笔确认改回原著口径，并留下严格笔对照。

顶底分型仍用分型自身高低判断重叠；三K盒子那种更严的算法先注释保留。

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

.gitignore

@@ -46,3 +46,15 @@ research/out/*.jsonl.gz
 research/out/penetration.csv
 research/out/shadow_*.csv
 research/out/run_meta_*.json
+
+# Telegram 凭据。**不要提交**
+research/live/deploy/tg.env
+research/.tg.env
+
+# 生产状态与信号总线。刻意放在仓库外（LIVE_HOME / BUS_DIR），这几条只防
+# 有人把它们指回仓库里：里面是日亏损累计与已处理信号键，被 git clean
+# 清掉等于两道闸静默失忆
+/live/deploy/live.env
+live_state.json
+live_trades.jsonl
+signals_live.jsonl

chanlun/core/ChanBI.py

@@ -15,10 +15,12 @@ class ChanBI():
 		self.sure_time = None
 		self.klc_list = []
 		self.klc_list.append(klc)
+		self._klc_idx = {klc.index}
 		self.end_time = klc.end_time
 		self.start_time = klc.start_time
-		self.macd_hist = 0
-		self.macd_div = 0
+		self._macd_hist = 0
+		self._macd_div = 0
+		self._macd_dirty = False
 		self.seg = None
 		self.height = 0
 		self.width = 0
@@ -33,26 +35,57 @@ class ChanBI():
 	def set_seg(self, seg):
 		self.seg = seg
 		self.seg_index = len(seg.bi_list)-1
+	# macd_hist / macd_div 改为惰性。原来 add_klc 每加一根 KLC 就把整笔的
+	# 所有 KLU 重新累加一遍，是 O(k²)；而这两个值只有背驰判定（bsp.py）在读，
+	# lean 模式下 bsp 根本不算，等于全程白算。这里只标脏，取值时才算。
+	# 语义不变：klc_list 只增不减（set_start_klc 会重置并同时清脏），
+	# dir 在 klc 累加期间固定，所以延后到读取时算与逐次重算结果相同。
+	@property
+	def macd_hist(self):
+		if self._macd_dirty:
+			self.cal_macdhist()
+		return self._macd_hist
+
+	@macd_hist.setter
+	def macd_hist(self, v):
+		self._macd_hist = v
+		self._macd_dirty = False
+
+	@property
+	def macd_div(self):
+		self.cal_macd_div()
+		return self._macd_div
+
+	@macd_div.setter
+	def macd_div(self, v):
+		self._macd_div = v
+
 	def set_macdhist(self, macd_hist):
 		self.macd_hist = macd_hist
 	def set_macd_div(self, macd_div):
 		self.macd_div = macd_div
 	def cal_macd_div(self):
-		self.macd_div = 0.0
+		self._macd_div = 0.0
 		if self.pre and self.pre.pre:
 			if self.pre.pre.macd_hist == 0:
-				self.macd_div = 0.0
+				self._macd_div = 0.0
 			else:
-				self.macd_div = self.macd_hist / self.pre.pre.macd_hist
+				self._macd_div = self.macd_hist / self.pre.pre.macd_hist
 			#print(self.start_time, self.end_time, self.macd_hist, self.pre.pre.macd_hist, self.macd_div)
 	def cal_macdhist(self):
-		self.macd_hist = 0
+		self._macd_dirty = False
+		self._macd_hist = 0
+		up = self.dir == Chan_BI_DIR.UP
+		acc = 0
 		for klc in self.klc_list:
 			for klu in klc.klu_list:
-				if self.dir == Chan_BI_DIR.UP and klu.macdhist > 0: 
-					self.macd_hist += klu.macdhist
-				if self.dir == Chan_BI_DIR.DOWN and klu.macdhist < 0:
-					self.macd_hist -= klu.macdhist
+				h = klu.macdhist
+				if up:
+					if h > 0:
+						acc += h
+				elif h < 0:
+					acc -= h
+		self._macd_hist = acc
 	def check_bi_zs_overlap(self):
 		if self.next and self.next.next:
 			if self.dir == Chan_BI_DIR.UP:
@@ -95,6 +128,10 @@ class ChanBI():
 		self.start_klc = klc
 		self.klc_list = []
 		self.klc_list.append(klc)
+		# klc_list 被整个换掉，去重集合与惰性缓存都要跟着重置，
+		# 否则后续 add_klc 会以为旧下标还在里面而漏加
+		self._klc_idx = {klc.index}
+		self._macd_dirty = True
 		self.high = klc.high
 		self.low = klc.low
 		self.dir = ddir
@@ -103,20 +140,14 @@ class ChanBI():
 	def set_next(self, bi):
 		self.next = bi
 	def add_klc(self, klc):
-		added = False
-		if len(self.klc_list) > 0:
-			for index in range(0, len(self.klc_list)):
-				if self.klc_list[index].index == klc.index:
-					added = True
-					break
-		if not added:
+		# 去重原本是对 klc_list 线性扫描，配合下面每次全量重算的 macdhist，
+		# 让「往一笔里加 k 根 KLC」变成 O(k²)。改用下标集合，O(1)。
+		if klc.index not in self._klc_idx:
+			self._klc_idx.add(klc.index)
 			self.klc_list.append(klc)
-			#print(self.start_time, klc.start_time)
-		#print(klc.end_time, klc.index)
 		self.end_klc = klc
 		self.end_time = klc.klu_list[-1].time
-		self.cal_macdhist()
-		self.cal_macd_div()
+		self._macd_dirty = True
 	def append_klc_list(self, klc_list):
 		self.klc_list.append(klc_list)
 	def get_decimal(self, value):

chanlun/core/ChanSEG.py

@@ -43,6 +43,29 @@ class ChanSEG():
         self.macd_hist = macd_hist
     def set_macd_div(self, macd_div):
         self.macd_div = macd_div
+    def cal_macdhist(self):
+        # 线段面积 = 同向笔 MACD 柱面积之和（与笔面积口径一致）
+        acc = 0.0
+        seg_dir_name = getattr(self.dir, 'name', None)
+        for bi in self.bi_list:
+            if bi is None:
+                continue
+            if getattr(getattr(bi, 'dir', None), 'name', None) != seg_dir_name:
+                continue
+            acc += float(bi.macd_hist or 0)
+        self.macd_hist = acc
+        return acc
+    def cal_macd_div(self):
+        # 与前一个同向线段比面积：seg.pre 是反向邻段，pre.pre 才是同向
+        self.macd_div = 0.0
+        prev = self.pre.pre if self.pre and self.pre.pre else None
+        if prev is None:
+            return 0.0
+        prev_hist = float(prev.macd_hist or 0)
+        if prev_hist == 0:
+            return 0.0
+        self.macd_div = float(self.macd_hist or 0) / prev_hist
+        return self.macd_div
     def set_end_bi(self, bi: ChanBI, sure_bi: ChanBI):
         self.end_bi = bi
         if bi and bi.is_sure:

chanlun/pipeline/builders/bi.py

@@ -668,13 +668,22 @@ class BiBuilderMixin:
 		return bi_list
 
 	def check_top_fx(self, last_bottom, klc):
-		if (last_bottom.high > klc.pre.low or last_bottom.high > klc.next.low) and (klc.index - last_bottom.index < 100):
+		#严格笔
+		#last_bottom_high = max(last_bottom.high, last_bottom.pre.high, last_bottom.next.high)
+		#缠论原著笔
+		last_bottom_high = last_bottom.high
+		if (last_bottom_high > klc.pre.low or last_bottom_high > klc.next.low) and (klc.index - last_bottom.index < 100):
+			#print(klc.end_time, "check_top_fx False")
 			return False
 		return True
 	
 
 	def check_bottom_fx(self, last_top, klc):
-		if (last_top.low < klc.pre.high or last_top.low < klc.next.high) and (klc.index - last_top.index < 100):
+		#严格笔
+		#last_top_low = min(last_top.low, last_top.pre.low, last_top.next.low)
+		#缠论原著笔
+		last_top_low = last_top.low
+		if (last_top_low < klc.pre.high or last_top_low < klc.next.high) and (klc.index - last_top.index < 100):
 			return False
 		return True
 	# 线段内的中枢

chanlun/pipeline/builders/indicators.py

@@ -54,8 +54,14 @@ class IndicatorsBuilderMixin:
 		return None
 
 	def add_indicators(self, df):
-		fast = 26
-		slow = 52
+		"""算指标并一次性挂到 df 上。
+
+		这里不逐列 `df['x'] = ...`：那样每一列都触发一次 BlockManager 插入，
+		30 多列的开销比全部 TA 计算本身还大（2001 行实测 TA 合计 2.5ms，
+		逐列赋值 3.6ms）。增量路径每根都要走一遍，这笔开销是白付的。
+		"""
+		fast = 12
+		slow = 26
 		period = 9
 		macd = ta.MACD(df, fastperiod=fast, slowperiod=slow, signalperiod=period)
 		bb365 = ta.BBANDS(df, timeperiod=365, nbdevup=3.0, nbdevdn=3.0, matype=0)
@@ -75,40 +81,43 @@ class IndicatorsBuilderMixin:
 		bbp30 = (df['close'] - bb30['lowerband']) / (bb30['upperband'] - bb30['lowerband'])
 		bbp302 = (df['close'] - bb302['lowerband']) / (bb302['upperband'] - bb302['lowerband'])
 		bbp2633 = (df['close'] - bb2633['lowerband']) / (bb2633['upperband'] - bb2633['lowerband'])
-		df['bb2633upper'] = bb2633['upperband']
-		df['bb2633lower'] = bb2633['lowerband']
-		df['bbp2633'] = bbp2633
-		df['bb2633middle'] = bb2633['middleband']
-		df['atr'] = ta.ATR(df, timeperiod=14)
-		df['bbup365'] = bb365['upperband']
-		df['bblow365'] = bb365['lowerband']
-		df['bbp365'] = bbp365
-		df['bbup120'] = bb120['upperband']
-		df['bblow120'] = bb120['lowerband']
-		df['bbp120'] = bbp120
-		df['bbup30'] = bb30['upperband']
-		df['bblow30'] = bb30['lowerband']
-		df['bbmiddle30'] = bb30_middle  # 添加bb30中轨
-		df['bbp30'] = bbp30
-		df['bbup302'] = bb302['upperband']
-		df['bblow302'] = bb302['lowerband']
-		df['bbp302'] = bbp302
-		df['macd'] = macd['macd']
-		df['macdsignal'] = macd['macdsignal']
-		df['macdhist'] = macd['macdhist']
-		df['ema5'] = ta.EMA(df, timeperiod=5)
-		df['ema10'] = ta.EMA(df, timeperiod=10)
-		df['ema24'] = ta.EMA(df, timeperiod=24)
-		df['ema52'] = ta.EMA(df, timeperiod=52)
-		df['ema104'] = ta.EMA(df, timeperiod=104)
-		df['ema156'] = ta.EMA(df, timeperiod=156)
-		df['ema208'] = ta.EMA(df, timeperiod=208)
-		df['ema26'] = ta.EMA(df, timeperiod=26)
-		df['ema13'] = ta.EMA(df, timeperiod=13)
-		df['ema7'] = ta.EMA(df, timeperiod=7)
-		df['rsi'] = ta.RSI(df, timeperiod=14)
-		df['volume_ratio'] = self.cal_volume_ratio(df)
-		return df
+		cols = {
+			'bb2633upper': bb2633['upperband'],
+			'bb2633lower': bb2633['lowerband'],
+			'bbp2633': bbp2633,
+			'bb2633middle': bb2633['middleband'],
+			'atr': ta.ATR(df, timeperiod=14),
+			'bbup365': bb365['upperband'],
+			'bblow365': bb365['lowerband'],
+			'bbp365': bbp365,
+			'bbup120': bb120['upperband'],
+			'bblow120': bb120['lowerband'],
+			'bbp120': bbp120,
+			'bbup30': bb30['upperband'],
+			'bblow30': bb30['lowerband'],
+			'bbmiddle30': bb30_middle,
+			'bbp30': bbp30,
+			'bbup302': bb302['upperband'],
+			'bblow302': bb302['lowerband'],
+			'bbp302': bbp302,
+			'macd': macd['macd'],
+			'macdsignal': macd['macdsignal'],
+			'macdhist': macd['macdhist'],
+		}
+		for _p, _n in ((5, 'ema5'), (10, 'ema10'), (24, 'ema24'), (52, 'ema52'),
+		               (104, 'ema104'), (156, 'ema156'), (208, 'ema208'),
+		               (26, 'ema26'), (13, 'ema13'), (7, 'ema7')):
+			cols[_n] = ta.EMA(df, timeperiod=_p)
+		cols['rsi'] = ta.RSI(df, timeperiod=14)
+		cols['volume_ratio'] = self.cal_volume_ratio(df)
+
+		# 重复调用（增量路径每根都会）时先摘掉旧列，否则 concat 出重名列。
+		# 摘掉再接回末尾，列序与逐列覆盖的结果一致。
+		new = pd.DataFrame(cols, index=df.index)
+		dup = [c for c in new.columns if c in df.columns]
+		if dup:
+			df = df.drop(columns=dup)
+		return pd.concat([df, new], axis=1)
 
 	def get_ema_state(self, dataframe):
 		klu_list = self.get_klu_list(dataframe)

chanlun/pipeline/builders/kline.py

@@ -128,23 +128,28 @@ class KlineBuilderMixin:
 		return Chan_FX_TYPE.UNKNOWN
 
 	def check_fx_pattern(self, klc):
+		"""给分型前后三根 KLC 的裸 K 打 pattern 标记。
+
+		原本还会把 `klu.to_string()` 拼成一个字符串——那是给下面那行注释掉的
+		print 用的，拼完就丢。它在 cal_bi_list 的内层，2000 根上要跑近三万次
+		f-string + 六万次 enum 格式化，是纯废动作，已删。
+
+		`klu.pattern` 只被 cal_klu_pattern 自己的双 K / 三 K 判定读，
+		不出这个模块，也不进 web 序列化。所以 lean 下整个调用可跳。
+		"""
+		if getattr(self, 'lean', False):
+			return
 		klu_list = klc.pre.klu_list + klc.klu_list + klc.next.klu_list
-		
 		self.cal_klu_pattern(klu_list)
-		p = ""
-		for klu in klu_list:
-			p += klu.to_string()
-		#print(p)
 
 	def cal_volume_ratio(self, dataframe, window=10):
-		df = dataframe.copy()
-		# 计算过去N根K线的平均成交量
-		df['avg_volume'] = df['volume'].rolling(window=window).mean()
-		# 计算量比
-		df['volume_ratio'] = df['volume'] / df['avg_volume']
-		# 填充缺失值（前N根K线）
-		df['volume_ratio'] = df['volume_ratio'].fillna(1.0)
-		return df['volume_ratio']
+		"""当根量 / 前 window 根均量。前 window-1 根无基准，填 1.0。
+
+		原写法先 `dataframe.copy()` 再挂两列——为算一列 rolling 复制了整张
+		四十列的表。直接在 Series 上算，结果逐值相同。
+		"""
+		vol = dataframe['volume']
+		return (vol / vol.rolling(window=window).mean()).fillna(1.0).rename('volume_ratio')
 
 	def cal_kl_data(self, dataframe:DataFrame):
 		"""按行构造 KLU 链。
@@ -249,7 +254,12 @@ class KlineBuilderMixin:
 		for klu in klu_list:
 			self._push_klu_into_klc_list(klc_list, klu, last_klu)
 			last_klu = klu
-		klc_list = self.cal_trend(klc_list)
+		# cal_trend 只产出 klc.trend，而全仓只有它自己（经 prev_klcs 读自身序列
+		# 状态）、一个 __str__ 和 web 的 klc_trend 图层消费它——笔与中枢不读。
+		# 增量路径的 klc 其 trend 恒为 UNKNOWN 却与批量构建逐字段相同，是实证。
+		# 所以 lean 下可跳；web 走非 lean，图层不受影响。
+		if not getattr(self, 'lean', False):
+			klc_list = self.cal_trend(klc_list)
 		return klc_list
 
 

live/bitget_rest.py

@@ -0,0 +1,245 @@
+"""Bitget v2 合约 REST 的最小客户端，只覆盖实盘执行要用的几个端点。
+
+## 为什么不用 Hummingbot 下单
+
+Hummingbot 的 Bitget 连接器只暴露 LIMIT / LIMIT_MAKER / MARKET，没有触发单。
+于是 `PositionExecutor` 的止损只能在本地控制循环里盯价、触发时才发市价单——
+**进程一死仓位就是裸的**。
+
+而交易所本身完全支持：`place-order` 有 `presetStopLossPrice`，下单时就把止损
+挂到服务端。所以整个结构变成两个调用，止损从入场那一刻起就不依赖我们的进程
+存活。绕过连接器不是图省事，是为了消掉一整类故障。
+
+## 止盈为什么不用 presetStopSurplusPrice
+
+它触发后按**市价**执行。而成本模型里止盈是 maker——那 60% 的出场不吃滑点、
+按 maker 费率计（见 `lib/shadow_budget.LEG_IS_TAKER`）。用 preset 会让这部分
+变成 taker，预算模型就不成立了。所以止盈单独挂 `post_only` 的 reduce-only
+限价单。
+
+止损反过来：必须是市价。stop-limit 在急跌里可能不成交，损失远大于省下的费。
+"""
+from __future__ import annotations
+
+import base64
+import hashlib
+import hmac
+import json
+import os
+import time
+
+BASE = "https://api.bitget.com"
+PRODUCT = "usdt-futures"
+MARGIN_COIN = "USDT"
+
+
+class BitgetError(RuntimeError):
+    def __init__(self, code: str, msg: str, path: str):
+        super().__init__(f"{path} → [{code}] {msg}")
+        self.code, self.msg = code, msg
+
+
+class Bitget:
+    def __init__(self, key: str = "", secret: str = "", passphrase: str = "",
+                 dry: bool = False):
+        self.key = key or os.environ.get("BITGET_API_KEY", "")
+        self.secret = secret or os.environ.get("BITGET_API_SECRET", "")
+        # 两个名字都收：另外两项是 BITGET_API_KEY / BITGET_API_SECRET，
+        # 这一项却没有 API_，很容易顺手写成 BITGET_API_PASSPHRASE。写错的
+        # 后果是"密钥像是填了"但签名一直失败，排查起来很绕
+        self.passphrase = (passphrase
+                           or os.environ.get("BITGET_PASSPHRASE", "")
+                           or os.environ.get("BITGET_API_PASSPHRASE", ""))
+        self.dry = dry
+        self._sess = None
+
+    def _sign(self, ts: str, method: str, path: str, body: str) -> str:
+        msg = f"{ts}{method.upper()}{path}{body}"
+        return base64.b64encode(hmac.new(
+            self.secret.encode(), msg.encode(), hashlib.sha256).digest()
+        ).decode()
+
+    async def _req(self, method: str, path: str, params: dict | None = None,
+                   body: dict | None = None) -> dict:
+        import aiohttp
+        if self._sess is None:
+            self._sess = aiohttp.ClientSession(
+                timeout=aiohttp.ClientTimeout(total=15))
+        qs = ""
+        if params:
+            qs = "?" + "&".join(f"{k}={v}" for k, v in sorted(params.items()))
+        payload = json.dumps(body) if body else ""
+        ts = str(int(time.time() * 1000))
+        headers = {
+            "ACCESS-KEY": self.key,
+            "ACCESS-SIGN": self._sign(ts, method, path + qs, payload),
+            "ACCESS-PASSPHRASE": self.passphrase,
+            "ACCESS-TIMESTAMP": ts,
+            "Content-Type": "application/json",
+            "locale": "en-US",
+        }
+        async with self._sess.request(method, BASE + path + qs,
+                                      headers=headers,
+                                      data=payload or None) as r:
+            d = await r.json()
+        if str(d.get("code")) != "00000":
+            raise BitgetError(str(d.get("code")), str(d.get("msg")), path)
+        return d.get("data")
+
+    async def close(self) -> None:
+        if self._sess is not None:
+            await self._sess.close()
+            self._sess = None
+
+    # ── 只读 ──────────────────────────────────────────────────────
+    async def contracts(self) -> dict:
+        """合约规则。用于数量步长与价格 tick。"""
+        d = await self._req("GET", "/api/v2/mix/market/contracts",
+                            {"productType": PRODUCT})
+        return {c["symbol"]: c for c in d}
+
+    async def positions(self) -> list:
+        d = await self._req("GET", "/api/v2/mix/position/all-position",
+                            {"productType": PRODUCT,
+                             "marginCoin": MARGIN_COIN})
+        return [p for p in (d or []) if float(p.get("total") or 0) != 0]
+
+    async def history_positions(self, start_ms: int | None = None,
+                               limit: int = 100) -> list:
+        """已平仓位，用来取**已实现盈亏**。
+
+        为什么必须问交易所而不是自己算：止损与止盈都挂在交易所侧成交，本进程
+        看不到成交价；而且要算准还得含手续费与资金费。这个端点的 `netProfit`
+        已经是 `pnl + totalFunding + openFee + closeFee`，正是日亏损上限该用
+        的数。自己按标记价估会把费用漏掉，方向还总是偏乐观。
+
+        返回形状按文档是 `data.list`，但也见过直接给数组的写法，两种都收。
+        时间字段文档写 `ctime/utime`，官方 TS 类型写 `cTime/uTime`，同样都读。
+        """
+        p: dict = {"productType": PRODUCT, "limit": str(limit)}
+        if start_ms:
+            p["startTime"] = str(int(start_ms))
+        d = await self._req("GET", "/api/v2/mix/position/history-position", p)
+        if isinstance(d, dict):
+            return list(d.get("list") or [])
+        return list(d or [])
+
+    async def fee_rate(self, symbol: str) -> dict:
+        """账户在该合约上的**实际**费率档。
+
+        这一项决定 ATR 门控阈值（约 5 + 1.1×taker_bp），进而决定可交易币池。
+        接口的合约默认档是 VIP0，不是账户档，必须问这个端点。
+        """
+        return await self._req("GET", "/api/v2/mix/market/query-position-lever",
+                               {"symbol": symbol, "productType": PRODUCT})
+
+    async def account(self) -> dict:
+        return await self._req("GET", "/api/v2/mix/account/account",
+                               {"symbol": "BTCUSDT", "productType": PRODUCT,
+                                "marginCoin": MARGIN_COIN})
+
+    # ── 写 ────────────────────────────────────────────────────────
+    async def set_leverage(self, symbol: str, lev: int,
+                           hold_side: str | None = None) -> dict:
+        body = {"symbol": symbol, "productType": PRODUCT,
+                "marginCoin": MARGIN_COIN, "leverage": str(lev)}
+        if hold_side:
+            body["holdSide"] = hold_side
+        return await self._req("POST", "/api/v2/mix/account/set-leverage",
+                               body=body)
+
+    async def set_margin_mode(self, symbol: str,
+                              mode: str = "isolated") -> dict:
+        return await self._req("POST", "/api/v2/mix/account/set-margin-mode",
+                               body={"symbol": symbol, "productType": PRODUCT,
+                                     "marginCoin": MARGIN_COIN,
+                                     "marginMode": mode})
+
+    async def set_position_mode(self, mode: str = "one_way_mode") -> dict:
+        """单向 / 双向持仓。**按 productType 生效，不是按 symbol。**
+
+        必须显式设，因为它决定下单体的语法，两者不匹配会被整体拒单：
+
+            单向：side=buy/sell，**不带** tradeSide；平仓用 reduceOnly=YES
+            双向：side + tradeSide=open/close；reduceOnly 在这个模式下无效
+
+        实盘上曾因为带着 tradeSide 打到单向账户，连续 8 次下单全被 40774 拒掉
+        （4 个信号 × 2 条腿），而链路其余部分完全正常。
+
+        我们永不同时持有两个方向，所以单向是对的模式；且 reduceOnly 只在单向
+        下可用，而出场腿依赖它防止反手开出反向仓。
+
+        交易所侧有持仓或挂单时切换会失败——所以调用点放在 reconcile 之后。
+        """
+        return await self._req("POST", "/api/v2/mix/account/set-position-mode",
+                               body={"productType": PRODUCT, "posMode": mode})
+
+    async def entry_with_stop(self, symbol: str, side: str, size: str,
+                              stop_px: str, client_oid: str) -> dict:
+        """市价入场，**同时**把止损挂到服务端。
+
+        `presetStopLossPrice` 触发后按市价执行，这正是成本模型要的（止损是
+        taker）。`clientOid` 给交易所级幂等——重发同一个 oid 会被拒，比本地
+        去重可靠，因为「已发出但没收到回复」这种情况本地判不了。
+
+        **不带 `tradeSide`**：账户是单向持仓，带了会被 40774 整体拒单。
+        """
+        body = {"symbol": symbol, "productType": PRODUCT,
+                "marginMode": "isolated", "marginCoin": MARGIN_COIN,
+                "size": size, "side": side,
+                "orderType": "market", "clientOid": client_oid,
+                "presetStopLossPrice": stop_px}
+        if self.dry:
+            print(f"  [dry] 入场+止损 {body}", flush=True)
+            return {"orderId": "dry", "clientOid": client_oid}
+        return await self._req("POST", "/api/v2/mix/order/place-order",
+                               body=body)
+
+    async def tp_limit(self, symbol: str, side: str, size: str, px: str,
+                       client_oid: str) -> dict:
+        """挂 maker 止盈。
+
+        `side` 传的是**平仓方向**（多头止盈是 sell）。`post_only` 保证是 maker：
+        成本模型里止盈那 60% 按 maker 费率计且不吃滑点，用 taker 会破坏预算。
+
+        单向持仓下平仓的写法是 `side` 取反 + `reduceOnly=YES`，**不带**
+        `tradeSide`。`reduceOnly` 也正好只在单向模式下有效，它防止反手开出
+        一个反向仓。
+        """
+        body = {"symbol": symbol, "productType": PRODUCT,
+                "marginMode": "isolated", "marginCoin": MARGIN_COIN,
+                "size": size, "side": side,
+                "orderType": "limit", "price": px, "force": "post_only",
+                "reduceOnly": "YES", "clientOid": client_oid}
+        if self.dry:
+            print(f"  [dry] 止盈限价 {body}", flush=True)
+            return {"orderId": "dry", "clientOid": client_oid}
+        return await self._req("POST", "/api/v2/mix/order/place-order",
+                               body=body)
+
+    async def close_market(self, symbol: str, hold_side: str,
+                           size: str, client_oid: str) -> dict:
+        """市价平（超时腿与对账用）。
+
+        同 tp_limit：单向持仓下是 `side` 取反 + `reduceOnly`，不带 `tradeSide`。
+        """
+        side = "sell" if hold_side == "long" else "buy"
+        body = {"symbol": symbol, "productType": PRODUCT,
+                "marginMode": "isolated", "marginCoin": MARGIN_COIN,
+                "size": size, "side": side,
+                "orderType": "market", "reduceOnly": "YES",
+                "clientOid": client_oid}
+        if self.dry:
+            print(f"  [dry] 市价平 {body}", flush=True)
+            return {"orderId": "dry"}
+        return await self._req("POST", "/api/v2/mix/order/place-order",
+                               body=body)
+
+    async def cancel_all(self, symbol: str) -> dict:
+        body = {"symbol": symbol, "productType": PRODUCT,
+                "marginCoin": MARGIN_COIN}
+        if self.dry:
+            print(f"  [dry] 撤全部挂单 {symbol}", flush=True)
+            return {}
+        return await self._req("POST", "/api/v2/mix/order/cancel-all-orders",
+                               body=body)

live/deploy/README.md

@@ -0,0 +1,170 @@
+# 小额实盘执行器 · 部署
+
+## 为什么是两台机
+
+Bitget 的 API key 绑了 IP 白名单，只能从 AWS 那台发单；信号是新加坡那台采集器
+算出来的。于是分工固定成：
+
+```
+新加坡（采集/研究机）                    AWS（生产机）
+  shadow_hb.py 算信号                     ship_signals.py 拉总线
+    └→ ~/chan-live/state/                   └→ /var/lib/chan-live/state/
+         signals_live.jsonl  ──ssh tail──→        signals_live.jsonl
+                                            live_exec.py 读总线 → Bitget REST
+```
+
+**生产机上不装采集侧的任何东西**（Docker / Hummingbot / pandas / chanlun）。
+理由不是洁癖，是四条具体代价：
+
+1. `live_state.json` 原先落在 `research/out/`，而那个目录 `shadow_hb.py` 会在
+   CSV 表头变化时自动 rename 归档、研究脚本会写、人也会手工清数据。那个文件装
+   的是 `MAX_DAY_LOSS` 累计与已处理信号键，**被清掉不报错，只是两道闸静默
+   失效**。现在改到 `/var/lib/chan-live`。
+2. 采集器十币清空 300~560ms，直接叠在信号到达执行器的延迟上。
+3. 研究侧的探针 OOM 过一次（14.9 GB、负载 12）。当时若有仓位在场，执行器会被
+   一起杀掉，只剩交易所侧止损兜着。
+4. 依赖面：执行器只需标准库 + `aiohttp`。原先为读两个常量 import 研究侧的
+   `step43`，把 numpy/pandas/pyarrow 全拖进实盘进程。
+
+`install.sh` 里有一条断言会真的挡住第 4 条回归。
+
+## 机器要求
+
+CPU 无所谓（执行器几乎不算东西，信号 6.8 个/天）。要的是：
+
+- 出口 IP 固定，且已加进 Bitget 该 key 的白名单
+- `chrony` 能同步。**这一条是硬要求**：`LIVE_STALE_S` 那道闸靠两机时钟一致才
+  有意义，采集机时钟快 5 分钟就等于把闸放宽 5 分钟，一个早已失效的参考价会被
+  当成新鲜的照做
+- 能 ssh 到采集机（拉总线用）
+
+## 一、生产机（AWS）
+
+```bash
+# 1. 取代码。只需要 live/ 这一个子树，但整仓克隆更省事
+git clone -b chan <repo> /tmp/chan && cd /tmp/chan
+sudo ./live/deploy/install.sh
+#    或让它自己克隆：sudo REPO=<repo> ./live/deploy/install.sh
+
+# 2. 填密钥与参数
+sudo vi /etc/chan-live/live.env
+```
+
+`live.env` 里必须改的四项：`BITGET_API_KEY` / `SECRET` / `PASSPHRASE` /
+`SHIP_FROM`。密钥权限**只勾只读 + 交易，不要勾提币**。
+
+```bash
+# 3. 装拉总线用的 ssh key
+sudo -u chan ssh-keygen -t ed25519 -N '' \
+     -f /var/lib/chan-live/home/.ssh/id_ed25519
+sudo cat /var/lib/chan-live/home/.ssh/id_ed25519.pub
+#    把这一行加到采集机的 ~/.ssh/authorized_keys
+
+# 4. 空跑验全链（不下真单）
+sudo ./live/deploy/dryrun.sh
+```
+
+`dryrun.sh` 验的是那些"上线才暴露、且暴露方式是花钱"的环节：密钥能不能用、
+IP 白名单对不对、chrony 同步没有、ssh 通不通、对端总线有没有信号、数量与价位
+取整合不合交易所规则。**不要跳过。**
+
+```bash
+# 5. 真跑
+sudo systemctl enable --now chan-live-ship chan-live-exec
+./live/deploy/status.sh
+```
+
+## 二、采集机（新加坡）
+
+采集器要重启一次才会开始往总线写——`signal_bus.emit` 是后加的，跑着的进程没有
+加载。重启会丢已采的几分钟，数据本身不受影响（CSV 是追加的）。
+
+```bash
+cd <repo> && git pull
+docker stop shadow && docker rm shadow
+SHADOW_SITE=sg-tencent SYMS=BTC,ETH,SOL,BNB,XRP,DOGE,ADA,AVAX,LINK,LTC \
+    bash research/live/deploy/start.sh
+```
+
+`start.sh` 会把 `$HOME/chan-live/state` 挂进容器成 `/bus`，总线落在
+`$HOME/chan-live/state/signals_live.jsonl`。**总线刻意放在仓库外**，因为它是
+交给另一台机的交接点，而仓库会被 git 动。
+
+确认在写：
+
+```bash
+ls -la ~/chan-live/state/
+# 等一个信号（6.8 个/天，可能要等几小时）
+tail -f ~/chan-live/state/signals_live.jsonl
+```
+
+## 日常
+
+```bash
+./live/deploy/status.sh                      # 一屏体检
+journalctl -u chan-live-exec -f              # 执行器日志
+journalctl -u chan-live-ship -f              # 搬运日志
+```
+
+**怎么判健康：** 信号 6.8 个/天，所以"很久没有新信号"是正常的，不能当健康
+指标。要看的是 `chan-live-ship` 的心跳（每 5 分钟一条），里面报 ssh 在线时长与
+重连次数。管道死了但进程还活着是这里最危险的状态——`ServerAliveInterval=15`
+负责让它变成一次可见的断开。
+
+**Telegram** 在 `live.env` 里填 `TG_TOKEN` / `TG_CHAT` 就开。启动时会推一条
+"执行器启动"，兼作通道自检——配错了当场就知道，而不是等几小时后第一个真信号
+来时才发现。之后每小时一条在线（`TG_HB_MIN`，默认 60），带建仓数、当日盈亏
+和搬运 ssh 新鲜度——执行器活着不代表上游还在投信号。推开仓、平仓（带已实现
+盈亏）、被硬约束挡住、报错、对账平仓、跨日结算；不推信号过期跳过（常态）和
+5 分钟日志心跳。约 55 条/天上限。
+
+## 停机与回滚
+
+```bash
+# 停新开仓，但保留在场仓位的管理（48 分钟超时平仓在执行器进程里）
+sudo systemctl stop chan-live-ship
+
+# 全停。执行器收到 SIGTERM 会**撤挂单 + 市价平掉在场仓位**再退出
+# （内部平仓上限 60s，systemd 给了 90s 停机窗口）
+sudo systemctl stop chan-live-exec
+
+# 代码回滚
+cd /opt/chan && sudo git reset --hard <sha> && sudo systemctl restart chan-live-exec
+```
+
+⚠️ **状态目录 `/var/lib/chan-live` 不要跟着回滚。** 它存的是当日计数与已处理
+信号键；清掉等于日上限归零、且可能重开已经做过的仓。
+
+## 故障处理
+
+| 症状 | 大概率原因 |
+|---|---|
+| 启动即 `40018` / 签名错 | 出口 IP 不在白名单，或密钥抄错。`curl https://api.ipify.org` 对一下 |
+| 搬运日志 `Permission denied (publickey)` | 第 3 步的 pubkey 没加到采集机 |
+| 搬运在线但一直没信号 | 采集机没重启过（`signal_bus.emit` 没加载），或对端总线路径不对 |
+| Telegram 在线报「读不到搬运」 | 搬运没起，或还是没落 `ship_alive.json` 的旧版本，两边一起重启 |
+| Telegram 在线报「ssh 已断开」 | 采集机 ssh 断了，搬运在重连。看 `chan-live-ship` 日志 |
+| 日志 `⛔ 时间倒流 Xs` | 两机时钟不同步，**staleness 闸已不可信**。查两边 `chronyc tracking` |
+| 信号收到但都被跳过 | `age > LIVE_STALE_S`。看是搬运慢还是时钟偏；也可能是重连重放的旧信号（这种跳过是对的） |
+| `systemctl status` 显示 start-limit-hit | 5 分钟内重启 5 次，systemd 停手了。先看 journal 找真因，再 `systemctl reset-failed` |
+| 执行器起不来，报缺 numpy/pandas | 有人给生产侧加了研究侧的 import。`install.sh` 的依赖断言就是挡这个 |
+
+## 已知的退化边界
+
+- **进程死掉不会变成裸仓。** 止损与止盈都挂在交易所侧（`presetStopLossPrice`
+  与 post-only reduce-only 限价单），只有 48 分钟超时平仓在本进程。所以进程死
+  掉的后果是持仓超过 48 根，不是失去保护。
+- **崩溃与主动停机的处理不同，是刻意的。** 崩溃后 systemd 几秒内重启，
+  `reconcile` 接着撤挂单 + 平掉遗留仓位，空窗期由交易所侧止损兜着。主动
+  `systemctl stop` 则在退出前就平掉——因为停机后没人重启，仓位会一直挂到止损
+  或止盈，超时腿丢了就不是回测那个出场结构了。
+- **断线超过 20s 就等于漏掉那期间的信号。** 重连会把总线重放上来，但旧信号会被
+  staleness 闸挡掉。这是对的——参考成交价是次根开盘价，过了就不是回测那个价。
+- **重启时会平掉交易所上已有的仓位**（`reconcile`）。接管要重建入场价、ATR、
+  剩余半仓状态和已过根数，任一项猜错就跑成另一个收益结构，所以选择平掉。
+- **日亏损上限依赖 `watch()` 循环**。止损与止盈在交易所侧成交，本进程收不到
+  通知，所以有个 10s 轮询去 `history-position` 取 `netProfit`（含手续费与资金
+  费）记回闸。这个循环停了，`pnl_day` 会恒为 0，`MAX_DAY_LOSS` 静默失效。
+  心跳里会打 `当日 PnL x/-20`，值一直是 0.00 而又确实有平仓，就是它出了问题。
+- **平仓后 `MAX_OPEN` 名额由 `watch()` 释放**，不是立刻。最坏延迟 10s。若
+  历史记录还没落库，会等下一轮，日志里打"历史未就绪，下轮再结算"。

live/deploy/chan-live-exec.service

@@ -0,0 +1,49 @@
+[Unit]
+Description=chan 小额实盘执行器（读信号总线，直接调 Bitget REST）
+# 搬运挂了执行器仍要活着——它得继续管在场仓位的 48 分钟超时平仓。
+# 所以这里只写 Wants（弱依赖），不写 Requires
+Wants=network-online.target chan-live-ship.service
+After=network-online.target chan-live-ship.service
+# 频繁重启说明有真问题，别让它无限打交易所。5 分钟内起 5 次就停下等人。
+# 注意这两项在 systemd 229+ 属于 [Unit]，写在 [Service] 里会被忽略
+StartLimitIntervalSec=300
+StartLimitBurst=5
+
+[Service]
+Type=simple
+User=chan
+Group=chan
+WorkingDirectory=/opt/chan
+# 密钥与参数在这个文件里，权限必须 600。用 EnvironmentFile 而不是
+# Environment=，后者会出现在 `systemctl show` 的输出里
+EnvironmentFile=/etc/chan-live/live.env
+ExecStart=/opt/chan/.venv/bin/python /opt/chan/live/live_exec.py
+Restart=always
+RestartSec=5
+
+# 收到 stop 时给足时间：执行器接到 SIGTERM 会撤挂单 + 平掉在场仓位再退出
+# （live_exec.shutdown()，内部平仓上限 60s）。默认的 90s 停机窗口留了余量。
+# 不需要 KillSignal=SIGINT——SIGTERM 已在代码里显式挂了处理器
+TimeoutStopSec=90
+
+StandardOutput=journal
+StandardError=journal
+SyslogIdentifier=chan-live-exec
+
+# ── 收紧权限 ──────────────────────────────────────────────────────
+# 生产进程只需要读 /opt/chan 和读写状态目录，别的一概不给。这几条很廉价，
+# 但真出了远程代码执行，爆炸半径小很多——而这个进程手里有交易权限的密钥
+NoNewPrivileges=true
+PrivateTmp=true
+ProtectSystem=strict
+ProtectHome=true
+ReadWritePaths=/var/lib/chan-live
+ProtectKernelTunables=true
+ProtectKernelModules=true
+ProtectControlGroups=true
+RestrictSUIDSGID=true
+LockPersonality=true
+MemoryMax=512M
+
+[Install]
+WantedBy=multi-user.target

live/deploy/chan-live-ship.service

@@ -0,0 +1,40 @@
+[Unit]
+Description=chan 信号搬运（把采集机的总线拉到本机）
+After=network-online.target
+Wants=network-online.target
+StartLimitIntervalSec=300
+StartLimitBurst=10
+
+[Service]
+Type=simple
+User=chan
+Group=chan
+WorkingDirectory=/opt/chan
+EnvironmentFile=/etc/chan-live/live.env
+# SHIP_FROM 在 live.env 里给，形如 sg-collector 或 user@1.2.3.4
+ExecStart=/opt/chan/.venv/bin/python /opt/chan/live/ship_signals.py \
+    --from ${SHIP_FROM} --remote-bus ${SHIP_REMOTE_BUS}
+Restart=always
+RestartSec=5
+
+StandardOutput=journal
+StandardError=journal
+SyslogIdentifier=chan-live-ship
+
+NoNewPrivileges=true
+PrivateTmp=true
+ProtectSystem=strict
+# chan 用户的家目录放在 /var/lib/chan-live/home，只装拉总线用的那一把 ssh
+# key。这样 ProtectHome=true 挡住 /home 与 /root 的同时，ssh 仍能读到
+# ~/.ssh（它在 /var/lib 下，不受 ProtectHome 影响），也能写 known_hosts
+ProtectHome=true
+Environment=HOME=/var/lib/chan-live/home
+ReadWritePaths=/var/lib/chan-live
+ProtectKernelTunables=true
+ProtectKernelModules=true
+RestrictSUIDSGID=true
+LockPersonality=true
+MemoryMax=256M
+
+[Install]
+WantedBy=multi-user.target

