research: 一类线门槛量化——全局只有一个变量，精度需 67~73%

把 §3.3992 的天花板换成实时可算的 ext_run 选样配结构止损：5m 0.51、15m 0.48，
对比上界 2.29/4.11，兑现不了。但数字对不上（Q4 真端点浓度已 44%），拆开后
得到本轮最有价值的一张表：

ext_run 在真端点**内部**毫无反向选样（5m 各档 2.53/1.80/2.61/2.22 持平，
15m 单调递增到 6.10），在非真端点内部也毫无区分力（恒在 0.11~0.18）。
全局只有「是不是真端点」这一个变量在起作用，其余特征都是它的噪声代理。

这也修正了 §3.399：ext_run 的符号翻转不是拟合，它确实提纯（28.7%→44%），
只是幅度远远不够。

于是 PF 退化为两组按精度 p 的混合，解出盈亏平衡精度：5m 72.6%、15m 67.1%。
即要求实时判「这是不是那个底」的准确率达七成，而现在是 28.7%。

顺带解释了为什么 B4 能做而一类不能：B4 是突破后的延续信号，不需要判断反转；
一类的全部难度集中在这一个二分类上。

Co-authored-by: Cursor <cursoragent@cursor.com>

research/HANDOFF.md

@@ -1484,10 +1484,52 @@ MFE/MAE 给出机制：真底那批**逆向行程中位 2.24 ATR（5m）/ 2.08
 它证明的是**失败原因可修（选样精度 + 止损位），而非这个级别没得做**。
 
 **由此产生的两个待跑实验：**
-1. **实时过滤器 + 结构止损**（唯一值得跑的组合）。step62 的 `ext_run` 实时可算、
+1. ✅ **实时过滤器 + 结构止损** → 见 §3.3993，兑现不了，但换来一个确切门槛
-   已把精度做到 47.9%，但当时配 2 ATR 止损所以只到 0.54。天花板说这个配错了。
+2. **超时从 48 根放宽**（仍未跑）。线段中位时长 **113 根**，48 根超时在行情走完
-2. **超时从 48 根放宽**。线段中位时长 **113 根**，48 根超时在行情走完 42% 时就平仓；
+   42% 时就平仓；真底那批 MFE 中位仅 2.37 ATR，可能是被截断的（而非行情本身小）
-   真底那批 MFE 中位仅 2.37 ATR，很可能就是被截断的（而非行情本身小）。
+
+### 3.3993 ⭐ 一类线的门槛量化：全局只有一个变量，精度要 67~73%（step67）
+
+把 §3.3992 的天花板换成**实时可算**的 `ext_run` 选样，配结构止损：
+
+| | 5m | 15m |
+|---|---|---|
+| 全体无过滤 | 0.34 | 0.32 |
+| ext_run ≥ P75（实时） | 0.51 | 0.48 |
+| ext_run≥P75 且 div≥中位 | 0.60 | 0.46 |
+| ★ 真线段端点（未来函数） | **2.29** | **4.11** |
+
+**兑现不了。** 但数字对不上——Q4 的真端点浓度已达 44%（基线 28.7%），
+若真端点值 2.29，44% 浓度不该只有 0.51。拆开看：
+
+| ext_run 档 | 真端点组 PF (5m / 15m) | 非真端点组 PF (5m / 15m) |
+|---|---|---|
+| Q1 最短 | 2.53 / 2.61 | 0.18 / 0.11 |
+| Q4 最延伸 | 2.22 / **6.10** | 0.16 / 0.12 |
+
+**这张表是本节的结论**：`ext_run` 在真端点**内部**毫无反向选样（5m 持平、
+15m 单调递增到 6.10），在非真端点内部也毫无区分力（恒在 0.11~0.18）。
+**全局只有「是不是真端点」这一个变量在起作用**，其余特征都是它的噪声代理。
+
+这同时**修正了 §3.399 的判定**：当时把 `ext_run` 的符号翻转判为拟合。
+现在看它不是拟合——它确实提纯（28.7% → 44%），只是提纯幅度远远不够。
+
+于是 PF 退化成两组按精度 p 的混合，可解出门槛：
+
+| 实时精度 | 28.7%(当前) | 44%(ext_run) | 60% | 70% | 100%(上界) |
+|---|---|---|---|---|---|
+| PF (5m) | 0.34 | 0.50 | 0.73 | 0.93 | 2.29 |
+| PF (15m) | 0.33 | 0.51 | 0.81 | 1.10 | 4.11 |
+
+**盈亏平衡精度：5m 需 72.6%，15m 需 67.1%。** 当前 28.7%，`ext_run` 做到 44%。
+
+**判定：一类线的问题已完全定性，但门槛极高。** 要把「这是不是真线段底」的实时
+判准精度做到 ~70%（现在 28.7%，最好的特征到 44%），本质上是要求实时抄底摸顶的
+准确率达到七成。这是可以尝试的 ML 问题（标签、特征、评估口径本节都已给全），
+但**先验上很难**，且 70% 只是毛平衡，还要再扣 §3.396 的 15 根因果滞后。
+
+> **这解释了为什么 B4 能做而一类不能**：B4 是突破后的**延续**信号，
+> 不需要判断反转；一类的全部难度集中在「这是不是那个底」这一个二分类上。
 
