量因子该做成开关不是权重；前序因子不该进仓位

把 step49/50 两个分层结论做成仓位因子做组合层面评估，结果与分层表给人的印象
不一致，两个因子的命运相反。

方法上设了三道约束——分层结论转仓位规则最容易在这三处翻车：

  1 阈值取整数（vr60 切 1/2/4）、权重取整数比，一个参数都不搜。观测到的四分位
    边界在不同时段并不一致（样本外 0.63/1.26/2.28/5.34、发现期 0.62/1.48/
    3.11/7.97），用样本分位数等于在同一批数据上既发现又调参
  2 权重归一化到均值 1，各方案投出去的平均资金相同，均R 才可比
  3 判据是四项一起看：均R / R夏普 / 最大回撤 / 峰值加权并发。只看均值必然误判

全样本 3941 笔，假定滑点 5bp/taker 腿：

                     盈亏平衡滑点  R夏普  回撤R  峰值并发  总R/峰值并发
  等权（现状）           16.7bp   0.420  17.3    7.00      371.4
  仅量因子（加权）       18.2bp   0.442  12.7    7.98      367.4
  仅前序因子             17.0bp   0.421  19.2    8.46      312.6
  硬砍高量档（vr60≥4）   18.6bp   0.496  11.2    6.00      389.3
  硬砍 + 前序权重        19.0bp   0.500  11.0    7.19      332.1

① 前序因子不能做仓位。+6bp 余量在 5bp 滑点假设下只值约 0.011R，而这批信号
按定义 100% 发生在别的币已有仓位时——加权就是在敞口最集中的时刻加杠杆。
盈亏平衡只买到 +0.3bp，峰值并发 7.00→8.46、回撤 17.3→19.2，按峰值保证金归一
后是净负的（371→313）。§3.31 里「可用于加仓位权重」那句作废。出路可能是改用
放宽 ATR 门控兑现（多做几笔而非每笔做大），未测。

② 量因子「不做」优于「少做」。硬砍付笔数 −22%、总R −10%，换回撤 −35% 和峰值
并发 7→6。并发这一项单独就值：§3.31 已把峰值敞口列为扩币的前置约束。

③ 优势的形态是削尾不是抬均值。均R 差在各滑点档几乎恒定（0.085→0.082），但
基数在塌，所以相对优势随成本上升放大：15bp 处总R/回撤 2.57→11.86，靠的是回撤
从 150.5 掉到 60.3。这两个因子买的是尾部风险，不是收益。

可操作口径要用发现期：盈亏平衡滑点样本外 18.2bp、发现期只有 13.5bp（硬砍后
15.6bp），差距就是 2026 的 ATR 压缩。13.5 与 shadow_budget 的 15.19bp 同量级，
互为印证。影子测量要对标 13.5 / 15.6，不是 18.6。

开关先不上：只是 live 信号路径加一行，随时能加。等实测滑点出来再定——远低于
13.5bp 则等权就够，贴着 13.5bp 则这 2.1bp 就是生死线。

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

research/HANDOFF.md

@@ -333,9 +333,16 @@ ATR 混淆已排除：`有前序` 的 ATR 确实略高（中位 15.04 vs 13.13bp
 四分位分层后 **4/4 层同向**，层内余量差 3.29 / 8.39 / 5.16 / 4.14bp，与不分层
 的 +6.06 同量级。且毛R 本身是 ATR 归一化指标，其 +0.19 不可能是 ATR 假象。
 