live/deploy/dryrun.sh

@@ -0,0 +1,106 @@
+#!/usr/bin/env bash
+# 空跑验全链：真连交易所读规则/持仓，**不下任何真单**。
+#
+# 上真单之前必须过这一步。它验的是那些"上线才会暴露、且暴露方式是花钱"的
+# 环节：密钥能不能用、IP 白名单对不对、时钟同不同步、搬运通不通、
+# 数量与价位取整合不合交易所规则。
+set -euo pipefail
+
+APP=/opt/chan
+CONF=/etc/chan-live/live.env
+STATE=/var/lib/chan-live
+USER_NAME=chan
+SECS="${SECS:-90}"
+
+die() { echo "⛔ $*" >&2; exit 1; }
+ok()  { echo "  ✓ $*"; }
+
+[[ $EUID -eq 0 ]] || die "要 root：sudo $0"
+[[ -f "$CONF" ]] || die "缺 $CONF，先跑 install.sh"
+
+set -a; . "$CONF"; set +a
+
+echo "── 1. 配置自检 ──"
+for v in BITGET_API_KEY BITGET_API_SECRET BITGET_PASSPHRASE SHIP_FROM; do
+    [[ -n "${!v:-}" ]] || die "$CONF 里 $v 还是空的"
+done
+ok "密钥三项与 SHIP_FROM 都已填"
+[[ "$LIVE_HOME" != /opt/chan* ]] || die "LIVE_HOME 不能指到仓库里（会被 git 清掉）"
+ok "LIVE_HOME=$LIVE_HOME 在仓库外"
+
+echo "── 2. 时钟 ──"
+# staleness 闸靠两机时钟一致才有意义。这里只能验本机；跨机偏差由
+# ship_signals 在收到信号时报「时间倒流」
+if command -v chronyc >/dev/null; then
+    chronyc tracking | grep -E "Reference ID|System time|Leap status" | sed 's/^/    /'
+    src="$(chronyc tracking | awk '/Reference ID/{print $NF}')"
+    [[ "$src" != "()" && -n "$src" ]] || die "chrony 还没同步上，等一会再跑"
+    ok "chrony 已同步"
+else
+    die "没装 chrony。staleness 闸不可信，先 apt install chrony"
+fi
+
+echo "── 3. 出口 IP 是否在白名单内 ──"
+myip="$(curl -s --max-time 10 https://api.ipify.org || true)"
+[[ -n "$myip" ]] && echo "    本机出口 IP：$myip" || echo "    ⚠ 取不到出口 IP"
+echo "    对照 Bitget 后台该 key 的 IP 白名单，不一致下面会报 40018 之类"
+
+echo "── 4. 能否 ssh 到采集机 ──"
+# 不能用 ssh <host> 'echo ok' 来试：采集机那侧的 authorized_keys 用了强制命令
+# （把这把 key 锁成只能跑 tail，拿不到 shell），任何请求都会变成 tail -F，
+# 而它**永不返回**——ConnectTimeout 只管建连不管命令时长，测试会永久挂住。
+# 所以照 ship_signals 的真实用法读流：tail -c +0 会先把整个文件吐出来，
+# 数一下就等于对端总线的条数，之后它挂着等新内容，由 timeout 收掉。
+rb="${SHIP_REMOTE_BUS:-\$HOME/chan-live/state/signals_live.jsonl}"
+err="$(mktemp)"; outf="$(mktemp)"
+# timeout 要套在 sudo **里面**：套外面时 SIGTERM 只到 sudo，未必传给 ssh，
+# 于是该被收掉的 tail 会继续挂着
+sudo -u "$USER_NAME" timeout 12 ssh -T -o BatchMode=yes -o ConnectTimeout=10 \
+    "$SHIP_FROM" "tail -c +0 -F $rb" >"$outf" 2>"$err" || true
+n="$(wc -l < "$outf")"
+if grep -qi "Host key verification failed" "$err"; then
+    fp="（在采集机上跑 ssh-keygen -lf /etc/ssh/ssh_host_ed25519_key.pub 拿）"
+    rm -f "$err" "$outf"
+    die "主机指纹没确认过。这不是 key 的问题，装 key 也修不了。
+       $USER_NAME 的 known_hosts 是空的，而 BatchMode=yes 不允许交互确认。
+       **不要**用 StrictHostKeyChecking=no 糊过去，那等于放弃中间人防护。
+       正确做法：在采集机上读出权威指纹 $fp，
+       再在这台上写入并核对：
+         sudo -u $USER_NAME ssh-keyscan -t ed25519 <采集机IP> \\
+           | sudo -u $USER_NAME tee -a $STATE/home/.ssh/known_hosts
+         sudo -u $USER_NAME ssh-keygen -lf $STATE/home/.ssh/known_hosts"
+elif grep -qiE "Permission denied|publickey" "$err"; then
+    rm -f "$err" "$outf"
+    die "认证被拒。指纹是通的，是 key 没装到采集机上：
+       sudo -u $USER_NAME ssh-keygen -t ed25519 -N '' -f $STATE/home/.ssh/id_ed25519
+       再把 $STATE/home/.ssh/id_ed25519.pub 加到采集机的 authorized_keys"
+elif [[ -s "$err" ]] && ! grep -q "^" "$outf" 2>/dev/null; then
+    msg="$(head -3 "$err")"; rm -f "$err" "$outf"
+    die "ssh $SHIP_FROM 不通：$msg"
+else
+    ok "ssh $SHIP_FROM 通"
+    echo "    对端总线现有 $n 条信号"
+    [[ "$n" -gt 0 ]] || echo "    ⚠ 对端总线是空的。信号 6.8 个/天，刚重启过就是空的很正常；但要确认采集机接了总线"
+    rm -f "$err" "$outf"
+fi
+
+echo "── 5. 执行器空跑 ${SECS}s（真连交易所，不下单）──"
+# --dry-run 下只读不写：下单一律只打印。合约规则那个端点是**公开**的、不验签，
+# 所以空跑里专门补了一次带签名的 account() —— 否则这一步会"通过"却根本没测到
+# 密钥与 IP 白名单，等第一个真信号来时才暴露，而那时信号正在过期
+# 让 chan 自己 source 配置（$CONF 是 640 root:chan，它读得到）。
+# 不用 `env "$(grep ...)"` 那种拼法：值里有空格就会被切开
+set +e
+sudo -u "$USER_NAME" bash -c \
+    "set -a; . '$CONF'; set +a; exec timeout $SECS \
+     '$APP/.venv/bin/python' '$APP/live/live_exec.py' --dry-run"
+rc=$?
+set -e
+# timeout 到点是 124，属于预期
+[[ $rc -eq 124 || $rc -eq 0 ]] || die "空跑退出码 $rc，看上面报错"
+ok "空跑没有报错退出"
+
+echo
+echo "空跑过了。真跑："
+echo "  sudo systemctl enable --now chan-live-ship chan-live-exec"
+echo "  $APP/live/deploy/status.sh"

live/deploy/install.sh

@@ -0,0 +1,203 @@
+#!/usr/bin/env bash
+# 在生产机（有 Bitget API key 白名单的那台）上装实盘执行器。
+#
+# 只装执行侧：标准库 + aiohttp。**不装** Docker / Hummingbot / pandas /
+# chanlun 引擎——那些是采集与研究侧的依赖，理由见 live/live_exec.py 文件头。
+#
+#   sudo ./install.sh                        # 从当前 checkout 安装
+#   sudo REPO=git@host:jack/chan.git ./install.sh   # 或指定远程克隆
+#
+# 幂等：重复跑只会更新代码与依赖，不动 /etc/chan-live/live.env 和状态目录。
+set -euo pipefail
+
+APP=/opt/chan
+STATE=/var/lib/chan-live
+CONF=/etc/chan-live
+USER_NAME=chan
+BRANCH="${BRANCH:-chan}"
+REPO="${REPO:-}"
+
+die() { echo "⛔ $*" >&2; exit 1; }
+say() { echo "  $*"; }
+
+[[ $EUID -eq 0 ]] || die "要 root：sudo $0"
+
+# ── --sync-env：把模板新增的项追加到已有配置 ────────────────────────
+# 独立成一个模式而不是塞进安装流程：追加会改一个装着密钥的文件，这种事应当
+# 由你显式发起。只追加缺的项（连它上面的注释一起），**不动**已有任何一行。
+if [[ "${1:-}" == "--sync-env" ]]; then
+    EX="$(cd "$(dirname "${BASH_SOURCE[0]}")" && pwd)/live.env.example"
+    [[ -f "$EX" ]] || die "找不到模板 $EX"
+    [[ -f "$CONF/live.env" ]] || die "$CONF/live.env 还不存在，先跑一次 sudo $0"
+    cp -a "$CONF/live.env" "$CONF/live.env.bak.$(date +%Y%m%d%H%M%S)"
+    python3 - "$EX" "$CONF/live.env" <<'PY'
+import re
+import sys
+
+ex_path, live_path = sys.argv[1], sys.argv[2]
+ex = open(ex_path, encoding="utf-8").read().splitlines()
+live = open(live_path, encoding="utf-8").read()
+KEY = re.compile(r"^([A-Z_][A-Z0-9_]*)=")
+have = set(KEY.match(x).group(1) for x in live.splitlines() if KEY.match(x))
+
+add, block = [], []
+for line in ex:
+    if KEY.match(line):
+        k = KEY.match(line).group(1)
+        if k not in have:
+            add += block + [line]
+        block = []
+    elif line.startswith("#") or (not line.strip() and block):
+        block.append(line)
+    else:
+        block = []
+
+if not add:
+    print("  配置已是最新，无需追加")
+    raise SystemExit(0)
+with open(live_path, "a", encoding="utf-8") as f:
+    f.write("\n\n# ── 以下由 install.sh --sync-env 追加 ──\n")
+    f.write("\n".join(add) + "\n")
+n = sum(1 for x in add if KEY.match(x))
+print(f"  追加了 {n} 项：" +
+      " ".join(KEY.match(x).group(1) for x in add if KEY.match(x)))
+PY
+    say "原文件已备份为 $CONF/live.env.bak.*"
+    say "追加的项多半是空值，逐项填完再重启：sudo systemctl restart chan-live-exec"
+    exit 0
+fi
+
+# ── 1. 系统依赖 ────────────────────────────────────────────────────
+say "装系统包"
+if command -v apt-get >/dev/null; then
+    export DEBIAN_FRONTEND=noninteractive
+    apt-get update -qq
+    # chrony 不是可选项：staleness 闸靠两机时钟一致才有意义，
+    # 采集机时钟快 5 分钟就等于把闸放宽 5 分钟（见 ship_signals.py）
+    apt-get install -y -qq python3-venv python3-pip git chrony openssh-client
+elif command -v dnf >/dev/null; then
+    dnf install -y -q python3 python3-pip git chrony openssh-clients
+else
+    die "只认 apt/dnf，其他发行版请手工装 python3-venv git chrony"
+fi
+systemctl enable --now chrony 2>/dev/null || systemctl enable --now chronyd
+
+# ── 2. 专用用户与目录 ──────────────────────────────────────────────
+if ! id -u "$USER_NAME" >/dev/null 2>&1; then
+    say "建系统用户 $USER_NAME（无登录 shell）"
+    useradd --system --home-dir "$STATE/home" --create-home \
+            --shell /usr/sbin/nologin "$USER_NAME"
+fi
+install -d -o "$USER_NAME" -g "$USER_NAME" -m 750 "$STATE" "$STATE/state" "$STATE/home"
+install -d -o "$USER_NAME" -g "$USER_NAME" -m 700 "$STATE/home/.ssh"
+install -d -o root -g "$USER_NAME" -m 750 "$CONF"
+
+# ── 3. 代码 ────────────────────────────────────────────────────────
+if [[ -n "$REPO" ]]; then
+    if [[ -d "$APP/.git" ]]; then
+        say "更新已有 checkout"
+        git -C "$APP" fetch --quiet origin "$BRANCH"
+        git -C "$APP" checkout --quiet "$BRANCH"
+        git -C "$APP" reset --hard --quiet "origin/$BRANCH"
+    else
+        say "克隆 $REPO"
+        rm -rf "$APP"; git clone --quiet --branch "$BRANCH" "$REPO" "$APP"
+    fi
+else
+    SRC="$(cd "$(dirname "${BASH_SOURCE[0]}")/../.." && pwd)"
+    [[ -f "$SRC/live/live_exec.py" ]] || die "$SRC 不像仓库根（缺 live/live_exec.py）"
+    if [[ "$SRC" != "$APP" ]]; then
+        say "从 $SRC 同步代码到 $APP"
+        install -d "$APP"
+        # 只同步生产要的那一个子树。研究侧的 research/ 不上生产机：
+        # 它带 pandas/pyarrow/hummingbot，而且探针 OOM 过一次（14.9GB）
+        cp -a "$SRC/live" "$APP/"
+    fi
+fi
+chown -R root:root "$APP/live"
+find "$APP/live" -type f -exec chmod 644 {} + ; chmod 755 "$APP/live" "$APP/live/deploy"
+chmod 755 "$APP"/live/deploy/*.sh
+
+# ── 4. venv ───────────────────────────────────────────────────────
+say "建 venv 并装依赖（应当只有 aiohttp）"
+[[ -d "$APP/.venv" ]] || python3 -m venv "$APP/.venv"
+"$APP/.venv/bin/pip" install --quiet --upgrade pip
+"$APP/.venv/bin/pip" install --quiet -r "$APP/live/requirements.txt"
+
+# 断言生产进程没被拖进重量级依赖。这条会真挡住——曾经为读两个常量
+# import 研究侧的 step43，把 numpy/pandas/pyarrow 全拉进实盘进程
+say "验依赖面"
+"$APP/.venv/bin/python" - <<'PY' || die "生产进程拖进了重量级依赖，看上面输出"
+import sys
+sys.path.insert(0, "/opt/chan/live")
+import live_exec
+live_exec.assert_decomposable()
+heavy = [m for m in ("numpy", "pandas", "pyarrow", "hummingbot", "scipy")
+         if m in sys.modules]
+if heavy:
+    print(f"  ⛔ 启动路径加载了 {heavy}")
+    raise SystemExit(1)
+print(f"  ✓ 只有标准库 + aiohttp · 出场结构 "
+      f"{live_exec.SL_ATR}/{live_exec.SCALE_ATR}/{live_exec.RUNNER_ATR} ATR "
+      f"/{live_exec.MAXB} 根")
+PY
+
+# ── 5. 配置模板 ────────────────────────────────────────────────────
+if [[ ! -f "$CONF/live.env" ]]; then
+    say "写配置模板 $CONF/live.env（密钥要你手工填）"
+    install -o root -g "$USER_NAME" -m 640 \
+        "$APP/live/deploy/live.env.example" "$CONF/live.env"
+    NEED_FILL=1
+else
+    say "$CONF/live.env 已存在，不覆盖（里面是密钥）"
+    # 但要报出模板新增的项。不报的话，以后往 example 里加配置，已有部署会
+    # **永远拿不到且毫无提示**——静默漂移，等到出事才发现某个开关根本没生效
+    keys() { grep -oE '^[A-Z_][A-Z0-9_]*=' "$1" | tr -d '=' | sort -u; }
+    MISSING="$(comm -23 <(keys "$APP/live/deploy/live.env.example") \
+                        <(keys "$CONF/live.env") | tr '\n' ' ')"
+    if [[ -n "${MISSING// }" ]]; then
+        say "⚠ 模板比你的配置多了这些项：$MISSING"
+        say "  逐项看说明：$APP/live/deploy/live.env.example"
+        say "  要把缺的那几行连注释一起追加过去，跑："
+        say "    sudo $APP/live/deploy/install.sh --sync-env"
+        NEED_FILL=1
+    fi
+    OBSOLETE="$(comm -13 <(keys "$APP/live/deploy/live.env.example") \
+                         <(keys "$CONF/live.env") | tr '\n' ' ')"
+    [[ -n "${OBSOLETE// }" ]] && \
+        say "  另有模板里已没有的项（可能已废弃）：$OBSOLETE"
+fi
+
+# ── 6. systemd ────────────────────────────────────────────────────
+say "装 systemd 单元"
+install -m 644 "$APP"/live/deploy/chan-live-*.service /etc/systemd/system/
+systemctl daemon-reload
+
+echo
+echo "装好了。接下来按顺序做（**不要**跳过空跑那步）："
+echo
+if [[ -n "${NEED_FILL:-}" ]]; then
+echo "  1. 填密钥与参数：sudo vi $CONF/live.env"
+echo "     BITGET_API_KEY / SECRET / PASSPHRASE 用只读+交易权限，"
+echo "     **不要开提币权限**。SHIP_FROM 填采集机的 ssh 目标。"
+echo
+fi
+echo "  2. 装拉总线用的 ssh key："
+echo "     sudo -u $USER_NAME ssh-keygen -t ed25519 -N '' -f $STATE/home/.ssh/id_ed25519"
+echo "     # 把 $STATE/home/.ssh/id_ed25519.pub 加到采集机的 authorized_keys"
+echo
+echo "     还要写 known_hosts，否则报 Host key verification failed —— 服务跑"
+echo "     起来会撞同一个墙，因为 BatchMode=yes 不允许交互确认："
+echo "     sudo -u $USER_NAME ssh-keyscan -t ed25519 <采集机IP> \\"
+echo "       | sudo -u $USER_NAME tee -a $STATE/home/.ssh/known_hosts"
+echo "     sudo -u $USER_NAME ssh-keygen -lf $STATE/home/.ssh/known_hosts"
+echo "     # 把指纹跟采集机上 ssh-keygen -lf /etc/ssh/ssh_host_ed25519_key.pub"
+echo "     # 的输出比一遍。**不要**图省事用 StrictHostKeyChecking=no，"
+echo "     # 那等于放弃中间人防护，而这条链路上跑的是下单信号"
+echo
+echo "  3. 空跑验全链（不下真单，跑够看到一次心跳再停）："
+echo "     sudo $APP/live/deploy/dryrun.sh"
+echo
+echo "  4. 真跑："
+echo "     sudo systemctl enable --now chan-live-ship chan-live-exec"
+echo "     $APP/live/deploy/status.sh"

live/deploy/live.env.example

@@ -0,0 +1,71 @@
+# 生产配置。装到 /etc/chan-live/live.env，权限 640 root:chan。
+# **不要提交填好的版本**——这里有交易权限的密钥。
+#
+# 改完要重启：sudo systemctl restart chan-live-exec
+
+# ── Bitget 密钥 ───────────────────────────────────────────────────
+# 权限只勾「只读」+「交易」，**不要勾提币**。
+# IP 白名单填这台机的公网出口 IP（curl -s https://api.ipify.org 看）。
+# 这也是执行器必须跑在这台机上的唯一原因——密钥绑了这个 IP。
+BITGET_API_KEY=
+BITGET_API_SECRET=
+BITGET_PASSPHRASE=
+
+# ── 信号来源（采集机）─────────────────────────────────────────────
+# ssh 目标。可以是 ~/.ssh/config 里的别名，或 user@ip
+SHIP_FROM=sg-collector
+# 采集机上总线文件的路径（在对端 shell 里展开，可用 ~）
+SHIP_REMOTE_BUS=~/chan-live/state/signals_live.jsonl
+
+# ── 状态与总线 ────────────────────────────────────────────────────
+# 生产状态的根。**不要指到仓库里**：git checkout/clean 会动仓库，而这里存的
+# 是日亏损累计与在场仓位，被清掉等于 MAX_DAY_LOSS / MAX_OPEN 两道闸失忆。
+# systemd 单元里 ReadWritePaths 也是这个路径，改了要一起改
+LIVE_HOME=/var/lib/chan-live
+SIGNAL_BUS=/var/lib/chan-live/state/signals_live.jsonl
+
+# ── 仓位 ─────────────────────────────────────────────────────────
+# 每笔名义额（USDT）。杠杆**不改**手续费与滑点（都按名义额收），所以抬名义额
+# 有真实成本；抬它的唯一理由是压掉步长取整：实测最差币的偏差
+# 100U → 6.7%(SOL)、500U → 1.8%、1000U → 0.6%
+LIVE_NOTIONAL=500
+# 杠杆只影响占用保证金，不影响名义敞口/手续费/滑点/盈亏绝对值。
+# 名义 500 在 10x 下占 50 USDT 保证金；止损在 2 ATR ≈ 0.2%，而 10x 强平约需
+# 逆向 10% = 100 个 ATR，差 50 倍。交易所侧记得设**逐仓**
+LIVE_LEVERAGE=10
+
+# ── 硬约束：封的是「代价不随仓位缩小」的那几类故障 ─────────────────
+# 并发仓位数。信号 6.8 笔/天、持仓 48 分钟 → 期望并发 0.23 笔，3 已很宽。
+# 超了说明有 bug，不是行情好
+LIVE_MAX_OPEN=3
+# 日开仓上限。专门封「循环里的 bug 反复开仓」——单笔小但笔数无界
+LIVE_MAX_DAY=15
+# 日亏损上限（USDT）。一笔止损约 1 USDT，15 笔全亏 15 USDT
+LIVE_MAX_DAY_LOSS=20
+# 信号超过这么久就不做。参考成交价是次根开盘价，过期后跑的不是回测那个价。
+# ⚠️ 这道闸依赖两机时钟一致，chrony 必须在跑（install.sh 会装）
+LIVE_STALE_S=20
+
+# 交易的币池。要与采集机一致，否则会收到不做的币的信号（会被忽略但徒增噪声）
+SYMS=BTC,ETH,SOL,BNB,XRP,DOGE,ADA,AVAX,LINK,LTC
+
+# 盯交易所侧出场的轮询间隔（秒）。**别关掉这个循环**：止损与止盈在交易所侧
+# 成交，本进程收不到通知，缺了它 pnl_day 恒为 0，MAX_DAY_LOSS 就是死的
+LIVE_WATCH_S=10
+
+# ── Telegram 通知 ─────────────────────────────────────────────────
+# 拿 token：Telegram 里找 @BotFather → /newbot
+# 拿 chat id：给 bot 随便发一句，再开
+#   https://api.telegram.org/bot<TOKEN>/getUpdates 看 result[0].message.chat.id
+#
+# 留空则完全不推（不报错）。推的内容：开仓、平仓（带已实现盈亏）、被硬约束
+# 挡住、报错、对账平仓、跨日结算、启动与停机、整点在线。
+# **不推**信号过期跳过（常态，搬运重连会重放旧信号）和 5 分钟日志心跳。
+# 量级约 55 条/天上限（含 24 条在线）。
+TG_TOKEN=
+TG_CHAT=
+# 前缀，用来和采集机推的手工信号区分开——两边可以共用同一个 bot 和对话
+TG_TAG=实盘
+# 整点在线的间隔（分钟）。0 关掉。60 = 每天 24 条，和成交推送量级相当。
+# 这条必须带上游新鲜度：执行器活着不代表链路活着
+TG_HB_MIN=60

live/deploy/status.sh

@@ -0,0 +1,116 @@
+#!/usr/bin/env bash
+# 生产机一屏体检。不改任何状态，随时可跑。
+set -uo pipefail
+
+APP=/opt/chan
+STATE=/var/lib/chan-live/state
+CONF=/etc/chan-live/live.env
+
+hr() { printf '─── %s\n' "$1"; }
+
+hr "服务"
+for u in chan-live-ship chan-live-exec; do
+    act="$(systemctl is-active "$u" 2>/dev/null)"
+    since="$(systemctl show -p ActiveEnterTimestamp --value "$u" 2>/dev/null)"
+    nrs="$(systemctl show -p NRestarts --value "$u" 2>/dev/null)"
+    printf '  %-16s %-8s 自 %s · 重启 %s 次\n' \
+        "$u" "$act" "${since:-?}" "${nrs:-0}"
+done
+
+hr "时钟（staleness 闸依赖它）"
+if command -v chronyc >/dev/null; then
+    chronyc tracking 2>/dev/null | grep -E "Reference ID|System time" | sed 's/^/  /'
+else
+    echo "  ⚠ 没装 chrony"
+fi
+
+hr "信号总线"
+bus="${SIGNAL_BUS:-$STATE/signals_live.jsonl}"
+[[ -f "$CONF" ]] && bus="$(grep -E '^SIGNAL_BUS=' "$CONF" | tail -1 | cut -d= -f2-)"
+bus="${bus:-$STATE/signals_live.jsonl}"
+if [[ -s "$bus" ]]; then
+    n="$(wc -l < "$bus")"
+    last_ts="$(tail -1 "$bus" | grep -o '"kline_ts":[0-9]*' | cut -d: -f2)"
+    if [[ -n "$last_ts" ]]; then
+        age=$(( $(date +%s) - last_ts / 1000 ))
+        printf '  %s 条 · 最近一条 %d 分钟前\n' "$n" "$((age / 60))"
+    else
+        echo "  $n 条（最后一行没有 kline_ts）"
+    fi
+    # 信号 6.8 个/天，所以「几小时没有」是正常的。真要看的是搬运连着没有
+    echo "  注：6.8 个/天，长时间没有新信号是正常的；要判健康看下面的搬运心跳"
+else
+    echo "  空或不存在：$bus"
+fi
+
+hr "闸的状态"
+# 在场仓位**不落盘**：重启时由 reconcile 查交易所并平掉（见 live_exec.py
+# 的 reconcile 注释）。所以这里只报当日计数，仓位要看交易所或下面的成交流
+if [[ -f "$STATE/live_state.json" ]]; then
+    python3 - "$STATE/live_state.json" <<'PY'
+import json, sys, time
+d = json.load(open(sys.argv[1]))
+today = time.strftime("%Y-%m-%d")
+day = d.get("day", "?")
+stale = "" if day == today else f"  ⚠ 是 {day} 的，跨日后首次开仓时才归零"
+print(f"  当日 {day}{stale}")
+pnl, n = d.get("pnl_day", 0.0), d.get("n_day", 0)
+# pnl 恒为 0 而又确实开过仓，说明 watch() 没在记账 → MAX_DAY_LOSS 是死的
+warn = "  ⚠ 开过仓但盈亏仍为 0，查 watch() 是否在跑" if n and pnl == 0 else ""
+print(f"  已开 {n} 笔 · 盈亏 {pnl:+.2f} USDT{warn}")
+print(f"  已处理信号键 {len(d.get('done', []))} 个（幂等去重用，留最近 5000）")
+PY
+else
+    echo "  还没有状态文件（没开过仓）"
+fi
+
+hr "最近成交"
+if [[ -s "$STATE/live_trades.jsonl" ]]; then
+    tail -5 "$STATE/live_trades.jsonl" | sed 's/^/  /'
+    # 「下过单但一次都没建上」是明确的故障，而它的外在表现和"没信号"一样，
+    # 不主动判读就会白跑几小时。首日就是这么丢掉 4 个信号的
+    nf="$(grep -c '"ev": "entry_fail"' "$STATE/live_trades.jsonl" || true)"
+    nb="$(grep -c '"ev": "opened", "key": [^]]*\[{' "$STATE/live_trades.jsonl" || true)"
+    ne="$(grep -c '"ev": "entry"' "$STATE/live_trades.jsonl" || true)"
+    if [[ "${nf:-0}" -gt 0 ]]; then
+        echo
+        echo "  ⛔ 有 $nf 次入场被拒（共尝试 $ne 个信号）"
+        echo "     最后一条错误："
+        grep '"ev": "entry_fail"' "$STATE/live_trades.jsonl" | tail -1 \
+            | sed 's/^/       /'
+        echo "     40774 = 持仓模式不匹配 · 40762/40786 = 保证金不足"
+    fi
+else
+    echo "  还没有成交记录"
+fi
+
+hr "搬运存活文件"
+if [[ -f "$STATE/ship_alive.json" ]]; then
+    python3 - "$STATE/ship_alive.json" <<'PY'
+import json, sys, time
+d = json.load(open(sys.argv[1]))
+age = time.time() - d.get("ts", 0)
+up = d.get("up_s", 0)
+conn = d.get("connected")
+if age > 720:
+    state = f"⛔ 已停更 {age/60:.0f} 分钟，进程可能死了"
+elif conn is False:
+    state = "⛔ ssh 已断开，正在重连"
+elif conn is True:
+    state = f"ssh 在线 {up/60:.0f} 分钟"
+else:
+    state = "文件是旧格式（没有 connected），重启搬运后才会有"
+print(f"  {state} · 重连 {d.get('n_reconnect', 0)} 次 · 新增 {d.get('n_new', 0)} 条")
+PY
+else
+    echo "  还没有 ship_alive.json（搬运没起来，或还是没落盘的旧版本）"
+fi
+
+hr "搬运心跳（最近 3 条）"
+journalctl -u chan-live-ship -n 200 --no-pager 2>/dev/null \
+    | grep -F "[心跳]" | tail -3 | sed 's/^/  /' \
+    || echo "  还没有心跳（每 5 分钟一条）"
+
+hr "最近报错"
+journalctl -u chan-live-exec -u chan-live-ship -n 400 --no-pager -p warning 2>/dev/null \
+    | tail -8 | sed 's/^/  /' || echo "  无"

live/deploy/whereismoney.py

@@ -0,0 +1,118 @@
+"""钱在哪个账户里。
+
+用来解一个具体的矛盾：你确认往 U 本位合约充了钱，但
+`/api/v2/mix/account/account` 报的 accountEquity 只有一小部分。
+
+`accountEquity` 是**总权益**而不是可用余额，locked 也是 0，所以不是被挂单
+或持仓占着。剩下的可能都是「这把 key 看到的不是你充钱的那个账户」：
+
+  · key 属于子账户，钱在主账户（或反过来）
+  · 钱在现货账户，没划转到合约
+  · 钱在 USDC 本位 / 币本位合约，不是 USDT 本位
+  · 账户已迁到统一账户（UTA），经典 mix 接口读到的不是同一个池子
+
+`/api/v2/account/all-account-balance` 会按账户类型列出全部余额，一次看清。
+
+    sudo -u chan bash -c 'set -a; . /etc/chan-live/live.env; set +a; \
+        /opt/chan/.venv/bin/python /opt/chan/live/deploy/whereismoney.py'
+
+只读，不下单、不划转。
+"""
+from __future__ import annotations
+
+import asyncio
+import sys
+from pathlib import Path
+
+sys.path.insert(0, str(Path(__file__).resolve().parents[1]))
+
+from bitget_rest import MARGIN_COIN, PRODUCT, Bitget  # noqa: E402
+
+
+def _perm_hint(e: Exception) -> str:
+    """把 40014 说成"正常"而不是"故障"。
+
+    这把 key 刻意只开合约权限，所以现货类端点必然报 40014。**不要**为了让
+    这个探针看全就去加现货权限——那是白扩爆炸半径，而同样的信息在 App 里
+    看一眼就有。
+    """
+    s = str(e)
+    if "40014" in s:
+        return ("跳过：这把 key 没开现货权限（刻意的，最小权限）。"
+                "这一栏改用 Bitget App 看，别为了探针去加权限")
+    return f"查不了：{type(e).__name__}: {e}"
+
+
+async def main() -> None:
+    api = Bitget()
+    if not (api.key and api.secret and api.passphrase):
+        raise SystemExit("⛔ 没读到密钥。要 source /etc/chan-live/live.env")
+    try:
+        print("── 跨账户类型总览 ──")
+        try:
+            for b in await api._req("GET", "/api/v2/account/all-account-balance") or []:
+                amt = float(b.get("usdtBalance") or 0)
+                flag = "  ← 钱在这里" if amt > 1 else ""
+                print(f"  {b.get('accountType'):<16} {amt:>12.2f} USDT{flag}")
+        except Exception as e:  # noqa: BLE001
+            print(f"  {_perm_hint(e)}")
+
+        print(f"\n── {PRODUCT} 下的各保证金币种 ──")
+        try:
+            rows = await api._req("GET", "/api/v2/mix/account/accounts",
+                                  {"productType": PRODUCT}) or []
+            for a in rows:
+                eq = float(a.get("accountEquity") or 0)
+                if eq or a.get("marginCoin") == MARGIN_COIN:
+                    print(f"  {a.get('marginCoin'):<8} 权益 {eq:>12.4f} · "
+                          f"可用 {float(a.get('available') or 0):>12.4f}")
+        except Exception as e:  # noqa: BLE001
+            print(f"  {_perm_hint(e)}")
+
+        print("\n── 其他合约类型（钱可能充错了本位）──")
+        for pt in ("coin-futures", "usdc-futures"):
+            try:
+                rows = await api._req("GET", "/api/v2/mix/account/accounts",
+                                      {"productType": pt}) or []
+                hit = [(a.get("marginCoin"), float(a.get("accountEquity") or 0))
+                       for a in rows if float(a.get("accountEquity") or 0) > 0]
+                print(f"  {pt:<14} {hit if hit else '空'}")
+            except Exception as e:  # noqa: BLE001
+                print(f"  {pt:<14} 查不了：{type(e).__name__}")
+
+        print("\n── 现货 ──")
+        try:
+            rows = await api._req("GET", "/api/v2/spot/account/assets") or []
+            hit = [(a.get("coin"), float(a.get("available") or 0)) for a in rows
+                   if float(a.get("available") or 0) > 0]
+            print(f"  {hit if hit else '空'}"
+                  f"{'  ← 要划转到 U 本位合约' if hit else ''}")
+        except Exception as e:  # noqa: BLE001
+            print(f"  {_perm_hint(e)}")
+
+        print("\n── 这把 key 属于哪个账户 ──")
+        for path in ("/api/v2/spot/account/info", "/api/v2/user/account-info"):
+            try:
+                d = await api._req("GET", path) or {}
+            except Exception as e:  # noqa: BLE001
+                print(f"  {path} 查不了：{type(e).__name__}: {e}")
+                continue
+            uid, par = d.get("userId"), d.get("parentId")
+            print(f"  userId {uid}")
+            if par:
+                print(f"  parentId {par} → **这是子账户**。主账户的钱这把 key"
+                      f" 看不到也动不了，这是好事（爆炸半径被账户边界封住）。"
+                      f"\n     但充值要充到 userId {uid} 的 U 本位合约里。"
+                      f"\n     注意主→子划转默认落在子账户的**现货**钱包，"
+                      f"还要在子账户内部再划一次到 U 本位合约")
+            else:
+                print("  没有 parentId → 这是主账户")
+            print(f"  权限 {d.get('authorities')}（没有现货权限是刻意的）")
+            print(f"  IP 白名单 {d.get('ips')}")
+            break
+    finally:
+        await api.close()
+
+
+if __name__ == "__main__":
+    asyncio.run(main())

live/exit_params.py

@@ -0,0 +1,27 @@
+"""出场结构的唯一来源。**只用标准库**，这是硬约束。
+
+为什么单独一个模块、且不许引第三方库：执行器要跑在只装了 `aiohttp` 的生产机
+上。这几个数原先从 `research/step43_fill_aware_budget.py` 读，那个模块顶层
+`import pandas`，于是生产机为了两个 float 得装 pandas + pyarrow（实测
+`assert_decomposable()` 一调就把 numpy/pandas/pyarrow 全拖进来）。
+
+方向也要注意：**生产拥有这个契约，研究侧反过来读它。** 反过来写成生产 import
+研究侧，就等于把回测的依赖树绑到实盘进程上。
+
+⚠️ 研究侧还散着 6 处同样的字面量（step44/47/48/49/52 与 exit_model 的默认
+参数），本次没有统一。改这里的值**不会**自动改到那些脚本，对表要手工。
+统一它们要重跑那批脚本确认结果不变，属于独立的一次改动。
+"""
+from __future__ import annotations
+
+# 以 ATR 为单位的出场结构。来源：research/step43_fill_aware_budget.py 的
+# 参数扫描结论（1m 主线）。含义见 live_exec.py 顶部注释
+SL = 2.0            # 止损：入场价的 2 ATR
+SCALE_AT = 3.0      # 减半点：3 ATR 处平掉一半
+RUNNER = 8.0        # 剩余半仓的目标：8 ATR
+RUNNER_STOP = 2.0   # 剩余半仓的止损，**不移动**，仍在入场价的 2 ATR
+MAXB = 48           # 超时：48 根（1m 上即 48 分钟）
+
+# 两个半仓共用同一个不动止损，这是「一次入场拆两腿」能等价于回测的前提。
+# RUNNER_STOP != SL 时该等价性失效，`live_exec.assert_decomposable()` 会硬挡
+DECOMPOSABLE = RUNNER_STOP == SL

