research: 一类反手(step57)，六年五币双向全正，PF 2.3~3.0

用户问一类二类的识别是不是错了。查下来是代码没写错、信号该反着用。

先排除一个错误猜测：check_bi_div 只比 MACD 面积、不检查创新极值，等于把
缠论背驰定义丢了一半。看着像致命缺陷，实测 93% 的离开笔本来就创了新极值，
解释不了 PF 0.2。

真正的线索是胜率方向：B1 胜率 18.6%，而 SL2/TP3 随机入场约 40%，远低于
随机说明样本带信息只是指反了。拿相反方向重跑出场（路径依赖，不能取负号），
5m/15m 上 PF 2.35~3.03、t +10~+13。

step57 三关全过：5 币全正、前后半段 2.81/2.81 与 2.55/2.51 几乎不变、
2021~2026 连续六年全正、多空两边都正。余量 15m 33~76bp，B4 只有约 3bp。

机理是滞后把信号变成了相反的交易：信号在 leave_bi.sure_time 发出，中位滞后
8~9 根，此时价格已从低点反弹 1.68 ATR。引擎想说抄底，它给的时间戳对应的却是
反弹已走完——在下跌趋势里于此处做空是标准的顺势回调入场。与 B4 的突破延续
是不同的入场原型，可能互补。

三项验证未做完前不许上实盘：因果性（中枢右边缘已知会重画，需流式回放）、
消融（是不是反弹就做空都赚）、与 B4 的重叠度。

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

research/step57_b1_flip.py

@@ -0,0 +1,84 @@
+"""一类反手（fade B1/S1）是不是真的——逐币、分时段、与 B4 的重叠。
+
+step55 的反向对照给出 5m/15m 上 PF 2.35~3.03、t +10~+13，且多空两边都正。
+数字太好，先按 §3.392 的教训做证伪：那次「周末效应」在 1m 上显著，换到
+7 年 5m/15m 样本就消失且符号反转。任何单一样本上的漂亮结果都要先过三关。
+
+  逐币      5 个币是不是都成立，还是被某一个币带起来的
+  分时段    前后半段样本各自是否成立（时间外样本）
+  与 B4 重叠 如果它只是换个名字的 B4，那就没有增量价值
+"""
+from __future__ import annotations
+
+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))
+
+from lib.exit_model import fee_of, taker_notional          # noqa: E402
+
+SRC = HERE / "out" / "step55_bsp12.feather"
+SL = 2.0
+
+
+def stats(g: pd.DataFrame) -> dict:
+    """反手口径的统计。f_* 是 step55 里用相反方向重跑出场得到的。"""
+    net = g.f_g.values - fee_of(g.f_r.values, g.f_c.values)
+    gR = g.f_g.values / (SL * g.atr_pct.values)
+    R = net / (SL * g.atr_pct.values)
+    tn = taker_notional(g.f_r.values, g.f_c.values)
+    w, o = net[net > 0].sum(), -net[net <= 0].sum()
+    return {
+        "笔数": len(g), "胜率": f"{(net > 0).mean()*100:.1f}%",
+        "毛R": round(gR.mean(), 3), "净均R": round(R.mean(), 3),
+        "PF": round(w / o, 2) if o > 0 else np.inf,
+        "余量bp": round(net.mean() / tn.mean() * 1e4, 2),
+        "t值": round(gR.mean() / (gR.std(ddof=1) / np.sqrt(len(g))), 2),
+    }
+
+
+def main() -> None:
+    d = pd.read_feather(SRC)
+    if "f_g" not in d.columns:
+        print("step55 数据里没有反手列，先重跑 step55")
+        return
+    d["date_ext"] = pd.to_datetime(d["date_ext"])
+    one = d[d.type.isin(["B1", "S1"])].copy()
+
+    for tf, x in one.groupby("tf"):
+        print("\n" + "#" * 92)
+        print(f"##########  {tf}  ·  一类反手  ##########")
+
+        print("\n【逐币】任何一个币独自撑起来的结果都不能要")
+        print(pd.DataFrame([{"币": s, **stats(g)}
+                            for s, g in x.groupby("sym")]).to_string(index=False))
+
+        print("\n【分时段】按信号时间中位数切两半，后半段是时间外样本")
+        cut = x.date_ext.median()
+        for nm, g in (("前半", x[x.date_ext <= cut]), ("后半", x[x.date_ext > cut])):
+            r = stats(g)
+            print(f"  {nm}  {g.date_ext.min():%Y-%m-%d}~{g.date_ext.max():%Y-%m-%d}"
+                  f"  {r}")
+
+        print("\n【分方向】B1反手=做空，S1反手=做多。只有一边成立就是单边行情")
+        print(pd.DataFrame([{"原类型": t, **stats(g)}
+                            for t, g in x.groupby("type")]).to_string(index=False))
+
+        print("\n【逐年】")
+        rows = []
+        for y, g in x.groupby(x.date_ext.dt.year):
+            if len(g) >= 40:
+                rows.append({"年": y, **stats(g)})
+        if rows:
+            print(pd.DataFrame(rows).to_string(index=False))
+
+
+if __name__ == "__main__":
+    main()