-**可用方式**：这 16% 的信号能多容忍约 6bp 执行成本。可用于加仓位权重，
+**可用方式**：这 16% 的信号能多容忍约 6bp 执行成本。
-或对这批放宽 ATR 门控——ATR 最低层里 `有前序` 余量仍有 14.92bp（对照 11.63），
+
-提示门控对它们可以更松。**但放宽门控尚未回测，先别改。**
+> ⛔ **「加仓位权重」这条已被 step51 否掉，见 §3.39。** +6bp 余量在 5bp
+> 滑点假设下只值约 0.011R，而这批信号 100% 发生在别的币已有仓位时——
+> 加权后峰值并发 7.00 → 8.46、回撤 17.3 → 19.2，按峰值保证金归一是净负的。
+> 边际收益买不起它带来的集中度。
+>
+> 仍未测的出路是**放宽 ATR 门控**（多做几笔，而非每笔做大）：ATR 最低层里
+> `有前序` 余量仍有 14.92bp（对照 11.63），提示门控对它们可以更松。
+> **尚未回测，先别改。**
 
 > ⚠️ **「同分钟 vs 错开」是看过数据之后才划的切法，不是事先定的。**
 > 208 天、158 个簇，post-hoc 切分容易切出噪声。**拿它当仓位规则前必须换一段
@@ -672,6 +679,58 @@ ADA 也才 2.41bp。
 PF 从 1.59 提到 1.85（§4 step30）。**两个过滤器的相对价值随级别翻转，
 不要跨级别套用滤网结论。**
 
+### 3.39 因子化仓位：量因子该做成**开关**不是权重，前序因子根本不该进仓位（step51）
+
+用户提出把 §3.31 的两个分层结论（`有前序` +6bp 余量、低量根 +14bp 余量）
+做成仓位/杠杆因子。做了组合层面的评估，结论与分层表给人的印象**不一致**，
+两个因子的命运完全相反。
+
+**方法上刻意设的三道约束**（分层结论转仓位规则最容易翻车的地方）：
+
+1. **阈值取整数、权重取整数比，一个参数都不搜。** vr60 切在 1 / 2 / 4，
+   权重 1.5 / 1.25 / 0.75 / 0.5。观测到的四分位边界在不同时段并不一致
+   （样本外 0.63/1.26/2.28/5.34，发现期 0.62/1.48/3.11/7.97），
+   用样本分位数等于在同一批数据上既发现又调参。
+2. **权重归一化到均值 1**，各方案投出去的平均资金相同，均R 才可比。
+3. **判据是四项一起看**：均R / R夏普 / 最大回撤 / **峰值加权并发**。
+   只看均值必然误判——加权一定抬方差，且 `有前序` 按定义就发生在别的币
+   已有仓位时，给它加权就是在敞口最集中的时刻加杠杆。
+
+全样本 3941 笔，假定滑点 5bp/taker 腿：
+
+| 方案 | 盈亏平衡滑点 | R夏普 | 最大回撤R | 峰值并发 | 总R/峰值并发 |
+|---|---|---|---|---|---|
+| 等权（现状） | 16.7bp | 0.420 | 17.3 | 7.00 | 371.4 |
+| 仅量因子（加权） | 18.2bp | 0.442 | 12.7 | 7.98 | 367.4 |
+| **仅前序因子** | 17.0bp | 0.421 | **19.2** | **8.46** | **312.6** |
+| 两因子相乘 | 18.6bp | 0.446 | 14.3 | 9.48 | 314.6 |
+| **✅ 硬砍高量档（vr60 ≥ 4 不做）** | **18.6bp** | **0.496** | **11.2** | **6.00** | **389.3** |
+| 硬砍 + 前序权重 | 19.0bp | 0.500 | 11.0 | 7.19 | 332.1 |
+
+**① `有前序` 不能做仓位因子——它的边际收益买不起它带来的集中度。**
+盈亏平衡滑点只 +0.3bp，但峰值并发 7.00 → 8.46、回撤 17.3 → 19.2，
+**按峰值保证金归一后是净负的（371 → 313）**。原因是量纲：+6bp 余量在
+5bp 滑点假设下只值约 0.011R，而它 100% 发生在已有并发仓位的时刻。
+§3.31 说的「可用于加仓位权重」**到此作废**——那条余量优势是真的，
+但兑现方式不是仓位。（可能的出路是对这批放宽 ATR 门控，即多做几笔而非
+每笔做大，那条仍未测。）
+
+**② 量因子「不做」优于「少做」。** 加权版 R夏普 0.442、硬砍版 0.496；
+回撤 12.7 vs 11.2；峰值并发 7.98 vs **6.00**。硬砍付出笔数 −22%
+（3941 → 3061）、总R −10%，换来回撤 −35% 和并发 −14%。
+**并发下降这一点单独就值**：§3.31 已把峰值敞口列为扩币的前置约束，
+砍掉高量档等于同时松开这个约束。
+
+**③ 优势的形态是「削尾」不是「抬均值」。** 均R 差在各滑点档上几乎恒定
+（0.085 → 0.082），但**基数在塌**，所以相对优势随成本上升而放大：
+15bp 处总R/回撤 2.57 → 11.86（4.6 倍），因为回撤从 150.5 掉到 60.3。
+**这两个因子买的是尾部风险，不是收益。**
+
+⚠️ **可操作口径要用发现期的数，不是全样本。** 盈亏平衡滑点样本外 18.2bp、
+发现期只有 **13.5bp**（硬砍后 15.6bp）——差距就是 2026 的 ATR 压缩（§5.3）。
+发现期才代表当前波动环境。13.5bp 与 `shadow_budget.BUDGET_PORTFOLIO_2026`
+的 15.19bp 同量级，互为印证。**影子测量要对标的是 13.5 / 15.6，不是 18.6。**
+
 ### 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，
@@ -1656,6 +1715,7 @@ API 限流风险隔离三个好处。
 | 48 | 多币开仓时间分布、并发、簇内顺序（首发是未来信息） |
 | 49 | **「有前序」样本外验证**（10 币 80 万根）→ 通过，余量 +6bp，6/6 时段同向 |
 | 50 | **信号根成交量**（用户假设「有资金的趋势才是好趋势」）→ **方向相反**，高量毛R 0.794 vs 低量 1.421，ATR 4/4 + 时段 7/7 同向；根因是在突破根上给别人接盘 |
+| 51 | **因子化仓位**（把 49/50 做成权重）→ 量因子该做成**开关**不是权重（硬砍 vs 加权：R夏普 0.496/0.442、并发 6.00/7.98）；**前序因子不该进仓位**，边际收益买不起集中度。优势形态是削尾不是抬均值 |
 