live/live_exec.py

@@ -0,0 +1,880 @@
+"""自动化小额实盘执行器。读信号总线，直接调 Bitget v2 REST 下单。
+
+## 为什么不用 Hummingbot 的 PositionExecutor
+
+它的连接器只暴露 LIMIT / LIMIT_MAKER / MARKET，没有触发单，于是
+`control_stop_loss()` 只能在本地盯价、触发时才发市价单——**进程一死仓位就是
+裸的**。而交易所本身支持 `place-order` 带 `presetStopLossPrice`，下单时就把
+止损挂到服务端。绕过连接器不是图省事，是为了消掉一整类故障。
+
+另外 `TripleBarrierConfig` 只有单级止盈，装不下 3 ATR 减半 + 8 ATR 目标；
+自己写反而更短。
+
+## 出场结构为什么能拆成两个半仓
+
+回测结构是 2 ATR 止损 / 3 ATR 减半 / 8 ATR 目标 / 48 根超时，且**剩余半仓的
+止损保持在入场价的 2 ATR、不移动**。已核实 `research/lib/exit_model.py:151`——
+`runner_stops` 的 `ret` 是 `(entry - low[j]) / a`，从入场价算，且
+`RUNNER_STOP == SL == 2.0`。两半共用同一个不动的止损，所以：
+
+    半仓 A   市价入场 + 服务端止损 2 ATR · maker 止盈 3 ATR
+    半仓 B   市价入场 + 服务端止损 2 ATR · maker 止盈 8 ATR
+
+止损先到则两半都在 -2 ATR 出场；3 ATR 先到则 A 出场、B 继续且止损仍在 2 ATR。
+与回测逐情形一致。若哪天把 RUNNER_STOP 改成不等于 SL（比如移到成本），这个
+分解就**不再成立**，`assert_decomposable()` 会在启动时挡住。
+
+## 三条出场腿各自挂在哪
+
+    止损   交易所侧（presetStopLossPrice，随入场单一起到）→ 进程死了仍在
+    止盈   交易所侧（post_only reduce-only 限价）        → 进程死了仍在
+    超时   **本进程**，48 分钟到点市价平
+
+所以进程死掉只会让持仓超过 48 根，不会变成裸仓——退化是良性的。
+
+## 硬约束才是这个文件的重点
+
+一笔止损只亏约 1 USDT，所以"亏损可控"对单笔成立。但三类故障的代价**不随仓位
+缩小**，必须显式封住：
+
+    失控下单   循环里的 bug 反复开仓，单笔小但笔数无界 → MAX_OPEN / MAX_DAY
+    亏损累积   策略真的不行，但没人盯着               → MAX_DAY_LOSS
+    裸仓       进程在"已入场、止损未挂"之间死掉        → 服务端止损 + 重启对账
+
+## 为什么单独一个 live/ 子树、不放在 research/ 下
+
+生产与研究共处一个目录/进程/机器有四条具体代价，其中第一条已经咬过一次：
+
+  1. `live_state.json` 原先落在 `research/out/`，而那里 `shadow_hb.py` 会在
+     CSV 表头变化时自动 rename 归档、研究脚本会写、人也会手工清数据。那个文件
+     装的是 MAX_DAY_LOSS 累计与在场仓位，**闸的状态被清掉不报错，只是静默
+     失效**。所以生产状态改到独立目录（LIVE_HOME）。
+  2. 采集器十币清空 300~560ms，直接叠在信号到达执行器的延迟上。
+  3. 研究侧的探针 OOM 过一次（14.9GB、负载 12），当时若有仓位在场，执行器会
+     被一起杀掉，只剩交易所侧止损兜着。
+  4. 依赖面：本文件只需标准库 + aiohttp。原先为读两个常量 import 研究侧的
+     step43，把 numpy/pandas/pyarrow 全拖进生产进程。
+
+因此本目录**不 import research/ 下的任何东西**（`exit_params.py` 是生产自己
+持有的契约，研究侧反过来读它）。
+
+    python live/live_exec.py --dry-run      # 只打印不下单
+"""
+from __future__ import annotations
+
+import argparse
+import asyncio
+import json
+import os
+import signal
+import sys
+import time
+from decimal import Decimal
+from pathlib import Path
+
+HERE = Path(__file__).resolve()
+# 只插自己所在目录。**不要**把 research/ 加进来——见文件头第 4 条
+sys.path.insert(0, str(HERE.parent))
+
+import signal_bus  # noqa: E402
+from bitget_rest import Bitget  # noqa: E402
+import tg  # noqa: E402
+from exit_params import MAXB, RUNNER, RUNNER_STOP, SCALE_AT, SL  # noqa: E402
+
+# 生产状态的根目录。默认放 ~/chan-live，**不落在仓库里**：仓库会被 git
+# checkout/clean 动，而这里存的是日亏损累计与在场仓位，丢了等于闸失忆
+LIVE_HOME = Path(os.environ.get("LIVE_HOME", Path.home() / "chan-live"))
+
+SYMS = os.environ.get(
+    "SYMS", "BTC,ETH,SOL,BNB,XRP,DOGE,ADA,AVAX,LINK,LTC").split(",")
+# 只认这些交易对。交易所的 all-position 返回**账户全部**仓位，不过滤的话
+# 账户上任何第三方仓位（手工单、另一个策略、试单忘了平）都会被 reconcile
+# 在下次重启时市价平掉；watch() 还会因为该 symbol 一直在场而永不结算对应的
+# key，MAX_OPEN 名额泄漏、pnl_day 不再更新。把「账户只归执行器」这个前提
+# 从口头约定变成代码里的过滤
+PAIRS = frozenset(f"{s}USDT" for s in SYMS)
+NOTIONAL = float(os.environ.get("LIVE_NOTIONAL", "500"))
+LEVERAGE = int(os.environ.get("LIVE_LEVERAGE", "10"))
+
+# ── 硬约束 ────────────────────────────────────────────────────────────
+# 并发仓位数。1 笔约占 50 USDT 保证金，3 笔 150 USDT。信号速率 5.3 笔/天、
+# 持仓 48 分钟，期望并发只有 0.18 笔，所以 3 已经很宽——超了说明有 bug
+MAX_OPEN = int(os.environ.get("LIVE_MAX_OPEN", "3"))
+# 日开仓上限。实测 5.3 笔/天，给 3 倍余量。这一条专门封"失控下单"
+MAX_DAY = int(os.environ.get("LIVE_MAX_DAY", "15"))
+# 日亏损上限（USDT）。一笔止损约 1 USDT，15 笔全亏 15 USDT
+MAX_DAY_LOSS = float(os.environ.get("LIVE_MAX_DAY_LOSS", "20"))
+# 信号超过这么久就不做了。参考成交价是次根开盘价，过期后跑的不是回测那个价
+STALE_S = float(os.environ.get("LIVE_STALE_S", "20"))
+# 盯交易所侧出场的轮询间隔。10s 足够：出场后要做的只是记账与放开 MAX_OPEN
+# 名额，不涉及下单时效。太密会白耗 API 配额
+WATCH_S = float(os.environ.get("LIVE_WATCH_S", "10"))
+# 整点在线推送的间隔（分钟），0 关掉。60 分钟 = 24 条/天，和成交推送量级相当
+# 不会淹掉真事。调到 5 以下没意义：日志心跳就是 5 分钟一次
+TG_HB_MIN = float(os.environ.get("TG_HB_MIN", "60"))
+
+STATE = Path(os.environ.get("LIVE_STATE", LIVE_HOME / "state" / "live_state.json"))
+TRADES = Path(os.environ.get("LIVE_TRADES", LIVE_HOME / "state" / "live_trades.jsonl"))
+
+# 出场结构从 exit_params 读，本文件不再抄一份字面量。抄一份的问题不是难看，
+# 是改了回测参数后这边不会跟上，而且不报错
+SL_ATR, SCALE_ATR, RUNNER_ATR = SL, SCALE_AT, RUNNER
+
+
+def assert_decomposable() -> None:
+    """两个半仓的分解依赖 RUNNER_STOP == SL，不成立就必须停机。
+
+    若有人把剩余半仓的止损改成移到成本（RUNNER_STOP=0）或任何 != SL 的值，
+    这个分解就变成"两半共用同一止损"的错误近似，实盘跑的是另一个收益结构，
+    而且不会报错。所以在启动时硬挡。
+    """
+    if float(RUNNER_STOP) != float(SL):
+        raise SystemExit(
+            f"⛔ RUNNER_STOP({RUNNER_STOP}) != SL({SL})，两个半仓的分解不再\n"
+            f"   成立。live_exec 的出场结构会与回测不一致且不报错。\n"
+            f"   要改成单执行器 + 手工两级止盈，或把这两个值改回一致。")
+
+
+class Guard:
+    """硬约束与当日计数。状态落盘，重启后不清零。
+
+    不落盘的话，进程反复重启就等于反复重置日上限——"失控下单"这一类恰好常常
+    伴随反复重启，那时上限必须还记得。
+    """
+
+    def __init__(self, path: Path = STATE):
+        self.path = path
+        self.day = time.strftime("%Y-%m-%d")
+        self.n_day = 0
+        self.pnl_day = 0.0
+        self.done: set = set()
+        self.pending_roll: tuple | None = None
+        self._load()
+
+    def _load(self) -> None:
+        try:
+            d = json.loads(self.path.read_text())
+        except Exception:
+            return
+        # 跨日则计数归零，但已处理过的信号键要保留，否则会重开旧仓
+        if d.get("day") == self.day:
+            self.n_day = int(d.get("n_day", 0))
+            self.pnl_day = float(d.get("pnl_day", 0.0))
+        self.done = set(d.get("done", []))
+
+    def save(self) -> None:
+        self.path.parent.mkdir(parents=True, exist_ok=True)
+        tmp = self.path.with_suffix(".tmp")
+        # 原子替换：直接覆写时若在写一半崩溃，状态文件会变成半个 JSON，
+        # 重启后读不出来 → 日计数归零 → 上限失效
+        tmp.write_text(json.dumps({
+            "day": self.day, "n_day": self.n_day, "pnl_day": self.pnl_day,
+            # 只留最近的，否则文件无界增长
+            "done": sorted(self.done)[-5000:]}))
+        tmp.replace(self.path)
+
+    def roll(self) -> None:
+        today = time.strftime("%Y-%m-%d")
+        if today != self.day:
+            print(f"  [guard] 跨日 {self.day} → {today}，"
+                  f"当日 {self.n_day} 笔 / PnL {self.pnl_day:+.2f} USDT",
+                  flush=True)
+            # roll() 是同步的，推送要 await，所以只留个待发件，由心跳取走
+            self.pending_roll = (self.day, self.n_day, self.pnl_day)
+            self.day, self.n_day, self.pnl_day = today, 0, 0.0
+            self.save()
+
+    def blocks(self, key: str, n_open: int) -> str | None:
+        """返回拒绝原因，None 表示放行。"""
+        self.roll()
+        if key in self.done:
+            return "已处理过（幂等）"
+        if n_open >= MAX_OPEN:
+            return f"并发仓位已达上限 {MAX_OPEN}"
+        if self.n_day >= MAX_DAY:
+            return f"当日开仓已达上限 {MAX_DAY}"
+        if self.pnl_day <= -MAX_DAY_LOSS:
+            return (f"当日亏损 {self.pnl_day:.2f} 已达上限 "
+                    f"-{MAX_DAY_LOSS}，停止开新仓")
+        return None
+
+    def took(self, key: str) -> None:
+        self.done.add(key)
+        self.n_day += 1
+        self.save()
+
+    def realized(self, pnl: float) -> None:
+        self.pnl_day += pnl
+        self.save()
+
+
+def legs() -> list[dict]:
+    """两个半仓的止盈位，用 ATR 倍数表达。
+
+    止损两半相同（SL_ATR），所以不写在这里——它在 open_position 里算一次。
+    """
+    return [{"tag": "scale", "atr": SCALE_ATR},
+            {"tag": "runner", "atr": RUNNER_ATR}]
+
+
+def oid_of(key: str, tag: str) -> str:
+    """把信号键变成交易所能接受的 clientOid。
+
+    信号键形如 `SOL:1787904388411:+1`，里面的 `:` 和 `+` 未必被交易所接受，
+    带过去会直接拒单——而拒单发生在入场腿上，等于这笔信号静默漏掉。只留
+    字母数字和下划线。
+
+    clientOid 是**交易所级幂等**：重发同一个 oid 会被拒。这比本地去重可靠，
+    因为「已发出但没收到回复」这种情况本地判不了，重试就会开两次仓。
+
+    调用方拼后缀时也要守这个字符集（用 `_tp` 而不是 `-tp`）。曾经拼过 `-`，
+    和这里的理由自相矛盾；真被拒的话止盈单挂不上，而那条路径只告警不停机，
+    收益结构会静默退化成「只有止损 + 超时」，空跑还验不到（dry 直接返回
+    假成功）。
+    """
+    # 方向必须显式编码：直接把非字母数字换成下划线，会让 `+1` 和 `-1` 都变成
+    # `_1`，同一根上的多空信号得到相同 oid，第二笔被交易所当重复拒掉
+    k = key.replace(":+1", ":L").replace(":-1", ":S")
+    safe = "".join(c if c.isalnum() else "_" for c in f"{k}_{tag}")
+    return safe[:60]
+
+
+def log_trade(rec: dict, path: Path = TRADES) -> None:
+    path.parent.mkdir(parents=True, exist_ok=True)
+    with path.open("a") as f:
+        f.write(json.dumps(rec) + "\n")
+        f.flush()
+        os.fsync(f.fileno())
+
+
+class Exec:
+    def __init__(self, dry: bool, bus: Path):
+        self.dry = dry
+        self.bus = bus
+        self.guard = Guard()
+        self.api: Bitget | None = None
+        self.rules: dict = {}
+        self.execs: dict = {}      # key → 该笔的腿与超时时刻
+        self.offset = 0            # 已读到总线的哪一行
+        self.n_seen = self.n_took = self.n_skip = 0
+        # 建仓成功/失败分开计。只看 n_took 分不出"做了但下单被拒"——首日
+        # 那 5 小时里 n_took=4 而实际一笔都没建上
+        self.n_built = self.n_order_fail = 0
+        self.t0 = time.time()
+        # 置 0 让第一次 5 分钟心跳就推，不必等满一个周期：重启后最该尽早确认
+        # 的是「上游也通」，而这个只有在线那条带得出来
+        self.tg_hb_at = 0.0
+
+    # ── 启动 ──────────────────────────────────────────────────────
+    async def start(self) -> None:
+        assert_decomposable()
+        # 只从"现在"往后做。历史信号的参考成交价早已过期，补做等于随机入场
+        self.offset = sum(1 for _ in signal_bus.read_all(self.bus))
+        print(f"  总线已有 {self.offset} 条历史信号，全部跳过（参考价已过期）",
+              flush=True)
+
+        self.api = Bitget(dry=self.dry)
+        self.rules = await self.api.contracts()
+        print(f"  合约规则 {len(self.rules)} 个", flush=True)
+        # 启动推送兼作"通道通不通"的自检：配错了这里就收不到，而不是等到
+        # 几小时后第一个真信号来时才发现
+        await tg.started(NOTIONAL, LEVERAGE, len(SYMS), self.dry)
+        print(f"  Telegram {'已启用' if tg.ENABLED else '未配置（不推送）'}",
+              flush=True)
+        if self.dry:
+            print("  ⚠ 空跑模式：不下真单", flush=True)
+            # 但仍要发一次**带签名**的请求。上面的 contracts() 是公开端点，
+            # 不验签，光靠它空跑会"通过"却根本没测到密钥与 IP 白名单——
+            # 那种假保证比不测更糟：等到第一个真信号来时才暴露，而信号那时
+            # 正在过期，没有从容排查的余地
+            if self.api.key and self.api.secret and self.api.passphrase:
+                try:
+                    acc = await self.api.account() or {}
+                    print("  ✓ 密钥与 IP 白名单通", flush=True)
+                    # 打全几个余额字段，不只看 available：我们用逐仓，真正
+                    # 决定能不能开的是 isolatedMaxAvailable。只看一个字段，
+                    # 取错了就会把"有钱"误报成"没钱"，或者反过来
+                    fields = ("accountEquity", "usdtEquity", "available",
+                              "isolatedMaxAvailable", "crossedMaxAvailable",
+                              "maxTransferOut", "locked", "unrealizedPL")
+                    shown = {k: acc.get(k) for k in fields if k in acc}
+                    print(f"    余额 {shown}", flush=True)
+                    # 逐仓下取 isolatedMaxAvailable，缺了才退回 available
+                    av = float(acc.get("isolatedMaxAvailable")
+                               or acc.get("available") or 0)
+                    need = NOTIONAL / LEVERAGE * MAX_OPEN
+                    print(f"    可开保证金 {av:.2f} USDT · {MAX_OPEN} 笔并发"
+                          f"需约 {need:.0f}（名义 {NOTIONAL:.0f} / "
+                          f"{LEVERAGE}x）", flush=True)
+                    if av < need:
+                        per = NOTIONAL / LEVERAGE
+                        fit = int(av // per) if per > 0 else 0
+                        print(f"  ⚠ 保证金只够 {fit} 笔，而 MAX_OPEN="
+                              f"{MAX_OPEN}。", flush=True)
+                        # 这里不只是"少做几笔"。两条腿是分别下单的，第一条
+                        # 成了、第二条因保证金不足失败，就留下一个半仓——
+                        # 收益结构从「50% 在 3 ATR + 50% 在 8 ATR」变成只剩
+                        # 一条腿，而且是静默的。让闸按真实余额拦，比让交易所
+                        # 拒单干净
+                        print(f"     要么充钱到 {need:.0f}+ USDT，要么把 "
+                              f"LIVE_MAX_OPEN 降到 {max(fit, 1)}。不改的话"
+                              f"超出的信号会下单失败，且可能只成一条腿、"
+                              f"静默变成半仓（收益结构就不是设计的那个了）",
+                              flush=True)
+                        if fit == 0:
+                            print(f"     现在连一笔都开不了（每笔需 "
+                                  f"{per:.0f} USDT）", flush=True)
+                except Exception as e:  # noqa: BLE001
+                    # 退出前要关会话。SystemExit 会绕过 run() 里的收尾，
+                    # 漏了就在日志尾部留一串 "Unclosed client session"，
+                    # 把真正的报错顶出视野
+                    await self.api.close()
+                    raise SystemExit(
+                        f"⛔ 带签名的请求失败：{type(e).__name__}: {e}\n"
+                        f"   40018 = 出口 IP 不在该 key 的白名单里；\n"
+                        f"   40037 = key 不存在（填错或已删）；\n"
+                        f"   40001/40009 = secret/passphrase 不对；\n"
+                        f"   40099 之类 = 权限没开够（要读+交易）。")
+            else:
+                print("  ⚠ 没填密钥，本次**未**验证密钥与 IP 白名单",
+                      flush=True)
+            return
+        if not (self.api.key and self.api.secret and self.api.passphrase):
+            await self.api.close()
+            raise SystemExit("⛔ 缺 BITGET_API_KEY / BITGET_API_SECRET / "
+                             "BITGET_PASSPHRASE（末项无 API_）。先跑 --dry-run。")
+        await self.setup_symbols()
+        await self.reconcile()
+        # 放在 reconcile 之后：有持仓或挂单时交易所不允许切换持仓模式，而
+        # reconcile 刚把仓位平干净
+        await self.setup_position_mode()
+
+    async def setup_position_mode(self) -> None:
+        """把持仓模式钉成单向，并读回核对。
+
+        为什么必须显式设而不是假设：持仓模式决定下单体的语法，两者不匹配是
+        **整体拒单**，不是部分降级。实盘上就因为带着 `tradeSide`（双向语法）
+        打到单向账户，连续 8 次下单全被 40774 拒掉——4 个信号 × 2 条腿，而
+        投递链路那时完全正常（延后 0.0~0.2s、ssh 零重连）。
+
+        单向是我们要的：永不同时持有两个方向，且出场腿依赖 `reduceOnly`，
+        而它只在单向模式下有效。
+        """
+        try:
+            d = await self.api.set_position_mode("one_way_mode") or {}
+        except Exception as e:  # noqa: BLE001
+            print(f"  ⛔ 设持仓模式失败 {type(e).__name__}: {e}", flush=True)
+            print("     若账户实际是双向持仓，下单会被 40774 全部拒掉。"
+                  "先在 App 里平掉所有仓位与挂单，再切成单向", flush=True)
+            await tg.error("设持仓模式失败，下单可能被 40774 全拒", str(e))
+            return
+        got = str(d.get("posMode") or "")
+        if got and got != "one_way_mode":
+            print(f"  ⛔ 持仓模式仍是 {got}，下单体是单向语法，会被 40774 拒",
+                  flush=True)
+            await tg.error(f"持仓模式是 {got}，不是单向", "下单会被 40774 拒掉")
+        else:
+            print(f"  已设持仓模式 单向{'（已读回核对）' if got else ''}",
+                  flush=True)
+
+    async def setup_symbols(self) -> None:
+        """逐仓 + 杠杆。每次启动都设一遍，不假设交易所侧的状态。
+
+        杠杆若被人在 App 里改过，仓位大小就不是我们算的那个。设成幂等操作比
+        读回来核对简单，且失败会直接暴露。
+        """
+        bad: list[str] = []
+        for s in SYMS:
+            sym = f"{s}USDT"
+            for fn, arg in ((self.api.set_margin_mode, "isolated"),
+                            (self.api.set_leverage, LEVERAGE)):
+                try:
+                    await fn(sym, arg)
+                except Exception as e:
+                    print(f"  ⚠ {sym} 设置失败 {type(e).__name__}: {e}",
+                          flush=True)
+                    bad.append(f"{sym}/{fn.__name__}")
+        if not bad:
+            print(f"  已设 {len(SYMS)} 个币为逐仓 {LEVERAGE}x", flush=True)
+            return
+        # 不能无条件报"已设好"。杠杆设失败是有经济后果的：仓位大小由名义额
+        # 算、与杠杆无关，但保证金要求会变。若交易所侧实际是 1x，每笔要 100
+        # USDT 保证金，第 2、3 笔必然失败，且可能只成一条腿变成半仓
+        print(f"  ⛔ {len(bad)} 项设置失败，交易所侧的逐仓/杠杆**不是** "
+              f"{LEVERAGE}x：{bad[:6]}{' …' if len(bad) > 6 else ''}",
+              flush=True)
+        print("     后果不是不能交易，而是保证金要求与我们算的不一致——"
+              "可能只成一条腿、静默变成半仓。先在 App 里核一遍再跑",
+              flush=True)
+        await tg.error(f"{len(bad)} 项逐仓/杠杆设置失败",
+                       f"交易所侧不是 {LEVERAGE}x：{bad[:10]}")
+
+    async def reconcile(self) -> None:
+        """启动时把交易所的实际持仓对上。
+
+        崩溃重启后交易所可能还有仓位。它们的服务端止损仍在（presetStopLossPrice
+        挂在交易所侧，不随进程消失），但**超时腿丢了**，会一直持有到止损或止盈。
+
+        选择平掉而非接管：接管要重建入场价、ATR、剩余半仓状态和已过根数，任一项
+        猜错就让出场结构变成另一个东西且不报错；平掉的代价只是一笔小额亏损，
+        且行为确定。
+        """
+        try:
+            pos = await self.my_positions()
+        except Exception as e:
+            print(f"  ⚠ 对账读持仓失败 {type(e).__name__}: {e}", flush=True)
+            return
+        if not pos:
+            print("  对账：交易所无持仓，干净启动", flush=True)
+            return
+        print(f"  ⚠ 对账：发现 {len(pos)} 个遗留持仓，撤挂单后市价平掉",
+              flush=True)
+        await tg.error(f"对账：发现 {len(pos)} 个遗留持仓，撤挂单后市价平掉",
+                       "、".join(f"{p['symbol']} {p['holdSide']} {p['total']}"
+                                 for p in pos))
+        for p in pos:
+            sym, hs, sz = p["symbol"], p["holdSide"], p["total"]
+            print(f"     {sym} {hs} {sz} @ {p.get('openPriceAvg')}",
+                  flush=True)
+            try:
+                await self.api.cancel_all(sym)
+                await self.api.close_market(
+                    sym, hs, sz, f"recon:{int(time.time() * 1000)}")
+                log_trade({"ev": "reconcile_flatten", "symbol": sym,
+                           "hold_side": hs, "size": sz})
+            except Exception as e:
+                print(f"     ⛔ 平仓失败 {type(e).__name__}: {e}，"
+                      f"需人工介入", flush=True)
+
+    # ── 主循环 ────────────────────────────────────────────────────
+    async def poll(self) -> None:
+        while True:
+            try:
+                await self.step()
+            except Exception as e:
+                import traceback
+                print(f"  ⛔ 主循环异常 {type(e).__name__}: {e}", flush=True)
+                traceback.print_exc()
+            await asyncio.sleep(0.2)
+
+    async def step(self) -> None:
+        recs = list(signal_bus.read_all(self.bus))
+        if len(recs) <= self.offset:
+            return
+        new, self.offset = recs[self.offset:], len(recs)
+        for r in new:
+            self.n_seen += 1
+            await self.on_signal(r)
+
+    # 一条记录要能下单，这些字段一个都不能缺
+    NEEDED = ("key", "sym", "emit_ms", "direction", "entry_px", "atr_pct")
+
+    async def my_positions(self) -> list:
+        """只看 SYMS 里那些币的仓位。
+
+        **不要**直接用 api.positions()：它返回账户全部仓位，理由见 PAIRS。
+        残留的局限要知道：同一个币上的第三方仓位（比如你手工开了 ADA）仍然
+        分不出来，那需要按 clientOid 逐单认领，成本不划算。所以账户仍应专用。
+        """
+        return [p for p in await self.api.positions() if p["symbol"] in PAIRS]
+
+    async def on_signal(self, r: dict) -> None:
+        # 先校验再取值。缺了这一步，总线上一条字段不全的记录会抛 KeyError，
+        # 把 poll 任务打死，进而**整个执行器停止交易**——一行坏数据换全面停摆，
+        # 代价完全不对等。搬运侧已挡半行，但挡不住字段级的不全
+        miss = [k for k in self.NEEDED if r.get(k) is None]
+        if miss:
+            self.n_skip += 1
+            print(f"  ⊘ 丢弃畸形记录，缺字段 {miss}：{str(r)[:200]}", flush=True)
+            log_trade({"ev": "malformed", "missing": miss, "rec": str(r)[:500]})
+            await tg.error("总线上有畸形记录，已丢弃",
+                           f"缺字段 {miss}\n{str(r)[:300]}")
+            return
+        age = time.time() - r["emit_ms"] / 1000.0
+        n_open = sum(1 for v in self.execs.values() if v)
+        why = self.guard.blocks(r["key"], n_open)
+        # 同币占用检查。整套记账隐含「一个币最多一个仓位」这个前提，但它原先
+        # 只存在于口头上。同币开两笔时交易所会**净成一个仓位**，于是：
+        #   · watch() 按 pair 判出场，两个 key 同时进 gone；_match_hist 给它们
+        #     返回同一条历史记录，realized() 被调两次 → pnl_day 翻倍。而这正是
+        #     MAX_DAY_LOSS 读的数：亏损翻倍会提前停机，盈利翻倍会让闸变迟钝
+        #   · sweep() 在第一笔截止时平掉合并后的整个仓位，把第二笔才持有十分钟
+        #     的部分一并平掉
+        # 合并后的行为（一个止损、两个不同价位的止盈、超时一锅端）不是任何一版
+        # 回测建模的东西，所以跳过第二个信号是最接近安全的近似。期望并发 0.18
+        # 笔，这一跳损失极小
+        if why is None:
+            dup = [k for k, v in self.execs.items() if v["sym"] == r["sym"]]
+            if dup:
+                why = (f"{r['sym']} 已有在场仓位 {dup[0]}——同币开两笔会在"
+                       f"交易所侧净成一个仓位，把盈亏记账和超时腿都搞错")
+        if why is None and age > STALE_S:
+            why = f"信号已过期 {age:.1f}s > {STALE_S:.0f}s"
+        if why:
+            self.n_skip += 1
+            print(f"  ⊘ {r['key']} 跳过：{why}", flush=True)
+            log_trade({"ev": "skip", "key": r["key"], "why": why,
+                       "age_s": round(age, 2)})
+            # 只有被硬约束挡住才推。过期跳过是常态（搬运重连会重放旧信号），
+            # 推了会把真事淹掉
+            if "过期" not in why and "已做过" not in why:
+                await tg.blocked(r["key"], why)
+            return
+
+        self.guard.took(r["key"])
+        self.n_took += 1
+        lg = legs()
+        side = "LONG" if r["direction"] > 0 else "SHORT"
+        print(f"  ▶ {r['key']} {side} 名义 {NOTIONAL:.0f} {LEVERAGE}x "
+              f"· 延后 {age:.1f}s · ATR {r['atr_pct'] * 1e4:.1f}bp",
+              flush=True)
+        for x in lg:
+            print(f"      {x['tag']:<7}止盈 {x['atr']:.0f} ATR = "
+                  f"{x['atr'] * r['atr_pct'] * 1e4:.1f}bp · 止损 "
+                  f"{SL_ATR * r['atr_pct'] * 1e4:.1f}bp · 超时 {MAXB}min",
+                  flush=True)
+        log_trade({"ev": "entry", "key": r["key"], "side": side,
+                   "entry_px": r["entry_px"], "atr_pct": r["atr_pct"],
+                   "notional": NOTIONAL, "leverage": LEVERAGE,
+                   "age_s": round(age, 2), "legs": lg, "dry": self.dry})
+        # 空跑也要走完 open_position：数量取整、价位对齐 tick、请求体构造都在
+        # 那里，跳过等于什么都没验。不下真单由 Bitget(dry=True) 负责
+        await self.open_position(r, lg)
+
+    def qty_of(self, sym: str, entry: float) -> tuple[str, str]:
+        """入场量与半仓量，都对齐步长。
+
+        入场量取到**步长的偶数倍**，半仓才是精确一半。不这么做 SOL 的半仓会是
+        全仓的 43%（步长 0.1 币 ≈ 10.7 USDT），而回测假设 50/50。
+        """
+        r = self.rules.get(f"{sym}USDT")
+        if not r:
+            raise RuntimeError(f"{sym} 没有合约规则")
+        step = Decimal(str(r["sizeMultiplier"]))
+        px = Decimal(str(entry))
+        grid = step * 2
+        n = max(Decimal("1"),
+                (Decimal(str(NOTIONAL)) / px / grid).quantize(Decimal("1")))
+        qty = n * grid
+        return str(qty), str(qty / 2)
+
+    def snap(self, sym: str, px: float) -> str:
+        r = self.rules[f"{sym}USDT"]
+        tick = Decimal(str(r["priceEndStep"])) * (
+            Decimal(10) ** -int(r["pricePlace"]))
+        q = (Decimal(str(px)) / tick).quantize(Decimal("1")) * tick
+        return str(q)
+
+    async def open_position(self, r: dict, lg: list[dict]) -> None:
+        """两笔「市价入场 + 服务端止损」，再各挂一个 maker 止盈。
+
+        止损随入场单一起到交易所（presetStopLossPrice），所以不存在"已入场、
+        止损未挂"的裸仓窗口——那是本地盯价方案最危险的一段。
+
+        止盈单独挂 post_only 限价：成本模型里止盈按 maker 计且不吃滑点，用
+        preset（触发后市价）会让这部分变成 taker，预算就不成立了。
+        """
+        sym, d = r["sym"], r["direction"]
+        pair = f"{sym}USDT"
+        entry = r["entry_px"]
+        a = entry * r["atr_pct"]
+        _, half = self.qty_of(sym, entry)
+        side = "buy" if d > 0 else "sell"
+        close_side = "sell" if d > 0 else "buy"
+        hold = "long" if d > 0 else "short"
+        stop_px = self.snap(sym, entry - d * SL_ATR * a)
+
+        opened, failed = [], []
+        for x in lg:
+            oid = oid_of(r["key"], x["tag"])
+            try:
+                await self.api.entry_with_stop(pair, side, half, stop_px, oid)
+            except Exception as e:
+                print(f"      ⛔ {x['tag']} 入场失败 {e}", flush=True)
+                log_trade({"ev": "entry_fail", "key": r["key"],
+                           "tag": x["tag"], "err": str(e)})
+                failed.append(f"{x['tag']} 入场：{e}")
+                continue
+            tp_px = self.snap(sym, entry + d * x["atr"] * a)
+            try:
+                await self.api.tp_limit(pair, close_side, half, tp_px,
+                                        oid + "_tp")
+            except Exception as e:
+                # 入场成了但止盈没挂上：仓位仍有服务端止损，不是裸仓。
+                # 超时腿会兜住它，所以只告警不强平
+                print(f"      ⚠ {x['tag']} 止盈挂单失败 {e}"
+                      f"（仓位有服务端止损，超时腿会兜）", flush=True)
+                log_trade({"ev": "tp_fail", "key": r["key"],
+                           "tag": x["tag"], "err": str(e)})
+                failed.append(f"{x['tag']} 止盈：{e}")
+            opened.append({"tag": x["tag"], "oid": oid, "size": half,
+                           "tp_px": tp_px, "stop_px": stop_px})
+            print(f"      {x['tag']:<7}{half} 币 · 止损 {stop_px} · "
+                  f"止盈 {tp_px}", flush=True)
+
+        log_trade({"ev": "opened", "key": r["key"], "legs": opened,
+                   "stop_px": stop_px})
+        # 下单失败必须推。这类失败是**静默的经济损失**：日志里在报，但表现只是
+        # "一直没开仓"，看起来和"没信号"一样。实盘首日就因为这个白跑 5 小时——
+        # 8 次下单全被 40774 拒掉而无人知道。所以推送不是可选的
+        if failed:
+            self.n_order_fail += 1
+            if not opened:
+                await tg.error(
+                    f"{r['key']} 建仓全部失败，这个信号丢了",
+                    "\n".join(failed) +
+                    f"\n\n累计失败 {self.n_order_fail} 次。"
+                    f"链路正常但下不了单——常见是下单体字段被拒"
+                    f"（40774 持仓模式不匹配）、保证金不足、或该币被限制交易")
+            else:
+                await tg.error(f"{r['key']} 部分腿失败，收益结构已偏离设计",
+                               "\n".join(failed))
+        if opened:
+            self.n_built += 1
+            self.execs[r["key"]] = {
+                "sym": sym, "pair": pair, "hold": hold,
+                "deadline": time.time() + MAXB * 60, "legs": opened,
+                # watch() 靠这个时间戳去 history-position 里认领对应的平仓记录
+                "opened_ms": int(time.time() * 1000),
+                "side": "LONG" if d > 0 else "SHORT"}
+            await tg.opened(sym, self.execs[r["key"]]["side"], entry,
+                            r["atr_pct"], NOTIONAL, LEVERAGE, stop_px,
+                            opened, time.time() - r["emit_ms"] / 1000.0)
+
+    async def watch(self) -> None:
+        """盯交易所侧的出场，把已实现盈亏记回闸。
+
+        为什么必须有这个循环：止损与止盈都挂在交易所侧，成交时本进程收不到
+        任何通知。缺了它有两个后果，都是静默的：
+
+          1. `Guard.realized()` 没人调用 → `pnl_day` 恒为 0 →
+             **MAX_DAY_LOSS 这道闸完全不生效**。三条硬约束里最重要的一条。
+          2. `self.execs` 的条目要挂到 48 分钟截止才清 → `MAX_OPEN` 把已经
+             出场的仓位继续算在场 → 新信号被白挡掉。方向保守但不是本意。
+
+        盈亏取交易所的 `netProfit`（= pnl + 资金费 + 开平手续费），不自己按
+        标记价估——估会漏掉费用，而且方向总是偏乐观。
+        """
+        while True:
+            await asyncio.sleep(WATCH_S)
+            if self.dry or not self.execs:
+                continue
+            try:
+                live = {p["symbol"] for p in await self.my_positions()}
+            except Exception as e:  # noqa: BLE001
+                print(f"  ⚠ 盯仓读持仓失败 {type(e).__name__}: {e}", flush=True)
+                continue
+            gone = [k for k, st in self.execs.items()
+                    if st["pair"] not in live]
+            if not gone:
+                continue
+            # 两个半仓在同一 symbol 上会被交易所净成一个仓位，所以一个 key
+            # 对应一条历史记录。按最早的入场时间取一次历史，够覆盖全部
+            since = min(self.execs[k]["opened_ms"] for k in gone) - 60_000
+            try:
+                hist = await self.api.history_positions(start_ms=since)
+            except Exception as e:  # noqa: BLE001
+                print(f"  ⚠ 读历史持仓失败 {type(e).__name__}: {e}，"
+                      f"本轮不结算（下轮重试，不会漏）", flush=True)
+                continue
+            # 一条历史记录只能被一个 key 认领。同币并发已在 on_signal 拦住，
+            # 但记账是花钱的路径：让这个不变量在本地成立，而不是依赖两百行外
+            # 的另一处检查。重复认领会让 realized() 被调两次、pnl_day 翻倍
+            claimed: set = set()
+            for key in gone:
+                st = self.execs[key]
+                rec = self._match_hist(hist, st, claimed)
+                if rec is None:
+                    # 常见于刚平掉、历史还没落库。留着下轮再试；真丢了也有
+                    # 48 分钟截止那条路兜住 execs 的清理
+                    print(f"  … {key} 已出场但历史未就绪，下轮再结算",
+                          flush=True)
+                    continue
+                pnl = float(rec.get("netProfit") or 0.0)
+                self.guard.realized(pnl)
+                self.guard.save()
+                self.execs.pop(key, None)
+                print(f"  ◀ {key} 交易所侧出场 · 已实现 {pnl:+.2f} USDT "
+                      f"· 当日累计 {self.guard.pnl_day:+.2f}", flush=True)
+                log_trade({"ev": "closed", "key": key, "net_profit": pnl,
+                           "open_px": rec.get("openAvgPrice"),
+                           "close_px": rec.get("closeAvgPrice")})
+                await tg.closed(st["sym"], st["side"], pnl,
+                                float(rec.get("openAvgPrice") or 0),
+                                float(rec.get("closeAvgPrice") or 0),
+                                self.guard.pnl_day, self.guard.n_day)
+
+    @staticmethod
+    def _match_hist(hist: list, st: dict,
+                    claimed: set | None = None) -> dict | None:
+        """在历史持仓里认领属于这一笔的记录。
+
+        按 symbol + holdSide 匹配，并要求收盘时间不早于入场时间（减 60s 容差，
+        两边时钟与落库都有抖动）。同一 symbol 有多条时取最近的一条。
+
+        `claimed` 装已被别的 key 认走的 positionId，防止两个 key 认到同一条。
+        """
+        best, best_t, best_id = None, -1.0, None
+        for r in hist:
+            if r.get("symbol") != st["pair"] or r.get("holdSide") != st["hold"]:
+                continue
+            pid = r.get("positionId")
+            if claimed is not None and pid is not None and pid in claimed:
+                continue
+            t = float(r.get("utime") or r.get("uTime") or 0)
+            if t < st["opened_ms"] - 60_000:
+                continue
+            if t > best_t:
+                best, best_t, best_id = r, t, pid
+        if best is not None and claimed is not None and best_id is not None:
+            claimed.add(best_id)
+        return best
+
+    async def sweep(self) -> None:
+        """超时腿：48 分钟到点市价平。
+
+        这是唯一必须靠本进程存活的出场腿。止损与止盈都在交易所侧，所以进程
+        死掉只会让持仓超过 48 根，不会变成裸仓——退化是良性的。
+        """
+        while True:
+            await asyncio.sleep(5)
+            now = time.time()
+            for key, st in list(self.execs.items()):
+                if now < st["deadline"]:
+                    continue
+                try:
+                    pos = [p for p in await self.my_positions()
+                           if p["symbol"] == st["pair"]]
+                    if not pos:
+                        print(f"  ◀ {key} 超时前已全部出场", flush=True)
+                        log_trade({"ev": "timeout_noop", "key": key})
+                    else:
+                        for p in pos:
+                            await self.api.cancel_all(st["pair"])
+                            await self.api.close_market(
+                                st["pair"], p["holdSide"], p["total"],
+                                oid_of(key, "timeout"))
+                        print(f"  ◀ {key} 超时市价平 {pos[0]['total']} 币",
+                              flush=True)
+                        log_trade({"ev": "timeout_close", "key": key,
+                                   "size": pos[0]["total"]})
+                except Exception as e:
+                    print(f"  ⛔ {key} 超时平仓失败 {type(e).__name__}: {e}",
+                          flush=True)
+                    continue
+                self.execs.pop(key, None)
+
+    def ship_state(self) -> dict | None:
+        """读搬运器落的存活文件。读不到返回 None——那本身就是要报的事。"""
+        try:
+            p = self.bus.parent / "ship_alive.json"
+            with open(p, encoding="utf-8") as f:
+                return json.load(f)
+        except Exception:  # noqa: BLE001
+            return None
+
+    async def heartbeat(self) -> None:
+        while True:
+            await asyncio.sleep(300)
+            if TG_HB_MIN and time.time() - self.tg_hb_at >= TG_HB_MIN * 60:
+                self.tg_hb_at = time.time()
+                await tg.alive(time.time() - self.t0, self.n_seen,
+                               self.n_built, self.n_took,
+                               sum(1 for v in self.execs.values() if v),
+                               MAX_OPEN, self.guard.n_day, MAX_DAY,
+                               self.guard.pnl_day, MAX_DAY_LOSS,
+                               self.n_order_fail, self.ship_state(), self.dry)
+            # 跨日结算是 roll() 里同步留下的，在这里发出去
+            self.guard.roll()
+            if self.guard.pending_roll:
+                await tg.day_rolled(*self.guard.pending_roll)
+                self.guard.pending_roll = None
+            n_open = sum(1 for v in self.execs.values() if v)
+            # 「已做 N 但建仓 0」是明确的故障，不能只把数字并排列出来让人自己
+            # 看。首日那 5 小时的心跳里 "已做 4 · 在场 0/3" 一直在打，但没有
+            # 任何一处说这是异常
+            bad = ""
+            if self.n_took and not self.n_built:
+                bad = f"  ⛔ 做了 {self.n_took} 笔却一次都没建上，下单被拒"
+            elif self.n_order_fail:
+                bad = f"  ⚠ 有 {self.n_order_fail} 次下单失败"
+            print(f"  [心跳] 见信号 {self.n_seen} · 已做 {self.n_took} · "
+                  f"建仓 {self.n_built} · 跳过 {self.n_skip} · "
+                  f"在场 {n_open}/{MAX_OPEN} · "
+                  f"当日 {self.guard.n_day}/{MAX_DAY} 笔 · "
+                  f"当日 PnL {self.guard.pnl_day:+.2f}/-{MAX_DAY_LOSS}{bad}",
+                  flush=True)
+
+    async def shutdown(self) -> None:
+        """收到停机信号：撤挂单 + 平掉在场仓位，然后退出。
+
+        为什么停机要平仓，而崩溃不需要：崩溃后 systemd/docker 会在几秒内重启，
+        `reconcile` 接着就把遗留仓位清掉，空窗期有交易所侧止损兜着。而**主动
+        停机后没人重启**，仓位会一直挂到止损或止盈——48 分钟超时腿丢了，跑的
+        就不是回测那个出场结构了。
+
+        直接复用 reconcile：它做的正是"撤挂单 + 市价平掉一切"。
+        """
+        print("\n  收到停机信号，撤挂单并平掉在场仓位", flush=True)
+        await tg.stopping(len(self.execs))
+        try:
+            if self.dry:
+                print("  空跑模式，无仓位可平", flush=True)
+            else:
+                await asyncio.wait_for(self.reconcile(), timeout=60.0)
+        except asyncio.TimeoutError:
+            print("  ⛔ 平仓超过 60s 未完成。仓位仍有交易所侧止损，"
+                  "但超时腿已丢，去交易所确认", flush=True)
+        except Exception as e:  # noqa: BLE001
+            print(f"  ⛔ 停机平仓失败 {type(e).__name__}: {e}，需人工介入",
+                  flush=True)
+        finally:
+            # 不关会话会在日志里留 "Unclosed client session"，且反复重启
+            # （Restart=always）会漏 socket
+            try:
+                await self.api.close()
+            except Exception:  # noqa: BLE001
+                pass
+
+    async def run(self) -> None:
+        await self.start()
+        stop = asyncio.Event()
+        loop = asyncio.get_running_loop()
+        # 必须显式挂 SIGTERM：docker stop 与 systemd stop 默认发的都是它，
+        # 而 Python 对 SIGTERM 不抛 KeyboardInterrupt，不挂就是直接消失、
+        # 没有任何清理。SIGINT 一并挂上，省得依赖 KillSignal= 那种绕法
+        for sig in (signal.SIGTERM, signal.SIGINT):
+            loop.add_signal_handler(sig, stop.set)
+        work = [asyncio.create_task(c)
+                for c in (self.poll(), self.watch(), self.sweep(),
+                          self.heartbeat())]
+        done, _ = await asyncio.wait(
+            [*work, asyncio.create_task(stop.wait())],
+            return_when=asyncio.FIRST_COMPLETED)
+        for t in work:
+            t.cancel()
+        await asyncio.gather(*work, return_exceptions=True)
+        # 任一主循环自己退出（异常）也走这里：仓位不能留给没人管的进程
+        for t in done:
+            if t in work and (exc := t.exception()) is not None:
+                print(f"  ⛔ 主循环异常退出 {type(exc).__name__}: {exc}",
+                      flush=True)
+                await tg.error("主循环异常退出，正在平仓并退出",
+                               f"{type(exc).__name__}: {exc}")
+        await self.shutdown()
+
+
+def main() -> None:
+    ap = argparse.ArgumentParser()
+    ap.add_argument("--dry-run", action="store_true",
+                    help="不连交易所、不下单，只验总线与约束逻辑")
+    ap.add_argument("--bus", default=str(signal_bus.BUS))
+    a = ap.parse_args()
+
+    print(f"实盘执行器 · 名义 {NOTIONAL:.0f} USDT · {LEVERAGE}x · "
+          f"并发≤{MAX_OPEN} · 日开仓≤{MAX_DAY} · 日亏损≤{MAX_DAY_LOSS}")
+    asyncio.run(Exec(a.dry_run, Path(a.bus)).run())
+
+
+if __name__ == "__main__":
+    main()

live/requirements.txt

@@ -0,0 +1,8 @@
+# 生产执行器的全部依赖。**保持这个文件只有一行。**
+#
+# 每加一个包都要能回答"实盘进程崩在这个包里我怎么办"。numpy/pandas/pyarrow
+# 曾经因为读两个常量被拖进来（见 live/exit_params.py 的说明），已经切掉。
+#
+# 版本下限的理由：3.9 起 aiohttp 才在 Python 3.12+ 上稳定编译；不锁上限是
+# 因为这里只用 ClientSession.request 这一个最稳定的 API 面。
+aiohttp>=3.9

live/ship_signals.py

@@ -0,0 +1,232 @@
+"""把产信号那台机的总线搬到本机（生产机）。跑在**消费侧**，即 AWS 上。
+
+## 为什么要搬
+
+Bitget 的 API key 绑了 IP 白名单，只能从 AWS 那台发单；而信号是新加坡那台
+采集器算出来的。执行器不自己算信号的理由见 `signal_bus.py` 顶部——最要紧的
+是「实盘交易的必须是影子测量的那一个信号」，各算一份会悄悄分叉。
+
+## 为什么是拉而不是推
+
+拉的一侧是生产机，它对自己的输入负责。推的话，研究机上一个脚本挂了就会静默
+断供，而生产机看不出区别（信号本来就 6.8 个/天，长时间没有是正常的）。
+
+## 断线怎么自愈
+
+每次重连都 `tail -c +0`，即从文件头重放全部内容，本地按 `key` 去重后只追加
+新的。所以断线期间产生的信号会在重连时补齐，不需要记录偏移量。
+
+⚠️ 补齐**不等于**补做：重放上来的旧信号会被 `live_exec` 的 `LIVE_STALE_S`
+（默认 20s）挡掉。这是对的——参考成交价是次根开盘价，过了就不是回测那个价。
+所以断线超过 20s 就等于漏掉那些信号，这是可接受的退化，不是 bug。
+
+## 为什么单独一个进程
+
+搬运挂掉时，执行器要继续管在场仓位（48 分钟超时平仓在本进程里）。合成一个
+进程会让传输故障连坐到仓位管理。
+
+    python live/ship_signals.py --from sg-collector          # 用 ~/.ssh/config 的别名
+    python live/ship_signals.py --from user@1.2.3.4 --remote-bus /home/user/chan-live/state/signals_live.jsonl
+"""
+from __future__ import annotations
+
+import argparse
+import asyncio
+import json
+import os
+import sys
+import time
+from pathlib import Path
+
+HERE = Path(__file__).resolve()
+sys.path.insert(0, str(HERE.parent))
+
+import signal_bus  # noqa: E402
+
+# ssh 参数的理由：
+#   BatchMode        不要交互提示密码，否则进程会挂在那里等输入
+#   ServerAliveInterval/CountMax  45s 内探测不到就断开重连。没有这两条，
+#                    NAT 静默丢弃连接后 tail 会永远挂着不返回，表现为
+#                    「进程活着但再也收不到信号」——最难发现的那种故障
+#   ExitOnForwardFailure/StrictHostKeyChecking 留默认，主机指纹要人工确认过
+SSH_OPTS = ["-T", "-o", "BatchMode=yes",
+            "-o", "ServerAliveInterval=15", "-o", "ServerAliveCountMax=3",
+            "-o", "ConnectTimeout=10"]
+
+REMOTE_BUS = os.environ.get(
+    "SHIP_REMOTE_BUS", "~/chan-live/state/signals_live.jsonl")
+BACKOFF_MAX = 60.0
+# 允许的负龄。1s 覆盖正常的 NTP 抖动与网络传输，超出就该当时钟问题查
+SKEW_TOL_S = 1.0
+
+
+class Shipper:
+    def __init__(self, host: str, remote_bus: str, local_bus: Path) -> None:
+        self.host = host
+        self.remote_bus = remote_bus
+        self.bus = local_bus
+        self.seen: set[str] = set()
+        self.n_new = 0
+        self.n_dup = 0
+        self.connected_at = 0.0
+        self.last_signal_ts = 0.0
+        self.n_reconnect = 0
+        self.n_skew = 0
+        self.ssh_up = False
+        self.alive = local_bus.parent / "ship_alive.json"
+
+    def load_seen(self) -> None:
+        """本地已有的键先读进来，避免重启后把整个文件再追加一遍。"""
+        self.bus.parent.mkdir(parents=True, exist_ok=True)
+        for rec in signal_bus.read_all(self.bus):
+            k = rec.get("key")
+            if k:
+                self.seen.add(k)
+        print(f"  本地已有 {len(self.seen)} 条信号，按 key 去重", flush=True)
+
+    def absorb(self, line: str) -> None:
+        line = line.strip()
+        if not line:
+            return
+        try:
+            rec = json.loads(line)
+        except json.JSONDecodeError:
+            # 半行：tail 在写入中途读到。重连重放时会拿到完整的那一行
+            print(f"  ⚠ 跳过无法解析的一行（{len(line)} 字节）", flush=True)
+            return
+        k = rec.get("key")
+        if not k:
+            print(f"  ⚠ 跳过无 key 的记录：{line[:80]}", flush=True)
+            return
+        if k in self.seen:
+            self.n_dup += 1
+            return
+        self.seen.add(k)
+        self.n_new += 1
+        self.last_signal_ts = time.time()
+        # 原样追加，不重新序列化——保持与源文件逐字节一致，便于事后对账
+        with self.bus.open("a", encoding="utf-8") as f:
+            f.write(line + "\n")
+            f.flush()
+            os.fsync(f.fileno())
+        age = time.time() - rec.get("kline_ts", 0) / 1000.0
+        if age < -SKEW_TOL_S:
+            # 负龄说明产信号那台机的时钟快于本机。这不是无害的：staleness 闸
+            # 靠 age 判断，时钟快 5 分钟就等于把闸放宽 5 分钟，一个早已失效的
+            # 参考价会被当成新鲜的照做。两台都必须挂 NTP（部署文档里是硬要求）
+            self.n_skew += 1
+            print(f"  ⛔ {k} 时间倒流 {-age:.1f}s —— 两机时钟不同步，"
+                  f"staleness 闸已不可信。查 chronyd/systemd-timesyncd",
+                  flush=True)
+        mark = "" if age <= 20 else "  ⚠ 已超 20s，执行器会挡掉"
+        print(f"  ▶ 收到 {k} · 距参考价成立 {age:.1f}s{mark}", flush=True)
+
+    async def pump(self) -> None:
+        """连一次，读到断为止。返回即表示需要重连。"""
+        cmd = ["ssh", *SSH_OPTS, self.host,
+               f"tail -c +0 -F {self.remote_bus}"]
+        proc = await asyncio.create_subprocess_exec(
+            *cmd, stdout=asyncio.subprocess.PIPE,
+            stderr=asyncio.subprocess.PIPE)
+        self.connected_at = time.time()
+        self.ssh_up = True
+        self.touch_alive(0)          # 立刻落盘，别等 5 分钟心跳——执行器第一轮
+                                     # 整点推送会读这个文件，晚写就会误报上游断了
+        print(f"  ssh 已连上 {self.host}", flush=True)
+        assert proc.stdout is not None
+        try:
+            async for raw in proc.stdout:
+                self.absorb(raw.decode("utf-8", "replace"))
+        finally:
+            err = b""
+            if proc.stderr is not None:
+                try:
+                    err = await asyncio.wait_for(proc.stderr.read(), 2.0)
+                except asyncio.TimeoutError:
+                    pass
+            if proc.returncode is None:
+                proc.kill()
+            await proc.wait()
+            up = time.time() - self.connected_at
+            self.ssh_up = False
+            self.touch_alive(up)     # 立刻标断开。只靠停更来发现的话，心跳还在
+                                    # 刷 ts，执行器会以为管道还活着
+            msg = err.decode("utf-8", "replace").strip()
+            print(f"  ssh 断开（在线 {up:.0f}s，退出码 {proc.returncode}）"
+                  f"{'：' + msg if msg else ''}", flush=True)
+
+    async def run(self) -> None:
+        self.load_seen()
+        asyncio.create_task(self.heartbeat())
+        backoff = 1.0
+        while True:
+            try:
+                await self.pump()
+                backoff = 1.0          # 正常断开：立刻重连
+            except Exception as e:      # noqa: BLE001
+                print(f"  ⚠ 搬运出错：{type(e).__name__}: {e}", flush=True)
+            self.n_reconnect += 1
+            await asyncio.sleep(backoff)
+            backoff = min(backoff * 2, BACKOFF_MAX)
+
+    async def heartbeat(self) -> None:
+        """信号 6.8 个/天，所以「很久没收到」是正常的，不能当健康指标。
+
+        真正要报的是**连接**在不在：ssh 在线时长与重连次数。管道死了但进程
+        活着是这里最危险的状态，ServerAliveInterval 负责让它变成一次断开。
+        """
+        while True:
+            await asyncio.sleep(300)
+            up = time.time() - self.connected_at if self.connected_at else 0
+            last = (f"{(time.time() - self.last_signal_ts) / 60:.0f} 分钟前"
+                    if self.last_signal_ts else "本次启动后还没有")
+            skew = f" · ⛔ 时钟倒流 {self.n_skew} 次" if self.n_skew else ""
+            print(f"  [心跳] ssh 在线 {up / 60:.0f} 分钟 · 重连 "
+                  f"{self.n_reconnect} 次 · 新增 {self.n_new} 条"
+                  f"（重放去重 {self.n_dup}）· 最近一条 {last}{skew}",
+                  flush=True)
+            self.touch_alive(up)
+
+    def touch_alive(self, up: float) -> None:
+        """把连接状态落到文件，供执行器的整点推送读。
+
+        为什么要落盘：Telegram 推送在执行器那侧，而它看不到本进程的日志。
+        「执行器活着」单独没有意义——搬运管道死掉时执行器一样心跳正常、一样
+        什么都不做，那正是最危险的状态。所以推送里必须带上游的新鲜度，
+        这个文件是唯一的传递途径。
+
+        写失败只打日志：搬运的正事是投信号，不能因为写不了状态文件而中断。
+        """
+        try:
+            self.alive.parent.mkdir(parents=True, exist_ok=True)
+            tmp = self.alive.with_suffix(".tmp")
+            tmp.write_text(json.dumps({
+                "ts": time.time(), "up_s": round(up),
+                "connected": self.ssh_up,
+                "n_reconnect": self.n_reconnect, "n_new": self.n_new,
+                "n_skew": self.n_skew,
+                "last_signal_ts": self.last_signal_ts}), encoding="utf-8")
+            tmp.replace(self.alive)          # 原子替换，读侧不会看到半个文件
+        except Exception as e:               # noqa: BLE001
+            print(f"  ⚠ 写存活文件失败 {type(e).__name__}: {e}", flush=True)
+
+
+def main() -> None:
+    ap = argparse.ArgumentParser()
+    ap.add_argument("--from", dest="host", required=True,
+                    help="产信号那台机的 ssh 目标，如 sg-collector 或 user@ip")
+    ap.add_argument("--remote-bus", default=REMOTE_BUS,
+                    help="对端总线路径（对端 shell 展开，可用 ~）")
+    ap.add_argument("--bus", default=str(signal_bus.BUS),
+                    help="本机总线路径，执行器读同一个")
+    a = ap.parse_args()
+    s = Shipper(a.host, a.remote_bus, Path(a.bus))
+    print(f"信号搬运：{a.host}:{a.remote_bus} → {a.bus}", flush=True)
+    try:
+        asyncio.run(s.run())
+    except KeyboardInterrupt:
+        print("  停止", flush=True)
+
+
+if __name__ == "__main__":
+    main()

