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/HANDOFF.md

@@ -1086,6 +1086,59 @@ B4 跑出 PF 1.83~2.06 / t +8.5~+10.7。所以 fast B1 的负数不是管线接
 头早就写了「B4 不只是 B3 提前几根，两者统计性质符号相反」，一类的实验说明
 反过来也成立：**把反转信号提前，它还是反转信号。**
 
+### 3.395 ⭐ 一类反手：识别没错，但发出的时点让它变成了反向信号（step55/57）
+
+用户问「是不是一类二类的识别错了」。查下来结论是：**代码没写错，但信号该反着用。**
+
+**先排除掉一个我自己的错误猜测。** `check_bi_div` 只比 MACD 面积、不检查创新极值，
+这是缠论背驰定义（创新极值 **且** 力度减弱）丢了一半。看着像致命缺陷，但实测
+**93.2% 的 B1 / 93.4% 的 S1 离开笔本来就创了新极值**，缺口只影响约 7%，
+解释不了 PF 0.2。**先量再断，别拿理论缺陷当结论。**
+
+**真正的线索是胜率的方向**：B1 胜率 18.6%，而 SL2/TP3 下随机入场约 40%。
+**远低于随机说明样本带信息，只是指反了**——真正没用的信号会落在 40% 附近。
+于是拿相反方向重跑出场（路径依赖，不能把 g 取负号了事）：
+
+| 反手 | 5m 胜率 | 5m PF | 5m t值 | 15m PF | 15m t值 |
+|---|---|---|---|---|---|
+| **B1（反手做空）** | 64.4% | **2.35** | +10.4 | **3.03** | +12.6 |
+| **S1（反手做多）** | 67.1% | **2.75** | +12.8 | 2.63 | +9.6 |
+| B3/S3（反手） | 45~49% | 1.14~1.24 | +4 | 1.15~1.20 | +4 |
+
+**稳健性（step57）——这是本项目做过的最稳的结果**
+
+| 切法 | 结论 |
+|---|---|
+| 逐币 | 5 个币全正。15m PF 2.25~4.12，5m 2.31~2.70 |
+| 前后半段 | 15m 2.81 / 2.81，5m 2.55 / 2.51，几乎不变 |
+| 逐年 | 2021~2026 **连续六年全正**，15m PF 2.57~2.99 |
+| 多空 | 两边都正，排除单边行情 |
+| 余量 | 15m 33~76bp、5m 18~28bp。对比 B4 只有约 3bp |
+
+**为什么不是 bug 而要反着用**
+
+代码是照缠论写的：向下离开中枢 + 背驰 → B1 买。**教科书没错，错的是它发信号的
+时刻。** 信号在 `leave_bi.sure_time` 发出，中位滞后 8~9 根，此时价格已从低点
+**反弹了 1.68 ATR**（§3.393 表）。引擎想说「抄底」，但它给出的时间戳对应的是
+「反弹已走完」。在下跌趋势里于此处做空 —— 那是标准的**顺势回调入场**。
+
+所以这一族信号的几何识别是对的，方向标注按理论也是对的，**是滞后把它变成了
+相反的交易**。它是一个穿着反转外衣的顺势回调信号。
+
+**它与 B4 不是一回事**：B4 是突破延续（§3.391 实测 mom10 中位 +3.47 ATR，
+根本不是回调入场），这个是回调延续。两种入场原型不同，**可能互补**。
+
+**仍未验证，落地前必须做完（否则不许上实盘）**
+
+1. **因果性**。`zs.is_sure` / `bi.sure_time` 在全量数据上算出，§5.41 已知中枢
+   右边缘会重画。必须用增量/流式回放确认信号在当时真的发得出来。
+   *反证据（不能替代验证）*：同一套机器算出的 B3 是 PF 0.64 的烂数，
+   若存在通用的未来函数，B3 不该这么难看。
+2. **消融：是不是「反弹就做空」都赚**。照 §3.4 对 B4 做过的那样，把背驰条件
+   拿掉、把中枢换成伪阻力位，看 PF 掉不掉。掉不下来就说明 alpha 在几何和
+   时点上，与背驰无关，那这个信号就该重新命名和重新设计。
+3. **与 B4 的重叠度与相关性**。若只是换名字的 B4，就没有增量价值。
+
 ### 3.4 alpha 的来源（step32 消融）
 
 逐条拆掉 `fast_bsp3` 的条件后发现：**alpha 完全来自缠论中枢的上下文定位，

research/step55_bsp12_probe.py

@@ -151,6 +151,15 @@ def collect(sym: str, rows: int, tf: str = "1m") -> pd.DataFrame | None:
             return None
         for k in ("g", "r", "c", "b"):
             r[k] = res[f"{cfg}_{k}"].to_numpy()
+        # 反向对照：胜率远低于随机说明信号带信息但可能指反了。出场是路径依赖的，
+        # 不能把 g 取负号了事，必须拿相反方向重跑一遍
+        flip = pd.DataFrame({"entry_idx": r.i_sure.values,
+                             "direction": -r.dir.values})
+        rf = walk_exits(cdf, flip, [SL], [RUNNER], [MAXB], scale_at=SCALE_AT,
+                        runners=(RUNNER,), runner_stops=(RSTOP,))
+        if len(rf) == len(r):
+            for k in ("g", "r", "c", "b"):
+                r["f_" + k] = rf[f"{cfg}_{k}"].to_numpy()
         r["atr_pct"] = atr[r.i_sure.values] / cl[r.i_sure.values]
         return r
     except Exception as e:
@@ -258,6 +267,31 @@ def profit(d: pd.DataFrame) -> None:
     print("\n⚠️ B3 是口径校验锚：HANDOFF §4 记的是 PF 0.66 / 胜率 27.4%。"
           "这里若明显更好，先怀疑接错了再信 B1/B2。")
 
+    if "f_g" not in x.columns:
+        return
+    print("\n" + "=" * 100)
+    print("########## 六、反向对照：信号是「指反了」还是「没有边」 ##########")
+    print("胜率 18.6% 远低于 SL2/TP3 的随机基准约 40%，说明样本带信息。若只是"
+          "方向标反了，\n反手做应显著为正；若反手也不赚，那就是入场时点本身"
+          "已经过期，两边都吃滑点。")
+    y = x.copy()
+    y["fnet"] = y.f_g.values - fee_of(y.f_r.values, y.f_c.values)
+    y["fgR"] = y.f_g.values / (SL * y.atr_pct.values)
+    rows = []
+    for name, g in y.groupby("type"):
+        if len(g) < 40:
+            continue
+        w, o = g.fnet[g.fnet > 0].sum(), -g.fnet[g.fnet <= 0].sum()
+        rows.append({
+            "类型(反手)": name, "笔数": len(g),
+            "胜率": f"{(g.fnet > 0).mean()*100:.1f}%",
+            "毛R": round(g.fgR.mean(), 3),
+            "PF": round(w / o, 2) if o > 0 else np.inf,
+            "t值": round(g.fgR.mean() / (g.fgR.std(ddof=1) / np.sqrt(len(g))),
+                        2),
+        })
+    print(pd.DataFrame(rows).to_string(index=False))
+
 
 def main() -> None:
     ap = argparse.ArgumentParser()

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()