 ### 3.4 alpha 的来源（step32 消融）
 
@@ -2700,12 +2742,14 @@ API 限流风险隔离三个好处。
       §3.396 证明 `sure_time` 对一类是后视产物（PF 2.35 → 0.92）。B4 用的是
       同一个 `sure_time` 字段，**在这个回放出结果前，所有 B4 的历史 PF 都待定**。
       若 B4 也栽，整条线要重估；若过了，B4 是目前唯一活着的信号
-- [ ] ⭐ **一类线已重开，跑「实时过滤器 + 结构止损」**（§3.3992）。
+- [ ] **一类线：问题已完全定性，等一个决策**（§3.3992 / §3.3993）。
-      §3.399 的关闭结论**已被 step66 推翻**：之前六次进攻每次只动一半，
+      全局只有一个变量——**「是不是真线段端点」**：是则 PF 2.29(5m)/4.11(15m)，
-      完美选样配 2ATR 止损是 0.70，无选样配结构止损是 0.36，**两个一起是 2.29/4.11**。
+      否则恒为 0.13，其余特征都只是它的噪声代理。**盈亏平衡精度 5m 72.6%、
-      要跑的是 step62 的 `ext_run` 实时过滤器（精度 28.7% → 47.9%）配结构止损，
+      15m 67.1%**，当前 28.7%，最好的实时特征 `ext_run` 到 44%。
-      看能兑现多少上界。注意上界含两个未来函数，兑现后必须再过因果回放
+      要继续就是做一个「实时判真底」的分类器打到 ~70%，标签/特征/评估口径
-- [ ] **一类超时从 48 根放宽**（§3.3992）。线段中位时长 113 根，
+      §3.3993 已给全，但先验很难，且 70% 只是毛平衡，还要再扣 15 根因果滞后。
+      **这条不阻塞任何实盘工作**
+- [ ] **一类超时从 48 根放宽**（§3.3992，仍未跑，代价很低）。线段中位时长 113 根，
       48 根在行情走完 42% 时平仓，真底那批 MFE 中位仅 2.37 ATR 疑似被截断
 - [x] **二类关闭**（step64，§3.3991）。与一类不同，二类是**信号消失**而非信号指反：
       两个方向 t 都贴零，且入场离结构止损位 4.87 ATR（一类 2.90），