 输出都在 `research/out/`。**2026-08-27 清理过一轮**：step1~20 的输出（早期方法论
 已被推翻，含未来函数偏差）与旧口径备份一并删除，只留支撑当前结论的证据。
@@ -1744,8 +1804,14 @@ API 限流风险隔离三个好处。
       **这条是扩币的前置条件**——加币不分散，只把峰值敞口推得更高
 - [ ] 若要扩币：按 3.33 的两条标准筛（ATR 对门控 + 流动性），
       并留一批筛完不看、直接进实盘验证，以保住样本外的说服力
-- [ ] **仓位权重现在有两个已验证的输入**（§3.31）：`有前序` +6bp 余量、
+- [x] **因子化仓位已评估完（step51，§3.39）**，结论与分层表给的印象相反：
-      `低量根` +14bp 余量，且两者独立（低量×有前序 = 31.00bp，最好的一档）。
+      量因子做成**开关**（vr60 ≥ 4 不做），前序因子**不进仓位**。
-      **都还没做成规则**。做之前要想清楚两件事：一是 1m 本来就稀疏
+      剩下两件事：
-      （10 币约 2.5 笔/天），砍掉高量四分位要付 25% 笔数；
+- [ ] **决定要不要上「vr60 ≥ 4 不做」这个开关。** 收益是发现期盈亏平衡滑点
-      二是权重方案必须整体回测一遍，不能把两个分层结论直接相乘
+      13.5 → 15.6bp、回撤 −35%、峰值并发 7 → 6；代价是笔数 −22%
+      （10 币已只有约 2.5 笔/天，砍完约 2.0）。**建议等影子测量出真实滑点
+      再定**——若实测远低于 13.5bp，等权就够用，没必要付这 22%；
+      若实测贴着 13.5bp，这 2.1bp 的余量就是生死线。**这个开关只在
+      live 信号路径加一行，随时可上，不必现在决定**
+- [ ] `有前序` 的余量优势改用**放宽 ATR 门控**兑现（多做几笔而非每笔做大）。
+      §3.31 已记，未回测