live/signal_bus.py

@@ -0,0 +1,78 @@
+"""影子把过滤网的信号写到这里，实盘执行器读这里。
+
+## 为什么不让实盘自己算信号
+
+三个理由，第三个最要紧：
+
+1. 2 核上再来一份十币计算，清空会从 247ms 推到 500ms+
+2. 实盘进程崩溃不该影响正在采的数据集
+3. **实盘交易的必须是影子测量的那一个信号。** 各算一份会让两边悄悄分叉，
+   之后就没法把实盘的实际成交和影子测的滑点曲线对照——而那个对照是整件事
+   的目的
+
+## 为什么用 append-only 文件而不是队列
+
+崩溃安全 + 留审计轨迹。实盘进程重启后能从文件里看到自己漏掉了哪些信号，
+而不是像内存队列那样直接消失。文件也让"影子在跑、实盘没在跑"这种状态成为
+可观测的（信号在攒着），而不是静默丢弃。
+
+每行一个 JSON，字段见 `emit`。`key` 是幂等键，实盘按它去重——同一根被重复
+处理（补根、进程池重建后重放）不该开两次仓。
+"""
+from __future__ import annotations
+
+import json
+import os
+import time
+from pathlib import Path
+
+# 默认不落在仓库里：git checkout/clean 会动仓库，而这里是跨进程（甚至跨机）
+# 的交接点，被清掉就等于信号静默丢失。产信号的一侧和消费的一侧各自指到
+# 自己的路径即可，同机时指到同一个文件
+BUS = Path(os.environ.get(
+    "SIGNAL_BUS", Path.home() / "chan-live" / "state" / "signals_live.jsonl"))
+
+
+def key_of(sym: str, kline_ts: int, direction: int) -> str:
+    return f"{sym}:{int(kline_ts)}:{int(direction):+d}"
+
+
+def emit(sym: str, kline_ts: int, direction: int, entry_px: float,
+         atr_pct: float, lag_ms: float, path: Path | None = None) -> None:
+    """追写一条信号。任何失败只打日志——总线写不进去不能连坐采集。
+
+    `entry_px` 是次根开盘价，也就是回测口径的成交价。实盘据此算止损/止盈的
+    绝对价位，**不要**用实盘自己看到的现价，否则价位会随执行延迟漂移，跑的
+    就不是回测那个结构。
+    """
+    p = path or BUS
+    rec = {"key": key_of(sym, kline_ts, direction),
+           "sym": sym, "kline_ts": int(kline_ts),
+           "direction": int(direction),
+           "entry_px": float(entry_px), "atr_pct": float(atr_pct),
+           "lag_ms": float(lag_ms),
+           "emit_ms": int(time.time() * 1000)}
+    try:
+        p.parent.mkdir(parents=True, exist_ok=True)
+        with p.open("a") as f:
+            f.write(json.dumps(rec) + "\n")
+            f.flush()
+            # 实盘要在毫秒级看到，且进程被 SIGKILL 时不能丢——这两点都要求
+            # 落到磁盘，不能只停在 libc 缓冲里
+            os.fsync(f.fileno())
+    except Exception as e:
+        print(f"  [bus] 写信号失败 {type(e).__name__}: {e}", flush=True)
+
+
+def read_all(path: Path | None = None):
+    """读全部信号。坏行跳过——半行只可能出现在文件末尾的崩溃点。"""
+    p = path or BUS
+    if not p.exists():
+        return
+    for line in p.read_text().splitlines():
+        if not line.strip():
+            continue
+        try:
+            yield json.loads(line)
+        except json.JSONDecodeError:
+            continue

live/tg.py

@@ -0,0 +1,172 @@
+"""生产侧 Telegram 通知。只用标准库 + aiohttp。
+
+## 推什么、不推什么
+
+推送的价值在于**你会因此做点什么**。按这个标准筛：
+
+    推   开仓        能立刻眼看一遍方向/价位对不对
+    推   平仓        带已实现盈亏（含手续费与资金费），这是唯一的真账
+    推   闸拦截      仅 MAX_OPEN / MAX_DAY / MAX_DAY_LOSS —— 说明有 bug 或策略在流血
+    推   报错、对账平仓、跨日结算
+    推   整点在线      每 60 分钟一条，见下
+    不推 信号过期跳过  这是常态（重连重放会带上旧信号），推了就淹掉真事
+    不推 5 分钟心跳    日志里有，推了每天 288 条
+
+量级：信号 6.8 个/天、日开仓上限 15、在线 24 条，所以最多约 55 条/天。
+
+## 整点在线那条为什么不违反上面的标准
+
+只说「我还活着」的推送看两天就会被忽略，那时它就成了噪声。所以这条必须带
+**能暴露问题的数字**，尤其是上游新鲜度——执行器活着不代表链路活着，搬运
+管道死掉时执行器一样心跳正常、一样什么都不做，那是最危险的状态。异常时这
+条会显式标出来，而不是把数字并排列出来让人自己看。
+
+## 失败一律只打日志
+
+推送挂了不能连坐交易。所有异常在这里吞掉——上层不该因为 Telegram 抽风而
+影响下单或平仓。
+"""
+from __future__ import annotations
+
+import os
+import time
+
+TOKEN = os.environ.get("TG_TOKEN", "")
+CHAT = os.environ.get("TG_CHAT", "")
+ENABLED = bool(TOKEN and CHAT)
+# 生产机上给这条推送打个前缀，免得和采集机推的手工信号混在一个对话里分不清
+TAG = os.environ.get("TG_TAG", "实盘")
+
+
+async def send(text: str) -> None:
+    """推一条。任何失败都只打日志——推送挂了不能连坐交易。"""
+    if not ENABLED:
+        return
+    try:
+        import aiohttp
+        url = f"https://api.telegram.org/bot{TOKEN}/sendMessage"
+        async with aiohttp.ClientSession() as s:
+            async with s.post(url,
+                              json={"chat_id": CHAT, "text": text},
+                              timeout=aiohttp.ClientTimeout(total=10)) as r:
+                if r.status != 200:
+                    body = (await r.text())[:200]
+                    print(f"  [TG] 推送失败 HTTP {r.status} {body}", flush=True)
+    except Exception as e:  # noqa: BLE001
+        print(f"  [TG] 推送异常 {type(e).__name__}: {e}", flush=True)
+
+
+def _fmt(px: float) -> str:
+    """按量级选小数位。跨币种从 79000 到 0.087，固定位数会难读或丢精度。"""
+    a = abs(px)
+    if a >= 1000:
+        return f"{px:.1f}"
+    if a >= 10:
+        return f"{px:.3f}"
+    if a >= 1:
+        return f"{px:.4f}"
+    return f"{px:.6f}"
+
+
+async def opened(sym: str, side: str, entry: float, atr_pct: float,
+                 notional: float, leverage: int, stop_px: str,
+                 legs: list[dict], age_s: float) -> None:
+    arrow = "多" if side == "LONG" else "空"
+    lines = [f"[{TAG}] 开仓 {sym} {arrow}",
+             f"参考价 {_fmt(entry)} · ATR {atr_pct * 1e4:.1f}bp",
+             f"名义 {notional:.0f} USDT · {leverage}x · "
+             f"保证金 {notional / leverage:.0f} USDT",
+             f"止损 {stop_px}（两腿共用，不移动）"]
+    for lg in legs:
+        lines.append(f"  {lg['tag']:<6} {lg['size']} 币 · 止盈 {lg['tp_px']}")
+    lines.append(f"距参考价成立 {age_s:.1f}s")
+    await send("\n".join(lines))
+
+
+async def closed(sym: str, side: str, pnl: float, open_px: float,
+                 close_px: float, day_pnl: float, day_n: int,
+                 reason: str = "") -> None:
+    arrow = "多" if side == "LONG" else "空"
+    mark = "盈" if pnl > 0 else ("亏" if pnl < 0 else "平")
+    tail = f" · {reason}" if reason else ""
+    await send(f"[{TAG}] 平仓 {sym} {arrow} {mark} {pnl:+.2f} USDT{tail}\n"
+               f"开 {_fmt(open_px)} → 平 {_fmt(close_px)}\n"
+               f"当日 {day_n} 笔 · 累计 {day_pnl:+.2f} USDT")
+
+
+async def blocked(key: str, why: str) -> None:
+    """只在被硬约束挡住时推。过期跳过属于常态，不走这里。"""
+    await send(f"[{TAG}] ⛔ 信号被挡 {key}\n{why}")
+
+
+async def error(what: str, detail: str) -> None:
+    await send(f"[{TAG}] ⛔ {what}\n{detail[:500]}")
+
+
+async def started(notional: float, leverage: int, syms: int,
+                  dry: bool) -> None:
+    mode = "空跑（不下真单）" if dry else "真跑"
+    await send(f"[{TAG}] 执行器启动 · {mode}\n"
+               f"名义 {notional:.0f} USDT · {leverage}x · {syms} 币")
+
+
+async def day_rolled(day: str, n: int, pnl: float) -> None:
+    await send(f"[{TAG}] {day} 结算 · {n} 笔 · {pnl:+.2f} USDT")
+
+
+def _dur(s: float) -> str:
+    s = max(0, int(s))
+    if s < 60:
+        return f"{s}秒"
+    if s < 3600:
+        return f"{s // 60}分钟"
+    if s < 86400:
+        h, m = s // 3600, (s % 3600) // 60
+        return f"{h}小时{m}分" if m else f"{h}小时"
+    return f"{s / 86400:.1f}天"
+
+
+async def alive(up_s: float, seen: int, built: int, took: int, n_open: int,
+                max_open: int, day_n: int, max_day: int, day_pnl: float,
+                max_loss: float, order_fail: int, ship: dict | None,
+                dry: bool) -> None:
+    """整点在线。异常在第一行，正常时才是「在线」。
+
+    `ship` 是搬运器落的 ship_alive.json 解出来的字典，None 表示读不到——
+    那本身就是要报的事：搬运没在跑、或者跑的是没有这个文件的旧版本。
+    """
+    warn = []
+    if order_fail and not built:
+        warn.append(f"⛔ 做了 {took} 笔却一次都没建上，下单全被拒")
+    elif order_fail:
+        warn.append(f"⚠ 累计 {order_fail} 次下单失败")
+    if ship is None:
+        warn.append("⛔ 读不到搬运状态，信号可能根本没在进来")
+    else:
+        gap = time.time() - ship.get("ts", 0)
+        # 搬运连上/断开/每 5 分钟都会落一次。超过 12 分钟是进程自己死了
+        if gap > 720:
+            warn.append(f"⛔ 搬运状态已停更 {_dur(gap)}，上游可能已断")
+        elif ship.get("connected") is False:
+            warn.append("⛔ 搬运 ssh 已断开，正在重连")
+        if ship.get("n_skew"):
+            warn.append(f"⛔ 搬运侧时钟倒流 {ship['n_skew']} 次")
+
+    head = warn[0] if warn else ("在线（空跑）" if dry else "在线")
+    lines = [f"[{TAG}] {head} · 已跑 {_dur(up_s)}",
+             f"信号 {seen} · 建仓 {built} · 在场 {n_open}/{max_open}",
+             f"当日 {day_n}/{max_day} 笔 · 盈亏 {day_pnl:+.2f}/-{max_loss:.1f}"]
+    if ship is not None:
+        last = ship.get("last_signal_ts") or 0
+        lines.append(
+            f"搬运 ssh 在线 {_dur(ship.get('up_s', 0))} · "
+            f"重连 {ship.get('n_reconnect', 0)} 次 · 最近信号 "
+            + (f"{_dur(time.time() - last)}前" if last else "启动后还没有"))
+    lines += warn[1:]
+    await send("\n".join(lines))
+
+
+async def stopping(n_open: int) -> None:
+    await send(f"[{TAG}] 收到停机信号，平掉在场 {n_open} 笔后退出。"
+               f"\n注意：停机后不再有超时平仓与新开仓。"
+               f"发生时间 {time.strftime('%H:%M:%S')}")

research/PROMOTE_coinglass_relay.md

@@ -0,0 +1,7 @@
+# 已 superseded
+
+v0 改走免费交易所，由 **data_provider** 拉，chan 只从中转取。
+
+见 [PROMOTE_deriv_relay.md](./PROMOTE_deriv_relay.md)。
+
+CoinGlass 付费档等看完交易所效果再开，不要和本阶段混做。

research/PROMOTE_deriv_relay.md

@@ -0,0 +1,94 @@
+# 需求：资金面数据（data_provider → chan）
+
+**提出方：** chan  
+**执行方：** data_provider  
+**阶段：** Paper。先看效果。不进 Live。
+
+---
+
+## 要什么
+
+chan 要在缠论图上叠资金面，和现有 K 线对得上。
+
+data_provider 对外提供资金面；chan **只从 data_provider 取**，不访问交易所，不访问 CoinGlass。
+
+K 线路径不动（现有 `/api/candles` 与 K 线推送）。本次只加资金面。
+
+---
+
+## 数据
+
+先三个币：**BTC、ETH、SOL**（USDT 永续，符号与现有 K 线相同，如 `BTC/USDT:USDT`）。
+
+要两样：
+
+1. **持仓量（OI）**  
+   - 要历史，能覆盖缠论常用周期：`15m`、`30m`、`4h`、`1d`（有 `1h`/`2h` 更好）。  
+   - 要当前最新值。  
+   - 历史长度至少约 30 天。
+
+2. **资金费率（funding）**  
+   - 要当前值。  
+   - 要历史结算序列。  
+   - 对齐到各周期 K 线：结算点落到所在那根；非结算 bar 沿用上一次结算值，不要插值编造。
+
+来源：交易所公开数据即可，本阶段不买 CoinGlass。OI 历史哪家所没有，用另一家所公开数据补，需标明来源。
+
+**本阶段不要：** 清算、热力图、多空比、订单簿、CoinGlass。
+
+---
+
+## 给 chan 的接口
+
+与 `/api/candles` 同一套约定：
+
+- `symbol` 与蜡烛相同  
+- 时间戳毫秒 UTC  
+- 按周期 `tf` 取序列  
+- 支持 `start` / `end` / `limit`（默认 `limit=500`）
+
+示例：
+
+```http
+GET /api/deriv?symbol=BTC/USDT:USDT&tf=15m&metrics=oi,funding
+```
+
+每根：
+
+| 字段 | 要求 |
+|---|---|
+| `timestamp` | 与同 `tf` 的 `/api/candles` **开盘时间**对齐；对不齐的不要 |
+| `oi` | 该 bar 持仓量；缺则 `null` |
+| `oi_src` | 该值来自哪家所 |
+| `funding` | 该 bar 资金费率；缺则 `null` |
+| `funding_src` | 该值来自哪家所 |
+
+健康状态要能看出：资金面是否可用、各所是否通、上次成功时间。
+
+---
+
+## 约束
+
+- 全程 HTTPS REST。本阶段不要求资金面 WebSocket。  
+- chan、浏览器不得直连交易所。  
+- 现有 K 线接口行为不变。  
+- 一家所挂了：缺那家字段，另一家仍要能出；两边都没有且无可用数据时明确失败。  
+- 上游限流或超时：不要拖垮 K 线。
+
+---
+
+## 不算本次
+
+- CoinGlass / 付费数据  
+- 清算、热力、多空  
+- Live、下单  
+- chan 叠图（等本接口可用再做）
+
+---
+
+## 怎样算齐
+
+1. `GET /api/deriv?symbol=BTC/USDT:USDT&tf=15m` 能拿到 `oi`、`funding`，时间能对上同参数的 `/api/candles`。  
+2. chan / 浏览器零次访问交易所。  
+3. 只挂一家所时，接口仍可用，只缺对应字段。  
+4. K 线不受影响。

research/lib/fast_bsp1.py

@@ -0,0 +1,225 @@
+"""快速一类买卖点（fast B1/S1）——把引擎的 B1/S1 改写成当根可判的形式。
+
+**动机**：step55 实测引擎 `find_all_bsp` 的 B1/S1 在 5m/15m 上是重亏的
+（PF 0.20~0.24、胜率 15~21%、t −17~−22），而且原因是几何性的：引擎在
+`leave_bi.sure_time` 才发信号，中位滞后 8~9 根，此时价格已朝反弹方向跑了
+1.68 ATR。逆势信号上，这个滞后是加倍惩罚——新入场价往下 2 ATR 的止损落在
+比原始低点还低 0.3 ATR 处，几乎贴着极值。
+
+B3 当年也是同样的病（PF 0.66），解法不是调参而是**重新定义成实时判据**
+（B4，见 `chanlun/analysis/fast_bsp.py`）。本模块对一类做同样的事。
+
+引擎 B1 是三个条件的合取（`bsp.py: find_all_bsp` + `check_bi_div`）：
+
+    中枢已成 -> 一笔向下离开中枢 -> 该笔 MACD 面积 < 进入笔面积（底背驰）
+
+三条都有当根可判的代理，滞后来源只有一处——`leave_bi.is_sure`：
+
+    中枢已成    zs.is_sure          -> zones.available_ts（与 B4 同口径，已解决）
+    向下离开    leave_bi 端点在 zd 下 -> **收盘** < zd，当根可判
+    背驰        整笔面积对比          -> 进入笔面积在中枢确认时已是历史，
+                                       离开段面积从突破根起逐根累加，当根可判
+    触发        等笔确认（滞后之源）   -> 收盘反向越过前一根极值（沿用 B4 的转强判据）
+
+**与三类的方向关系相反**：三类顺着突破方向做，一类逆着做。中枢向下突破后，
+B4 会做空，而 fast B1 是在同一段下跌里找力竭然后**做多**。
+
+⚠️ 先验不利，落地前请先看数：§3.391 实测 `mom60` 最高的四分位是最差的
+（余量只剩 1.44bp），而一类按定义就住在一段已走完的行情末端。本模块是用来
+证伪这个先验的，不是用来假定它不成立的。
+"""
+from __future__ import annotations
+
+import numpy as np
+import pandas as pd
+
+from chanlun.analysis.fast_bsp import _resolve_avail_bi, timestamps_ms
+
+
+def zones_with_enter_area(zs_list, src: pd.DataFrame,
+                          avail_bi: int | None = None) -> pd.DataFrame:
+    """区间表 + 进入笔的 MACD 面积与方向。
+
+    这两列**不引入滞后**：进入笔是中枢第一笔的前一笔，中枢确认时它早已收尾。
+    背驰判据里唯一需要等待的是离开段，而那一段可以逐根累加。
+
+    面积口径必须和 `ChanBI.cal_macd_hist` 一致：只累加顺方向那一侧的 hist
+    并取绝对值（上升笔累加正值，下降笔累加负值的绝对值），故恒非负。
+    """
+    ts_of = dict(zip(src["date"].dt.strftime("%Y-%m-%d %H:%M:%S"),
+                     timestamps_ms(src)))
+    i = _resolve_avail_bi(avail_bi)
+
+    rows = []
+    for zs in zs_list:
+        bis = getattr(zs, "bi_list", [])
+        if not bis:
+            continue
+        key_bi = bis[i] if (i == -1 or len(bis) > i) else bis[-1]
+        avail = (ts_of.get(str(getattr(key_bi, "sure_time", "") or ""))
+                 or ts_of.get(str(getattr(key_bi, "end_time", "") or "")))
+        if avail is None:
+            continue
+        enter_bi = getattr(bis[0], "pre", None)
+        if enter_bi is None:
+            continue
+        # dir 用 +1/−1 表示，避免把引擎枚举漏进研究侧
+        e_dir = 1 if str(enter_bi.dir).endswith("UP") else -1
+        rows.append({
+            "zg": float(zs.zg), "zd": float(zs.zd),
+            "start_ts": ts_of.get(str(bis[0].start_time), avail),
+            "available_ts": int(avail),
+            "enter_area": abs(float(enter_bi.macd_hist)),
+            "enter_dir": e_dir,
+        })
+    out = pd.DataFrame(rows)
+    if out.empty:
+        return out
+    return out.sort_values("available_ts").reset_index(drop=True)
+
+
+def find_fast_bsp1(
+    df: pd.DataFrame,
+    zones: pd.DataFrame,
+    scan: int = 200,
+    leave_win: int = 60,
+    min_leave_bars: int = 3,
+    max_div: float = 1.0,
+    max_per_zone: int = 1,
+    diag: dict | None = None,
+) -> pd.DataFrame:
+    """扫描每个中枢，找「离开中枢后力度背驰、随即转向」的入场点。
+
+    zones 需含 zg / zd / available_ts / enter_area / enter_dir，
+    即 `zones_with_enter_area` 的输出。
+
+    `min_leave_bars` 要求离开段至少走这么多根才允许触发。没有它的话，转强判据
+    会在突破后第一根小反弹就打进去，那时离开段的面积还没累起来，背驰条件几乎
+    自动成立——会退化成「随便一个反弹就抄底」。
+
+    `max_div` 是背驰的松紧：离开段面积 / 进入段面积 < max_div 才算背驰。
+    1.0 等于引擎的 `macdhist_div < 0`；调小则只认力度衰减更明显的。
+
+    返回列：
+      entry_idx   实时可下单的K线
+      direction   +1 一买 / −1 一卖（**与突破方向相反**）
+      bo_idx      离开中枢的突破根
+      ext_idx     离开段的极值根
+      lag         entry_idx − ext_idx，即相对理想入场点的滞后
+      div         离开段面积 / 进入段面积，越小背驰越强
+      depth       离开段极值越过中枢边界的幅度（相对边界）
+    """
+    need = {"zg", "zd", "available_ts", "enter_area", "enter_dir"}
+    if zones.empty or not need <= set(zones.columns):
+        return pd.DataFrame()
+
+    ts = df["timestamp"].to_numpy()
+    close = df["close"].to_numpy(float)
+    high = df["high"].to_numpy(float)
+    low = df["low"].to_numpy(float)
+    hist = df["macdhist"].to_numpy(float)
+    atr = df["atr"].to_numpy(float)
+    n = len(df)
+    rows = []
+
+    def note(key: str) -> None:
+        if diag is not None:
+            diag[key] = diag.get(key, 0) + 1
+
+    for zone_i, (_, z) in enumerate(zones.iterrows()):
+        note("中枢总数")
+        zg, zd = float(z["zg"]), float(z["zd"])
+        e_area, e_dir = float(z["enter_area"]), int(z["enter_dir"])
+        if zg <= zd or not np.isfinite(e_area) or e_area <= 0:
+            note("×无效中枢或进入段无面积")
+            continue
+        start = int(np.searchsorted(ts, z["available_ts"], side="left"))
+        if start >= n - 2:
+            note("×中枢太靠后")
+            continue
+        scan_end = min(start + scan * max_per_zone, n)
+        cursor = start
+
+        for occ in range(1, max_per_zone + 1):
+            if cursor >= n - 2:
+                break
+            was_inside = False
+            bo_idx, d = None, 0
+            for j in range(cursor, scan_end):
+                c = close[j]
+                if zd <= c <= zg:
+                    was_inside = True
+                    continue
+                if not was_inside:
+                    continue
+                bo_idx, d = j, (1 if c > zg else -1)
+                break
+            if bo_idx is None:
+                if occ == 1:
+                    note("×窗口内未离开中枢")
+                break
+
+            # 引擎要求 enter_bi.dir == leave_bi.dir 才比面积，否则背驰无从谈起
+            if e_dir != d:
+                note("×进入段与离开段不同向")
+                cursor = bo_idx + 1
+                continue
+
+            area = 0.0
+            ext = low[bo_idx] if d == -1 else high[bo_idx]
+            ext_idx = bo_idx
+            entry_idx, div_at = None, np.nan
+            for j in range(bo_idx, min(bo_idx + leave_win + 1, n)):
+                h = hist[j]
+                # 与 ChanBI.cal_macd_hist 同口径：只取顺方向一侧，取绝对值
+                if d == -1 and h < 0:
+                    area -= h
+                elif d == 1 and h > 0:
+                    area += h
+                if (low[j] < ext) if d == -1 else (high[j] > ext):
+                    ext, ext_idx = (low[j] if d == -1 else high[j]), j
+                if j < bo_idx + min_leave_bars:
+                    continue
+                # 收盘回到中枢内 -> 这不是一次有效的离开，弃掉
+                if zd <= close[j] <= zg:
+                    note("×离开段收盘回到中枢内")
+                    break
+                if area >= e_area * max_div:
+                    continue                       # 力度未衰减，不是背驰
+                go = close[j] > high[j - 1] if d == -1 else close[j] < low[j - 1]
+                if go:
+                    entry_idx, div_at = j, area / e_area
+                    break
+            if entry_idx is None:
+                if occ == 1:
+                    note("×未在窗口内背驰转向")
+                cursor = bo_idx + 1
+                continue
+            if occ == 1:
+                note("√成交")
+
+            edge = zd if d == -1 else zg
+            # 延伸度用 ATR 归一，才和 step62 的 ext_run 同口径 —— 那里实测它是
+            # 唯一单调区分「趋势末端 vs 趋势中途」的特征（命中率 12%→44%）。
+            # 用相对边界的百分比会混入价格水平，不同币之间不可比。
+            a_ext = atr[ext_idx]
+            rows.append({
+                "entry_idx": entry_idx, "direction": -d,
+                "bo_idx": bo_idx, "ext_idx": ext_idx,
+                "lag": entry_idx - ext_idx,
+                "div": div_at,
+                "ext_atr": (abs(ext - edge) / a_ext
+                            if np.isfinite(a_ext) and a_ext > 0 else np.nan),
+                "depth": abs(ext - edge) / edge,
+                "zg": zg, "zd": zd,
+                "width_pct": (zg - zd) / close[bo_idx],
+                "occ": occ, "zone_i": zone_i,
+            })
+            cursor = entry_idx + 1
+
+    out = pd.DataFrame(rows)
+    if out.empty:
+        return out
+    return (out.sort_values(["entry_idx", "occ", "zone_i"])
+               .drop_duplicates("entry_idx", keep="first")
+               .reset_index(drop=True))

research/live/deploy/start.sh

@@ -18,8 +18,16 @@ NAME="${NAME:-shadow}"
 # 设 0 可退回 full，用来复量两模式的耗时差。
 SHADOW_LEAN="${SHADOW_LEAN:-1}"
 # 币池。默认三个流动性最好的做滑点测量；十币池是实际要交易的那批（TRX 剔除，
-# ATR 门控几乎全刷掉）。币数直接决定排队：所有币同一秒收盘，2 核上 10 个币
-# 需要约 640ms 墙钟才算完，最后一个币的信号会落在 800ms 哨兵线之外。
+# ATR 门控几乎全刷掉）。
+#
+# 币数超过核数时排队会成为主项：所有币同一秒收盘。此时**加 worker 没用**
+# ——CPU 密集的活，worker 超过核数不增吞吐，只会把等待从 queue_ms 挪到
+# inner_ms。增量路径（SHADOW_INCR=1，默认开）已把清空压到 300~560ms。
+#
+# 再往下压的顺序见 HANDOFF §5.72（口径对齐后的实测）：单币 inner 100ms ≈
+# 信号链 30ms + 追加 2.81 根 37ms + 2 核争抢 33ms。争抢只有 1.49x，所以
+# **加核收益有限**；最便宜的一刀是按币绑定 worker（现在 symbol 随机落
+# worker，每份缓存都漏掉对方处理过的根，于是人人要追 2.81 根而非 1 根）。
 SYMS="${SYMS:-BTC,ETH,SOL}"
 IMAGE="${SHADOW_IMAGE:-hummingbot/hummingbot:latest}"
 HOURS="${HOURS:-168}"
@@ -28,6 +36,10 @@ MAX_OFFSET_MS="${MAX_OFFSET_MS:-10}"
 
 REPO_ROOT="$(cd "$(dirname "${BASH_SOURCE[0]}")/../../.." && pwd)"
 OUT="$REPO_ROOT/research/out"
+# 信号总线的宿主机目录。**刻意放在仓库外**：这是交给实盘执行器（另一台机）的
+# 交接点，而仓库会被 git checkout/clean 动。执行器那台用 ssh tail 拉这个文件，
+# 所以它也不能在容器内部，必须挂出来
+BUS_DIR="${BUS_DIR:-$HOME/chan-live/state}"
 
 die() { printf '\033[31m错误：%s\033[0m\n' "$*" >&2; exit 1; }
 say() { printf '\n\033[1m==> %s\033[0m\n' "$*"; }
@@ -37,6 +49,12 @@ say() { printf '\n\033[1m==> %s\033[0m\n' "$*"; }
 
 say "站点 $SHADOW_SITE"
 
+mkdir -p "$BUS_DIR"
+# 容器内是 root，写出来的总线文件宿主机上归 root。执行器那台用普通用户
+# ssh 过来 tail，所以目录要可进入、文件要可读
+chmod 755 "$BUS_DIR" 2>/dev/null || true
+echo "信号总线：$BUS_DIR/signals_live.jsonl（容器内挂成 /bus）"
+
 say "校验时钟同步"
 offset_ms=""
 if command -v chronyc >/dev/null 2>&1; then
@@ -108,8 +126,16 @@ docker run -d --name "$NAME" -w /home/hummingbot \
 	-e PYTHONPATH=/home/hummingbot:/repo/research:/repo/research/live:/repo \
 	-e SHADOW_SITE="$SHADOW_SITE" \
 	-e SHADOW_LEAN="$SHADOW_LEAN" \
+	-e SHADOW_INCR="${SHADOW_INCR:-1}" \
+	-e TG_TOKEN="${TG_TOKEN:-}" \
+	-e TG_CHAT="${TG_CHAT:-}" \
+	-e TG_NOTIONAL="${TG_NOTIONAL:-500}" \
+	-e TG_LEVERAGE="${TG_LEVERAGE:-10}" \
+	-e TG_STALE_S="${TG_STALE_S:-90}" \
+	-e SIGNAL_BUS=/bus/signals_live.jsonl \
 	-v "$REPO_ROOT:/repo:ro" \
 	-v "$OUT:/out" \
+	-v "$BUS_DIR:/bus" \
 	--entrypoint /opt/conda/envs/hummingbot/bin/python \
 	"$IMAGE" /repo/research/live/shadow_hb.py \
 	--hours "$HOURS" --workers "$WORKERS" --syms "$SYMS" >/dev/null

research/live/deploy/tg.env.example

@@ -0,0 +1,38 @@
+# 复制成 tg.env 再填。tg.env 已在 .gitignore 里，不会被提交。
+#
+# 拿 token：Telegram 里找 @BotFather → /newbot → 按提示起名
+# 拿 chat id：给你的 bot 随便发一句，然后打开
+#   https://api.telegram.org/bot<TOKEN>/getUpdates
+# 返回的 result[0].message.chat.id 就是
+export TG_TOKEN=""
+export TG_CHAT=""
+# 每笔名义额（USDT）。杠杆**不改**手续费与滑点（都按名义额收），所以抬名义额
+# 是有真实成本的；抬它的唯一理由是压掉步长取整：实测最差币的偏差
+# 100U → 6.7%(SOL)、500U → 1.8%、1000U → 0.6%。
+export TG_NOTIONAL="500"
+# 杠杆只影响占用保证金，不影响名义敞口/手续费/滑点/盈亏绝对值。
+# 名义 500 在 10x 下占 50 USDT 保证金；止损在 2 ATR ≈ 0.2%，而 10x 强平约需
+# 逆向 10% = 100 个 ATR，差 50 倍，所以这里的杠杆几乎不引入强平风险。
+# 交易所侧记得设**逐仓**，让每笔最大损失被保证金封住。
+export TG_LEVERAGE="10"
+# 距「参考价成立」超过这么多秒就标为已失效。参考价是次根开盘价，
+# 过了就不是回测那个成交价了
+export TG_STALE_S="90"
+
+# ── 自动化实盘（live_exec.py）──────────────────────────────────
+# 只读+交易权限，**不要开提币权限**
+export BITGET_API_KEY=""
+export BITGET_API_SECRET=""
+export BITGET_PASSPHRASE=""
+# 名义额与杠杆。理由同 TG_NOTIONAL：抬名义额是为了压步长取整，不是为了赚更多
+export LIVE_NOTIONAL="500"
+export LIVE_LEVERAGE="10"
+# 硬约束。这三条封住的是「代价不随仓位缩小」的那几类故障：
+#   MAX_OPEN     失控下单（单笔小但笔数无界）
+#   MAX_DAY      同上，日维度
+#   MAX_DAY_LOSS 策略真的不行但没人盯着
+export LIVE_MAX_OPEN="3"
+export LIVE_MAX_DAY="15"
+export LIVE_MAX_DAY_LOSS="20"
+# 信号超过这么久就不做。参考成交价是次根开盘价，过期后跑的不是回测那个价
+export LIVE_STALE_S="20"

research/live/probe_inner.py

@@ -0,0 +1,123 @@
+"""把 `inner_ms` 拆成和本地一致的分档，用来定位两边测不一致的那部分。
+
+起因：本地量到的构成是 TF_DF 占 ~80%、信号链 ~20%，服务器报的是 chan 构建
+22ms、信号链 86ms。按机器差（×1.36）也解释不了四倍差距，说明两边测的不是
+同一件事，或者有个环节只在服务器上贵。
+
+用同一批窗口跑，比较分档而不是总数。两边都跑一遍再对表：
+
+    python research/live/probe_inner.py --syms BTC,ETH,SOL --repeat 5
+
+分档口径（与 shadow_signal.compute 的调用顺序一致）：
+    rebuild      payload → DataFrame
+    ind_ltf/htf  两条腿各自的 add_indicators（TF_DF 内部会做，这里单独计时）
+    chan_ltf/htf TF_DF 构建（lean）
+    zones        build_htf_zones
+    ladder       add_zone_ladder
+    bsp          find_fast_bsp3
+    timeline     htf_fx_timeline（5m 分型时间线）
+    attach       attach_htf_agree + attach_zone_ladder
+
+注意 `ind_*` 与 `chan_*` 在真实路径里是合一的（TF_DF 内部调 add_indicators），
+这里拆开只为定位。总和会略大于实际 inner_ms。
+"""
+from __future__ import annotations
+
+import argparse
+import os
+import sys
+import time
+import warnings
+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()
+sys.path.insert(0, str(HERE.parents[1]))
+sys.path.insert(0, str(HERE.parents[2]))
+sys.path.insert(0, str(HERE.parent))
+
+LTF_BARS, HTF_BARS = 2001, 801
+
+
+def med(fn, n: int):
+    ts = []
+    out = None
+    for _ in range(n):
+        t = time.perf_counter()
+        out = fn()
+        ts.append((time.perf_counter() - t) * 1000)
+    return float(np.median(ts)), out
+
+
+def probe(sym: str, repeat: int) -> dict:
+    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
+
+    dl = fetch_ohlcv(f"{sym}/USDT:USDT", "1m", LTF_BARS * 3).tail(LTF_BARS).reset_index(drop=True)
+    dh = fetch_ohlcv(f"{sym}/USDT:USDT", "5m", HTF_BARS * 3).tail(HTF_BARS).reset_index(drop=True)
+
+    probe_tf = TF_DF(lean=True)
+    r = {"sym": sym}
+    r["ind_ltf"], _ = med(lambda: probe_tf.add_indicators(dl.copy()), repeat)
+    r["ind_htf"], _ = med(lambda: probe_tf.add_indicators(dh.copy()), repeat)
+    r["chan_ltf"], cl = med(lambda: TF_DF(dl, 1, "1m", lean=True), repeat)
+    r["chan_htf"], ch = med(lambda: TF_DF(dh, 1, "5m", lean=True), repeat)
+    cdf = cl.dataframe
+    r["zones"], z = med(lambda: build_htf_zones(cdf, "1m", chan=cl), repeat)
+    if z is None or z.empty:
+        r["n_zones"] = 0
+        return r
+    z0 = z.reset_index(drop=True)
+    r["ladder"], zl = med(lambda: add_zone_ladder(z0), repeat)
+    r["bsp"], sg = med(lambda: find_fast_bsp3(cdf, zl), repeat)
+    r["timeline"], tl = med(lambda: htf_fx_timeline(ch, ch.dataframe), repeat)
+    r["attach"], _ = med(
+        lambda: attach_zone_ladder(attach_htf_agree(sg, cdf, tl), zl), repeat)
+    r["n_zones"], r["n_sig"] = len(z0), len(sg)
+
+    # 增量口径：init 一次后追加，看稳态单根成本
+    c = TF_DF(lean=True)
+    c.init_stream(dl.iloc[:-60].reset_index(drop=True), 1, "1m")
+    ts = []
+    for k in range(len(dl) - 60, len(dl)):
+        t = time.perf_counter()
+        c.append_bar(dl.iloc[k])
+        ts.append((time.perf_counter() - t) * 1000)
+    r["append_bar"] = float(np.median(ts[20:]))
+    return r
+
+
+def main() -> None:
+    ap = argparse.ArgumentParser()
+    ap.add_argument("--syms", default="BTC,ETH,SOL")
+    ap.add_argument("--repeat", type=int, default=5)
+    args = ap.parse_args()
+
+    rows = [probe(s.strip(), args.repeat) for s in args.syms.split(",") if s.strip()]
+    d = pd.DataFrame(rows).set_index("sym")
+    parts = [c for c in ("ind_ltf", "ind_htf", "chan_ltf", "chan_htf", "zones",
+                         "ladder", "bsp", "timeline", "attach") if c in d]
+    d["合计"] = d[parts].sum(axis=1)
+    pd.set_option("display.width", 220)
+    print("\n分档耗时（ms，中位）")
+    print(d[parts + ["合计", "append_bar"]].round(2).to_string())
+    print("\n占比（%）")
+    print((d[parts].div(d["合计"], axis=0) * 100).round(1).to_string())
+    print("\n规模")
+    print(d[[c for c in ("n_zones", "n_sig") if c in d]].to_string())
+    print("\n注：ind_* 与 chan_* 在真实路径里合一（TF_DF 内部调 add_indicators），"
+          "拆开只为定位，合计会略大于实际 inner_ms。")
+
+
+if __name__ == "__main__":
+    main()

research/live/probe_rules.py

@@ -0,0 +1,96 @@
+"""100 USDT 的仓位在各币上能不能下出来——下单精度与最小量。
+
+手工小额实盘的第一个坑不在策略，在交易规则。100 USDT 的仓位要拆成两半
+（3 ATR 减半 50 USDT、8 ATR 目标 50 USDT），任一半低于最小下单量就下不出去，
+或者被精度取整到与计划偏差很大的数量。
+
+取整偏差会直接扭曲收益结构：若 50 USDT 被取整到 40，减半那一腿实际只出了
+40%，剩余 60% 暴露在 8 ATR 目标上。回测的收益结构假设是 50/50。
+
+    python research/live/probe_rules.py --notional 100
+"""
+from __future__ import annotations
+
+import argparse
+import asyncio
+import os
+import sys
+from decimal import Decimal
+from pathlib import Path
+
+HERE = Path(__file__).resolve()
+sys.path.insert(0, str(HERE.parents[1]))
+sys.path.insert(0, str(HERE.parent))
+
+SYMS = os.environ.get(
+    "SYMS", "BTC,ETH,SOL,BNB,XRP,DOGE,ADA,AVAX,LINK,LTC").split(",")
+
+
+async def run(notional: float) -> None:
+    from hummingbot.connector.derivative.bitget_perpetual.bitget_perpetual_derivative import (  # noqa: E501
+        BitgetPerpetualDerivative,
+    )
+
+    pairs = [f"{s}-USDT" for s in SYMS]
+    conn = BitgetPerpetualDerivative(
+        bitget_perpetual_api_key="", bitget_perpetual_secret_key="",
+        bitget_perpetual_passphrase="", trading_pairs=pairs,
+        trading_required=False)
+    await conn.start_network()
+    for _ in range(60):
+        await asyncio.sleep(1)
+        if conn.trading_rules and all(p in conn.trading_rules for p in pairs):
+            break
+
+    print(f"仓位 {notional:.0f} USDT · 减半腿 {notional / 2:.0f} USDT\n")
+    print(f"  {'币':<6}{'现价':>11}{'最小量':>12}{'量步长':>12}"
+          f"{'最小名义':>10}  减半腿可行性")
+    bad = []
+    for s in SYMS:
+        p = f"{s}-USDT"
+        r = conn.trading_rules.get(p)
+        if r is None:
+            print(f"  {s:<6}{'取不到规则':>11}")
+            continue
+        ob = conn.get_order_book(p)
+        px = float((ob.get_price(True) + ob.get_price(False)) / 2) if ob \
+            else float("nan")
+        min_amt = float(r.min_order_size)
+        step = float(r.min_base_amount_increment)
+        min_not = float(r.min_notional_size or 0)
+
+        half_base = (notional / 2) / px
+        # 按步长向下取整——交易所就是这么处理的，向上取会下不出去
+        q = Decimal(str(half_base)) // Decimal(str(step)) * Decimal(str(step))
+        got = float(q)
+        if got < min_amt or (min_not and got * px < min_not):
+            verdict = f"⛔ 下不出（需 ≥ {max(min_amt, min_not / px):.6f}）"
+            bad.append(s)
+        else:
+            dev = abs(got * px - notional / 2) / (notional / 2) * 1e4
+            verdict = f"✓ {got:.6f} 币，偏差 {dev:.0f}bp"
+            if dev > 100:
+                verdict += " ⚠ 取整偏差大"
+                bad.append(s)
+        print(f"  {s:<6}{px:>11,.4f}{min_amt:>12.6f}{step:>12.6f}"
+              f"{min_not:>10.1f}  {verdict}")
+
+    print()
+    if bad:
+        print(f"  ⛔ {notional:.0f} USDT 下这些币的减半腿有问题：{','.join(bad)}")
+        print(f"  要么提高仓位，要么这些币不做减半、单腿到 8 ATR 出场——但后者")
+        print(f"  改了回测的收益结构，不能直接套用原预算。")
+    else:
+        print(f"  {notional:.0f} USDT 在全部 {len(SYMS)} 个币上都能拆成两半下出。")
+    await conn.stop_network()
+
+
+def main() -> None:
+    ap = argparse.ArgumentParser()
+    ap.add_argument("--notional", type=float, default=100.0)
+    a = ap.parse_args()
+    asyncio.run(run(a.notional))
+
+
+if __name__ == "__main__":
+    main()

research/live/shadow_hb.py

@@ -60,6 +60,7 @@ import json
 import math
 import os
 import socket
+import sys
 import time
 from collections import deque
 from concurrent.futures import ProcessPoolExecutor
@@ -71,9 +72,22 @@ import pandas as pd
 
 from lib.shadow_budget import LAG_ALARM_MS, LAG_WINDOW, lag_healthy
 
+# 总线模块住在生产子树 live/ 下。方向是刻意的：**生产不 import 研究侧**，
+# 研究侧反过来读生产持有的契约。见 live/live_exec.py 文件头
+sys.path.insert(0, str(Path(__file__).resolve().parents[2] / "live"))
+import signal_bus  # noqa: E402
+import tg_notify  # noqa: E402
+
 # 站点标识。跨地对比时两台机器的 CSV 要能合起来读，没有这一列就分不清哪行
 # 来自哪台。默认取主机名，部署脚本会显式传 SHADOW_SITE（如 sg-hetzner）
 SITE = os.environ.get("SHADOW_SITE") or socket.gethostname()
+# 判「加 worker 有没有用」必须知道核数：CPU 密集的活，worker 超过核数不增吞吐
+CORES = os.cpu_count() or 1
+# 判定要知道增量开没开，否则增量已生效时还会继续推荐「走增量」
+INCR_ON = os.environ.get("SHADOW_INCR", "1") not in ("0", "", "false")
+# 少于这么多根就不送去算。缠论要先有分型再有笔再有中枢，几十根出不来中枢，
+# 送过去只会白占一个计算槽
+MIN_BARS = 200
 
