **5 笔**，ATR 门控几乎全刷掉
|
||||
（与 §5.3「2026 只剩 4.2%」一致）。实际可用是 10 个币，不是 11 个。
|
||||
逐币每天笔数：DOGE/AVAX/SOL 约 0.66，BTC/LTC 0.45，BNB 0.31，TRX 0.02。
|
||||
|
||||
#### 3.32 多空对称：这不是伪装成策略的 beta
|
||||
|
||||
用户问「整个市场都是正相关的，是不是很少有独立行情」。市场相关是真的，
|
||||
|
||||
@@ -0,0 +1,176 @@
|
||||
"""Step 48：11 个币的开仓时刻到底挤不挤 —— 保证金要备多少、分散是不是真的。
|
||||
|
||||
用户问：11 个币对开仓时间差距有多少，不是同时开吧。
|
||||
|
||||
这个数决定三件事：
|
||||
1. 保证金峰值。若真是同时开 11 个，按每笔固定风险算的名义额会叠到很高
|
||||
2. "多币 = 分散"是否成立。§3.31 已知同时发生的信号 92.7% 同向——
|
||||
那种情况下多开的仓不是分散，是加杠杆
|
||||
3. 资金利用率。若大部分时间空仓，那"资金量不够"就不是真约束
|
||||
|
||||
口径与实盘一致：深色（同向 ∧ 阶梯）∧ ATR≥8bp，持仓按回测实际出场根数
|
||||
（1m 上 1 根 = 1 分钟），不是一律按 48 根上限。
|
||||
"""
|
||||
from __future__ import annotations
|
||||
|
||||
import argparse
|
||||
import os
|
||||
import sys
|
||||
import warnings
|
||||
from concurrent.futures import ProcessPoolExecutor, as_completed
|
||||
from pathlib import Path
|
||||
|
||||
import numpy as np
|
||||
import pandas as pd
|
||||
|
||||
warnings.filterwarnings("ignore")
|
||||
for v in ("OMP_NUM_THREADS", "OPENBLAS_NUM_THREADS", "MKL_NUM_THREADS"):
|
||||
os.environ.setdefault(v, "1")
|
||||
|
||||
HERE = Path(__file__).resolve().parent
|
||||
sys.path.insert(0, str(HERE))
|
||||
sys.path.insert(0, str(HERE.parent))
|
||||
pd.set_option("display.width", 320)
|
||||
|
||||
SL, SCALE_AT, RUNNER, RSTOP, MAXB = 2.0, 3.0, 8.0, 2.0, 48
|
||||
GATE_BP = 8.0
|
||||
OUT = HERE / "out" / "step48_signal_times.feather"
|
||||
|
||||
|
||||
def collect(sym: str, rows: int) -> pd.DataFrame | None:
|
||||
import warnings as _w
|
||||
_w.filterwarnings("ignore")
|
||||
sys.path.insert(0, str(HERE))
|
||||
sys.path.insert(0, str(HERE.parent))
|
||||
|
||||
from chanlun import TF_DF
|
||||
from chanlun.analysis.fast_bsp import (
|
||||
add_zone_ladder, attach_htf_agree, attach_zone_ladder,
|
||||
build_htf_zones, find_fast_bsp3, htf_fx_timeline,
|
||||
)
|
||||
from lib.data import fetch_ohlcv
|
||||
from lib.exit_model import cfg_name, walk_exits
|
||||
|
||||
try:
|
||||
df = fetch_ohlcv(f"{sym}/USDT:USDT", "1m", rows)
|
||||
if df is None or len(df) < 50_000:
|
||||
return None
|
||||
chan = TF_DF(df, 1, "1m", lean=True)
|
||||
cdf = chan.dataframe
|
||||
zones = build_htf_zones(cdf, "1m", chan=chan)
|
||||
if zones.empty:
|
||||
return None
|
||||
zl = add_zone_ladder(zones.reset_index(drop=True))
|
||||
sig = find_fast_bsp3(cdf, zl)
|
||||
if sig.empty:
|
||||
return None
|
||||
|
||||
dh = fetch_ohlcv(f"{sym}/USDT:USDT", "5m", 10 ** 9)
|
||||
ch = TF_DF(dh, 1, "5m", lean=True)
|
||||
sig = attach_zone_ladder(attach_htf_agree(sig, cdf, htf_fx_timeline(ch, ch.dataframe)), zl)
|
||||
|
||||
res = walk_exits(cdf, sig, [SL], [RUNNER], [MAXB],
|
||||
scale_at=SCALE_AT, runners=(RUNNER,), runner_stops=(RSTOP,))
|
||||
cfg = cfg_name(SL, RUNNER, MAXB, RSTOP)
|
||||
idx = sig["entry_idx"].to_numpy().astype(int)
|
||||
atr = cdf["atr"].to_numpy(float)[idx]
|
||||
close = cdf["close"].to_numpy(float)[idx]
|
||||
return pd.DataFrame({
|
||||
"sym": sym,
|
||||
"date": cdf["date"].to_numpy()[idx],
|
||||
"dir": sig["direction"].to_numpy(),
|
||||
"atr_bp": atr / close * 1e4,
|
||||
"htf": sig["htf_agree"].to_numpy(),
|
||||
"lad": sig["ladder_ok"].to_numpy(),
|
||||
"hold": res[f"{cfg}_b"].to_numpy(),
|
||||
})
|
||||
except Exception as e:
|
||||
print(f" {sym} 失败: {e!r}", flush=True)
|
||||
return None
|
||||
|
||||
|
||||
def analyse(d: pd.DataFrame, label: str) -> None:
|
||||
d = d.sort_values("date").reset_index(drop=True)