research/step67_realtime.py

@@ -0,0 +1,195 @@
+"""把 step66 的天花板换成实时可算的选样，看能兑现多少。
+
+step66 测出上界：**未来函数选样 + 结构止损**在 5m 是 PF 2.29、15m 是 4.11。
+但那个选样用了线段端点（事后才知道），不能交易。本脚本把它换成 step62 那个
+**实时可算**的 `ext_run`（极值越过中枢边界几个 ATR，当根即可算），配上结构止损。
+
+这是唯一同时处理两个已知约束的组合，也是 §3.3992 列出的第一个待跑实验：
+
+  step62 有实时过滤器（精度 28.7% -> 47.9%）但配了 2 ATR 止损 -> PF 0.54
+  step58 有结构止损但没有过滤器                              -> PF 0.36
+  step66 两个都有，但选样是未来函数                          -> PF 2.29 / 4.11
+  **本脚本：实时过滤器 + 结构止损**                          -> ?
+
+判读（对照 step66 的上界）：
+  > 1.3  兑现了相当部分，一类线值得继续，下一步做因果回放（sure_time 仍是未来函数）
+  ~ 1.0  过滤器精度不够，需要更好的实时特征
+  < 0.8  实时特征抓不到那 28.7%，天花板兑现不了，一类线仍关闭
+
+⚠️ 即使 > 1.3 也**不能算数**：入场仍在 `sure_time` 上，而 §3.396 证明实盘回放
+还要再晚 15 根。这一步只决定「值不值得再花一次因果回放的机器时间」。
+"""
+from __future__ import annotations
+
+import argparse
+import sys
+import warnings
+from pathlib import Path
+
+import numpy as np
+import pandas as pd
+
+warnings.filterwarnings("ignore")
+HERE = Path(__file__).resolve().parent
+sys.path.insert(0, str(HERE))
+sys.path.insert(0, str(HERE.parent))
+
+F62 = HERE / "out" / "step62_trend_end.feather"
+F64 = HERE / "out" / "step64_b2.feather"
+KEY = ["sym", "tf", "type", "i_ext", "i_sure"]
+
+
+def main() -> None:
+    ap = argparse.ArgumentParser()
+    ap.add_argument("--tf", default="5m")
+    ap.add_argument("--rows", type=int, default=200_000)
+    args = ap.parse_args()
+
+    from chanlun import TF_DF
+    from lib.data import fetch_ohlcv
+    from step58_struct_stop import simulate, stats
+
+    a = pd.read_feather(F62)[KEY + ["ext_run", "div", "ladder_n"]]
+    b = pd.read_feather(F64)[KEY + ["entry_px", "own_ext",
+                                    "atr_at_entry", "hit", "dir"]]
+    d = a.merge(b, on=KEY, how="inner")
+    d = d[d.tf == args.tf].reset_index(drop=True)
+    d["to_ext"] = (d.entry_px - d.own_ext) * d.dir / d.atr_at_entry
+
+    print(f"[实时过滤器 + 结构止损] {args.tf} · 一类 {len(d)} 笔 · "
+          f"真线段端点占比 {d.hit.mean()*100:.1f}%")
+    print(f"step66 上界（同止损、但用未来函数选样）："
+          f"{'PF 2.29' if args.tf == '5m' else 'PF 4.11'}\n")
+
+    cache = {}
+    for sym in sorted(d.sym.unique()):
+        df = fetch_ohlcv(f"{sym}/USDT:USDT", args.tf, args.rows)
+        cache[sym] = TF_DF(df, 1, args.tf).dataframe
+
+    def run(x: pd.DataFrame, margin: float | None) -> dict:
+        gs, rs, cs, ap_, sl_ = [], [], [], [], []
+        for sym, g in x.groupby("sym"):
+            g = g.reset_index(drop=True)
+            t = pd.DataFrame({"entry_idx": g.i_sure.values,
+                              "direction": g.dir.values,
+                              "atr_at_entry": g.atr_at_entry.values})
+            sl = (np.full(len(g), 2.0) if margin is None
+                  else (g.to_ext.values + margin))
+            res = simulate(cache[sym], t, sl, r_scale=False)
+            ok = res.g.notna().values
+            gs.append(res.g[ok])
+            rs.append(res.r[ok])
+            cs.append(res.c[ok])
+            ap_.append((g.atr_at_entry.values / g.entry_px.values)[ok])
+            sl_.append(sl[ok])
+        return stats(pd.concat(gs, ignore_index=True),
+                     pd.concat(rs, ignore_index=True),
+                     pd.concat(cs, ignore_index=True),
+                     np.concatenate(ap_), np.concatenate(sl_))
+
+    print("=" * 96)
+    print("【一】ext_run 分档 × 止损口径 —— 过滤器的效果依赖止损吗")
+    print("=" * 96)
+    q = d.ext_run.quantile([.25, .5, .75]).values
+    lab = ["Q1最短", "Q2", "Q3", "Q4最延伸"]
+    d["bucket"] = pd.cut(d.ext_run, [-np.inf, *q, np.inf], labels=lab)
+    rows = []
+    for bk, g in d.groupby("bucket", observed=True):
+        for name, m in [("固定2ATR", None), ("结构+1.0", 1.0)]:
+            rows.append({"ext_run档": bk, "止损": name, "真端点占比":