research/step51_factor_sizing.py

@@ -0,0 +1,161 @@
+"""Step 51：把 §3.31 的两个分层结论做成仓位因子，看组合层面到底有没有变好。
+
+已知（都用开仓时可知的信息）：
+  step49  `有前序`（过去 5 分钟别的币先发过）→ 滑点余量 +6bp，6/6 时段同向
+  step50  信号根低量（vr60 小）→ 余量 +14bp，ATR 4/4 + 时段 7/7 同向
+
+但「分层看着好」到「加权之后组合更好」不是一回事，中间有三个坎：
+
+  1. 两个结论是分开切出来的，相乘等于假设正交且效应可乘。没验过。
+  2. 加权必然抬高方差。均R 涨了但 R夏普 可能不涨，那就白做。
+  3. `有前序` 按定义就是「别的币已有仓位时」，给它加权 = 在敞口最集中的
+     时刻再加杠杆。§3.31 已经把峰值并发列为扩币的前置约束，这里直接顶上去。
+
+所以本步的判据不是均R，是这四项一起看：**均R / R夏普 / 最大回撤 / 峰值加权并发**。
+
+阈值刻意取整数（vr60 的 1、2、4），权重取整数比，**一个参数都不搜**。
+观测到的四分位边界在不同时段并不一致（样本外 0.63/1.26/2.28/5.34、
+发现期 0.62/1.48/3.11/7.97），用样本分位数等于在同一批数据上既发现又调参。
+
+主检验是滑点敏感性：这两个因子的优势主要在**余量**而非毛R，
+所以真正该看的是「假定执行成本越高，加权方案是否衰减得越慢」。
+若只在 slip=0 处好、随成本上升优势消失，那这两个因子就不值得做进仓位。
+"""
+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))
+pd.set_option("display.width", 340)
+
+SL = 2.0
+GATE_BP = 8.0
+IS_START = pd.Timestamp("2026-01-30", tz="Asia/Shanghai")
+SLIPS = (0.0, 5.0, 10.0, 15.0, 20.0)   # bp / taker 腿
+
+
+def w_vol(vr: np.ndarray) -> np.ndarray:
+    """量比越低给越多。整数阈值 1/2/4，权重 6:5:3:2（均值约 1）。"""
+    w = np.full(len(vr), 1.0)
+    w[vr < 1.0] = 1.5
+    w[(vr >= 1.0) & (vr < 2.0)] = 1.25
+    w[(vr >= 2.0) & (vr < 4.0)] = 0.75
+    w[vr >= 4.0] = 0.5
+    w[~np.isfinite(vr)] = 1.0        # 前 60 根不足时不表态
+    return w
+
+
+def w_prev(prev: np.ndarray) -> np.ndarray:
+    return np.where(prev >= 1, 1.4, 1.0)
+
+
+def w_cut(vr: np.ndarray) -> np.ndarray:
+    """硬砍最高量那一档。用来看「不做」和「少做」差多少。"""
+    w = np.ones(len(vr))
+    w[np.isfinite(vr) & (vr >= 4.0)] = 0.0
+    return w
+
+
+def peak_concurrent(d: pd.DataFrame, w: np.ndarray) -> float:
+    """扫描线求峰值同时在场的加权敞口（单位：等权仓位数）。"""
+    t0 = d.date.values.astype("datetime64[m]").astype(np.int64)
+    t1 = t0 + d.hold.values
+    ev = np.concatenate([np.stack([t0, w], 1), np.stack([t1, -w], 1)])
+    ev = ev[np.lexsort((ev[:, 1], ev[:, 0]))]
+    return float(np.max(np.cumsum(ev[:, 1])))
+
+
+def evaluate(d: pd.DataFrame, w: np.ndarray, slip_bp: float) -> dict:
+    """slip_bp 只加在 taker 腿上——止盈是限价，不吃滑点。"""
+    from lib.exit_model import fee_of, taker_notional
+
+    tn = taker_notional(d.r.values, d.c.values)
+    net = d.g.values - fee_of(d.r.values, d.c.values) - slip_bp * 1e-4 * tn
+    R = net / (SL * d.atr_pct.values)
+
+    m = w > 0
+    if m.sum() < 50:
+        return {}
+    ww = w[m] / w[m].mean()          # 归一化：各方案投出去的平均资金相同
+    wR = ww * R[m]
+    eq = np.cumsum(wR)