 SYMS = ("BTC", "ETH", "SOL")
 # 多存一根:deque 尾部是尚未收盘的当前根,剔除后正好剩 step39 定下的窗口
@@ -324,6 +338,11 @@ class Shadow:
         # 排队 / 纯计算的滚动窗口，用来判断加核有没有用
         self.q_hist: deque = deque(maxlen=90)
         self.i_hist: deque = deque(maxlen=90)
+        # 每个收盘时刻「清空所有币」耗时。这才是决定信号何时可下单的量：
+        # 币同一秒收盘，币数超 worker 数时后面的币串行等待，而这笔代价不
+        # 出现在任何单根的 queue_ms 或 inner_ms 里
+        self.clear_hist: deque = deque(maxlen=60)
+        self._clear_cur: dict[int, float] = {}
         # 成交监听：已挂上的币，以及必须持有的 forwarder 强引用
         # （PubSub 只存弱引用，不持有的话监听会被 GC 静默摘掉）
         self._hooked: set[str] = set()
@@ -353,7 +372,8 @@ class Shadow:
             # compute_ms 含排队；queue_ms/inner_ms 把它拆开，用来判断加核有没有用
             "compute_ms", "queue_ms", "inner_ms",
             "n_bars", "n_hits",
-            "n_pass", "atr_bp", "lag_med_ms", "lag_ok"])
+            "n_pass", "atr_bp", "lag_med_ms", "lag_ok",
+            "stream_bars"])
         # 无条件漂移：每根都记，用来和信号根上的条件漂移对照
         self.f_drf, self.w_drf = _writer(d / "shadow_drift.csv", [
             "site", "sym", "kline_ts", "delay_label", "delay_ms",
@@ -548,13 +568,20 @@ class Shadow:
         # 末行是刚开始的那根,未收盘,必须剔除,否则等于用未来数据
         df_l = df_l[df_l["timestamp"] < kline_ts]
         df_h = df_h[df_h["timestamp"] < kline_ts]
+        # WS 重连的瞬间 feed 的 deque 可能是空的。放行的话 worker 会抛
+        # 「DataFrame for 1m is empty」，白占一个计算槽（币数超核数时这笔
+        # 代价会推迟后面所有币），而报错文本还会让人以为是缺历史数据
+        if len(df_l) < MIN_BARS or len(df_h) < MIN_BARS:
+            print(f"  [{sym}] 窗口过短（1m {len(df_l)} / 5m {len(df_h)} 根），"
+                  f"跳过本根。feed 大概在重连", flush=True)
+            return
         baseline = self._new_bar_open(sym, kline_ts)
 
         lag_med, lag_ok = self._probe_lag(sym, t_data - kline_ts)
 
         t0 = time.perf_counter()
         payload = (df_l[NUM_COLS].values.tolist(),
-                   df_h[NUM_COLS].values.tolist(), baseline, time.time())
+                   df_h[NUM_COLS].values.tolist(), baseline, time.time(), sym)
         loop = asyncio.get_running_loop()
         from shadow_signal import compute_packed
         try:
@@ -570,6 +597,13 @@ class Shadow:
             self.q_hist.append(res["queue_ms"])
         if res.get("inner_ms") is not None:
             self.i_hist.append(res["inner_ms"])
+        # 同一 kline_ts 上取各币最大值即该时刻的清空耗时；只保留最近几个
+        # 时刻，否则这个 dict 会随运行时长无界增长
+        cur = self._clear_cur
+        cur[kline_ts] = max(cur.get(kline_ts, 0.0), float(compute_ms))
+        if len(cur) > 3:
+            done = min(cur)
+            self.clear_hist.append(cur.pop(done))
 
         hits = res.get("hits", [])
         atr_pct = res.get("atr_pct")
@@ -586,7 +620,10 @@ class Shadow:
             "queue_ms": res.get("queue_ms"), "inner_ms": res.get("inner_ms"),
             "n_bars": res.get("n_bars", 0),
             "n_hits": len(hits), "n_pass": n_pass, "atr_bp": atr_bp,
-            "lag_med_ms": lag_med, "lag_ok": int(lag_ok)})
+            "lag_med_ms": lag_med, "lag_ok": int(lag_ok),
+            # 增量流当前窗口。恒等于 2001 说明缺口判定在每根都
+            # 回退重建，增量静默失效——只从耗时上看不出是哪一环
+            "stream_bars": res.get("stream_bars")})
         self.f_lat.flush()
 
         if baseline is not None and np.isfinite(baseline):
@@ -616,6 +653,23 @@ class Shadow:
                 self._record_later(sym, kline_ts, h, t_data, t_signal,
                                    baseline, atr_pct, lag_ok),
                 f"record {sym}")
+            # 手工执行的推送。只推过全部滤网的，且 lag 退化时不推——那与
+            # 「停开新仓」是同一条规则，不能只在自动化里执行
+            if h["pass_all"] and atr_pct:
+                if not lag_ok:
+                    print(f"  [TG] {sym} lag 退化，按停开新仓规则不推",
+                          flush=True)
+                else:
+                    # 总线先写、推送后发。写盘是同步的且已 fsync，实盘据此
+                    # 下单；推送要走网络，不能让它的延迟挡在下单前面
+                    signal_bus.emit(sym, kline_ts, h["direction"],
+                                    float(baseline), float(atr_pct),
+                                    t_data - kline_ts)
+                    self._spawn(
+                        tg_notify.push_signal(
+                            sym, h["direction"], float(baseline),
+                            float(atr_pct), kline_ts, t_data - kline_ts),
+                        f"tg {sym}")
 
     def _probe_lag(self, sym: str, lag_ms: int) -> tuple[float, bool]:
         """记一根的到达延迟，返回 (滚动中位数, 该币是否健康)。
@@ -779,16 +833,12 @@ class Shadow:
             if self.q_hist and self.i_hist:
                 q, i = float(np.median(self.q_hist)), float(np.median(self.i_hist))
                 # 建议要看绝对量级：lean + 新引擎后纯计算约 128ms，此时再提
-                # 「改增量计算」是误导——尾部已由数据腿主导，压计算换不到东西
-                if q > i:
-                    verdict = "排队为主 → 加 worker/加核直接见效"
-                elif i > 400:
-                    verdict = "纯计算为主且偏高 → 加核帮不上，需改增量计算"
-                else:
-                    verdict = "纯计算为主但量级已低 → 无需再优化"
-                print(f"  [计算] 排队中位 {q:.0f}ms · 纯计算中位 {i:.0f}ms"
-                      f" · {verdict}（worker {self.workers} 个 / 币 {len(SYMS)} 个）",
-                      flush=True)
+                clear = float(np.median(self.clear_hist)) if self.clear_hist \
+                    else float("nan")
+                print(f"  [计算] 每币排队 {q:.0f}ms · 纯计算 {i:.0f}ms · "
+                      f"清空全部 {len(SYMS)} 币 {clear:.0f}ms"
+                      f"（worker {self.workers} / 核 {CORES}）", flush=True)
+                print(f"    → {self._compute_verdict(q, i, clear)}", flush=True)
             # 五分钟一根都没进来，说明管道断了。不喊一声就只能靠人翻日志
             if self.n_bars == self._hb_last_bars:
                 print(f"  ⚠ [停滞] 距上次心跳未处理任何 K 线"
@@ -796,6 +846,46 @@ class Shadow:
                       flush=True)
             self._hb_last_bars = self.n_bars
 
+    def _compute_verdict(self, q: float, i: float, clear: float) -> str:
+        """给出唯一可行的出路，而不是「哪一项数字更大」。
+
+        旧版比逐根的 q 与 i，结构上错了两处：
+
+        1. 判据错。真正要紧的是**一个收盘时刻清空所有币要多久**（clear），
+           不是单币的 q 或 i。所有币同一秒收盘，币数超过 worker 数时后面的
+           币必然串行等待，而这笔代价不出现在任何单根的 q 或 i 里。
+        2. 出路错。「排队为主 → 加核」只在还有空闲核时成立。worker 已等于
+           核数时，加 worker 不会增加吞吐——CPU 密集的活变不出来，只会把
+           等待从 queue_ms 挪到 inner_ms。十币实测正是如此：inner 被争抢从
+           144ms 抬到 192ms，反而超过 queue 135ms，于是判定落到「量级已低、
+           无需优化」，而此时最后一个币已经落在 1376ms。
+
+        所以币数超过核数时，加 worker 不增吞吐。出路有两级：先上增量把真实计算
+        压下来；增量之后剩的是争抢放大（实测 3.3 倍，§5.72），那一级只能加核或
+        减币，继续改算法收益有限。
+        """
+        if not np.isfinite(clear):
+            return "样本不足，暂不判定"
+        if clear < 400:
+            return f"清空 {clear:.0f}ms，宽裕，无需优化"
+        if self.workers < CORES and q > i:
+            return (f"排队为主且还有 {CORES - self.workers} 个空闲核 → "
+                    f"--workers 加到 {CORES}")
+        if len(SYMS) <= CORES:
+            return f"清空 {clear:.0f}ms 偏高，但币数未超核数，先查别的争抢"
+        # 币数超核数：加 worker 不增吞吐，只能压单币耗时。但要看增量开没开，
+        # 否则会在增量已生效时继续推荐「走增量」——上线后实测踩到过
+        if not INCR_ON:
+            return (f"币数 {len(SYMS)} > 核数 {CORES}，加 worker 无用（CPU 密集）"
+                    f"。压单币耗时 → 开 SHADOW_INCR=1 走增量（实测 3.56x）")
+        # 增量已生效时（§5.72 口径对齐后）：单币 100ms ≈ 信号链 30ms + 追加
+        # 2.81 根 37ms + 争抢 33ms。争抢只有 1.49x，加核收益有限；而追加那 37ms
+        # 里约 22ms 纯属浪费——symbol 随机落 worker，各缓存都漏掉对方处理的根
+        return (f"币数 {len(SYMS)} > 核数 {CORES}，增量已生效，加 worker 无用"
+                f"（worker 已等于核数）。单币 {i:.0f}ms 里争抢只占约 1.5x，"
+                f"最便宜的一刀是按币绑定 worker（每次只追 1 根，省约三分之一），"
+                f"其次是 add_indicators 增量化")
+
     async def run(self) -> None:
         await self.start()
         tasks = [asyncio.create_task(self.sample_books()),

research/live/shadow_signal.py

@@ -40,10 +40,64 @@ for _v in ("OMP_NUM_THREADS", "OPENBLAS_NUM_THREADS", "MKL_NUM_THREADS"):
 
 
 LEAN = os.environ.get("SHADOW_LEAN", "1") not in ("0", "", "false")
+INCR = os.environ.get("SHADOW_INCR", "1") not in ("0", "", "false")
+
+# 增量流缓存。worker 进程被复用，所以这个 dict 跨根存活。
+# 键是 (symbol, timeframe)——2 个 worker 轮流拿 10 个币，每个 worker 最终会
+# 缓存全部 10 个币，共 20 条流。
+_STREAMS: dict[tuple, tuple] = {}
+
+# 两次重建之间允许窗口长多少根。
+#
+# init_stream/append_bar **没有 trim**：dataframe 靠 pd.concat 无界增长。所以
+# 增量必然让窗口每根 +1，只能周期性 init_stream 拉回。取 500 的两个理由：
+#   1. append_bar 里 rebuild_bi_zs 要整表重扫笔，是 O(n)。窗口涨 25% 成本也涨
+#      约 25%，500/2001 正好把这个膨胀压在 25% 以内。
+#   2. 重建约 51ms、追加约 14ms，摊到 500 根上重建只加 0.07ms/根。
+# 前提「输出对窗口长度不敏感」由 verify_window_sens.py 验过（+200/+500/+1000
+# 全部逐字段一致），否则这个方案等于静默换掉一批信号。
+MAX_GROW = 500
+
+
+def _chan_for(key: tuple, df, tf: str, lean: bool):
+    """拿该窗口对应的 chan 对象，能增量就增量，否则重建。
+
+    三种情况必须回退到全量重建，否则会拿一个状态不对的流去出信号：
+
+      缓存没有            首次见到这个币
+      窗口已长过阈值      见 MAX_GROW
+      缓存末根不在新窗口  说明中间断了很多根（或时间戳回退），接不上
+
+    第三种是最要紧的。2 个 worker 轮流拿 10 个币，某个 worker 可能隔几根才再
+    看到同一个币，那几根要补齐；但若缺口大到超出窗口，就没法补，只能重建。
+    不检查而直接 append 会把不连续的 K 线接在一起，笔和中枢全错且不报错。
+    """
+    from chanlun import TF_DF
+
+    ts = df["timestamp"].to_numpy("int64")
+    st = _STREAMS.get(key)
+    if st is not None:
+        chan, last_ts, base_n = st
+        if len(chan.dataframe) <= base_n + MAX_GROW and last_ts >= ts[0] \
+                and last_ts <= ts[-1] and (ts == last_ts).any():
+            for _, row in df[df["timestamp"] > last_ts].iterrows():
+                chan.append_bar(row)
+            _STREAMS[key] = (chan, int(ts[-1]), base_n)
+            return chan
+
+    # 重建走**批量** init_TF_DF，不用 init_stream。init_stream 是逐行
+    # `dataframe.iloc[idx]`，正是引擎提速刚修掉的反模式：实测 2001 根要
+    # 238.5ms，而批量 lean 只要 74.3ms，慢 3.2 倍。
+    # append_bar 能接在批量构建的对象上——_ensure_stream_state 会补出
+    # _klc_feed_last_klu，其余列表 init_TF_DF 都建好了。
+    chan = TF_DF(df.copy(), 1, tf, lean=lean)
+    _STREAMS[key] = (chan, int(ts[-1]), len(df))
+    return chan
 
 
 def compute(df_l, df_h, entry_px: float | None = None,
-            lean: bool | None = None) -> dict:
+            lean: bool | None = None, sym: str | None = None,
+            incr: bool | None = None) -> dict:
     """在 df_l 的最后一根上找信号。df_l/df_h 都只含已收盘 K 线。
 
     entry_px 是次根开盘价（回测 entry_delay=1 的成交价），用作 atr_pct 的
@@ -66,6 +120,8 @@ def compute(df_l, df_h, entry_px: float | None = None,
     import pandas as pd
 
     lean = LEAN if lean is None else lean
+    # 没有 sym 就无法给流分键，只能走全量——对拍脚本会用这条路径当基准
+    incr = (INCR if incr is None else incr) and sym is not None
 
     try:
         from chanlun import TF_DF
@@ -75,7 +131,8 @@ def compute(df_l, df_h, entry_px: float | None = None,
         from lib.nested_level import build_htf_zones
         from lib.shadow_budget import ATR_GATE_BP
 
-        chan_l = TF_DF(df_l, 1, "1m", lean=lean)
+        chan_l = _chan_for((sym, "1m"), df_l, "1m", lean) if incr \
+            else TF_DF(df_l, 1, "1m", lean=lean)
         cdf = chan_l.dataframe
         last = len(cdf) - 1
         base = {"last_idx": last, "n_bars": int(len(df_l)), "hits": [],
@@ -111,7 +168,8 @@ def compute(df_l, df_h, entry_px: float | None = None,
 
         # 5m 同向。算不出时 h1_agree 记 0，该信号自然不会通过 pass_all
         if df_h is not None and len(df_h) > 0:
-            chan_h = TF_DF(df_h, 1, "5m", lean=lean)
+            chan_h = _chan_for((sym, "5m"), df_h, "5m", lean) if incr \
+                else TF_DF(df_h, 1, "5m", lean=lean)
             hdf = chan_h.dataframe
             tl = htf_fx_timeline(
                 signals_to_frame(extract_fx_signals(chan_h, hdf)), hdf)
@@ -180,11 +238,15 @@ def compute_packed(payload: tuple) -> dict:
     t_start = time.time()
     l_rows, h_rows, entry_px, *rest = payload
     t_submit = rest[0] if rest else None
+    sym = rest[1] if len(rest) > 1 else None
 
     t0 = time.perf_counter()
     df_l = _rebuild(l_rows)
     df_h = _rebuild(h_rows) if h_rows else None
-    out = compute(df_l, df_h, entry_px)
+    out = compute(df_l, df_h, entry_px, sym=sym)
+    # 落盘这两个数才能在线看出增量是否在生效：走了重建的根 grown 会等于窗口
+    st = _STREAMS.get((sym, "1m"))
+    out["stream_bars"] = int(len(st[0].dataframe)) if st else None
     out["inner_ms"] = int((time.perf_counter() - t0) * 1000)
     # 同一台机器，父子进程时钟一致，可直接相减
     out["queue_ms"] = int((t_start - t_submit) * 1000) \

research/live/tg_notify.py

@@ -0,0 +1,230 @@
+"""把过全部滤网的信号推到 Telegram，供手工执行。
+
+## 为什么要这个
+
+自动执行链一行都还没写（下单 / 持仓状态 / 跨重启持久化 / 对账 / 熔断），而
+过全部滤网的信号只有约 5.3 笔/天——低到人手能接。先手工跑一批，就能在写
+自动化**之前**拿到真实费率档、真实成交价、真实出场行为，让执行链的每个假设
+都有实测对照，而不是写完再发现出场模型不对。
+
+## 时效是这条路最大的风险
+
+回测的成交价是**信号根的次根开盘价**。信号在收盘瞬间产生，人看到推送、解锁
+手机、下单，几十秒就过去了，成交价已经不是那个开盘价。所以推送里必须带：
+
+  - 参考开盘价（回测口径的成交价）
+  - 该币的滑点预算（还能容忍多少偏离）
+  - 距信号产生已过多久
+
+并且**超过 TG_STALE_S 就直接标记为已失效**，而不是让人自己判断。宁可漏做，
+不要在偏离预算之外入场——那等于在负期望上开仓。
+
+## 环境变量
+
+    TG_TOKEN     BotFather 给的 token（缺失则整个推送静默关闭）
+    TG_CHAT      chat id
+    TG_NOTIONAL  每笔名义额，默认 200 USDT（小额实盘）
+    TG_STALE_S   超过多少秒算失效，默认 90
+"""
+from __future__ import annotations
+
+import os
+import time
+
+TOKEN = os.environ.get("TG_TOKEN", "")
+CHAT = os.environ.get("TG_CHAT", "")
+# 名义额。杠杆不改手续费与滑点（都按名义额收），所以抬名义额是有真实成本的；
+# 抬它的理由只有一个：把步长取整压下去。实测最差币的偏差
+# 100U → 6.7%(SOL)、500U → 1.8%、1000U → 0.6%。
+NOTIONAL = float(os.environ.get("TG_NOTIONAL", "500"))
+# 杠杆只影响占用保证金，不影响名义敞口、手续费、滑点、盈亏绝对值。
+# 止损在 2 ATR ≈ 0.2%，而 10x 的强平约需逆向 10% = 100 个 ATR，差 50 倍，
+# 所以这里的杠杆几乎不引入强平风险。逐仓，让每笔的最大损失被保证金封住。
+LEVERAGE = float(os.environ.get("TG_LEVERAGE", "10"))
+STALE_S = float(os.environ.get("TG_STALE_S", "90"))
+ENABLED = bool(TOKEN and CHAT)
+
+# 出场参数。必须与 step43_fill_aware_budget 的口径一致，否则推的价位和
+# 预算所依据的收益结构不是一回事
+SL_ATR, SCALE_ATR, RUNNER_ATR, MAXB = 2.0, 3.0, 8.0, 48
+
+_sent: set = set()
+_rules: dict = {}
+
+CONTRACTS = ("https://api.bitget.com/api/v2/mix/market/contracts"
+             "?productType=usdt-futures")
+
+
+async def load_rules() -> dict:
+    """拉一次合约规则，缓存。拉不到就返回空——推送退化为不取整，不阻断。
+
+    要的是数量步长和价格 tick。缺了它们推出去的价位可能被交易所拒单
+    （价格不在 tick 上），或者数量被取整到与计划差很多。
+    """
+    if _rules:
+        return _rules
+    try:
+        import aiohttp
+        async with aiohttp.ClientSession() as s:
+            async with s.get(CONTRACTS,
+                             timeout=aiohttp.ClientTimeout(total=15)) as r:
+                d = await r.json()
+        for c in d.get("data") or []:
+            sym = c["symbol"]
+            if not sym.endswith("USDT"):
+                continue
+            _rules[sym[:-4]] = {
+                "step": float(c["sizeMultiplier"]),
+                "min_qty": float(c["minTradeNum"]),
+                "min_usdt": float(c["minTradeUSDT"]),
+                # priceEndStep 是 tick 的整数倍数，pricePlace 是小数位
+                "tick": float(c["priceEndStep"]) * 10 ** -int(c["pricePlace"]),
+            }
+        print(f"  [TG] 已载入 {len(_rules)} 个合约的下单规则", flush=True)
+    except Exception as e:
+        print(f"  [TG] 拉合约规则失败 {type(e).__name__}: {e}，推送不做取整",
+              flush=True)
+    return _rules
+
+
+def quantize(notional: float, px: float, r: dict) -> tuple[float, float]:
+    """算入场数量与减半腿，返回 (入场量, 减半量)。
+
+    入场量取到**步长的偶数倍**，这样一半天然落在步长上。不这么做的话，
+    SOL 步长 0.1 币 ≈ 10.7 USDT，100 USDT 的仓位一半是 0.45 币、不可表示，
+    只能取 0.4——减半腿变成全仓的 43% 而不是 50%，而回测的收益结构假设
+    50/50。名义额因此会在目标值上下浮动（SOL 约 85~107），小额实盘无所谓。
+    """
+    step = r["step"]
+    if step <= 0:
+        return notional / px, notional / px / 2
+    tgt = notional / px
+    # 以 2×step 为格点取最近的一格，至少一格
+    grid = step * 2
+    n = max(1.0, round(tgt / grid))
+    qty = n * grid
+    return qty, qty / 2.0
+
+
+def snap_px(px: float, tick: float) -> float:
+    """把价位对齐到 tick，否则限价单会被拒。"""
+    if tick <= 0:
+        return px
+    return round(px / tick) * tick
+
+
+def levels(entry: float, atr: float, direction: int) -> dict:
+    """按 2/3/8 ATR 算出绝对价位。
+
+    direction=+1 做多、-1 做空。剩余半仓的止损**保持在 2ATR**、不移到成本，
+    这是回测参数（RUNNER_STOP=2.0），移了就不是同一个收益结构。
+    """
+    s = 1.0 if direction > 0 else -1.0
+    return {"entry": entry,
+            "stop": entry - s * SL_ATR * atr,
+            "scale": entry + s * SCALE_ATR * atr,
+            "runner": entry + s * RUNNER_ATR * atr}
+
+
+def _fmt(px: float) -> str:
+    # 币价跨度从 DOGE 的 0.2 到 BTC 的 10 万，固定小数位会把小价币截成 0
+    if px >= 1000:
+        return f"{px:,.1f}"
+    if px >= 10:
+        return f"{px:,.3f}"
+    return f"{px:.6f}"
+
+
+def build(sym: str, direction: int, entry: float, atr_pct: float,
+          kline_ts: int, lag_ms: float, budget_bp: float,
+          age_s: float, rule: dict | None = None) -> str:
+    atr = entry * atr_pct
+    lv = levels(entry, atr, direction)
+    side = "做多 LONG" if direction > 0 else "做空 SHORT"
+    stale = age_s > STALE_S
+
+    if rule:
+        qty, half = quantize(NOTIONAL, entry, rule)
+        tick = rule["tick"]
+        lv = {k: snap_px(v, tick) for k, v in lv.items()}
+        notional = qty * entry
+        qty_line = (f"入场 {qty:.6g} 币 ≈ {notional:,.1f} USDT"
+                    f" · 减半腿 {half:.6g} 币（正好一半）")
+    else:
+        qty = NOTIONAL / entry
+        notional = NOTIONAL
+        qty_line = f"入场 {qty:.6g} 币 ≈ {NOTIONAL:,.0f} USDT（未取整）"
+    margin = notional / LEVERAGE if LEVERAGE > 0 else notional
+    # 止损距入场 2 ATR，换成保证金的百分比才是「这笔最多亏多少本金」
+    loss_pct = SL_ATR * atr_pct * LEVERAGE * 100
+
+    head = f"⛔ 已失效（{age_s:.0f}s > {STALE_S:.0f}s）· 不要入场" if stale \
+        else f"✅ {side} {sym}"
+    lines = [
+        head,
+        "",
+        f"参考成交价 {_fmt(lv['entry'])}   ← 回测口径（次根开盘）",
+        qty_line,
+        f"{LEVERAGE:.0f}x 逐仓 → 占用保证金 {margin:,.1f} USDT"
+        f" · 触止损亏 {notional * SL_ATR * atr_pct:,.2f} USDT"
+        f"（保证金的 {loss_pct:.1f}%）",
+        f"距参考价成立 {age_s:.1f}s（含数据延迟 {lag_ms:.0f}ms，不可压缩）",
+        "",
+        f"止损   {_fmt(lv['stop'])}   （2 ATR，stop-market，全仓）",
+        f"减半   {_fmt(lv['scale'])}   （3 ATR，限价 maker）",
+        f"目标   {_fmt(lv['runner'])}   （8 ATR，限价 maker，剩余半仓）",
+        f"超时   {MAXB} 分钟后市价平（剩余半仓止损仍在 2 ATR，不移成本）",
+        "",
+        f"ATR {atr_pct * 1e4:.1f}bp · 滑点预算 {budget_bp:.1f}bp",
+        f"→ 实际成交偏离参考价超过 {budget_bp:.1f}bp 就不值得做",
+    ]
+    if stale:
+        lines.append("")
+        lines.append("时效已过：成交价已不是回测那个价，宁可漏做。")
+    return "\n".join(lines)
+
+
+async def send(text: str) -> None:
+    """推一条。传输层复用生产侧的 `live/tg.py`，这里不再维护第二份。
+
+    方向与 `signal_bus` 一致：**生产持有实现，研究侧反过来 import**。反过来
+    写成生产 import 研究侧，就等于把研究侧的依赖树绑到实盘进程上。
+    """
+    from pathlib import Path
+    import sys
+    p = str(Path(__file__).resolve().parents[2] / "live")
+    if p not in sys.path:
+        sys.path.insert(0, p)
+    import tg
+    await tg.send(text)
+
+
+async def push_signal(sym: str, direction: int, entry: float, atr_pct: float,
+                      kline_ts: int, lag_ms: float) -> None:
+    """去重后推一条信号。
+
+    去重键取 (币, K线时刻, 方向)：同一根被重复处理（补根、池重建后重放）不该
+    推两次，否则人会开两次仓。
+
+    时效的起点是 `kline_ts` 而不是信号产生时刻——参考成交价（次根开盘）就是
+    在 kline_ts 那一刻存在的。从信号时刻起算会漏掉数据延迟加计算那 0.5~1.5s，
+    而那段是无法压缩的固定成本，必须计入。
+    """
+    if not ENABLED:
+        return
+    key = (sym, int(kline_ts), int(direction))
+    if key in _sent:
+        return
+    _sent.add(key)
+    if len(_sent) > 5000:
+        _sent.clear()
+
+    from lib.shadow_budget import budget_of
+    b = budget_of(sym)
+    if not (b == b):     # nan：该币当前环境不可做（如 TRX）
+        print(f"  [TG] {sym} 无预算（当前环境不可做），不推", flush=True)
+        return
+    age = time.time() - kline_ts / 1000.0
+    rule = (await load_rules()).get(sym.upper())
+    await send(build(sym, direction, entry, atr_pct, kline_ts, lag_ms, b, age,
+                     rule))

research/live/verify_incr_parity.py

@@ -0,0 +1,222 @@
+"""逐根对拍「全量重算」与「增量追加」，并量提速。
+
+## 为什么必须逐根对拍，不能引用 HANDOFF §5.5
+
+§5.5 验的是 step46 那批用例（走 bsp_list 那条链），且是「追加 150~200 根 vs
+全量重建」的整体哈希。影子路径不同：
+
+  - 走 find_fast_bsp3 + build_htf_zones + htf_fx_timeline + attach_htf_context
+  - 流式对象**跨根复用**，而 worker 轮流拿多个币，同一条流可能隔几根才被
+    再次追加。状态污染只会让信号悄悄换一批，不报错、不崩
+
+而且代码阅读已经暴露一处偏差：`init_stream/append_bar` 从不调 `cal_trend`
+（它只在 `get_klc_list` 里），所以增量路径下 `klc.trend` 恒为 UNKNOWN。
+HANDOFF 说「笔的计算依赖 klc.trend」——若为真，增量的笔就和全量不同。
+那句话所引的 bi.py:221 其实在 `cal_trend` 自己的循环里，不是 `cal_bi_list`
+的依赖。**这条只能由对拍来定论**，不能靠读代码。
+
+## 判据
+
+逐字段相同，排除 last_idx/n_bars（随窗口长度必然变，见 verify_window_sens）
+与计时字段。数量相同而标志不同一样算失败。
+
+模拟真实调用模式：连续推进，且每根都按「全量」和「增量」各算一次，增量那侧
+复用同一条流。
+
+    python research/live/verify_incr_parity.py --syms BTC,ETH,SOL --n 300
+"""
+from __future__ import annotations
+
+import argparse
+import os
+import sys
+import time
+import warnings
+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()
+sys.path.insert(0, str(HERE.parents[1]))
+sys.path.insert(0, str(HERE.parents[2]))
+sys.path.insert(0, str(HERE.parent))
+
+BASE_L, BASE_H = 2001, 801
+
+
+def run_one(sym: str, cache: Path, n: int, start_at: int | None) -> dict:
+    import shadow_signal as ss
+    from verify_lean_parity import SKIP, WINDOW_KEYS, canon, load, signal_bars
+
+    skip = SKIP + WINDOW_KEYS + ("stream_bars",)
+    l_all, h_all = load(sym, "1m", cache), load(sym, "5m", cache)
+    l_ts = l_all["timestamp"].to_numpy("int64")
+    h_ts = h_all["timestamp"].to_numpy("int64")
+
+    # 从最后一个信号根往前 n 根开始，保证这段里一定有信号分支被执行
+    if start_at is None:
+        try:
+            sb = signal_bars(sym, cache)
+            sb = sb[(sb > BASE_L + n) & (sb < len(l_all) - 1)]
+            start_at = int(sb[-1]) - n + 5 if len(sb) else BASE_L + 10
+        except Exception:
+            start_at = BASE_L + 10
+    ends = [e for e in range(start_at, start_at + n) if e < len(l_all) - 1]
+    if not ends:
+        raise RuntimeError("窗口不足")
+
+    ss._STREAMS.clear()
+    same = diff = 0
+    t_full = t_incr = 0.0
+    n_hits = 0
+    first = None
+    rebuilds = 0
+    prev_grown = 0
+
+    for e in ends:
+        hi = int(np.searchsorted(h_ts, l_ts[e], side="right"))
+        df_l = l_all.iloc[e - BASE_L + 1:e + 1]
+        df_h = h_all.iloc[max(0, hi - BASE_H):hi]
+        entry = float(l_all["open"].to_numpy(float)[e + 1])
+
+        t0 = time.perf_counter()
+        rf = ss.compute(df_l.copy(), df_h.copy(), entry, incr=False)
+        t_full += time.perf_counter() - t0
+
+        t0 = time.perf_counter()
+        ri = ss.compute(df_l.copy(), df_h.copy(), entry, sym=sym, incr=True)
+        t_incr += time.perf_counter() - t0
+
+        grown = len(ss._STREAMS[(sym, "1m")][0].dataframe)
+        if grown <= prev_grown:
+            rebuilds += 1
+        prev_grown = grown
+
+        n_hits += len(rf.get("hits") or [])
+        if canon(rf, skip) == canon(ri, skip):
+            same += 1
+        else:
+            diff += 1
+            if first is None:
+                first = (e, canon(rf, skip), canon(ri, skip))
+
+    k = len(ends)
+    print(f"  {k} 根 · 一致 {same} · 不一致 {diff} · 命中 {n_hits} 个 · "
+          f"重建 {rebuilds} 次 · 末窗 {prev_grown} 根")
+    print(f"  单根 全量 {t_full / k * 1000:.1f}ms → "
+          f"增量 {t_incr / k * 1000:.1f}ms "
+          f"（{t_full / max(t_incr, 1e-9):.2f}x）")
+    if first:
+        e, a, b = first
+        print(f"  ⚠ 首个分歧 idx={e}\n    全量: {a[:300]}\n    增量: {b[:300]}")
+    ss._STREAMS.clear()
+    del l_all, h_all
+    return {"sym": sym, "n": k, "same": same, "diff": diff, "hits": n_hits,
+            "full_ms": t_full / k * 1000, "incr_ms": t_incr / k * 1000}
+
+
+def interleave(sym: str, cache: Path, n: int, nw: int) -> dict:
+    """模拟多 worker 交错：nw 份独立缓存轮流接同一个币。
+
+    这是单进程对拍覆盖不到的路径。`ProcessPoolExecutor` 不保证同一个币落到
+    同一个 worker，所以每个 worker 只能隔 nw 根才再见到这个币，一次要补 nw
+    根。补根走的是 `for row in df[ts > last_ts]` 那个循环——逻辑上等价于连续
+    追加 nw 次，但「等价」是推理，没实测过。
+
+    缓存是 worker 进程内的 dict、键含 symbol，所以不存在「worker A 的状态被
+    worker B 读到」或「拿到别的币的状态」。亲和性影响的是内存（每个 worker
+    最终缓存全部币）与补根次数，不影响正确性——本函数就是来证这一点的。
+    """
+    import shadow_signal as ss
+    from verify_lean_parity import SKIP, WINDOW_KEYS, canon, load, signal_bars
+
+    skip = SKIP + WINDOW_KEYS + ("stream_bars",)
+    l_all, h_all = load(sym, "1m", cache), load(sym, "5m", cache)
+    l_ts = l_all["timestamp"].to_numpy("int64")
+    h_ts = h_all["timestamp"].to_numpy("int64")
+    try:
+        sb = signal_bars(sym, cache)
+        sb = sb[(sb > BASE_L + n) & (sb < len(l_all) - 1)]
+        start = int(sb[-1]) - n + 5 if len(sb) else BASE_L + 10
+    except Exception:
+        start = BASE_L + 10
+    ends = [e for e in range(start, start + n) if e < len(l_all) - 1]
+
+    caches: list[dict] = [{} for _ in range(nw)]
+    same = diff = n_hits = 0
+    first = None
+    for j, e in enumerate(ends):
+        hi = int(np.searchsorted(h_ts, l_ts[e], side="right"))
+        df_l = l_all.iloc[e - BASE_L + 1:e + 1]
+        df_h = h_all.iloc[max(0, hi - BASE_H):hi]
+        entry = float(l_all["open"].to_numpy(float)[e + 1])
+
+        rf = ss.compute(df_l.copy(), df_h.copy(), entry, incr=False)
+        # 轮流换缓存 = 轮流换 worker
+        ss._STREAMS = caches[j % nw]
+        ri = ss.compute(df_l.copy(), df_h.copy(), entry, sym=sym, incr=True)
+
+        n_hits += len(rf.get("hits") or [])
+        if canon(rf, skip) == canon(ri, skip):
+            same += 1
+        else:
+            diff += 1
+            if first is None:
+                first = (e, canon(rf, skip), canon(ri, skip))
+
+    grown = [len(c[(sym, "1m")][0].dataframe) for c in caches
+             if (sym, "1m") in c]
+    print(f"  {len(ends)} 根 · {nw} 份缓存轮流 · 一致 {same} · 不一致 {diff}"
+          f" · 命中 {n_hits} 个 · 各缓存末窗 {grown}")
+    if first:
+        e, a, b = first
+        print(f"  ⚠ 首个分歧 idx={e}\n    全量: {a[:300]}\n    增量: {b[:300]}")
+    ss._STREAMS = {}
+    del l_all, h_all
+    return {"sym": sym, "n": len(ends), "same": same, "diff": diff,
+            "hits": n_hits, "full_ms": 0.0, "incr_ms": 0.0}
+
+
+def main() -> None:
+    ap = argparse.ArgumentParser()
+    ap.add_argument("--interleave", type=int, default=0,
+                    help="模拟这么多个 worker 轮流接同一个币（一次补多根）")
+    ap.add_argument("--syms", default="BTC,ETH,SOL")
+    ap.add_argument("--cache", default="research/live/cache")
+    ap.add_argument("--n", type=int, default=300)
+    ap.add_argument("--start", type=int, default=None)
+    a = ap.parse_args()
+
+    rows = []
+    for sym in a.syms.split(","):
+        print(f"\n{'=' * 70}\n{sym}")
+        try:
+            if a.interleave:
+                rows.append(interleave(sym, Path(a.cache), a.n, a.interleave))
+            else:
+                rows.append(run_one(sym, Path(a.cache), a.n, a.start))
+        except Exception as e:
+            print(f"  跳过：{e!r}")
+    if not rows:
+        return
+    d = pd.DataFrame(rows)
+    print(f"\n\n{'=' * 70}\n汇总\n")
+    print(f"  对拍 {int(d['n'].sum()):,} 根 · 不一致 {int(d['diff'].sum())} · "
+          f"命中 {int(d['hits'].sum())} 个")
+    if d["incr_ms"].sum() > 0:
+        print(f"  单根 全量 {d['full_ms'].mean():.1f}ms → "
+              f"增量 {d['incr_ms'].mean():.1f}ms "
+              f"（{d['full_ms'].sum() / max(d['incr_ms'].sum(), 1e-9):.2f}x）")
+    if int(d["diff"].sum()) == 0:
+        print("\n  逐字段一致，增量可以上线。")
+    else:
+        print("\n  ⛔ 有分歧，不要上线。增量流的状态与全量重建不等价。")
+
+
+if __name__ == "__main__":
+    main()

research/live/verify_lean_parity.py

@@ -50,7 +50,12 @@ def load(sym: str, tf: str, cache: Path) -> pd.DataFrame:
     return pd.read_feather(c[0])
 
 
-def canon(d: dict) -> str:
+# 随窗口长度必然改变的记账字段。比「窗口长度会不会改信号」时要排除它们，
+# 否则一定 0/12 不一致，而那是记账字段在变，不是信号在变
+WINDOW_KEYS = ("last_idx", "n_bars")
+
+
+def canon(d: dict, skip: tuple = SKIP) -> str:
     """把返回值规范化成可比较的字符串。
 