+                         f"{g.hit.mean()*100:.0f}%", **run(g, m)})
+    print(pd.DataFrame(rows).to_string(index=False))
+    print("""
+  §3.399 判过「过滤器符号随入场时点翻转 -> 拟合」。这里换的是**止损**而非入场，
+  若 Q4 在两种止损下都最好，说明 ext_run 是真信号；若又翻转，则仍是拟合。""")
+
+    print("\n" + "=" * 96)
+    print("【二】实时可交易组合 vs step66 上界")
+    print("=" * 96)
+    rows = [{"选样": "全体（无过滤）", "笔数": len(d), **run(d, 1.0)}]
+    for p in (50, 75):
+        thr = np.percentile(d.ext_run, p)
+        g = d[d.ext_run >= thr]
+        rows.append({"选样": f"ext_run ≥ P{p}（实时）", "笔数": len(g),
+                     **run(g, 1.0)})
+    g = d[(d.ext_run >= np.percentile(d.ext_run, 75))
+          & (d["div"] >= d["div"].median())]
+    rows.append({"选样": "ext_run≥P75 且 div≥中位（实时）",
+                 "笔数": len(g), **run(g, 1.0)})
+    gh = d[d.hit]
+    rows.append({"选样": "★真线段端点（未来函数=上界）", "笔数": len(gh),
+                 **run(gh, 1.0)})
+    print(pd.DataFrame(rows).to_string(index=False))
+    print("""
+  判读：实时行若接近 ★ 那行，说明 ext_run 抓到了同一批信号，一类线值得继续；
+  若仍贴近「全体」，说明实时特征抓不到那 28.7%，天花板兑现不了。
+  ⚠️ 即便好也不算数——入场仍在 sure_time 上，必须再过一次因果回放。""")
+
+    print("\n" + "=" * 96)
+    print("【三】数字对不上，追一下：ext_run 挑出的真端点，质量还一样吗")
+    print("=" * 96)
+    print("Q4 的真端点浓度 44%（基线 28.7%），若真端点都值 PF 2.29，"
+          "Q4 不该只有 0.51。\n拆开看 ext_run 在真端点**内部**是帮忙还是帮倒忙——"
+          "这决定天花板是否可学：")
+    rows = []
+    for k, g in d.groupby(d.hit):
+        for bk, gg in g.groupby("bucket", observed=True):
+            if len(gg) < 25:
+                continue
+            rows.append({"真端点": "是" if k else "否", "ext_run档": bk,
+                         "笔数": len(gg), **run(gg, 1.0)})
+    print(pd.DataFrame(rows).to_string(index=False))
+    print("""
+  「是」组内若 Q4 明显低于 Q1 -> ext_run 在真端点里**反向选样**，
+  它提高浓度的同时挑走了最差的那些，两个效应抵消，这解释了 0.51 vs 2.29。
+  若「是」组内各档持平 -> 浓度提升是真的，缺的只是更强的实时特征。""")
+
+    print("\n" + "=" * 96)
+    print("【四】那需要多高的实时精度才能翻正")
+    print("=" * 96)
+    print("【三】显示只有「是不是真端点」这一个变量在起作用（组内各档持平）。"
+          "\n于是 PF 只是两组按精度 p 的混合，可以直接解出盈亏平衡精度：")
+    net = {}
+    for k, g in d.groupby(d.hit):
+        ns = []
+        for sym, x in g.groupby("sym"):
+            x = x.reset_index(drop=True)
+            t = pd.DataFrame({"entry_idx": x.i_sure.values,
+                              "direction": x.dir.values,
+                              "atr_at_entry": x.atr_at_entry.values})
+            res = simulate(cache[sym], t, x.to_ext.values + 1.0,
+                           r_scale=False)
+            ok = res.g.notna().values
+            from lib.exit_model import fee_of
+            ns.append(res.g[ok].values
+                      - fee_of(res.r[ok].values, res.c[ok].values))
+        net[bool(k)] = np.concatenate(ns)
+
+    def mix_pf(p: float) -> float:
+        """精度 p 时的 PF：两组按 p 加权（组内分布不变，只变权重）。"""
+        h, m = net[True], net[False]
+        w = (p * h[h > 0].sum() / len(h)
+             + (1 - p) * m[m > 0].sum() / len(m))
+        l = (p * -h[h <= 0].sum() / len(h)
+             + (1 - p) * -m[m <= 0].sum() / len(m))
+        return w / l if l > 0 else np.inf
+
+    grid = [0.287, 0.35, 0.44, 0.5, 0.6, 0.7, 0.8, 1.0]
+    print(pd.DataFrame([{
+        "实时精度": f"{p*100:.1f}%", "PF": round(mix_pf(p), 2),
+        "备注": {0.287: "← 当前基线", 0.44: "← ext_run Q4 已达到",
+                 1.0: "← step66 上界"}.get(p, "")} for p in grid]
+    ).to_string(index=False))
+    lo, hi = 0.287, 1.0
+    if mix_pf(hi) > 1 > mix_pf(lo):
+        for _ in range(40):
+            mid = (lo + hi) / 2
+            lo, hi = (mid, hi) if mix_pf(mid) < 1 else (lo, mid)
+        print(f"\n  **盈亏平衡精度 ≈ {(lo+hi)/2*100:.1f}%**  "
+              f"（当前 28.7%，ext_run Q4 已到 44.0%）")
+        print("  这就是「改识别规则」要够到的具体门槛，且它只是毛平衡；"
+              "\n  还要再扣 §3.396 的因果滞后（实盘比 sure_time 再晚 15 根）。")
+
+
+if __name__ == "__main__":
+    main()