|
||||
span = (d.date.max() - d.date.min()).total_seconds() / 86400
|
||||
print("\n" + "=" * 96)
|
||||
print(f"########## {label}：{d.sym.nunique()} 币 / {len(d)} 笔 / 跨 {span:.0f} 天 ##########")
|
||||
print(f"组合 {len(d) / span:.2f} 笔每天 —— 平均每 {span * 24 / len(d):.1f} 小时才 1 笔")
|
||||
|
||||
g = d.date.diff().dt.total_seconds().dropna() / 60
|
||||
print("\n相邻两笔间隔（分钟）")
|
||||
qs = [(q, g.quantile(q)) for q in (0.05, 0.10, 0.25, 0.50, 0.75, 0.90)]
|
||||
print(" " + " ".join(f"{int(q*100)}%:{v:.0f}" for q, v in qs))
|
||||
for lab, m in (("同一分钟", g == 0), ("≤5 分钟", g <= 5),
|
||||
("≤60 分钟", g <= 60), (">1 小时", g > 60)):
|
||||
print(f" {lab:<9}{m.sum():>5} 次 {m.mean()*100:>5.1f}%")
|
||||
|
||||
# 并发持仓：按回测实际持仓根数
|
||||
ev = []
|
||||
for t, h in zip(d.date, d.hold):
|
||||
ev.append((t, 1))
|
||||
ev.append((t + pd.Timedelta(minutes=float(h)), -1))
|
||||
ev.sort()
|
||||
cur, prev, dur = 0, None, {}
|
||||
for t, delta in ev:
|
||||
if prev is not None and t > prev:
|
||||
dur[cur] = dur.get(cur, 0) + (t - prev).total_seconds()
|
||||
cur += delta
|
||||
prev = t
|
||||
tot = sum(dur.values())
|
||||
print("\n同时持仓数的时间占比")
|
||||
for k in sorted(dur):
|
||||
if dur[k] / tot > 0.0005:
|
||||
print(f" {k:>2} 个: {dur[k]/tot*100:>5.1f}%")
|
||||
print(f" 最大并发 {max(dur)} 个；有仓位的时间仅占 {(1-dur.get(0,0)/tot)*100:.1f}%")
|
||||
|
||||
# 同时开仓时的方向一致性——这决定"多币"到底是分散还是加杠杆
|
||||
same = d.groupby(d.date)["dir"].agg(["count", "nunique"])
|
||||
multi = same[same["count"] > 1]
|
||||
if len(multi):
|
||||
agree = (multi["nunique"] == 1).mean()
|
||||
print(f"\n同一分钟出现多笔的时刻 {len(multi)} 个，其中方向完全一致的占 "
|
||||
f"{agree*100:.1f}% —— 这部分不是分散，是同一笔押注被拆成几个币")
|
||||
|
||||
|
||||
def main() -> None:
|
||||
ap = argparse.ArgumentParser()
|
||||
ap.add_argument("--symbols", default="BTC,BNB,ETH,SOL,LINK,LTC,AVAX,XRP,DOGE,ADA,TRX")
|
||||
ap.add_argument("--rows", type=int, default=300_000)
|
||||
ap.add_argument("--workers", type=int, default=3)
|
||||
ap.add_argument("--reuse", action="store_true", help="直接读已存的 feather")
|
||||
args = ap.parse_args()
|
||||
|
||||
if args.reuse and OUT.exists():
|
||||
d = pd.read_feather(OUT)
|
||||
else:
|
||||
syms = [s.strip() for s in args.symbols.split(",")]
|
||||
print(f"[开仓时刻分布] {len(syms)} 币 × {args.rows} 根 1m\n", flush=True)
|
||||
parts = []
|
||||
with ProcessPoolExecutor(max_workers=args.workers) as ex:
|
||||
fut = {ex.submit(collect, s, args.rows): s for s in syms}
|
||||
for i, f in enumerate(as_completed(fut), 1):
|
||||
r = f.result()
|
||||
print(f" [{i}/{len(syms)}] {fut[f]} {0 if r is None else len(r)}", flush=True)
|
||||
if r is not None:
|
||||
parts.append(r)
|
||||
if not parts:
|
||||
print("无结果")
|
||||
return
|
||||
d = pd.concat(parts, ignore_index=True)
|
||||
d.to_feather(OUT)
|
||||
|
||||
d["date"] = pd.to_datetime(d["date"])
|
||||
dark = (d["htf"] == 1.0) & d["lad"]
|
||||
analyse(d[dark & (d.atr_bp >= GATE_BP)], "实盘口径：深色 ∧ ATR≥8bp")
|
||||
analyse(d[dark], "对照：深色但不加 ATR 门控")
|
||||
|
||||
print("\n########## 逐币笔数（实盘口径）##########")
|
||||
dd = d[dark & (d.atr_bp >= GATE_BP)]
|
||||
t = dd.groupby("sym").agg(笔数=("date", "size"), 中位持仓分钟=("hold", "median")).sort_values("笔数", ascending=False)
|
||||
span = (dd.date.max() - dd.date.min()).total_seconds() / 86400
|
||||
t["每天笔数"] = (t["笔数"] / span).round(3)
|
||||
print(t.to_string())
|
||||
|
||||
|
||||
if __name__ == "__main__":
|
||||
main()
|
||||
Reference in New Issue
Block a user