+    dd = float(np.max(np.maximum.accumulate(eq) - eq))
+    return {
+        "笔数": int(m.sum()),
+        "均R": round(float(wR.mean()), 3),
+        "R夏普": round(float(wR.mean() / wR.std()), 3),
+        "总R": round(float(eq[-1]), 1),
+        "最大回撤R": round(dd, 1),
+        "总R/回撤": round(eq[-1] / dd, 2) if dd > 0 else np.inf,
+        "余量bp": round(float((ww * net[m]).sum() / (ww * tn[m]).sum() * 1e4), 2),
+        "峰值并发": round(peak_concurrent(d[m], ww), 2),
+    }
+
+
+def run(d: pd.DataFrame, label: str) -> pd.DataFrame:
+    vr, pv = d.vr60.values, d.prev.values
+    schemes = {
+        "等权（现状）": np.ones(len(d)),
+        "仅量因子": w_vol(vr),
+        "仅前序因子": w_prev(pv),
+        "两因子相乘": w_vol(vr) * w_prev(pv),
+        "硬砍高量档": w_cut(vr),
+    }
+    rows = []
+    for slip in SLIPS:
+        for name, w in schemes.items():
+            r = evaluate(d, w, slip)
+            if r:
+                rows.append({"时段": label, "滑点bp": slip, "方案": name, **r})
+    return pd.DataFrame(rows)
+
+
+def main() -> None:
+    ap = argparse.ArgumentParser()
+    ap.add_argument("--src", default=str(HERE / "out" / "step50_volume.feather"))
+    args = ap.parse_args()
+
+    from step50_volume import prep
+
+    d = pd.read_feather(args.src)
+    d["date"] = pd.to_datetime(d["date"])
+    d = prep(d[(d.htf == 1.0) & d.lad & (d.atr_bp >= GATE_BP)].copy())
+    oos, ins = d[d.date < IS_START], d[d.date >= IS_START]
+    print(f"实盘口径 {len(d)} 笔  |  样本外 {len(oos)}  发现期 {len(ins)}")
+
+    for lab, part in (("样本外", oos), ("发现期", ins), ("全样本", d)):
+        t = run(part, lab)
+        print("\n" + "=" * 118)
+        print(f"########## {lab} ##########")
+        for slip in SLIPS:
+            g = t[t.滑点bp == slip].drop(columns=["时段", "滑点bp"])
+            print(f"\n--- 假定滑点 {slip:.0f}bp / taker 腿 ---")
+            print(g.to_string(index=False))
+
+    print("\n" + "=" * 118)
+    print("########## 判据：优势是否随执行成本上升而扩大 ##########")
+    t = run(d, "全样本")
+    base = t[t.方案 == "等权（现状）"].set_index("滑点bp")
+    rows = []
+    for name in t.方案.unique():
+        if name == "等权（现状）":
+            continue
+        g = t[t.方案 == name].set_index("滑点bp")
+        rows.append({"方案": name, **{
+            f"{int(s)}bp处均R差": round(g.loc[s, "均R"] - base.loc[s, "均R"], 3)
+            for s in SLIPS}})
+    print(pd.DataFrame(rows).to_string(index=False))
+
+
+if __name__ == "__main__":
+    main()