     浮点直接比会被末位差异误判，但 lean 走的是同一段算术、不该有任何差异，
@@ -68,7 +73,7 @@ def canon(d: dict) -> str:
             return norm(v.item())
         return v
     return json.dumps({k: norm(v) for k, v in sorted(d.items())
-                       if k not in SKIP}, sort_keys=True, ensure_ascii=False)
+                       if k not in skip}, sort_keys=True, ensure_ascii=False)
 
 
 def signal_bars(sym: str, cache: Path) -> np.ndarray:

research/live/verify_window_sens.py

@@ -0,0 +1,115 @@
+"""compute() 的输出对窗口长度是否不变——增量路径的前提。
+
+## 为什么这是增量路径的前提
+
+`init_stream/append_bar` 没有 trim：`dataframe` 靠 `pd.concat` 无界增长。所以
+增量方案必然意味着**窗口会长大**（每根 +1），只能靠周期性 `init_stream` 重建
+拉回。于是在两次重建之间，实际窗口是 [W, W+slack] 而不是恒定 W。
+
+这就把一个问题摆在前面：如果 `compute()` 的输出随窗口长度变化，增量路径等于
+静默把信号换了一批——不报错、不崩，只是测的不再是回测那批信号。
+
+step39 的结论是「命中率在 2000 根饱和」。**饱和不等于不变**：再加根数不再提高
+命中率，与「结果逐字段相同」是两回事。所以要单独验。
+
+判据是逐字段相同，不是命中数相同。数量相同而方向或滤网标志不同，会让影子测
+的是另一批信号。
+
+    python research/live/verify_window_sens.py --syms BTC,ETH,SOL
+"""
+from __future__ import annotations
+
+import argparse
+import os
+import sys
+import warnings
+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()
+sys.path.insert(0, str(HERE.parents[1]))
+sys.path.insert(0, str(HERE.parents[2]))
+sys.path.insert(0, str(HERE.parent))
+
+BASE_L, BASE_H = 2001, 801
+# 增量在两次重建之间会长这么多。取 500 是因为它对应约 8 小时，
+# 重建摊薄后单根成本仍接近纯追加
+GROW = (0, 200, 500, 1000)
+
+
+def main() -> None:
+    ap = argparse.ArgumentParser()
+    ap.add_argument("--syms", default="BTC,ETH,SOL")
+    ap.add_argument("--cache", default="research/live/cache")
+    ap.add_argument("--n", type=int, default=40)
+    a = ap.parse_args()
+
+    from shadow_signal import compute
+    from verify_lean_parity import (SKIP, WINDOW_KEYS, canon, load,
+                                    signal_bars)
+
+    # last_idx/n_bars 必然随窗口长度变。不排除的话结果一定是「全不一致」，
+    # 而那说明的是记账字段在变，不是信号在变
+    skip = SKIP + WINDOW_KEYS
+
+    cache = Path(a.cache)
+    print("同一根上，只改窗口长度，比对 compute() 的全部返回字段")
+    print(f"基准窗口 1m×{BASE_L} + 5m×{BASE_H}；增量会让它长大，故试 "
+          f"+{GROW[1:]}\n")
+
+    tot = {g: [0, 0] for g in GROW[1:]}     # [相同, 不同]
+    for sym in a.syms.split(","):
+        l_all, h_all = load(sym, "1m", cache), load(sym, "5m", cache)
+        l_ts = l_all["timestamp"].to_numpy("int64")
+        h_ts = h_all["timestamp"].to_numpy("int64")
+        try:
+            sb = signal_bars(sym, cache)
+        except Exception as e:
+            print(f"{sym} 取信号根失败：{e!r}")
+            continue
+        need = BASE_L + max(GROW)
+        sb = sb[(sb > need) & (sb < len(l_all) - 1)][-a.n:]
+        if len(sb) == 0:
+            print(f"{sym} 可用信号根不足")
+            continue
+
+        res: dict[int, list[str]] = {g: [] for g in GROW}
+        for e in sb:
+            hi = int(np.searchsorted(h_ts, l_ts[e], side="right"))
+            entry = float(l_all["open"].to_numpy(float)[e + 1])
+            for g in GROW:
+                df_l = l_all.iloc[e - (BASE_L + g) + 1:e + 1]
+                df_h = h_all.iloc[max(0, hi - (BASE_H + g // 5)):hi]
+                res[g].append(canon(compute(df_l.copy(), df_h.copy(), entry),
+                                    skip=skip))
+
+        print(f"{sym}  {len(sb)} 根信号窗口")
+        for g in GROW[1:]:
+            same = sum(1 for x, y in zip(res[0], res[g]) if x == y)
+            tot[g][0] += same
+            tot[g][1] += len(sb) - same
+            print(f"  +{g:>4} 根 → 一致 {same}/{len(sb)}"
+                  + ("" if same == len(sb) else "   ⚠ 有分歧"))
+        del l_all, h_all
+
+    print(f"\n{'=' * 66}\n汇总\n")
+    for g in GROW[1:]:
+        s, d = tot[g]
+        print(f"  窗口 +{g:>4} 根：一致 {s} · 不一致 {d}")
+    worst = max(GROW[1:], key=lambda g: tot[g][1])
+    if tot[worst][1] == 0:
+        print("\n  窗口长度不影响输出，增量路径的前提成立。")
+        print("  可以按「长到 +N 根再 init_stream 重建」摊薄成本。")
+    else:
+        print("\n  ⛔ 窗口长度会改变输出，增量路径会静默换掉一批信号。")
+        print("  此时要么每根都重建（等于没有增量），要么先把窗口效应本身收口。")
+
+
+if __name__ == "__main__":
+    main()

research/step48_signal_timing.py

@@ -75,6 +75,26 @@ def collect(sym: str, rows: int) -> pd.DataFrame | None:
         idx = sig["entry_idx"].to_numpy().astype(int)
         atr = cdf["atr"].to_numpy(float)[idx]
         close = cdf["close"].to_numpy(float)[idx]
+
+        vol = cdf["volume"]
+        vr = vol / vol.rolling(60, min_periods=10).mean()
+        vr60 = vr.to_numpy(float)
+        # shift(1) 把信号根自己排除在外
+        vpre10 = vr.rolling(10, min_periods=5).mean().shift(1).to_numpy(float)
+        vpre30 = vr.rolling(30, min_periods=15).mean().shift(1).to_numpy(float)
+        c_all = cdf["close"].to_numpy(float)
+        a_all = cdf["atr"].to_numpy(float)
+        d_all = sig["direction"].to_numpy().astype(int)
+
+        def mom(k: int) -> np.ndarray:
+            """顺方向动量（ATR 单位）。用全序列算好再取下标，避免逐笔切片。"""
+            prev = np.concatenate([np.full(k, np.nan), c_all[:-k]])
+            with np.errstate(invalid="ignore", divide="ignore"):
+                m = (c_all - prev) / a_all
+            out = np.full(len(idx), np.nan)
+            out[:] = m[idx] * d_all
+            return out
+
         return pd.DataFrame({
             "sym": sym,
             "date": cdf["date"].to_numpy()[idx],
@@ -91,8 +111,15 @@ def collect(sym: str, rows: int) -> pd.DataFrame | None:
             # 信号根的相对成交量。当根已收盘，开仓时可知，是合规的可交易信息。
             # vr10 是引擎自带口径（前 10 根均量），vr60 换个基准做稳健性对照。
             "vr10": cdf["volume_ratio"].to_numpy(float)[idx],
-            "vr60": (cdf["volume"] / cdf["volume"].rolling(60, min_periods=10).mean()
-                     ).to_numpy(float)[idx],
+            "vr60": vr60[idx],
+            # 开仓**之前**那段的量与走势。vpre 已 shift(1)，不含信号根本身——
+            # 信号根的量单独由 vr60 承担，两者混在一起就分不清是哪一段在起作用。
+            "vpre10": vpre10[idx],
+            "vpre30": vpre30[idx],
+            # 顺方向动量，ATR 为单位。B4/S4 是回抽后转强，所以 mom10 多为负
+            # （入场前那几根逆着你走）；负得多 = 回抽深。
+            "mom10": mom(10),
+            "mom60": mom(60),
         })
     except Exception as e:
         print(f"  {sym} 失败: {e!r}", flush=True)

research/step52_volume_exit.py

@@ -0,0 +1,262 @@
+"""Step 52：持仓中放量就平仓 —— 把成交量当出场信号。
+
+用户提出：既然 step50 证明「入场根放量 = 给走完这一冲的人接盘」，那持仓过程中
+出现放量根，是不是也说明这一波被走完了，该直接平掉？
+
+这和 step50 是同一个机制的延伸，但**方向未知**：放量既可能是衰竭（该走），
+也可能是突破续势的起点（走了就砍在起涨点）。step50 只证明了「入场时撞上放量
+不好」，推不出「持仓时撞上放量该跑」——入场是你在接别人的盘，持仓时那根量
+可能正是把你送上去的那批资金。
+
+出场腿是 taker（收盘市价），成本按 TIME 计。触发优先级：同一根内止损（盘中）
+> 目标（盘中）> 放量平仓（收盘）。止损优先是保守侧。
+
+⚠️ 本步自己写了逐根模拟器，不走 walk_exits。**基线必须与 walk_exits 逐笔
+相等才继续**——否则后面所有对比都是在和一个错的基线比。
+"""
+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", 340)
+
+SL, SCALE_AT, RUNNER, MAXB = 2.0, 3.0, 8.0, 48
+GATE_BP = 8.0
+THRESHOLDS = (3.0, 5.0, 8.0)
+OUT = HERE / "out" / "step52_volume_exit.feather"
+IS_START = pd.Timestamp("2026-01-30", tz="Asia/Shanghai")
+
+TP, SL_, TIME = 0, 1, 2
+
+
+def simulate(cdf, sig, vr):
+    """逐根前推。返回每笔在基线与各放量出场变体下的 (毛收益, 原因, 是否分批)。
+
+    runner 止损位与初始止损同为 2 ATR（HANDOFF §3.5 定的 rstop=SL），
+    所以全程止损线不动，不需要分段处理。
+    """
+    high = cdf["high"].to_numpy(float)
+    low = cdf["low"].to_numpy(float)
+    open_ = cdf["open"].to_numpy(float)
+    close = cdf["close"].to_numpy(float)
+    atr = cdf["atr"].to_numpy(float)
+    n = len(cdf)
+
+    variants = ["base"]
+    for t in THRESHOLDS:
+        variants += [f"v{t:g}", f"v{t:g}w"]
+
+    rows = []
+    for s, d in zip(sig["entry_idx"].astype(int), sig["direction"].astype(int)):
+        e = s + 1
+        if e >= n - 1:
+            continue
+        a = atr[s]
+        if not np.isfinite(a) or a <= 0:
+            continue
+        entry = open_[e]
+        end = min(e + MAXB, n - 1)
+        row = {"sig_idx": s, "atr_pct": a / entry}
+
+        for var in variants:
+            thr = None if var == "base" else float(var[1:].rstrip("w"))
+            only_win = var.endswith("w")
+            scaled = False
+            g = r = None
+            xb = end
+            for j in range(e, end + 1):
+                adv = (high[j] - entry) / a if d == 1 else (entry - low[j]) / a
+                ret = (entry - low[j]) / a if d == 1 else (high[j] - entry) / a
+                # ① 止损（盘中）。同根内优先于目标，保守侧
+                if ret >= SL:
+                    hit = -SL * a / entry
+                    g = 0.5 * (SCALE_AT * a / entry) + 0.5 * hit if scaled else hit
+                    r, xb = SL_, j
+                    break
+                # ② 目标（盘中限价）
+                if not scaled and adv >= SCALE_AT:
+                    # 同根内可能既到 3 ATR 又到 8 ATR，按先减仓后续跑处理
+                    scaled = True
+                    if adv >= RUNNER:
+                        g = 0.5 * (SCALE_AT * a / entry) + 0.5 * (RUNNER * a / entry)
+                        r, xb = TP, j
+                        break
+                elif scaled and adv >= RUNNER:
+                    g = 0.5 * (SCALE_AT * a / entry) + 0.5 * (RUNNER * a / entry)
+                    r, xb = TP, j
+                    break
+                # ③ 放量平仓（收盘市价）
+                if thr is not None and np.isfinite(vr[j]) and vr[j] >= thr:
+                    px = d * (close[j] - entry) / entry
+                    if not only_win or px > 0:
+                        g = 0.5 * (SCALE_AT * a / entry) + 0.5 * px if scaled else px
+                        r, xb = TIME, j
+                        break
+            if g is None:                      # 超时：末根收盘市价
+                px = d * (close[end] - entry) / entry
+                g = 0.5 * (SCALE_AT * a / entry) + 0.5 * px if scaled else px
+                r, xb = TIME, end
+            row[f"{var}_g"], row[f"{var}_r"] = g, r
+            row[f"{var}_c"] = int(scaled)
+            row[f"{var}_b"] = xb - e + 1
+        rows.append(row)
+    return pd.DataFrame(rows)
+
+
+def collect(sym: str, rows: int):
+    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)
+
+        vr = (cdf["volume"] / cdf["volume"].rolling(60, min_periods=10).mean()
+              ).to_numpy(float)
+        res = simulate(cdf, sig, vr)
+
+        # 对拍：基线必须与已验证的 walk_exits 逐笔相等
+        ref = walk_exits(cdf, sig, [SL], [RUNNER], [MAXB], scale_at=SCALE_AT,
+                         runners=(RUNNER,), runner_stops=(SL,))
+        cfg = cfg_name(SL, RUNNER, MAXB, SL)
+        if len(ref) != len(res):
+            print(f"  {sym} 对拍失败：笔数 {len(ref)} vs {len(res)}", flush=True)
+            return None
+        dg = np.abs(ref[f"{cfg}_g"].to_numpy() - res["base_g"].to_numpy())
+        dr = (ref[f"{cfg}_r"].to_numpy() != res["base_r"].to_numpy()).sum()
+        if dg.max() > 1e-12 or dr:
+            print(f"  {sym} 对拍失败：毛收益最大差 {dg.max():.3e}，原因分歧 {dr} 笔",
+                  flush=True)
+            return None
+
+        idx = sig["entry_idx"].to_numpy().astype(int)
+        keep = np.isin(idx, res["sig_idx"].to_numpy())
+        idx = idx[keep]
+        atr = cdf["atr"].to_numpy(float)[idx]
+        close = cdf["close"].to_numpy(float)[idx]
+        out = pd.DataFrame({
+            "sym": sym,
+            "date": cdf["date"].to_numpy()[idx],
+            "atr_bp": atr / close * 1e4,
+            "htf": sig["htf_agree"].to_numpy()[keep],
+            "lad": sig["ladder_ok"].to_numpy()[keep],
+            "vr60_entry": vr[idx],
+        })
+        for c in res.columns:
+            if c not in ("sig_idx",):
+                out[c] = res[c].to_numpy()
+        return out
+    except Exception as e:
+        print(f"  {sym} 失败: {e!r}", flush=True)
+        return None
+
+
+def stat(d: pd.DataFrame, var: str, label: str) -> dict:
+    from lib.exit_model import fee_of, taker_notional
+
+    g = d[f"{var}_g"].to_numpy()
+    r, c = d[f"{var}_r"].to_numpy(), d[f"{var}_c"].to_numpy()
+    tn = taker_notional(r, c)
+    net = g - fee_of(r, c)
+    risk = SL * d.atr_pct.to_numpy()
+    R = net / risk
+    w, o = net[net > 0].sum(), -net[net <= 0].sum()
+    return {"方案": label, "笔数": len(d),
+            "胜率": f"{(net > 0).mean()*100:.1f}%",
+            "毛R": round((g / risk).mean(), 3), "净均R": round(R.mean(), 3),
+            "R夏普": round(R.mean() / R.std(ddof=1), 3),
+            "PF": round(w / o, 2) if o > 0 else np.inf,
+            "余量bp": round(net.mean() / tn.mean() * 1e4, 2),
+            "均持仓": round(d[f"{var}_b"].mean(), 1),
+            "触发率": f"{(r == TIME).mean()*100:.0f}%"}
+
+
+def report(d: pd.DataFrame, label: str) -> None:
+    rows = [stat(d, "base", "基线（不看量）")]
+    for t in THRESHOLDS:
+        rows.append(stat(d, f"v{t:g}", f"vr60≥{t:g} 就平"))
+        rows.append(stat(d, f"v{t:g}w", f"vr60≥{t:g} 且浮盈才平"))
+    print(f"\n--- {label}（{len(d)} 笔）---")
+    print(pd.DataFrame(rows).to_string(index=False))
+
+
+def main() -> None:
+    ap = argparse.ArgumentParser()
+    ap.add_argument("--symbols", default="BTC,BNB,ETH,SOL,LINK,LTC,AVAX,XRP,DOGE,ADA")
+    ap.add_argument("--rows", type=int, default=800_000)
+    ap.add_argument("--workers", type=int, default=3)
+    ap.add_argument("--reuse", action="store_true")
+    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"[放量出场] {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)}"
+                      f"{'  ⚠对拍未过' if r is None else '  对拍通过'}", 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"])
+    d = d[(d.htf == 1.0) & d.lad & (d.atr_bp >= GATE_BP)].copy()
+    print(f"\n实盘口径 {len(d)} 笔  {d.date.min():%Y-%m-%d} ~ {d.date.max():%Y-%m-%d}")
+
+    print("\n" + "=" * 118)
+    print("########## 放量出场 vs 基线 ##########")
+    report(d[d.date < IS_START], "样本外")
+    report(d[d.date >= IS_START], "发现期")
+    report(d, "全样本")
+
+
+if __name__ == "__main__":
+    main()

research/step53_pre_entry.py

@@ -0,0 +1,169 @@
+"""Step 53：开仓**之前**那段的量与走势方向。
+
+用户提出的第三个位置。前两个已有定论：
+  step50  信号根放量 → 差（那根你是买方，付的是资金已推到的价）
+  step52  持仓中放量 → 好（那是资金来接你的货）
+本步问：入场之前那几根呢？资金是不是已经在里面了。
+
+这跟 B4/S4 的结构直接相关。它是回抽后转强，所以入场前那几根**通常逆着你走**
+（mom10 多为负，负得多 = 回抽深）。那么「回抽时缩量」与「回抽时放量」是有
+明确含义的区分——前者是没人卖，后者是真有人在卖。
+
+四个因子，全部在信号根收盘时可知：
+  vpre10 / vpre30   前 10 / 30 根的相对量均值（已 shift(1)，不含信号根）
+  mom10  / mom60    顺方向动量，ATR 为单位
+
+⚠️ 必须控 `vr60`（信号根自身的量）。step50 已证明它是强负因子，不控的话
+前段量会通过相关性借它的力，看着有效其实是同一件事。
+"""
+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", 340)
+
+SL = 2.0
+GATE_BP = 8.0
+OUT = HERE / "out" / "step53_pre_entry.feather"
+IS_START = pd.Timestamp("2026-01-30", tz="Asia/Shanghai")
+FACTORS = [("vpre10", "前10根量"), ("vpre30", "前30根量"),
+           ("mom10", "前10根顺向动量"), ("mom60", "前60根顺向动量")]
+
+
+def collect(sym: str, rows: int):
+    import warnings as _w
+    _w.filterwarnings("ignore")
+    sys.path.insert(0, str(HERE))
+    sys.path.insert(0, str(HERE.parent))
+    from step48_signal_timing import collect as _c
+    return _c(sym, rows)
+
+
+def stat(g: pd.DataFrame, lab: str, denom: int) -> dict:
+    if len(g) < 40:
+        return {"分组": lab, "笔数": len(g), "备注": "样本不足"}
+    w, o = g.net[g.net > 0].sum(), -g.net[g.net <= 0].sum()
+    return {"分组": lab, "笔数": len(g), "占比": f"{len(g)/denom*100:.0f}%",
+            "胜率": f"{(g.net > 0).mean()*100:.1f}%",
+            "毛R": round(g.gR.mean(), 3), "净均R": round(g.R.mean(), 3),
+            "PF": round(w / o, 2) if o > 0 else np.inf,
+            "余量bp": round(g.net.mean() / g.tn.mean() * 1e4, 2)}
+
+
+def quartiles(d: pd.DataFrame, col: str, name: str, label: str) -> None:
+    x = d[d[col].notna() & np.isfinite(d[col])]
+    if len(x) < 300:
+        print(f"  {name}: 样本不足")
+        return
+    x = x.copy()
+    x["bin"] = pd.qcut(x[col], 4, labels=["Q1最低", "Q2", "Q3", "Q4最高"])
+    rows = [stat(g, str(b), len(x)) for b, g in x.groupby("bin", observed=True)]
+    t = pd.DataFrame(rows)
+    med = x.groupby("bin", observed=True)[col].median().round(2).to_dict()
+    t.insert(1, "中位", [med.get(b) for b in t["分组"]])
+    print(f"\n--- {label} / {name}（{col}）---")
+    print(t.to_string(index=False))
+
+
+def control_vr60(d: pd.DataFrame, col: str, name: str) -> None:
+    """在信号根量的高/低两半内部各切一次，看因子是否还独立成立。"""
+    x = d[d[col].notna() & np.isfinite(d[col]) & d.vr60.notna()].copy()
+    x["vr60半"] = np.where(x.vr60 >= x.vr60.median(), "信号根高量", "信号根低量")
+    rows = []
+    for half, g in x.groupby("vr60半"):
+        g = g.copy()
+        g["h"] = pd.qcut(g[col], 2, labels=["低", "高"])
+        lo, hi = g[g.h == "低"], g[g.h == "高"]
+        if min(len(lo), len(hi)) < 40:
+            continue
+        rows.append({"因子": name, "控制层": half, "笔数": len(g),
+                     "低组毛R": round(lo.gR.mean(), 3), "高组毛R": round(hi.gR.mean(), 3),
+                     "毛R差": round(hi.gR.mean() - lo.gR.mean(), 3),
+                     "低组余量": round(lo.net.mean() / lo.tn.mean() * 1e4, 2),
+                     "高组余量": round(hi.net.mean() / hi.tn.mean() * 1e4, 2)})
+    if rows:
+        print(pd.DataFrame(rows).to_string(index=False))
+
+
+def main() -> None:
+    ap = argparse.ArgumentParser()
+    ap.add_argument("--symbols", default="BTC,BNB,ETH,SOL,LINK,LTC,AVAX,XRP,DOGE,ADA")
+    ap.add_argument("--rows", type=int, default=800_000)
+    ap.add_argument("--workers", type=int, default=3)
+    ap.add_argument("--reuse", action="store_true")
+    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"[开仓前的量与方向] {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)
+
+    from step50_volume import prep
+
+    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"\n实盘口径 {len(d)} 笔  |  样本外 {len(oos)}  发现期 {len(ins)}")
+    print(f"回抽确认：mom10 中位 {d.mom10.median():+.2f} ATR，"
+          f"为负的占 {(d.mom10 < 0).mean()*100:.0f}%")
+
+    print("\n" + "=" * 118)
+    print("########## 一、四个因子各自看（样本外 / 发现期）##########")
+    for col, name in FACTORS:
+        for lab, part in (("样本外", oos), ("发现期", ins)):
+            quartiles(part, col, name, lab)
+
+    print("\n" + "=" * 118)
+    print("########## 二、控信号根自身的量（vr60）后是否还成立 ##########")
+    for col, name in FACTORS:
+        control_vr60(d, col, name)
+
+    print("\n" + "=" * 118)
+    print("########## 三、缩量回抽 vs 放量回抽 ##########")
+    x = d[d.vpre10.notna() & np.isfinite(d.vpre10) & d.mom10.notna()].copy()
+    x["回抽"] = np.where(x.mom10 < 0, "回抽（逆向）", "顺向进场")
+    x["前段量"] = np.where(x.vpre10 >= x.vpre10.median(), "放量", "缩量")
+    rows = []
+    for a in ("回抽（逆向）", "顺向进场"):
+        for b in ("缩量", "放量"):
+            g = x[(x.回抽 == a) & (x.前段量 == b)]
+            rows.append(stat(g, f"{a} × {b}", len(x)))
+    print(pd.DataFrame(rows).to_string(index=False))
+
+    print("\n  与信号根量的相关性（防止是同一件事换个说法）")
+    for col, name in FACTORS:
+        v = x[[col, "vr60"]].dropna()
+        print(f"    {name:<14} vs vr60  r = {v[col].corr(v.vr60):+.3f}")
+
+
+if __name__ == "__main__":
+    main()

research/step54_session.py

@@ -0,0 +1,431 @@
+"""Step 54：开仓时刻落在哪个时段——亚盘 / 欧盘 / 美盘谁更赚。
+
+用户问的是时段，但这个问题有两个必须先堵的坑，否则很容易得出一个假的结论：
+
+  ① ATR 混淆。亚盘波动天然低，而低 ATR 的信号因固定成本吃亏是已知结论
+    （HANDOFF §3.5：余量 = 净收益 / taker名义额，ATR 越小分母越小）。
+    所以"亚盘差"完全可能只是"亚盘 ATR 低"换个说法。必须在 ATR 分层内部再看。
+  ② mom60 混淆。step53 刚定论 mom60 是强因子（Q4 最差），而美盘开盘那几个
+    小时最容易出现已经走完一大段的行情。不控的话时段会借它的力。
+
+所以本步的顺序是：先逐小时看（不设边界，边界是人定的、最容易带出想要的结论），
+再聚合成时段，最后在 ATR 与 mom60 的分层内部复核。
+
+样本内外沿用 step53 的切法（IS_START），任何只在一边成立的都不认。
+"""
+from __future__ import annotations
+
+import argparse
+import os
+import sys
+import warnings
+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", 340)
+
+SL = 2.0
+GATE_BP = 8.0
+SRC = HERE / "out" / "step53_pre_entry.feather"
+IS_START = pd.Timestamp("2026-01-30", tz="Asia/Shanghai")
+
+# 时段用 UTC 定义。三段等分是加密市场的通行切法，且不重叠——重叠定义会让
+# 同一笔进两个桶，比较就没有意义了。真实的开盘时刻（伦敦 08:00、纽约 13:30）
+# 落在段内而非段首，所以另有一张逐小时表兜底，防止边界把结论切出来
+SESSIONS = [("亚盘", 0, 8), ("欧盘", 8, 16), ("美盘", 16, 24)]
+# 稳健性对照：按真实开盘时刻切，并把欧美重叠那段单列
+SESSIONS_ALT = [("亚盘", 0, 7), ("欧盘", 7, 13), ("欧美重叠", 13, 17),
+                ("美盘", 17, 21), ("淡时段", 21, 24)]
+
+
+def stat(g: pd.DataFrame, lab: str, denom: int) -> dict:
+    if len(g) < 40:
+        return {"分组": lab, "笔数": len(g), "备注": "样本不足"}
+    w, o = g.net[g.net > 0].sum(), -g.net[g.net <= 0].sum()
+    return {"分组": lab, "笔数": len(g), "占比": f"{len(g)/denom*100:.0f}%",
+            "胜率": f"{(g.net > 0).mean()*100:.1f}%",
+            "毛R": round(g.gR.mean(), 3), "净均R": round(g.R.mean(), 3),
+            "PF": round(w / o, 2) if o > 0 else np.inf,
+            "余量bp": round(g.net.mean() / g.tn.mean() * 1e4, 2),
+            "中位ATRbp": round(g.atr_bp.median(), 1)}
+
+
+def label_session(h: pd.Series, table) -> pd.Series:
+    out = pd.Series("?", index=h.index, dtype=object)
+    for name, a, b in table:
+        out[(h >= a) & (h < b)] = name
+    return out
+
+
+def hourly(d: pd.DataFrame) -> None:
+    """逐小时。先看这个再谈时段——时段边界是人定的，逐小时不是。"""
+    print("\n" + "=" * 100)
+    print("########## 一、逐小时（UTC），不设时段边界 ##########")
+    rows = []
+    for h, g in d.groupby("utc_h"):
+        oos, ins = g[g.date < IS_START], g[g.date >= IS_START]
+        rows.append({
+            "UTC时": h, "北京时": (h + 8) % 24, "笔数": len(g),
+            "毛R": round(g.gR.mean(), 3),
+            "净均R": round(g.R.mean(), 3),
+            "余量bp": round(g.net.mean() / g.tn.mean() * 1e4, 2),
+            "中位ATRbp": round(g.atr_bp.median(), 1),
+            "样本外毛R": round(oos.gR.mean(), 3) if len(oos) >= 30 else None,
+            "发现期毛R": round(ins.gR.mean(), 3) if len(ins) >= 30 else None,
+        })
+    t = pd.DataFrame(rows)
+    print(t.to_string(index=False))
+    print(f"\n每小时平均只有 {len(d)/24:.0f} 笔，单个小时的数是噪声，"
+          f"看形状不要看单点。")
+
+
+def sessions(d: pd.DataFrame, table, title: str) -> None:
+    print("\n" + "=" * 100)
+    print(f"########## {title} ##########")
+    d = d.copy()
+    d["seg"] = label_session(d.utc_h, table)
+    order = [n for n, _, _ in table]
+    for lab, part in (("全样本", d), ("样本外", d[d.date < IS_START]),
+                      ("发现期", d[d.date >= IS_START])):
+        rows = [stat(part[part.seg == n], n, len(part)) for n in order]
+        print(f"\n--- {lab}（{len(part)} 笔）---")
+        print(pd.DataFrame(rows).to_string(index=False))
+
+
+def control(d: pd.DataFrame, col: str, name: str, table) -> None:
+    """在混淆变量的高/低两半内部各看一次时段。
+
+    时段若只是 ATR（或 mom60）的代理，分层后段间差异会塌掉。
+    """
+    x = d[d[col].notna() & np.isfinite(d[col])].copy()
+    x["seg"] = label_session(x.utc_h, table)
+    x["层"] = np.where(x[col] >= x[col].median(), f"{name}高", f"{name}低")
+    order = [n for n, _, _ in table]
+    rows = []
+    for lay, g in x.groupby("层"):
+        r = {"控制层": lay, "笔数": len(g)}
+        for n in order:
+            s = g[g.seg == n]
+            r[n] = round(s.gR.mean(), 3) if len(s) >= 40 else None
+        vals = [r[n] for n in order if r[n] is not None]
+        r["极差"] = round(max(vals) - min(vals), 3) if len(vals) > 1 else None
+        rows.append(r)
+    print(f"\n--- 控 {name}（{col}）后的段间毛R ---")
+    print(pd.DataFrame(rows).to_string(index=False))
+
+
+def permutation(d: pd.DataFrame, table, n_iter: int = 20_000,
+                seed: int = 0) -> None:
+    """段间极差有没有超出随机分组的水平。
+
+    24 个小时聚成 3 段，本来就会因为噪声产生一定的段间差异。不做这一步就没法
+    区分"时段有效"与"任意切三份都能切出这么大的差"。
+    """
+    rng = np.random.default_rng(seed)
+    seg = label_session(d.utc_h, table).to_numpy()
+    g = d.gR.to_numpy()
+    order = [n for n, _, _ in table]
+    obs_means = np.array([g[seg == n].mean() for n in order])
+    obs = obs_means.max() - obs_means.min()
+    cnt = 0
+    for _ in range(n_iter):
+        p = rng.permutation(seg)
+        m = np.array([g[p == n].mean() for n in order])
+        if m.max() - m.min() >= obs:
+            cnt += 1
+    print(f"\n置换检验：实测段间毛R极差 {obs:.3f}，"
+          f"随机打乱 {n_iter} 次里有 {cnt/n_iter*100:.2f}% 达到或超过它 "
+          f"→ p = {cnt/n_iter:.4f}")
+
+
+NAMES = ["周一", "周二", "周三", "周四", "周五", "周六", "周日"]
+
+
+def weekday(d: pd.DataFrame) -> None:
+    print("\n" + "=" * 100)
+    print("########## 四、星期几（按 UTC）##########")
+    rows = []
+    for k, g in d.groupby("utc_dow"):
+        oos, ins = g[g.date < IS_START], g[g.date >= IS_START]
+        r = stat(g, NAMES[k], len(d))
+        # 样本内外必须并排看。时段那一节正是靠这一列拆穿"美盘最好"的
+        r["样本外毛R"] = round(oos.gR.mean(), 3) if len(oos) >= 30 else None
+        r["发现期毛R"] = round(ins.gR.mean(), 3) if len(ins) >= 30 else None
+        rows.append(r)
+    print(pd.DataFrame(rows).to_string(index=False))
+
+    print("\n--- 工作日 vs 周末 ---")
+    for lab, part in (("全样本", d), ("样本外", d[d.date < IS_START]),
+                      ("发现期", d[d.date >= IS_START])):
+        we = part.utc_dow >= 5
+        t = pd.DataFrame([stat(part[~we], "工作日", len(part)),
+                          stat(part[we], "周末", len(part))])
+        print(f"\n{lab}（{len(part)} 笔）")
+        print(t.to_string(index=False))
+
+
+def weekend_controls(d: pd.DataFrame) -> None:
+    """周末效应是不是 ATR / mom60 / 币种 的代理。
+
+    周末 ATR 中位比工作日低 1bp，而低 ATR 吃亏是已知的，所以必须分层复核。
+    """
+    print("\n" + "=" * 100)
+    print("########## 五、周末效应的混淆检查 ##########")
+    x = d.copy()
+    x["周末"] = np.where(x.utc_dow >= 5, "周末", "工作日")
+    for col, name in (("atr_bp", "ATR"), ("mom60", "前60根动量"),
+                      ("vpre10", "前10根量")):
+        g = x[x[col].notna() & np.isfinite(x[col])].copy()
+        g["层"] = np.where(g[col] >= g[col].median(), f"{name}高", f"{name}低")
+        rows = []
+        for lay, s in g.groupby("层"):
+            wd, we = s[s.周末 == "工作日"], s[s.周末 == "周末"]
+            if min(len(wd), len(we)) < 40:
+                continue
+            rows.append({"控制层": lay, "工作日毛R": round(wd.gR.mean(), 3),
+                         "周末毛R": round(we.gR.mean(), 3),
+                         "差": round(we.gR.mean() - wd.gR.mean(), 3),
+                         "工作日余量": round(wd.net.mean()/wd.tn.mean()*1e4, 2),
+                         "周末余量": round(we.net.mean()/we.tn.mean()*1e4, 2)})
+        print(f"\n--- 控 {name} ---")
+        print(pd.DataFrame(rows).to_string(index=False))
+
+    print("\n--- 逐币：周末差是普遍的还是少数币带的 ---")
+    rows = []
+    for sym, s in x.groupby("sym"):
+        wd, we = s[s.周末 == "工作日"], s[s.周末 == "周末"]
+        if min(len(wd), len(we)) < 25:
+            continue
+        rows.append({"币": sym, "工作日笔数": len(wd), "周末笔数": len(we),
+                     "工作日毛R": round(wd.gR.mean(), 3),
+                     "周末毛R": round(we.gR.mean(), 3),
+                     "差": round(we.gR.mean() - wd.gR.mean(), 3)})
+    t = pd.DataFrame(rows).sort_values("差")
+    print(t.to_string(index=False))
+    neg = (t["差"] < 0).sum()
+    print(f"\n{neg}/{len(t)} 个币周末更差")
+
+
+def overlap_with_mom60(d: pd.DataFrame) -> None:
+    """周末的劣势是不是已经被 step53 的 `mom60≥7` 过滤吃掉了。
+
+    这是决定"要不要再加一条时间过滤"的关键：两个过滤若砍的是同一批单子，
+    叠加只会白丢笔数。控制表已有暗示——mom60 低的那层周末差只有 -0.069，
+    高的那层 -0.169。
+    """
+    print("\n" + "=" * 100)
+    print("########## 六、周末效应与 mom60 过滤的重叠 ##########")
+    x = d.copy()
+    x["周末"] = np.where(x.utc_dow >= 5, "周末", "工作日")
+    x["周日"] = np.where(x.utc_dow == 6, "周日", "其余")
+
+    print("\n--- 高动量（mom60≥7，step53 要砍的那批）在各组里的占比 ---")
+    for col in ("周末", "周日"):
+        t = x.groupby(col).apply(
+            lambda g: pd.Series({
+                "笔数": len(g),
+                "mom60≥7占比": f"{(g.mom60 >= 7).mean()*100:.1f}%",
+                "中位mom60": round(g.mom60.median(), 2)}))
+        print(t.to_string())
+
+    print("\n--- 施加 mom60<7 之后，周末差还剩多少 ---")
+    rows = []
+    for lab, sub in (("过滤前（全部）", x),
+                     ("过滤后（mom60<7）", x[x.mom60 < 7])):
+        for col in ("周末", "周日"):
+            a = sub[sub[col] == sub[col].unique()[0]]
+            hi = sub[sub[col].isin(["周末", "周日"])]
+            lo = sub[sub[col].isin(["工作日", "其余"])]
+            if min(len(hi), len(lo)) < 40:
+                continue
+            rows.append({
+                "口径": lab, "对比": f"{col} vs 其余",
+                "差组笔数": len(hi), "差组毛R": round(hi.gR.mean(), 3),
+                "对照毛R": round(lo.gR.mean(), 3),
+                "毛R差": round(hi.gR.mean() - lo.gR.mean(), 3),
+                "差组余量": round(hi.net.mean()/hi.tn.mean()*1e4, 2),
+                "对照余量": round(lo.net.mean()/lo.tn.mean()*1e4, 2)})
+    print(pd.DataFrame(rows).drop_duplicates().to_string(index=False))
+
+
+def perm_binary(d: pd.DataFrame, mask: np.ndarray, lab: str,
+                n_iter: int = 20_000, seed: int = 0) -> None:
+    """两组均值差的置换检验。"""
+    rng = np.random.default_rng(seed)
+    g = d.gR.to_numpy()
+    obs = g[mask].mean() - g[~mask].mean()
+    n = int(mask.sum())
+    cnt = 0
+    for _ in range(n_iter):
+        idx = rng.permutation(len(g))[:n]
+        m = np.zeros(len(g), bool)
+        m[idx] = True
+        if abs(g[m].mean() - g[~m].mean()) >= abs(obs):
+            cnt += 1
+    print(f"\n置换检验（{lab}）：实测毛R差 {obs:+.3f}，"
+          f"随机分组 {n_iter} 次里 {cnt/n_iter*100:.2f}% 达到或超过 "
+          f"→ p = {cnt/n_iter:.4f}")
+
+
+def decision(d: pd.DataFrame, cuts: dict) -> None:
+    """若砍掉某些时段，在不同真实滑点下的总R。
+
+    沿用 step53 的决策表口径：砍掉一批信号既省成本也丢收益，哪边大取决于
+    真实滑点，所以必须按滑点扫一遍，不能只报一个数。
+    """
+    print("\n" + "=" * 100)
+    print("########## 七、把时段做成过滤的决策表（发现期总R）##########")
+    ins = d[d.date >= IS_START]
+    slips = [0, 5, 8, 10, 12, 15, 18, 20]
+    rows = []
+    for lab, mask in cuts.items():
+        m = mask(ins)
+        sub = ins[m]
+        r = {"方案": lab, "保留": f"{m.mean()*100:.0f}%"}
+        for s in slips:
+            # 滑点只打在 taker 腿上，口径与 lib.exit_model 一致
+            net = sub.net - sub.tn * s / 1e4
+            r[f"{s}bp"] = round((net / (SL * sub.atr_pct)).sum(), 0)
+        rows.append(r)
+    print(pd.DataFrame(rows).to_string(index=False))
+
+
+SRC41 = HERE / "out" / "step41_exit_tp.feather"
+# step41 的分批出场配置名，与实盘完全一致：SL 2 / 减半 3（scale_at 默认）/
+# runner 8 / runner 止损 2 / 48 根。见 lib.exit_model.cfg_name
+CFG41 = "s2_so8_k2_m48"
+
+
+def long_history() -> None:
+    """用 5m/15m/30m 的 7 年数据复核时段与星期几。
+
+    为什么要这一步：1m 只能追到 18.5 个月（3941 笔），而时段结论是"没效果"，
+    **没效果最怕的就是样本不够**。step41 那份跨 2019-09 → 2026-08，5m 单周期
+    就有 5434 笔，且过滤口径相同（`h1_agree==1 & push` 就是深色），出场配置
+    也能对上实盘那套。若长样本上仍然测不出时段效应，"无效"才站得住。
+
+    ⚠️ 口径差一处：这里没加 ATR≥8bp 门控。§3.5 实测该门控在这些周期上几乎
+    不触发（30m 0%、15m 0.16%、5m 2.6%），所以影响可忽略，但要记着。
+    """
+    from lib.exit_model import fee_of, taker_notional
+
+    d = pd.read_feather(SRC41)
+    d["date"] = pd.to_datetime(d["date"])
+    g, r, c = (d[f"{CFG41}_{k}"].to_numpy() for k in ("g", "r", "c"))
+    d["net"] = g - fee_of(r, c)
+    d["gR"] = g / (SL * d.atr_pct.values)
+    d["R"] = d.net / (SL * d.atr_pct.values)
+    d["tn"] = taker_notional(r, c)
+    d["atr_bp"] = d.atr_pct * 1e4
+    utc = d.date.dt.tz_convert("UTC")
+    d["utc_h"], d["utc_dow"] = utc.dt.hour, utc.dt.dayofweek
+
+    print("\n" + "#" * 100)
+    print("########## 长样本复核：5m/15m/30m × 7 年 ##########")
+    print(f"{len(d)} 笔 · {d.symbol.nunique()} 币 · "
+          f"{d.date.min():%Y-%m} → {d.date.max():%Y-%m}"
+          f"（{(d.date.max()-d.date.min()).days} 天）")
+    print(f"出场配置 {CFG41}（= 实盘的 2/3/8/2/48）· 深色已过滤 · 无 ATR 门控")
+
+    for tf in ("5m", "15m", "30m"):
+        x = d[d.ltf == tf].copy()
+        if len(x) < 300:
+            continue
+        x["seg"] = label_session(x.utc_h, SESSIONS)
+        print(f"\n--- {tf}（{len(x)} 笔）时段 ---")
+        rows = []
+        for n, _, _ in SESSIONS:
+            s = x[x.seg == n]
+            ins, oos = s[s.group == "样本内"], s[s.group == "样本外"]
+            row = stat(s, n, len(x))
+            row["样本内毛R"] = round(ins.gR.mean(), 3) if len(ins) >= 30 else None
+            row["样本外毛R"] = round(oos.gR.mean(), 3) if len(oos) >= 30 else None
+            rows.append(row)
+        print(pd.DataFrame(rows).to_string(index=False))
+        permutation(x, SESSIONS, n_iter=10_000)
+
+        we = (x.utc_dow >= 5).to_numpy()
+        print(f"\n--- {tf} 工作日 vs 周末 ---")
+        print(pd.DataFrame([stat(x[~we], "工作日", len(x)),
+                            stat(x[we], "周末", len(x))]).to_string(index=False))
+        perm_binary(x, we, f"{tf} 周末 vs 工作日", n_iter=10_000)
+
+    print("\n--- 三周期合并（每笔等权）---")
+    d["seg"] = label_session(d.utc_h, SESSIONS)
+    print(pd.DataFrame([stat(d[d.seg == n], n, len(d))
+                        for n, _, _ in SESSIONS]).to_string(index=False))
+    permutation(d, SESSIONS, n_iter=10_000)
+    we = (d.utc_dow >= 5).to_numpy()
+    print(pd.DataFrame([stat(d[~we], "工作日", len(d)),
+                        stat(d[we], "周末", len(d))]).to_string(index=False))
+    perm_binary(d, we, "合并 周末 vs 工作日", n_iter=10_000)
+    perm_binary(d, (d.utc_dow == 6).to_numpy(), "合并 周日 vs 其余",
+                n_iter=10_000)
+
+
+def main() -> None:
+    ap = argparse.ArgumentParser()
+    ap.add_argument("--src", default=str(SRC))
+    ap.add_argument("--long", action="store_true",
+                    help="只跑 5m/15m/30m 的 7 年长样本复核")
+    args = ap.parse_args()
+
+    if args.long:
+        long_history()
+        return
+
+    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())
+    utc = d.date.dt.tz_convert("UTC")
+    d["utc_h"] = utc.dt.hour
+    d["utc_dow"] = utc.dt.dayofweek
+
+    span = (d.date.max() - d.date.min()).days
+    print(f"实盘口径 {len(d)} 笔 · {d.sym.nunique()} 币 · 跨 {span} 天 "
+          f"({d.date.min():%Y-%m-%d} → {d.date.max():%Y-%m-%d})")
+    print(f"样本外 {(d.date < IS_START).sum()} · "
+          f"发现期 {(d.date >= IS_START).sum()}")
+    print("⚠️ 持仓最长 48 分钟，跨段的笔按**入场时刻**归属——那是唯一可操作的口径")
+
+    hourly(d)
+    sessions(d, SESSIONS, "二、三段等分（UTC 0/8/16）")
+    permutation(d, SESSIONS)
+    sessions(d, SESSIONS_ALT, "三、稳健性对照：按真实开盘时刻切五段")
+
+    print("\n" + "=" * 100)
+    print("########## 混淆检查：时段是不是 ATR / mom60 的代理 ##########")
+    for col, name in (("atr_bp", "ATR"), ("mom60", "前60根动量"),
+                      ("vpre10", "前10根量")):
+        control(d, col, name, SESSIONS)
+
+    weekday(d)
+    perm_binary(d, (d.utc_dow >= 5).to_numpy(), "周末 vs 工作日")
+    perm_binary(d, (d.utc_dow == 6).to_numpy(), "周日 vs 其余")
+    weekend_controls(d)
+    overlap_with_mom60(d)
+
+    decision(d, {
+        "等权（现状）": lambda x: np.ones(len(x), bool),
+        "砍周日": lambda x: (x.utc_dow != 6).to_numpy(),
+        "砍周末": lambda x: (x.utc_dow < 5).to_numpy(),
+        "砍欧盘": lambda x: ((x.utc_h < 8) | (x.utc_h >= 16)).to_numpy(),
+        "砍 mom60≥7（step53 基准）": lambda x: (x.mom60 < 7).to_numpy(),
+        "砍 mom60≥7 + 周日": lambda x: ((x.mom60 < 7) &
+                                        (x.utc_dow != 6)).to_numpy(),
+    })
+
+
+if __name__ == "__main__":
+    main()

research/step55_bsp12_probe.py

@@ -0,0 +1,348 @@
+"""Step 55：一/二类买卖点的可行性探针——先量滞后，不急着跑收益。
+
+用户提出把 B4 那套研究思路搬到一二类上。搬之前必须先过一道闸，理由写在
+`Chan_BSP_TYPE` 的枚举注释里：**B4 存在的全部意义就是"几何位置同 B3/S3，
+但不等笔确认"**。也就是说这个项目早就付过"等笔确认"的学费。
+
+而一类买卖点是最滞后的一种构造：它要中枢 `is_sure`、要离开笔 `is_sure`、
+还要背驰判定（`check_bi_div` 读 `macd_hist`）。二类更靠后，要在一类之后再走
+两笔。所以真正的问题不是"一二类赚不赚钱"，而是：
+
+    你能在什么时候知道它，那时候价格还在不在。
+
+`ChanBSP` 给了两个时刻，差值就是答案：
+    klc.end_time   = leave_bi.end_klc 的收盘时刻，**极值所在**，理想入场点
+    sure_time      = 笔被确认的时刻，**你最早能动手的时刻**
+
+本步只回答三件事，跑得快、结论硬：
+  1. 一二类各有多少笔（对比 B4 的 5.3 笔/天 / 10 币）
+  2. 滞后多少根
+  3. 这段等待里价格跑掉多少个 ATR —— 这是"入场价漂移"，直接从余量里扣
+
+⚠️ 不在本步做收益回测。滞后若不可接受，收益怎么算都是假的：`walk_exits`
+用的是信号根的次根开盘价，而那个价在一二类上根本拿不到。
+"""
+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", 340)
+
+OUT = HERE / "out" / "step55_bsp12.feather"
+# B4 的对照基线，来自 §3.31 / step48：10 币 1m 实盘口径
+B4_PER_DAY_10SYM = 5.3
+# 出场结构与实盘完全一致，见 live/exit_params.py
+SL, SCALE_AT, RUNNER, RSTOP, MAXB = 2.0, 3.0, 8.0, 2.0, 48
+
+
+def collect(sym: str, rows: int, tf: str = "1m") -> 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.core.ChanEnum import Chan_BSP_TYPE
+    from lib.data import fetch_ohlcv
+    from lib.exit_model import cfg_name, walk_exits
+
+    try:
+        df = fetch_ohlcv(f"{sym}/USDT:USDT", tf, rows)
+        if df is None or len(df) < 5_000:
+            return None
+        # 必须走 full：check_bi_div 读 macd_hist，那只在 full 下算。
+        # 而 TF_DF 自己**不填** bsp_list——web 的 analyze.py 是显式调
+        # find_all_bsp 的，这里照抄那条链，口径才对得上
+        chan = TF_DF(df, 1, tf, lean=False)
+        cdf = chan.dataframe
+        bi_zs = chan.cal_bi_zs_list_pure(chan.bi_list)
+        if not bi_zs:
+            return None
+        bsp = chan.find_all_bsp(chan.bi_list, bi_zs)
+        if not bsp:
+            return None
+
+        # 索引映射有两个坑，都会静默给出错的下标：
+        #   ① cdf.date 带时区（Asia/Shanghai），而 KLC 上的时间是**字符串**且
+        #      不带时区。它们本就是同一个时钟的墙上时间，所以去 tz 而不是硬贴。
+        #   ② cdf.date 的单位是 datetime64[ms]，`astype("int64")` 给的是毫秒，
+        #      而 `Timestamp.value` 是纳秒，差 1e6 倍——手工转整数会让
+        #      searchsorted 全部落到末尾，且不报错。交给 DatetimeIndex 自己比。
+        dser = pd.to_datetime(cdf["date"])
+        if dser.dt.tz is not None:
+            dser = dser.dt.tz_localize(None)
+        didx = pd.DatetimeIndex(dser)
+
+        def to_i(ts) -> int:
+            t = pd.Timestamp(ts)
+            if t.tz is not None:
+                t = t.tz_localize(None)
+            return int(didx.searchsorted(t))
+
+        op = cdf["open"].to_numpy(float)
+        cl = cdf["close"].to_numpy(float)
+        atr = cdf["atr"].to_numpy(float)
+        n = len(cdf)
+
+        want = {Chan_BSP_TYPE.B1: ("B1", 1), Chan_BSP_TYPE.S1: ("S1", -1),
+                Chan_BSP_TYPE.B2: ("B2", 1), Chan_BSP_TYPE.S2: ("S2", -1),
+                Chan_BSP_TYPE.B3: ("B3", 1), Chan_BSP_TYPE.S3: ("S3", -1)}
+        rec = []
+        for b in bsp:
+            tag = want.get(b.type)
+            if tag is None or b.sure_time is None:
+                continue
+            name, d = tag
+            # 极值根：笔末 KLC 的收盘时刻。KLC 是合并后的，取它覆盖的最后一根
+            i_ext, i_sure = to_i(b.klc.end_time), to_i(b.sure_time)
+            if not (0 <= i_ext < n and 0 <= i_sure < n):
+                continue
+            a = atr[i_ext]
+            if not np.isfinite(a) or a <= 0:
+                continue
+            # 理想价：极值根收盘。可执行价：确认根的**次根开盘**——与
+            # walk_exits / 实盘的口径一致（信号根收盘后才下单）
+            px_ideal = cl[i_ext]
+            j = min(i_sure + 1, n - 1)
+            px_real = op[j]
+            rec.append({
+                "sym": sym, "tf": tf, "type": name, "dir": d,
+                "date_ext": dser.iloc[i_ext], "date_sure": dser.iloc[i_sure],
+                "i_ext": i_ext, "i_sure": i_sure,
+                "lag_bars": i_sure - i_ext,
+                "atr_bp": a / px_ideal * 1e4,
+                # 结构位：笔末 KLC 的实际极值，不是收盘。止损要挂在它外面
+                # 才谈得上「守住结构」，用收盘价会把插针那一段漏掉
+                "ext_px": float(b.klc.low if d == 1 else b.klc.high),
+                "entry_px": px_real,
+                # 等待期间价格顺着信号方向跑掉了多少（正 = 你追高/追空，吃亏）
+                "drift_atr": (px_real - px_ideal) * d / a,
+                "drift_bp": (px_real - px_ideal) * d / px_ideal * 1e4,
+            })
+        if not rec:
+            return None
+        r = pd.DataFrame(rec)
+        # 入场口径与实盘一致：确认根收盘后下单，walk_exits 用 entry_idx+1 的
+        # 开盘价，ATR 取 entry_idx 那根。所以 entry_idx = i_sure，**不是**
+        # i_ext——用极值根等于假设你能买在笔的低点，那是未来函数
+        r = r[(r.i_sure < len(cdf) - 2) & np.isfinite(atr[r.i_sure.values])
+              & (atr[r.i_sure.values] > 0)].reset_index(drop=True)
+        if r.empty:
+            return None
+        sig = pd.DataFrame({"entry_idx": r.i_sure.values,
+                            "direction": r.dir.values})
+        res = walk_exits(cdf, sig, [SL], [RUNNER], [MAXB], scale_at=SCALE_AT,
+                         runners=(RUNNER,), runner_stops=(RSTOP,))
+        cfg = cfg_name(SL, RUNNER, MAXB, RSTOP)
+        if len(res) != len(r):
+            print(f"  {sym} {tf} 长度不齐 {len(res)} vs {len(r)}，跳过",
+                  flush=True)
+            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]
+        # 原始 ATR，供结构止损换算用。atr_pct 除过价格，换不回来
+        r["atr_at_entry"] = atr[r.i_sure.values]
+        return r
+    except Exception as e:
+        print(f"  {sym} 失败: {e!r}", flush=True)
+        return None
+
+
+def report(d: pd.DataFrame, span_days: float, n_sym: int) -> None:
+    print("\n" + "=" * 100)
+    print(f"########## 一、笔数：够不够做 ##########")
+    t = d.groupby("type").agg(笔数=("lag_bars", "size"))
+    t[f"{n_sym}币每天"] = (t["笔数"] / span_days).round(2)
+    # 必须按币归一再比。B4 那个 5.3 是 10 币的合计，直接拿 5 币的数去除
+    # 等于凭空把速率打对折
+    t["每币每天"] = (t["笔数"] / span_days / n_sym).round(3)
+    t["对B4倍数"] = (t["笔数"] / span_days / n_sym /
+                    (B4_PER_DAY_10SYM / 10)).round(2)
+    print(t.to_string())
+    print(f"\n对照基线：B4 在 1m 上 10 币 {B4_PER_DAY_10SYM} 笔/天 = "
+          f"**{B4_PER_DAY_10SYM/10:.3f} 笔/币/天**。"
+          f"本表 {n_sym} 币 / 跨 {span_days:.0f} 天。")
+
+    print("\n" + "=" * 100)
+    print("########## 二、滞后：从极值到可动手，差多少根 ##########")
+    rows = []
+    for name, g in d.groupby("type"):
+        q = g.lag_bars.quantile([0.25, 0.5, 0.75, 0.9]).round(1)
+        rows.append({"类型": name, "笔数": len(g),
+                     "滞后中位": q[0.5], "P25": q[0.25], "P75": q[0.75],
+                     "P90": q[0.9], "均值": round(g.lag_bars.mean(), 1),
+                     "最大": int(g.lag_bars.max())})
+    print(pd.DataFrame(rows).to_string(index=False))
+    print("\n1m 上 1 根 = 1 分钟。B4 的滞后是 0 根——它在信号根收盘即可下单。")
+
+    print("\n" + "=" * 100)
+    print("########## 三、等待的代价：价格跑掉了多少 ##########")
+    print("drift 为正 = 等待期间价格顺着信号方向走了，你只能追；这一段直接从"
+          "余量里扣")
+    print("⚠️ 「追不上占比」必然是 100%，那是定义决定的不是实测发现：笔之所以"
+          "在那里结束，\n   正是因为价格从那个极值反向走了——`bi.end_klc` 是极值"
+          "点，之后必然朝信号方向偏离。\n   **有信息量的是幅度，不是符号。**")
+    rows = []
+    for name, g in d.groupby("type"):
+        q = g.drift_atr.quantile([0.25, 0.5, 0.75]).round(2)
+        rows.append({
+            "类型": name, "笔数": len(g),
+            "漂移中位(ATR)": q[0.5], "P25": q[0.25], "P75": q[0.75],
+            "漂移均值(ATR)": round(g.drift_atr.mean(), 2),
+            "漂移均值(bp)": round(g.drift_bp.mean(), 1),
+            "中位ATR(bp)": round(g.atr_bp.median(), 1),
+            "追不上占比": f"{(g.drift_atr > 0).mean()*100:.0f}%"})
+    print(pd.DataFrame(rows).to_string(index=False))
+
+    print("\n" + "=" * 100)
+    print("########## 四、和止损宽度比：漂移吃掉多少风险预算 ##########")
+    print("实盘止损是 2 ATR。若漂移中位已经是 1 ATR，等于你的止损只剩一半，"
+          "而目标位还在原处——盈亏比被腰斩。")
+    rows = []
+    for name, g in d.groupby("type"):
+        rows.append({
+            "类型": name,
+            "漂移/止损(2ATR)": f"{g.drift_atr.median()/2*100:.0f}%",
+            "漂移超过 1ATR 占比": f"{(g.drift_atr > 1).mean()*100:.0f}%",
+            "漂移超过 2ATR（已穿止损）": f"{(g.drift_atr > 2).mean()*100:.0f}%"})
+    print(pd.DataFrame(rows).to_string(index=False))
+
+
+def profit(d: pd.DataFrame) -> None:
+    """各类买卖点按实盘出场结构的实际表现。
+
+    B3 是校验锚：HANDOFF §4 已记引擎 `find_all_bsp` 的 B3/S3 是系统性亏损
+    （PF 0.66、胜率 27.4%、t −18.76）。若这里 B3 跑出个漂亮数字，说明口径接错了，
+    先别信 B1/B2 的结果。
+    """
+    from lib.exit_model import fee_of, taker_notional
+
+    if "g" not in d.columns:
+        print("\n（本次数据无回测列，跳过收益段；删掉 out/step55_bsp12.feather "
+              "重跑可得）")
+        return
+    x = d.dropna(subset=["g"]).copy()
+    x["net"] = x.g.values - fee_of(x.r.values, x.c.values)
+    x["gR"] = x.g.values / (SL * x.atr_pct.values)
+    x["R"] = x.net.values / (SL * x.atr_pct.values)
+    x["tn"] = taker_notional(x.r.values, x.c.values)
+
+    print("\n" + "=" * 100)
+    print("########## 五、按实盘出场结构（2/3/8/2/48）的实际表现 ##########")
+    rows = []
+    for name, g in x.groupby("type"):
+        if len(g) < 40:
+            continue
+        w, o = g.net[g.net > 0].sum(), -g.net[g.net <= 0].sum()
+        rows.append({
+            "类型": name, "笔数": len(g),
+            "胜率": f"{(g.net > 0).mean()*100:.1f}%",
+            "毛R": round(g.gR.mean(), 3), "净均R": round(g.R.mean(), 3),
+            "PF": round(w / o, 2) if o > 0 else np.inf,
+            "R夏普": round(g.R.mean() / g.R.std(ddof=1), 3),
+            "余量bp": round(g.net.mean() / g.tn.mean() * 1e4, 2),
+            "中位持仓": int(g.b.median()),
+            "t值": round(g.gR.mean() / (g.gR.std(ddof=1) / np.sqrt(len(g))), 2),
+        })
+    print(pd.DataFrame(rows).to_string(index=False))
+    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()
+    ap.add_argument("--symbols", default="BTC,ETH,SOL,LINK,DOGE")
+    ap.add_argument("--tfs", default="5m,15m",
+                    help="要测的周期。1m 上滞后的绝对根数与长周期相同，"
+                         "但每根值的钱不同，所以周期是关键变量")
+    ap.add_argument("--rows", type=int, default=200_000)
+    ap.add_argument("--workers", type=int, default=3)
+    ap.add_argument("--reuse", action="store_true")
+    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(",")]
+        tfs = [t.strip() for t in args.tfs.split(",")]
+        print(f"[一二类可行性探针] {len(syms)} 币 × {tfs} × {args.rows} 根"
+              f"（full 模式，find_all_bsp 要 macd_hist）\n", flush=True)
+        parts = []
+        with ProcessPoolExecutor(max_workers=args.workers) as ex:
+            fut = {ex.submit(collect, s, args.rows, t): (s, t)
+                   for s in syms for t in tfs}
+            for i, f in enumerate(as_completed(fut), 1):
+                r = f.result()
+                s, t = fut[f]
+                print(f"  [{i}/{len(fut)}] {s} {t} "
+                      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_ext"] = pd.to_datetime(d["date_ext"])
+    for tf, x in d.groupby("tf"):
+        span = (x.date_ext.max() - x.date_ext.min()).total_seconds() / 86400
+        print("\n" + "#" * 100)
+        print(f"##########  {tf}  ——  {len(x)} 个买卖点 · "
+              f"{x.sym.nunique()} 币 · 跨 {span:.0f} 天  ##########")
+        report(x, span, x.sym.nunique())
+        profit(x)
+
+
+if __name__ == "__main__":
+    main()

research/step56_fast_bsp1.py

@@ -0,0 +1,224 @@
+"""实时版一类买卖点（fast B1/S1）能否翻正。
+
+step55 已判定引擎的 B1/S1 不可用（5m PF 0.24/0.20、胜率 18.6%/14.8%、
+t −17/−22），且病根是滞后 8~9 根带来的几何劣势，不是参数。B3 当年同病
+（PF 0.66），靠重新定义成实时判据翻到 1.59（B4）。本脚本对一类做同样的尝试。
+
+对照组三条，缺一不可：
+  引擎 B1/S1   step55 的数，说明「不改判据」是什么下场
+  fast B1/S1   本次
+  fast B3/S3   同一份数据、同一套出场跑 B4，确认管线本身能跑出正数
+               —— 少了它，fast B1 若为负就分不清是判据不行还是管线接错了
+"""
+from __future__ import annotations
+
+import argparse
+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")
+HERE = Path(__file__).resolve().parent
+sys.path.insert(0, str(HERE))
+sys.path.insert(0, str(HERE.parent))
+
+OUT = HERE / "out" / "step56_fast_bsp1.feather"
+SL, SCALE_AT, RUNNER, RSTOP, MAXB = 2.0, 3.0, 8.0, 2.0, 48
+
+
+def collect(sym: str, rows: int, tf: str) -> pd.DataFrame | None:
+    from chanlun import TF_DF
+    from chanlun.analysis.fast_bsp import (
+        ensure_timestamp,
+        find_fast_bsp3,
+        zones_from_zs_list,
+    )
+    from lib.data import fetch_ohlcv
+    from lib.exit_model import cfg_name, walk_exits
+    from lib.fast_bsp1 import find_fast_bsp1, zones_with_enter_area
+
+    try:
+        df = fetch_ohlcv(f"{sym}/USDT:USDT", tf, rows)
+        if df is None or len(df) < 5_000:
+            return None
+        chan = TF_DF(df, 1, tf)
+        cdf = ensure_timestamp(chan.dataframe)
+        zs_list = chan.cal_bi_zs_list_pure(chan.bi_list)
+        if not zs_list:
+            return None
+
+        atr = cdf["atr"].to_numpy(float)
+        cl = cdf["close"].to_numpy(float)
+        cfg = cfg_name(SL, RUNNER, MAXB, RSTOP)
+        parts = []
+
+        d1 = {}
+        s1 = find_fast_bsp1(cdf, zones_with_enter_area(zs_list, cdf), diag=d1)
+        if not s1.empty:
+            s1["kind"] = "fastB1"
+            parts.append(s1)
+        # 同数据同出场跑一遍 B4，作为「管线能出正数」的存在性证明
+        s3 = find_fast_bsp3(cdf, zones_from_zs_list(zs_list, cdf))
+        if not s3.empty:
+            s3["kind"] = "fastB3"
+            parts.append(s3)
+        if not parts:
+            return None
+
+        r = pd.concat(parts, ignore_index=True)
+        r = r[(r.entry_idx < len(cdf) - 2)
+              & np.isfinite(atr[r.entry_idx.values])
+              & (atr[r.entry_idx.values] > 0)].reset_index(drop=True)
+        if r.empty:
+            return None
+        res = walk_exits(cdf, r[["entry_idx", "direction"]], [SL], [RUNNER],
+                         [MAXB], scale_at=SCALE_AT, runners=(RUNNER,),
+                         runner_stops=(RSTOP,))
+        if len(res) != len(r):
+            return None
+        for k in ("g", "r", "c", "b"):
+            r[k] = res[f"{cfg}_{k}"].to_numpy()
+        r["sym"], r["tf"] = sym, tf
+        r["atr_pct"] = atr[r.entry_idx.values] / cl[r.entry_idx.values]
+        r["date"] = cdf["date"].to_numpy()[r.entry_idx.values]
+        r["diag"] = str(d1)
+        return r
+    except Exception as e:                                    # noqa: BLE001
+        print(f"  {sym} {tf} 失败: {type(e).__name__}: {e}", flush=True)
+        return None
+
+
+def stats(g: pd.DataFrame) -> dict:
+    from lib.exit_model import fee_of, taker_notional
+
+    net = g.g.values - fee_of(g.r.values, g.c.values)
+    gR = g.g.values / (SL * g.atr_pct.values)
+    R = net / (SL * g.atr_pct.values)
+    tn = taker_notional(g.r.values, g.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,
+        "R夏普": round(R.mean() / R.std(ddof=1), 3),
+        "余量bp": round(net.mean() / tn.mean() * 1e4, 2),
+        "中位持仓": int(np.median(g.b.values)),
+        "t值": round(gR.mean() / (gR.std(ddof=1) / np.sqrt(len(g))), 2),
+    }
+
+
+def report(d: pd.DataFrame) -> None:
+    for tf, x in d.groupby("tf"):
+        span = (pd.to_datetime(x.date).max()
+                - pd.to_datetime(x.date).min()).total_seconds() / 86400
+        print("\n" + "#" * 92)
+        print(f"##########  {tf}  ·  {x.sym.nunique()} 币 · 跨 {span:.0f} 天"
+              f"  ##########")
+        rows = []
+        for (kind, dirn), g in x.groupby(["kind", "direction"]):
+            if len(g) < 40:
+                continue
+            nm = {"fastB1": ("一买", "一卖"), "fastB3": ("三买", "三卖")}[kind]
+            rows.append({"信号": f"{kind} {nm[0 if dirn == 1 else 1]}",
+                         "每币每天": round(len(g) / span / x.sym.nunique(), 3),
+                         **stats(g)})
+        if rows:
+            print(pd.DataFrame(rows).to_string(index=False))
+        print("\n对照 · step55 引擎原生（同周期同出场）：")
+        print("  5m   B1 PF 0.24 胜率 18.6% t −17.3 ｜ S1 PF 0.20 胜率 14.8% "
+              "t −22.3")
+        print("  15m  B1 PF 0.21 t −18.9 ｜ S1 PF 0.23 t −15.9")
+
+        f1 = x[x.kind == "fastB1"]
+        if len(f1) >= 120 and "ext_atr" in f1.columns:
+            y = f1.dropna(subset=["ext_atr"])
+            print("\n延伸度分档（ext_atr，step62 在滞后版上实测的唯一单调特征："
+                  "\n命中线段顶点的比例 12%→44%，PF 0.12→0.46）：")
+            q = pd.qcut(y["ext_atr"], 4,
+                        labels=["Q1最短", "Q2", "Q3", "Q4最延伸"],
+                        duplicates="drop")
+            print(pd.DataFrame([{"档": k, **stats(v)}
+                                for k, v in y.groupby(q, observed=True)
+                                if len(v) >= 30]).to_string(index=False))
+
+            print("\n⭐ 组合：低滞后（本模块）+ 延伸过滤（step62）—— "
+                  "唯一同时处理两个约束的路径")
+            p50, p75 = y["ext_atr"].quantile(.50), y["ext_atr"].quantile(.75)
+            dm = y["div"].median()
+            rows = [{"过滤器": "无", **stats(y)}]
+            for nm, g in [
+                (f"ext≥P50({p50:.1f})", y[y["ext_atr"] >= p50]),
+                (f"ext≥P75({p75:.1f})", y[y["ext_atr"] >= p75]),
+                (f"ext≥P75 且 div≥中位", y[(y["ext_atr"] >= p75)
+                                          & (y["div"] >= dm)]),
+                (f"ext≥P50 且 div≥中位", y[(y["ext_atr"] >= p50)
+                                          & (y["div"] >= dm)]),
+            ]:
+                if len(g) >= 30:
+                    rows.append({"过滤器": nm, **stats(g)})
+            print(pd.DataFrame(rows).to_string(index=False))
+            print("对照 · 同过滤器在滞后版（step62，5m）：无 PF 0.22 → "
+                  "ext≥P75且div≥中位 PF 0.54")
+
+        if len(f1) >= 60:
+            print("\n背驰强度分档（div = 离开段面积/进入段面积，越小背驰越强）：")
+            q = pd.qcut(f1["div"], 4, labels=["Q1最强", "Q2", "Q3", "Q4最弱"],
+                        duplicates="drop")
+            print(pd.DataFrame([{"档": k, **stats(v)}
+                                for k, v in f1.groupby(q, observed=True)
+                                if len(v) >= 20]).to_string(index=False))
+            print("\n滞后分档（lag = 入场根 − 离开段极值根）：")
+            b = pd.cut(f1["lag"], [-1, 1, 3, 6, 12, 1e9],
+                       labels=["≤1根", "2-3根", "4-6根", "7-12根", ">12根"])
+            print(pd.DataFrame([{"档": k, **stats(v)}
+                                for k, v in f1.groupby(b, observed=True)
+                                if len(v) >= 20]).to_string(index=False))
+
+    dg = d[d.kind == "fastB1"].diag.dropna()
+    if len(dg):
+        print("\n" + "=" * 92)
+        print("fast B1 漏斗（首个中枢样本）：", dg.iloc[0])
+
+
+def main() -> None:
+    ap = argparse.ArgumentParser()
+    ap.add_argument("--symbols", default="BTC,ETH,SOL,LINK,DOGE")
+    ap.add_argument("--tfs", default="5m,15m")
+    ap.add_argument("--rows", type=int, default=200_000)
+    ap.add_argument("--workers", type=int, default=3)
+    ap.add_argument("--reuse", action="store_true")
+    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(",")]
+        tfs = [t.strip() for t in args.tfs.split(",")]
+        print(f"[实时版一类] {len(syms)} 币 × {tfs} × {args.rows} 根\n",
+              flush=True)
+        parts = []
+        with ProcessPoolExecutor(max_workers=args.workers) as ex:
+            fut = {ex.submit(collect, s, args.rows, t): (s, t)
+                   for s in syms for t in tfs}
+            for i, f in enumerate(as_completed(fut), 1):
+                r = f.result()
+                s, t = fut[f]
+                print(f"  [{i}/{len(fut)}] {s} {t} "
+                      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)
+        OUT.parent.mkdir(exist_ok=True)
+        d.to_feather(OUT)
+    report(d)
+
+
+if __name__ == "__main__":
+    main()

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()

research/step58_struct_stop.py

@@ -0,0 +1,196 @@
+"""结构止损：一类做多是被「止损太紧」打死的，还是趋势真的继续？
+
+用户的观察：B1 做多的入场价 P 在结构低点 L 上方约 1.68 ATR，而固定止损是
+P − 2 ATR —— **只在 L 下方 0.32 ATR**。缠论里 B2 正是「回踩不破 L」的那次
+机会，属于预期之内的正常回抽。止损只留 0.32 ATR，一根插针就打掉，而那恰恰
+是该加仓的位置。
+
+这与「趋势继续向下」是两个不同的失败模式，且**预测相反**：
+
+  止损太紧   把止损放到 L 下方足够远 -> 多头应被救活
+  趋势继续   放宽止损只是亏得更多，且反手做空应持续为正
+
+本脚本用逐笔的结构止损（挂在 L 外侧 margin 个 ATR）重跑，直接区分这两者。
+`walk_exits` 只支持全局固定止损，故这里自带模拟器；出场结构与实盘一致：
+减半于 SCALE_AT、剩余半仓目标 RUNNER、剩余半仓止损回到初始止损、MAXB 超时。
+"""
+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))
+
+from lib.data import fetch_ohlcv                            # noqa: E402
+from lib.exit_model import fee_of, taker_notional           # noqa: E402
+
+SRC = HERE / "out" / "step55_bsp12.feather"
+SCALE_AT, RUNNER, MAXB = 3.0, 8.0, 48
+
+
+def simulate(cdf: pd.DataFrame, trades: pd.DataFrame,
+             stop_atr: np.ndarray, r_scale: bool = True) -> pd.DataFrame:
+    """逐笔止损宽度的出场模拟。stop_atr 是每笔各自的初始止损（ATR 倍数）。
+
+    与 `lib.exit_model.walk_exits` 的结构对齐：先减半仓于 SCALE_AT，剩余半仓
+    看 RUNNER 或回到初始止损；未减仓则整仓在止损/超时了结。同根内止损优先于
+    获利目标 —— 分辨不了根内先后时，按不利的一侧算，不给回测送分。
+
+    `r_scale=True` 时目标按 **R 倍数**而非 ATR 固定值放置：实盘的 2/3/8 等于
+    在 1.5R 减半、4R 收尾，放宽止损却不放大目标会把盈亏比压到 1 以下，
+    那样测出来的「放宽无效」是自证的。默认按 R 等比放大才是公平对照。
+    """
+    k_scale = SCALE_AT / 2.0 if r_scale else None
+    k_run = RUNNER / 2.0 if r_scale else None
+    high = cdf["high"].to_numpy(float)
+    low = cdf["low"].to_numpy(float)
+    open_ = cdf["open"].to_numpy(float)
+    close = cdf["close"].to_numpy(float)
+    n = len(cdf)
+    out = []
+    ent = trades.entry_idx.astype(int).to_numpy()
+    dirs = trades.direction.astype(int).to_numpy()
+    atrs = trades.atr_at_entry.to_numpy(float)
+    for k in range(len(trades)):
+        s, d, a, sl = ent[k], dirs[k], atrs[k], stop_atr[k]
+        e = s + 1
+        if e >= n - 1 or not np.isfinite(sl) or sl <= 0 or not np.isfinite(a):
+            out.append((np.nan, "skip", 0, 0))
+            continue
+        tgt = sl * k_scale if r_scale else SCALE_AT
+        run = sl * k_run if r_scale else RUNNER
+        entry = open_[e]
+        end = min(e + MAXB, n - 1)
+        half_done = False
+        g, why, bars = None, "timeout", end - e
+        for j in range(e, end + 1):
+            adv = (high[j] - entry) / a if d == 1 else (entry - low[j]) / a
+            ret = (entry - low[j]) / a if d == 1 else (high[j] - entry) / a
+            if ret >= sl:                       # 同根内止损优先
+                g = ((-sl * a) / entry) * (0.5 if half_done else 1.0)
+                if half_done:
+                    g += (tgt * a / entry) * 0.5
+                why, bars = "stop", j - e
+                break
+            if not half_done and adv >= tgt:
+                half_done = True
+            if half_done and adv >= run:
+                g = (tgt * 0.5 + run * 0.5) * a / entry
+                why, bars = "target", j - e
+                break
+        if g is None:
+            px = close[end]
+            r = (px - entry) * d / entry
+            g = (tgt * a / entry) * 0.5 + r * 0.5 if half_done else r
+            why, bars = ("timeout_half" if half_done else "timeout"), end - e
+        out.append((g, why, int(half_done), bars))
+    return pd.DataFrame(out, columns=["g", "r", "c", "b"])
+
+
+def stats(g: pd.Series, r: pd.Series, c: pd.Series, atr_pct: np.ndarray,
+          sl_used: np.ndarray) -> dict:
+    net = g.values - fee_of(r.values, c.values)
+    # R 用每笔自己的止损宽度归一，否则宽止损会被系统性低估风险
+    denom = sl_used * atr_pct
+    R = net / denom
+    tn = taker_notional(r.values, 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}%",
+        "净均R": round(np.nanmean(R), 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(np.nanmean(R) / (np.nanstd(R, ddof=1)
+                                     / np.sqrt(len(R))), 2),
+    }
+
+
+def main() -> None:
+    ap = argparse.ArgumentParser()
+    ap.add_argument("--tf", default="5m")
+    ap.add_argument("--rows", type=int, default=200_000)
+    # step65 发现线段中位幅度只有 11.4 ATR，而 r_scale 会把 3.9 ATR 的结构止损
+    # 对应的 runner 目标推到 15.6 ATR —— 比整段行情还长，永远打不到。
+    # 本脚本首轮全程用了 r_scale=True，等于「放宽止损」和「目标够不着」同时生效，
+    # 两个效应互相抵消，那轮的结论无效。绝对目标才是与 11.4 ATR 相容的口径。
+    ap.add_argument("--abs-targets", action="store_true",
+                    help="目标位用绝对 ATR（3/8）而非按止损等比放大")
+    args = ap.parse_args()
+
+    d = pd.read_feather(SRC)
+    if "ext_px" not in d.columns:
+        print("step55 数据缺 ext_px/entry_px，先重跑 step55")
+        return
+    d = d[(d.tf == args.tf) & d.type.isin(["B1", "S1"])].copy()
+
+    print(f"[结构止损] {args.tf} · 一类 {len(d)} 笔\n")
+    print("=" * 92)
+    print("########## 一、几何：固定 2ATR 止损离结构位有多远 ##########")
+    # 入场价到结构极值的距离，用入场根的 ATR 归一（与 walk_exits 同口径）
+    d["to_ext"] = (d.entry_px - d.ext_px) * d.dir / d.atr_at_entry
+    d["margin_2atr"] = 2.0 - d.to_ext
+    print(f"入场价到结构极值 (ATR)  中位 {d.to_ext.median():.2f}  "
+          f"P25 {d.to_ext.quantile(.25):.2f}  P75 {d.to_ext.quantile(.75):.2f}")
+    print(f"2ATR 止损在结构位外侧留的余地 (ATR)  中位 "
+          f"{d.margin_2atr.median():.2f}")
+    inside = (d.margin_2atr <= 0).mean()
+    print(f"**止损落在结构位以内（还没到极值就被打掉）的占比：{inside*100:.1f}%**")
+    print("  —— 这部分交易，价格连回踩到前低都不用，就已经出局了。")
+
+    print("\n" + "=" * 92)
+    print("########## 二、把止损挂到结构位外侧，多头能不能救活 ##########")
+    print("margin = 止损挂在结构极值外侧几个 ATR。对照组是现行的固定 2 ATR。")
+    from chanlun import TF_DF
+    rows = []
+    cache = {}
+    for sym in sorted(d.sym.unique()):
+        df = fetch_ohlcv(f"{sym}/USDT:USDT", args.tf, args.rows)
+        cache[(sym, args.tf)] = TF_DF(df, 1, args.tf).dataframe
+
+    print(f"目标位口径：{'绝对 3/8 ATR（装得进 11.4 ATR 的线段）' if args.abs_targets else '随止损等比放大（恒定 1.5R/4R）'}")
+    for flip in (False, True):
+        for label, margin in [("固定2ATR", None), ("结构+0.25", 0.25),
+                              ("结构+0.5", 0.5), ("结构+1.0", 1.0),
+                              ("结构+1.5", 1.5)]:
+            gs, rs, cs, ap_, sl_ = [], [], [], [], []
+            for sym, x in d.groupby("sym"):
+                cdf = cache[(sym, args.tf)]
+                x = x.reset_index(drop=True)
+                t = pd.DataFrame({
+                    "entry_idx": x.i_sure.values,
+                    "direction": (-x.dir.values if flip else x.dir.values),
+                    "atr_at_entry": x.atr_at_entry.values})
+                # 反手时结构位在**盈利**方向，不能拿它当止损；止损改挂在
+                # 入场价另一侧同样宽度处，否则两组比的不是同一个东西
+                sl = (np.full(len(x), 2.0) if margin is None
+                      else (x.to_ext.values + margin))
+                res = simulate(cdf, t, sl, r_scale=not args.abs_targets)
+                ok = res.g.notna().values
+                gs.append(res.g[ok])
+                rs.append(res.r[ok])
+                cs.append(res.c[ok])
+                ap_.append((x.atr_at_entry.values / x.entry_px.values)[ok])
+                sl_.append(sl[ok])
+            rows.append({"方向": "反手" if flip else "原方向", "止损": label,
+                         "中位宽度ATR": round(float(np.median(
+                             np.concatenate(sl_))), 2),
+                         **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(pd.DataFrame(rows).to_string(index=False))
+    print("\n判读：若「止损太紧」是主因，放宽到结构位外侧应让原方向 PF 越过 1。"
+          "\n若原方向放宽后仍在 1 以下、而反手始终显著为正，"
+          "说明趋势确实在继续，\n那么该做的是反手，加宽止损只是少亏一点。")
+
+
+if __name__ == "__main__":
+    main()

research/step59_causal_replay.py

@@ -0,0 +1,236 @@
+"""因果性回放：一类反手的信号在当时真的发得出来吗？
+
+§3.395 的 PF 2.3~3.0 建立在全量数据一次算完的 `bsp_list` 上。但增量模块的
+文件头自己写着「笔必须整表重扫：**最后一笔 is_sure 允许收回**」，§5.41 也记了
+中枢右边缘会重画。若信号是事后才浮现的，那个 PF 就是幻觉。
+
+**做法**：用 `init_stream` 预热，随后逐根 `append_bar`，每根之后重算
+`cal_bi_zs_list_pure` + `find_all_bsp`，记录每个信号**第一次出现**在哪一根。
+入场用那一根（的次根开盘），而不是事后的 `sure_time` —— 实盘只能这样。
+
+必须逐根，不能分段重建：在第 t 根用 `data[0:t+S]` 重算等于多给了 S 根的信息，
+测出来的因果性是假的。
+
+**三个要看的量**
+  召回   全量算出的信号，有多少在回放中真的出现过（没出现的是事后才浮现）
+  幻影   回放中出现、但全量里没有的（当时发了、后来被重画掉）
+  代价   回放首现根 vs 全量 sure_time 的滞后；以及按首现根入场的实际 PF
+"""
+from __future__ import annotations
+
+import argparse
+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")
+HERE = Path(__file__).resolve().parent
+sys.path.insert(0, str(HERE))
+sys.path.insert(0, str(HERE.parent))
+
+OUT = HERE / "out" / "step59_replay.feather"
+SL, SCALE_AT, RUNNER, RSTOP, MAXB = 2.0, 3.0, 8.0, 2.0, 48
+WANT = {"B1": 1, "S1": -1}
+
+
+def sig_key(b) -> tuple | None:
+    """信号身份用「类型 + 极值 KLC 的结束时刻」。
+
+    不能用 sure_time 当身份：它正是会被重画的字段，用它做键会把同一个信号
+    在不同根上算成两个。极值点稳定得多。
+    """
+    t = getattr(b.type, "name", str(b.type))
+    if t not in WANT:
+        return None
+    return (t, str(b.klc.end_time))
+
+
+def replay(sym: str, tf: str, rows: int, warm: int, steps: int) -> pd.DataFrame | None:
+    from chanlun import TF_DF
+    from lib.data import fetch_ohlcv
+
+    df = fetch_ohlcv(f"{sym}/USDT:USDT", tf, rows)
+    if df is None or len(df) < warm + steps + 100:
+        print(f"  {sym} {tf} 数据不足 {0 if df is None else len(df)}", flush=True)
+        return None
+    df = df.iloc[-(warm + steps):].reset_index(drop=True)
+
+    # ---- 全量口径：一次算完，作为对照 ----
+    full = TF_DF(df, 1, tf, lean=False)
+    fz = full.cal_bi_zs_list_pure(full.bi_list)
+    full_sig = {}
+    for b in (full.find_all_bsp(full.bi_list, fz) or []):
+        k = sig_key(b)
+        if k and b.sure_time is not None:
+            full_sig[k] = str(b.sure_time)
+
+    # ---- 回放口径：逐根追加，记录首现根 ----
+    chan = TF_DF(df.iloc[:warm].copy(), 1, tf, lean=False)
+    chan.init_stream(df.iloc[:warm].copy(), 1, tf)
+    first_seen: dict[tuple, int] = {}
+    for i in range(warm, len(df)):
+        chan.append_bar(df.iloc[i])
+        try:
+            zs = chan.cal_bi_zs_list_pure(chan.bi_list)
+            bsp = chan.find_all_bsp(chan.bi_list, zs) if zs else []
+        except Exception:                                     # noqa: BLE001
+            continue
+        for b in (bsp or []):
+            k = sig_key(b)
+            if k and k not in first_seen:
+                first_seen[k] = i
+
+    dser = pd.to_datetime(full.dataframe["date"])
+    if dser.dt.tz is not None:
+        dser = dser.dt.tz_localize(None)
+    didx = pd.DatetimeIndex(dser)
+
+    def to_i(ts) -> int:
+        t = pd.Timestamp(ts)
+        return int(didx.searchsorted(t.tz_localize(None) if t.tz else t))
+
+    rec = []
+    for k in set(full_sig) | set(first_seen):
+        t, ext_t = k
+        i_seen = first_seen.get(k)
+        # 只统计回放窗口内的：预热段的信号本来就不在考察范围
+        i_ext = to_i(ext_t)
+        if i_ext < warm - 200:
+            continue
+        rec.append({
+            "sym": sym, "tf": tf, "type": t, "dir": WANT[t],
+            "in_full": k in full_sig, "in_replay": i_seen is not None,
+            "i_ext": i_ext,
+            "i_seen": -1 if i_seen is None else i_seen,
+            "i_sure_full": to_i(full_sig[k]) if k in full_sig else -1,
+        })
+    r = pd.DataFrame(rec)
+    if r.empty:
+        return None
+
+    # 按回放首现根入场，跑与实盘一致的出场
+    from lib.exit_model import cfg_name, walk_exits
+    cdf = full.dataframe
+    atr = cdf["atr"].to_numpy(float)
+    cl = cdf["close"].to_numpy(float)
+    live = r[r.in_replay & (r.i_seen < len(cdf) - 2)].copy()
+    live = live[np.isfinite(atr[live.i_seen.values])
+                & (atr[live.i_seen.values] > 0)]
+    if not live.empty:
+        cfg = cfg_name(SL, RUNNER, MAXB, RSTOP)
+        # 反手：§3.395 判定该反着做
+        t_ = pd.DataFrame({"entry_idx": live.i_seen.values,
+                           "direction": -live.dir.values})
+        res = walk_exits(cdf, t_, [SL], [RUNNER], [MAXB], scale_at=SCALE_AT,
+                         runners=(RUNNER,), runner_stops=(RSTOP,))
+        if len(res) == len(live):
+            for c in ("g", "r", "c"):
+                live[c] = res[f"{cfg}_{c}"].to_numpy()
+            live["atr_pct"] = atr[live.i_seen.values] / cl[live.i_seen.values]
+        r = r.merge(live[["i_ext", "type", "g", "r", "c", "atr_pct"]],
+                    on=["i_ext", "type"], how="left")
+    return r
+
+
+def report(d: pd.DataFrame) -> None:
+    from lib.exit_model import fee_of, taker_notional
+
+    print("\n" + "=" * 92)
+    print("########## 一、召回与幻影 ##########")
+    rows = []
+    for (tf, t), x in d.groupby(["tf", "type"]):
+        full = x[x.in_full]
+        rep = x[x.in_replay]
+        both = x[x.in_full & x.in_replay]
+        rows.append({
+            "tf": tf, "类型": t,
+            "全量信号": len(full), "回放信号": len(rep),
+            "召回": f"{len(both)/max(len(full),1)*100:.1f}%",
+            "事后才浮现": len(full) - len(both),
+            "幻影(被重画掉)": len(rep) - len(both),
+        })
+    print(pd.DataFrame(rows).to_string(index=False))
+    print("\n召回 = 全量算出的信号里，回放中真的出现过的比例。"
+          "\n幻影 = 回放中发过、全量里却没有的 —— 实盘会照做，回测却看不见它。")
+
+    print("\n" + "=" * 92)
+    print("########## 二、时点代价：回放首现 vs 全量 sure_time ##########")
+    b = d[d.in_full & d.in_replay].copy()
+    b["delay"] = b.i_seen - b.i_sure_full
+    for tf, x in b.groupby("tf"):
+        q = x.delay.quantile([.25, .5, .75, .9])
+        print(f"  {tf}  中位 {q[.5]:+.0f} 根  P25 {q[.25]:+.0f}  "
+              f"P75 {q[.75]:+.0f}  P90 {q[.9]:+.0f}  "
+              f"｜ 早于或等于全量的占比 {(x.delay <= 0).mean()*100:.0f}%")
+    print("  正值 = 回放比全量晚知道，实盘要在更差的价位入场。")
+
+    if "g" not in d.columns:
+        return
+    print("\n" + "=" * 92)
+    print("########## 三、真正能落地的收益：按回放首现根入场（反手）##########")
+    x = d.dropna(subset=["g"]).copy()
+    rows = []
+    for (tf, t), g in x.groupby(["tf", "type"]):
+        if len(g) < 30:
+            continue
+        net = g.g.values - fee_of(g.r.values, g.c.values)
+        gR = g.g.values / (SL * g.atr_pct.values)
+        R = net / (SL * g.atr_pct.values)
+        tn = taker_notional(g.r.values, g.c.values)
+        w, o = net[net > 0].sum(), -net[net <= 0].sum()
+        rows.append({
+            "tf": tf, "类型(反手)": t, "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),
+        })
+    if rows:
+        print(pd.DataFrame(rows).to_string(index=False))
+    print("\n对照 · §3.395 全量口径 5m：B1反手 PF 2.35 / S1反手 2.75")
+    print("若这里明显掉下来，说明那个 PF 吃了右边缘重画的红利，不可落地。")
+
+
+def main() -> None:
+    ap = argparse.ArgumentParser()
+    ap.add_argument("--symbols", default="BTC,ETH,SOL")
+    ap.add_argument("--tf", default="5m")
+    ap.add_argument("--rows", type=int, default=60_000)
+    ap.add_argument("--warm", type=int, default=20_000)
+    ap.add_argument("--steps", type=int, default=10_000)
+    ap.add_argument("--workers", type=int, default=3)
+    ap.add_argument("--reuse", action="store_true")
+    args = ap.parse_args()
+
+    if args.reuse and OUT.exists():
+        report(pd.read_feather(OUT))
+        return
+    syms = [x.strip() for x in args.symbols.split(",")]
+    print(f"[因果回放] {len(syms)} 币 × {args.steps} 根逐根重放"
+          f"（每根都要重算笔中枢与 bsp，慢是必然的）\n", flush=True)
+    parts = []
+    with ProcessPoolExecutor(max_workers=args.workers) as ex:
+        fut = {ex.submit(replay, s, args.tf, args.rows, args.warm,
+                         args.steps): s for s in syms}
+        for i, f in enumerate(as_completed(fut), 1):
+            r = f.result()
+            print(f"  [{i}/{len(syms)}] {fut[f]} "
+                  f"{0 if r is None else len(r)} 个信号", 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)
+    OUT.parent.mkdir(exist_ok=True)
+    d.to_feather(OUT)
+    report(d)
+
+
+if __name__ == "__main__":
+    main()

research/step60_seg_truth.py

@@ -0,0 +1,242 @@
+"""一类买卖点到底有没有找到真正的趋势反转点？用线段顶点当标准答案。
+
+用户提出：线段的终点就是该级别的趋势反转点，虽然它是未来函数，但可以拿来当
+**标签**验证检测器，而不是拿来交易。这能把两件事分开：
+
+    检测器对不对   B1 是否真的落在趋势反转底上
+    能不能交易     step59 已证否（实盘首现比 sure_time 晚中位 15 根，PF 塌到 0.92）
+
+若检测器对而只是慢，那问题是延迟，还有救；若检测器本身就没找到反转点，
+这条线整个是死的。
+
+⚠️ **对照组是这个测试的全部意义**。B1 按构造就长在笔的低点上，而笔低点本来
+就有一定概率撞上线段底。所以要问的不是「B1 命中率多少」，而是
+**「在所有同向笔端点里，B1 这个标签把命中率提高了多少倍」**。
+没有这个基准，任何绝对数字都可以随便解读。
+（同样的坑 fast_bsp 文档头踩过：回抽极值命中笔端点 19.3%，看着不低，
+  但随机基准是 22%，其实是负贡献。）
+"""
+from __future__ import annotations
+
+import argparse
+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")
+HERE = Path(__file__).resolve().parent
+sys.path.insert(0, str(HERE))
+sys.path.insert(0, str(HERE.parent))
+
+OUT = HERE / "out" / "step60_seg_truth.feather"
+SL, SCALE_AT, RUNNER, RSTOP, MAXB = 2.0, 3.0, 8.0, 2.0, 48
+TOL = [0, 1, 2, 3, 5]
+
+
+def collect(sym: str, tf: str, rows: int) -> pd.DataFrame | None:
+    from chanlun import TF_DF
+    from chanlun.core.ChanEnum import Chan_BSP_TYPE, Chan_SEG_DIR
+    from lib.data import fetch_ohlcv
+    from lib.exit_model import cfg_name, walk_exits
+
+    try:
+        df = fetch_ohlcv(f"{sym}/USDT:USDT", tf, rows)
+        if df is None or len(df) < 5_000:
+            return None
+        chan = TF_DF(df, 1, tf, lean=False)
+        cdf = chan.dataframe
+        bz = chan.cal_bi_zs_list_pure(chan.bi_list)
+        if not bz:
+            return None
+        bsp = chan.find_all_bsp(chan.bi_list, bz) or []
+
+        dser = pd.to_datetime(cdf["date"])
+        if dser.dt.tz is not None:
+            dser = dser.dt.tz_localize(None)
+        didx = pd.DatetimeIndex(dser)
+        n = len(cdf)
+
+        def to_i(ts) -> int:
+            t = pd.Timestamp(ts)
+            return int(didx.searchsorted(t.tz_localize(None) if t.tz else t))
+
+        # ---- 标准答案：线段终点。下降线段终点=真底，上升线段终点=真顶 ----
+        seg_bot, seg_top = [], []
+        for sg in getattr(chan, "seg_list", []) or []:
+            if sg.end_time is None:
+                continue
+            i = to_i(sg.end_time)
+            if not (0 <= i < n):
+                continue
+            (seg_bot if sg.dir == Chan_SEG_DIR.DOWN else seg_top).append(i)
+        if not seg_bot or not seg_top:
+            return None
+        truth = {1: np.array(sorted(seg_bot)), -1: np.array(sorted(seg_top))}
+
+        def near(i: int, d: int, tol: int) -> bool:
+            a = truth[d]
+            k = int(np.searchsorted(a, i))
+            for j in (k - 1, k):
+                if 0 <= j < len(a) and abs(int(a[j]) - i) <= tol:
+                    return True
+            return False
+
+        rec = []
+        # ---- 对照组：所有笔端点。B1 本就长在笔低点上，基准必须同源 ----
+        for bi in chan.bi_list:
+            if not getattr(bi, "is_sure", False) or bi.end_klc is None:
+                continue
+            d = 1 if str(bi.dir).endswith("DOWN") else -1   # 下降笔终点=低点
+            i = to_i(bi.end_klc.end_time)
+            if not (0 <= i < n):
+                continue
+            rec.append({"kind": "笔端点", "dir": d, "i_ext": i, "i_sure": -1})
+
+        want = {Chan_BSP_TYPE.B1: ("B1", 1), Chan_BSP_TYPE.S1: ("S1", -1),
+                Chan_BSP_TYPE.B3: ("B3", 1), Chan_BSP_TYPE.S3: ("S3", -1)}
+        for b in bsp:
+            tag = want.get(b.type)
+            if tag is None or b.sure_time is None:
+                continue
+            name, d = tag
+            i_ext, i_sure = to_i(b.klc.end_time), to_i(b.sure_time)
+            if not (0 <= i_ext < n and 0 <= i_sure < n):
+                continue
+            rec.append({"kind": name, "dir": d, "i_ext": i_ext,
+                        "i_sure": i_sure})
+
+        r = pd.DataFrame(rec)
+        for tol in TOL:
+            r[f"hit{tol}"] = [near(i, d, tol)
+                              for i, d in zip(r.i_ext, r.dir)]
+
+        # 命中线段顶点的那批一类，按原方向（抄底）做能不能赚
+        atr = cdf["atr"].to_numpy(float)
+        cl = cdf["close"].to_numpy(float)
+        sig = r[(r.kind.isin(["B1", "S1"])) & (r.i_sure >= 0)
+                & (r.i_sure < n - 2)].copy()
+        sig = sig[np.isfinite(atr[sig.i_sure.values])
+                  & (atr[sig.i_sure.values] > 0)]
+        if not sig.empty:
+            cfg = cfg_name(SL, RUNNER, MAXB, RSTOP)
+            res = walk_exits(cdf, pd.DataFrame({
+                "entry_idx": sig.i_sure.values,
+                "direction": sig.dir.values}), [SL], [RUNNER], [MAXB],
+                scale_at=SCALE_AT, runners=(RUNNER,), runner_stops=(RSTOP,))
+            if len(res) == len(sig):
+                for c in ("g", "r", "c"):
+                    sig[c] = res[f"{cfg}_{c}"].to_numpy()
+                sig["atr_pct"] = (atr[sig.i_sure.values]
+                                  / cl[sig.i_sure.values])
+                r = r.merge(sig[["i_ext", "kind", "g", "r", "c", "atr_pct"]],
+                            on=["i_ext", "kind"], how="left")
+        r["sym"], r["tf"] = sym, tf
+        return r
+    except Exception as e:                                    # noqa: BLE001
+        print(f"  {sym} {tf} 失败: {type(e).__name__}: {e}", flush=True)
+        return None
+
+
+def report(d: pd.DataFrame) -> None:
+    from lib.exit_model import fee_of, taker_notional
+
+    for tf, x in d.groupby("tf"):
+        print("\n" + "#" * 92)
+        print(f"##########  {tf}  ·  线段顶点作为标准答案  ##########")
+        print("\n【命中率】i_ext 落在同向线段终点 ±tol 根内的比例")
+        rows = []
+        for kind in ["笔端点", "B1", "S1", "B3", "S3"]:
+            g = x[x.kind == kind]
+            if len(g) < 30:
+                continue
+            row = {"信号": kind, "样本": len(g)}
+            for tol in TOL:
+                row[f"±{tol}根"] = f"{g[f'hit{tol}'].mean()*100:.1f}%"
+            rows.append(row)
+        t = pd.DataFrame(rows)
+        print(t.to_string(index=False))
+
+        base = x[x.kind == "笔端点"]
+        print("\n【提升倍数】相对「所有同向笔端点」这个基准。"
+              "≈1 就是没有信息量")
+        rows = []
+        for kind in ["B1", "S1", "B3", "S3"]:
+            g = x[x.kind == kind]
+            if len(g) < 30:
+                continue
+            row = {"信号": kind}
+            for tol in TOL:
+                b = base[base.dir.isin(g.dir.unique())][f"hit{tol}"].mean()
+                row[f"±{tol}根"] = (round(g[f"hit{tol}"].mean() / b, 2)
+                                   if b > 0 else np.nan)
+            rows.append(row)
+        print(pd.DataFrame(rows).to_string(index=False))
+
+        if "g" not in x.columns:
+            continue
+        print("\n【命中 vs 未命中】一类按原方向（抄底/摸顶）做的表现，"
+              "tol=±2 根")
+        y = x[x.kind.isin(["B1", "S1"])].dropna(subset=["g"]).copy()
+        if len(y) < 60:
+            continue
+        rows = []
+        for hit, g in y.groupby(y.hit2):
+            net = g.g.values - fee_of(g.r.values, g.c.values)
+            gR = g.g.values / (SL * g.atr_pct.values)
+            tn = taker_notional(g.r.values, g.c.values)
+            w, o = net[net > 0].sum(), -net[net <= 0].sum()
+            rows.append({
+                "命中线段顶点": "是" if hit else "否", "笔数": len(g),
+                "胜率": f"{(net > 0).mean()*100:.1f}%",
+                "毛R": round(gR.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),
+            })
+        print(pd.DataFrame(rows).to_string(index=False))
+        print("\n判读：若「命中」那组按原方向做显著为正，说明检测器是对的、"
+              "只是掺了太多噪声，\n值得找实时可判的过滤器；若两组都为负，"
+              "说明即使真站在线段底上，\n这个入场时点也已经太晚了。")
+
+
+def main() -> None:
+    ap = argparse.ArgumentParser()
+    ap.add_argument("--symbols", default="BTC,ETH,SOL,LINK,DOGE")
+    ap.add_argument("--tfs", default="5m,15m")
+    ap.add_argument("--rows", type=int, default=200_000)
+    ap.add_argument("--workers", type=int, default=3)
+    ap.add_argument("--reuse", action="store_true")
+    args = ap.parse_args()
+
+    if args.reuse and OUT.exists():
+        report(pd.read_feather(OUT))
+        return
+    syms = [s.strip() for s in args.symbols.split(",")]
+    tfs = [t.strip() for t in args.tfs.split(",")]
+    parts = []
+    with ProcessPoolExecutor(max_workers=args.workers) as ex:
+        fut = {ex.submit(collect, s, t, args.rows): (s, t)
+               for s in syms for t in tfs}
+        for i, f in enumerate(as_completed(fut), 1):
+            r = f.result()
+            s, t = fut[f]
+            print(f"  [{i}/{len(fut)}] {s} {t} "
+                  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)
+    OUT.parent.mkdir(exist_ok=True)
+    d.to_feather(OUT)
+    report(d)
+
+
+if __name__ == "__main__":
+    main()

research/step61_vol_at_extreme.py

@@ -0,0 +1,252 @@
+"""极值点的波动率：它是不是既拖慢了确认，又让目标够不着？
+
+用户的观察：一二类买卖点长在极值点上，那个区域波动天然很大，这可能正是确认
+慢的原因。
+
+这个假设若成立会同时解释两件事，而且机制不同：
+
+  确认慢   波动大 -> 分型/笔要更多根才稳定下来 -> sure_time 更晚
+  赚不到   ATR 被造成极值的那根插针抬高 -> 止损 2×虚高ATR 其实宽松，
+           但目标 3/8 ATR 变得够不着，因为入场后波动率会均值回复下来
+
+第二条尤其要紧：它意味着交易不是「被打掉」，而是「永远走不到目标」，
+与 §3.397 判定的「趋势继续」是**不同的失败模式**，应对办法也不同
+（该换波动率口径，而不是换方向）。
+
+三个量：
+  atr_z      极值处 ATR / 该点之前 200 根的中位 ATR —— 是否真的偏高
+  atr_fwd    入场后 48 根的平均 ATR / 入场时 ATR —— 是否均值回复
+  与滞后相关 atr_z 高的信号，lag_bars 是否更长
+"""
+from __future__ import annotations
+
+import argparse
+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")
+HERE = Path(__file__).resolve().parent
+sys.path.insert(0, str(HERE))
+sys.path.insert(0, str(HERE.parent))
+
+OUT = HERE / "out" / "step61_vol.feather"
+SL, SCALE_AT, RUNNER, RSTOP, MAXB = 2.0, 3.0, 8.0, 2.0, 48
+BASE_WIN = 200
+
+
+def collect(sym: str, tf: str, rows: int) -> pd.DataFrame | None:
+    from chanlun import TF_DF
+    from chanlun.core.ChanEnum import Chan_BSP_TYPE
+    from lib.data import fetch_ohlcv
+    from lib.exit_model import cfg_name, walk_exits
+
+    try:
+        df = fetch_ohlcv(f"{sym}/USDT:USDT", tf, rows)
+        if df is None or len(df) < 5_000:
+            return None
+        chan = TF_DF(df, 1, tf, lean=False)
+        cdf = chan.dataframe
+        bz = chan.cal_bi_zs_list_pure(chan.bi_list)
+        if not bz:
+            return None
+        bsp = chan.find_all_bsp(chan.bi_list, bz) or []
+
+        dser = pd.to_datetime(cdf["date"])
+        if dser.dt.tz is not None:
+            dser = dser.dt.tz_localize(None)
+        didx = pd.DatetimeIndex(dser)
+        n = len(cdf)
+
+        def to_i(ts) -> int:
+            t = pd.Timestamp(ts)
+            return int(didx.searchsorted(t.tz_localize(None) if t.tz else t))
+
+        atr = cdf["atr"].to_numpy(float)
+        cl = cdf["close"].to_numpy(float)
+        # 基准 ATR 只用**该点之前**的窗口，含当根会把要检验的那根插针算进去
+        base = (pd.Series(atr).rolling(BASE_WIN, min_periods=50)
+                .median().shift(1).to_numpy())
+
+        rec = []
+        # 对照组：所有笔端点，与 §3.397 同源
+        for bi in chan.bi_list:
+            if not getattr(bi, "is_sure", False) or bi.end_klc is None:
+                continue
+            i = to_i(bi.end_klc.end_time)
+            if not (0 <= i < n) or not np.isfinite(base[i]) or base[i] <= 0:
+                continue
+            rec.append({"kind": "笔端点", "dir": 0, "i_ext": i, "i_sure": -1,
+                        "atr_z": atr[i] / base[i], "lag_bars": -1})
+
+        want = {Chan_BSP_TYPE.B1: ("B1", 1), Chan_BSP_TYPE.S1: ("S1", -1),
+                Chan_BSP_TYPE.B2: ("B2", 1), Chan_BSP_TYPE.S2: ("S2", -1),
+                Chan_BSP_TYPE.B3: ("B3", 1), Chan_BSP_TYPE.S3: ("S3", -1)}
+        for b in bsp:
+            tag = want.get(b.type)
+            if tag is None or b.sure_time is None:
+                continue
+            name, d = tag
+            i_ext, i_sure = to_i(b.klc.end_time), to_i(b.sure_time)
+            if not (0 <= i_ext < n and 0 <= i_sure < n):
+                continue
+            if not np.isfinite(base[i_ext]) or base[i_ext] <= 0:
+                continue
+            rec.append({"kind": name, "dir": d, "i_ext": i_ext,
+                        "i_sure": i_sure, "atr_z": atr[i_ext] / base[i_ext],
+                        "lag_bars": i_sure - i_ext})
+
+        r = pd.DataFrame(rec)
+        # 入场后的实现波动率：目标够不够得着，取决于入场**之后**的 ATR
+        ok = r.i_sure >= 0
+        fwd = np.full(len(r), np.nan)
+        for k, i in zip(np.where(ok)[0], r.i_sure[ok].values):
+            j = min(int(i) + 1 + MAXB, n)
+            if j > int(i) + 1 and atr[int(i)] > 0:
+                fwd[k] = np.nanmean(atr[int(i) + 1:j]) / atr[int(i)]
+        r["atr_fwd"] = fwd
+
+        sig = r[ok & (r.i_sure < n - 2)].copy()
+        sig = sig[np.isfinite(atr[sig.i_sure.values])
+                  & (atr[sig.i_sure.values] > 0)]
+        if not sig.empty:
+            cfg = cfg_name(SL, RUNNER, MAXB, RSTOP)
+            res = walk_exits(cdf, pd.DataFrame({
+                "entry_idx": sig.i_sure.values,
+                "direction": sig.dir.values}), [SL], [RUNNER], [MAXB],
+                scale_at=SCALE_AT, runners=(RUNNER,), runner_stops=(RSTOP,))
+            if len(res) == len(sig):
+                for c in ("g", "r", "c", "b"):
+                    sig[c] = res[f"{cfg}_{c}"].to_numpy()
+                sig["atr_pct"] = (atr[sig.i_sure.values]
+                                  / cl[sig.i_sure.values])
+                r = r.merge(sig[["i_ext", "kind", "g", "r", "c", "b",
+                                 "atr_pct"]], on=["i_ext", "kind"], how="left")
+        r["sym"], r["tf"] = sym, tf
+        return r
+    except Exception as e:                                    # noqa: BLE001
+        print(f"  {sym} {tf} 失败: {type(e).__name__}: {e}", flush=True)
+        return None
+
+
+def report(d: pd.DataFrame) -> None:
+    from lib.exit_model import fee_of, taker_notional
+
+    for tf, x in d.groupby("tf"):
+        print("\n" + "#" * 96)
+        print(f"##########  {tf}  ·  极值点的波动率  ##########")
+
+        print("\n【一】极值处 ATR 是不是真的偏高（atr_z = 当点ATR / 前200根中位ATR）")
+        rows = []
+        for kind in ["笔端点", "B1", "S1", "B2", "S2", "B3", "S3"]:
+            g = x[x.kind == kind]
+            if len(g) < 30:
+                continue
+            rows.append({
+                "信号": kind, "样本": len(g),
+                "atr_z中位": round(g.atr_z.median(), 3),
+                "P75": round(g.atr_z.quantile(.75), 3),
+                "P90": round(g.atr_z.quantile(.90), 3),
+                "高于基准占比": f"{(g.atr_z > 1).mean()*100:.0f}%",
+            })
+        print(pd.DataFrame(rows).to_string(index=False))
+
+        print("\n【二】波动大是不是确认更慢（按 atr_z 四分位看 lag_bars）")
+        y = x[x.kind.isin(["B1", "S1"]) & (x.lag_bars >= 0)].copy()
+        if len(y) >= 100:
+            q = pd.qcut(y.atr_z, 4, labels=["Q1低", "Q2", "Q3", "Q4高"],
+                        duplicates="drop")
+            print(pd.DataFrame([{
+                "atr_z档": k, "笔数": len(g),
+                "atr_z中位": round(g.atr_z.median(), 2),
+                "滞后中位": round(g.lag_bars.median(), 1),
+                "滞后均值": round(g.lag_bars.mean(), 1),
+            } for k, g in y.groupby(q, observed=True)]).to_string(index=False))
+            c = np.corrcoef(y.atr_z, y.lag_bars)[0, 1]
+            print(f"  相关系数 corr(atr_z, lag_bars) = {c:+.3f}")
+            print("  正相关支持「波动大 -> 确认慢」；接近 0 则该假设不成立。")
+
+        print("\n【三】入场后波动率是否回落（atr_fwd = 后48根平均ATR / 入场ATR）")
+        rows = []
+        for kind in ["B1", "S1", "B3", "S3"]:
+            g = x[(x.kind == kind)].dropna(subset=["atr_fwd"])
+            if len(g) < 30:
+                continue
+            rows.append({
+                "信号": kind, "样本": len(g),
+                "atr_fwd中位": round(g.atr_fwd.median(), 3),
+                "回落占比(<1)": f"{(g.atr_fwd < 1).mean()*100:.0f}%",
+            })
+        print(pd.DataFrame(rows).to_string(index=False))
+        print("  <1 = 入场后波动率比入场那刻低，则按入场ATR定的 3/8 ATR 目标"
+              "\n  在绝对价格上被高估，会系统性够不着。")
+
+        if "g" not in x.columns:
+            continue
+        print("\n【四】目标够不着的证据：出场原因分布（一类，按原方向）")
+        z = x[x.kind.isin(["B1", "S1"])].dropna(subset=["g"])
+        if len(z) >= 60:
+            print((z.r.value_counts(normalize=True) * 100).round(1)
+                  .to_frame("占比%").to_string())
+            print(f"  中位持仓 {z.b.median():.0f} 根 / 上限 {MAXB} 根")
+
+            print("\n【五】按 atr_z 分档看一类表现（原方向）")
+            q = pd.qcut(z.atr_z, 4, labels=["Q1低", "Q2", "Q3", "Q4高"],
+                        duplicates="drop")
+            rows = []
+            for k, g in z.groupby(q, observed=True):
+                net = g.g.values - fee_of(g.r.values, g.c.values)
+                gR = g.g.values / (SL * g.atr_pct.values)
+                tn = taker_notional(g.r.values, g.c.values)
+                w, o = net[net > 0].sum(), -net[net <= 0].sum()
+                rows.append({
+                    "atr_z档": k, "笔数": len(g),
+                    "atr_z中位": round(g.atr_z.median(), 2),
+                    "胜率": f"{(net > 0).mean()*100:.1f}%",
+                    "毛R": round(gR.mean(), 3),
+                    "PF": round(w / o, 2) if o > 0 else np.inf,
+                    "余量bp": round(net.mean() / tn.mean() * 1e4, 2),
+                })
+            print(pd.DataFrame(rows).to_string(index=False))
+
+
+def main() -> None:
+    ap = argparse.ArgumentParser()
+    ap.add_argument("--symbols", default="BTC,ETH,SOL,LINK,DOGE")
+    ap.add_argument("--tfs", default="5m,15m")
+    ap.add_argument("--rows", type=int, default=200_000)
+    ap.add_argument("--workers", type=int, default=3)
+    ap.add_argument("--reuse", action="store_true")
+    args = ap.parse_args()
+
+    if args.reuse and OUT.exists():
+        report(pd.read_feather(OUT))
+        return
+    syms = [s.strip() for s in args.symbols.split(",")]
+    tfs = [t.strip() for t in args.tfs.split(",")]
+    parts = []
+    with ProcessPoolExecutor(max_workers=args.workers) as ex:
+        fut = {ex.submit(collect, s, t, args.rows): (s, t)
+               for s in syms for t in tfs}
+        for i, f in enumerate(as_completed(fut), 1):
+            r = f.result()
+            s, t = fut[f]
+            print(f"  [{i}/{len(fut)}] {s} {t} "
+                  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)
+    OUT.parent.mkdir(exist_ok=True)
+    d.to_feather(OUT)
+    report(d)
+
+
+if __name__ == "__main__":
+    main()

research/step62_trend_end.py

@@ -0,0 +1,271 @@
+"""怎么把「趋势末端的一类」从「趋势中途的一类」里挑出来。
+
+§3.397 的关键数字：一类里命中线段顶点（真反转）的只有 30%，那 30% 即使带着
+8~9 根滞后也有 PF 0.70~0.83；**没命中的 70% 是 PF 0.08**。
+所以亏损几乎全部来自被误识别在趋势中途的那批 —— 用户的判断。
+
+于是问题变成：有没有**实时可算**的特征能把两批分开。
+
+**首要候选来自缠论本身**：一类买点要求的是**趋势背驰**，而趋势的定义是
+「至少两个同向连续的中枢」。引擎的 `find_all_bsp` 对**任意**中枢都发信号，
+完全没查这个前提 —— 单个盘整中枢上的「背驰」只是盘整背驰，本就不该当一类用。
+`fast_bsp.add_zone_ladder` 早就实现了这个判定（B4 上把 PF 2.72 提到 3.41），
+一类这边却没接。
+
+测的特征全部只用信号时刻及之前的数据：
+
+  ladder   本中枢相对前一中枢是否同向推进（下降趋势要求 zg < 前一个 zd）
+  zs_count 该中枢在本段里的序号，越大趋势越成熟
+  div      离开段 MACD 面积 / 进入段面积，越小背驰越强
+  ext_run  极值越过中枢边界多少个 ATR，越大越延伸
+  atr_z    极值处波动率（§3.398）
+
+评判分两层：**能否提高命中线段顶点的概率**（检测器精度），
+以及**能否提高实际收益**（可交易性）。前者好后者不好也没用。
+"""
+from __future__ import annotations
+
+import argparse
+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")
+HERE = Path(__file__).resolve().parent
+sys.path.insert(0, str(HERE))
+sys.path.insert(0, str(HERE.parent))
+
+OUT = HERE / "out" / "step62_trend_end.feather"
+SL, SCALE_AT, RUNNER, RSTOP, MAXB = 2.0, 3.0, 8.0, 2.0, 48
+BASE_WIN, TOL = 200, 2
+
+
+def collect(sym: str, tf: str, rows: int) -> pd.DataFrame | None:
+    from chanlun import TF_DF
+    from chanlun.core.ChanEnum import Chan_BSP_TYPE, Chan_SEG_DIR
+    from lib.data import fetch_ohlcv
+    from lib.exit_model import cfg_name, walk_exits
+
+    try:
+        df = fetch_ohlcv(f"{sym}/USDT:USDT", tf, rows)
+        if df is None or len(df) < 5_000:
+            return None
+        chan = TF_DF(df, 1, tf, lean=False)
+        cdf = chan.dataframe
+        bz = chan.cal_bi_zs_list_pure(chan.bi_list)
+        if not bz:
+            return None
+        bsp = chan.find_all_bsp(chan.bi_list, bz) or []
+
+        dser = pd.to_datetime(cdf["date"])
+        if dser.dt.tz is not None:
+            dser = dser.dt.tz_localize(None)
+        didx = pd.DatetimeIndex(dser)
+        n = len(cdf)
+
+        def to_i(ts) -> int:
+            t = pd.Timestamp(ts)
+            return int(didx.searchsorted(t.tz_localize(None) if t.tz else t))
+
+        atr = cdf["atr"].to_numpy(float)
+        cl = cdf["close"].to_numpy(float)
+        base = (pd.Series(atr).rolling(BASE_WIN, min_periods=50)
+                .median().shift(1).to_numpy())
+
+        # 标准答案：线段终点（未来函数，只当标签用，不进入任何过滤器）
+        seg_bot, seg_top = [], []
+        for sg in getattr(chan, "seg_list", []) or []:
+            if sg.end_time is None:
+                continue
+            i = to_i(sg.end_time)
+            if 0 <= i < n:
+                (seg_bot if sg.dir == Chan_SEG_DIR.DOWN
+                 else seg_top).append(i)
+        if not seg_bot or not seg_top:
+            return None
+        truth = {1: np.array(sorted(seg_bot)), -1: np.array(sorted(seg_top))}
+
+        def near(i: int, d: int) -> bool:
+            a = truth[d]
+            k = int(np.searchsorted(a, i))
+            return any(0 <= j < len(a) and abs(int(a[j]) - i) <= TOL
+                       for j in (k - 1, k))
+
+        # 中枢阶梯：按可用顺序排好，才谈得上「相对前一个」
+        zs_seq = sorted(bz, key=lambda z: to_i(z.bi_list[0].start_time))
+        pos = {id(z): k for k, z in enumerate(zs_seq)}
+
+        want = {Chan_BSP_TYPE.B1: ("B1", 1), Chan_BSP_TYPE.S1: ("S1", -1)}
+        rec = []
+        for b in bsp:
+            tag = want.get(b.type)
+            if tag is None or b.sure_time is None or b.zs is None:
+                continue
+            name, d = tag
+            i_ext, i_sure = to_i(b.klc.end_time), to_i(b.sure_time)
+            if not (0 <= i_ext < n and 0 <= i_sure < n):
+                continue
+            a = atr[i_ext]
+            if not np.isfinite(a) or a <= 0 or not np.isfinite(base[i_ext]):
+                continue
+            zs = b.zs
+            k = pos.get(id(zs))
+            # 趋势成熟度：本中枢往前数，连续同向推进的中枢有几个。
+            # 单看「相对前一个是否同向」没有区分力 —— B1 要求
+            # enter_bi.dir == leave_bi.dir == DOWN，即中枢向下进、向下出，
+            # 这本身就定义了它嵌在下跌趋势里，连续纯中枢自然逐级下移，
+            # 实测该条件在 2504 笔上恒为 True。**引擎已隐含强制了「趋势」前提。**
+            # 有区分力的是「连了几级」，那才是趋势成熟度。
+            ladder_n = 0
+            if k is not None:
+                j = k
+                while j > 0:
+                    cur, prv = zs_seq[j], zs_seq[j - 1]
+                    ok = (float(cur.zg) < float(prv.zd) if d == 1
+                          else float(cur.zd) > float(prv.zg))
+                    if not ok:
+                        break
+                    ladder_n += 1
+                    j -= 1
+            enter_bi = zs.bi_list[0].pre if zs.bi_list else None
+            ea = abs(float(enter_bi.macd_hist)) if enter_bi is not None else np.nan
+            la = abs(float(b.bi.macd_hist))
+            edge = float(zs.zd) if d == 1 else float(zs.zg)
+            ext = float(b.klc.low if d == 1 else b.klc.high)
+            rec.append({
+                "sym": sym, "tf": tf, "type": name, "dir": d,
+                "i_ext": i_ext, "i_sure": i_sure,
+                "lag_bars": i_sure - i_ext,
+                "hit": near(i_ext, d),
+                "ladder_n": int(ladder_n),
+                "div": la / ea if (ea and np.isfinite(ea) and ea > 0) else np.nan,
+                "ext_run": abs(ext - edge) / a,
+                "atr_z": a / base[i_ext],
+            })
+        if not rec:
+            return None
+        r = pd.DataFrame(rec)
+        r = r[(r.i_sure < n - 2) & np.isfinite(atr[r.i_sure.values])
+              & (atr[r.i_sure.values] > 0)].reset_index(drop=True)
+        if r.empty:
+            return None
+        cfg = cfg_name(SL, RUNNER, MAXB, RSTOP)
+        res = walk_exits(cdf, pd.DataFrame({
+            "entry_idx": r.i_sure.values, "direction": r.dir.values}),
+            [SL], [RUNNER], [MAXB], scale_at=SCALE_AT, runners=(RUNNER,),
+            runner_stops=(RSTOP,))
+        if len(res) != len(r):
+            return None
+        for c in ("g", "r", "c", "b"):
+            r[c] = res[f"{cfg}_{c}"].to_numpy()
+        r["atr_pct"] = atr[r.i_sure.values] / cl[r.i_sure.values]
+        return r
+    except Exception as e:                                    # noqa: BLE001
+        print(f"  {sym} {tf} 失败: {type(e).__name__}: {e}", flush=True)
+        return None
+
+
+def perf(g: pd.DataFrame) -> dict:
+    from lib.exit_model import fee_of, taker_notional
+    net = g.g.values - fee_of(g.r.values, g.c.values)
+    gR = g.g.values / (SL * g.atr_pct.values)
+    tn = taker_notional(g.r.values, g.c.values)
+    w, o = net[net > 0].sum(), -net[net <= 0].sum()
+    return {
+        "笔数": len(g), "命中率": f"{g.hit.mean()*100:.1f}%",
+        "胜率": f"{(net > 0).mean()*100:.1f}%",
+        "毛R": round(gR.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 report(d: pd.DataFrame) -> None:
+    for tf, x in d.groupby("tf"):
+        print("\n" + "#" * 96)
+        print(f"##########  {tf}  ·  {len(x)} 笔一类  ##########")
+
+        print("\n【一】单特征对「命中线段顶点」的区分力（命中率基准 "
+              f"{x.hit.mean()*100:.1f}%）")
+        rows = []
+        for nm, col, qs in [("背驰div", "div", 4), ("延伸ext_run", "ext_run", 4),
+                            ("波动atr_z", "atr_z", 4), ("趋势级数ladder_n", "", 0)]:
+            if not col:
+                q = pd.cut(x["ladder_n"], [-1, 1, 2, 3, 999],
+                           labels=["级数≤1", "=2", "=3", "≥4"])
+                for k, g in x.groupby(q, observed=True):
+                    if len(g) >= 30:
+                        rows.append({"分组": str(k), **perf(g)})
+                continue
+            y = x.dropna(subset=[col])
+            if len(y) < 100:
+                continue
+            q = pd.qcut(y[col], qs,
+                        labels=[f"{nm}Q{i+1}" for i in range(qs)],
+                        duplicates="drop")
+            for k, g in y.groupby(q, observed=True):
+                if len(g) >= 30:
+                    rows.append({"分组": str(k), **perf(g)})
+        print(pd.DataFrame(rows).to_string(index=False))
+
+        print("\n【二】叠加过滤：延伸是唯一单调的特征，看叠加还能不能推上去")
+        rows = [{"过滤器": "无（现状）", **perf(x)}]
+        e75 = x["ext_run"].quantile(.75)
+        e50 = x["ext_run"].quantile(.50)
+        for nm, g in [
+            (f"ext_run≥P50({e50:.1f})", x[x["ext_run"] >= e50]),
+            (f"ext_run≥P75({e75:.1f})", x[x["ext_run"] >= e75]),
+            (f"ext_run≥P75 且 级数≥3",
+             x[(x["ext_run"] >= e75) & (x["ladder_n"] >= 3)]),
+            (f"ext_run≥P75 且 div≥中位",
+             x[(x["ext_run"] >= e75) & (x["div"] >= x["div"].median())]),
+        ]:
+            if len(g) >= 30:
+                rows.append({"过滤器": nm, **perf(g)})
+        print(pd.DataFrame(rows).to_string(index=False))
+        print("\n判读：命中率若被显著抬高，说明特征确实在区分「趋势末端 vs 中途」。"
+              "\n但 PF 才是能不能做的判据 —— 命中率上去而 PF 不过 1，"
+              "说明滞后仍然吃掉了全部。")
+
+
+def main() -> None:
+    ap = argparse.ArgumentParser()
+    ap.add_argument("--symbols", default="BTC,ETH,SOL,LINK,DOGE")
+    ap.add_argument("--tfs", default="5m,15m")
+    ap.add_argument("--rows", type=int, default=200_000)
+    ap.add_argument("--workers", type=int, default=3)
+    ap.add_argument("--reuse", action="store_true")
+    args = ap.parse_args()
+
+    if args.reuse and OUT.exists():
+        report(pd.read_feather(OUT))
+        return
+    syms = [s.strip() for s in args.symbols.split(",")]
+    tfs = [t.strip() for t in args.tfs.split(",")]
+    parts = []
+    with ProcessPoolExecutor(max_workers=args.workers) as ex:
+        fut = {ex.submit(collect, s, t, args.rows): (s, t)
+               for s in syms for t in tfs}
+        for i, f in enumerate(as_completed(fut), 1):
+            r = f.result()
+            s, t = fut[f]
+            print(f"  [{i}/{len(fut)}] {s} {t} "
+                  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)
+    OUT.parent.mkdir(exist_ok=True)
+    d.to_feather(OUT)
+    report(d)
+
+
+if __name__ == "__main__":
+    main()

research/step63_b4_replay.py

@@ -0,0 +1,246 @@
+"""B4 主线的因果回放：实盘信号的时点是不是干净的。
+
+step59 在一类上抓到一个会骗人的坑：`sure_time` 是引擎**事后**标注的确认时刻，
+不等于可执行时刻，用它当 entry 的回测 PF 虚高一倍以上。B4 正在跑真钱，
+必须过同一关。
+
+**先验比一类好，但方向要说清**（§5.41 的代码审计）：
+
+  一类  `sure_time` 直接当**入场时刻** -> 早了就是虚高，回测被高估
+  B4    `available_ts` 只是**扫描起点** -> 晚了只会漏信号，回测偏保守
+
+§5.41 实测全量的 `available_ts` 系统性**更晚**（`bis[-1]` 取的是中枢结束而非
+形成，中位晚 62 分钟）。所以预期是「回测保守」而非「回测虚高」。但那是 300
+时点抽样 + 代码审计，不是逐根验证，而且留了个未知：
+**实盘会产出更多、更早的信号，那部分的质量不在回测统计里。**
+
+本脚本逐根重放，同时量两边：
+
+  准时率   全量信号在其 entry_idx 当根就能算出来的比例
+  迟到     首现晚于 entry_idx 的，实盘只能在更差的价位追
+  额外信号 回放发得出、全量却没有的 —— §5.41 预言存在，但没人统计过它们赚不赚
+
+⚠️ 性能：每根扫全部中枢跑不完。一个中枢只能在其 available_ts 之后 scan 根内
+出信号，所以每根只需把窗口内的中枢喂给 `find_fast_bsp3`。这是等价裁剪，
+不改变结果。
+"""
+from __future__ import annotations
+
+import argparse
+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")
+HERE = Path(__file__).resolve().parent
+sys.path.insert(0, str(HERE))
+sys.path.insert(0, str(HERE.parent))
+
+OUT = HERE / "out" / "step63_b4_replay.feather"
+SL, SCALE_AT, RUNNER, RSTOP, MAXB = 2.0, 3.0, 8.0, 2.0, 48
+SCAN = 200
+
+
+def replay(sym: str, tf: str, rows: int, warm: int,
+           steps: int) -> pd.DataFrame | None:
+    from chanlun import TF_DF
+    from chanlun.analysis.fast_bsp import (
+        ensure_timestamp,
+        find_fast_bsp3,
+        zones_from_zs_list,
+    )
+    from lib.data import fetch_ohlcv
+
+    try:
+        df = fetch_ohlcv(f"{sym}/USDT:USDT", tf, rows)
+        if df is None or len(df) < warm + steps + 100:
+            return None
+        df = df.iloc[-(warm + steps):].reset_index(drop=True)
+
+        # ---- 全量口径：回测就是这么算的 ----
+        full = TF_DF(df, 1, tf)
+        cdf = ensure_timestamp(full.dataframe)
+        zs_full = full.cal_bi_zs_list_pure(full.bi_list)
+        if not zs_full:
+            return None
+        sig_full = find_fast_bsp3(cdf, zones_from_zs_list(zs_full, cdf))
+        full_keys = {(int(r.entry_idx), int(r.direction))
+                     for r in sig_full.itertuples()} if not sig_full.empty \
+            else set()
+
+        # ---- 回放口径：逐根重算 zones 再扫 ----
+        chan = TF_DF(df.iloc[:warm].copy(), 1, tf)
+        chan.init_stream(df.iloc[:warm].copy(), 1, tf)
+        first_seen: dict[tuple, int] = {}
+        for i in range(warm, len(df)):
+            chan.append_bar(df.iloc[i])
+            try:
+                zl = chan.cal_bi_zs_list_pure(chan.bi_list)
+                if not zl:
+                    continue
+                sub = ensure_timestamp(chan.dataframe)
+                z = zones_from_zs_list(zl, sub)
+                if z.empty:
+                    continue
+                # 等价裁剪：available_ts 早于 scan 根之前的中枢，其扫描窗口
+                # 已经过去，不可能在本根产出新信号
+                lo = sub["timestamp"].to_numpy()[max(0, len(sub) - SCAN - 2)]
+                z = z[z.available_ts >= lo]
+                if z.empty:
+                    continue
+                s = find_fast_bsp3(sub, z, scan=SCAN)
+            except Exception:                                 # noqa: BLE001
+                continue
+            if s is None or s.empty:
+                continue
+            for r in s.itertuples():
+                k = (int(r.entry_idx), int(r.direction))
+                if k not in first_seen:
+                    first_seen[k] = i
+
+        rec = []
+        for k in set(full_keys) | set(first_seen):
+            e, d = k
+            if e < warm:                       # 预热段不计入
+                continue
+            seen = first_seen.get(k)
+            rec.append({
+                "sym": sym, "tf": tf, "entry_idx": e, "direction": d,
+                "in_full": k in full_keys, "in_replay": seen is not None,
+                "i_seen": -1 if seen is None else seen,
+                "late": (np.nan if seen is None else seen - e),
+            })
+        if not rec:
+            return None
+        r = pd.DataFrame(rec)
+
+        # 实盘真正会做的：首现根入场（首现==entry_idx 即准时）
+        from lib.exit_model import cfg_name, walk_exits
+        atr = cdf["atr"].to_numpy(float)
+        cl = cdf["close"].to_numpy(float)
+        n = len(cdf)
+        cfg = cfg_name(SL, RUNNER, MAXB, RSTOP)
+        live = r[r.in_replay & (r.i_seen < n - 2)].copy()
+        live = live[np.isfinite(atr[live.i_seen.values])
+                    & (atr[live.i_seen.values] > 0)]
+        if not live.empty:
+            res = walk_exits(cdf, pd.DataFrame({
+                "entry_idx": live.i_seen.values,
+                "direction": live.direction.values}), [SL], [RUNNER], [MAXB],
+                scale_at=SCALE_AT, runners=(RUNNER,), runner_stops=(RSTOP,))
+            if len(res) == len(live):
+                for c in ("g", "r", "c"):
+                    live[c] = res[f"{cfg}_{c}"].to_numpy()
+                live["atr_pct"] = (atr[live.i_seen.values]
+                                   / cl[live.i_seen.values])
+                r = r.merge(live[["entry_idx", "direction", "g", "r", "c",
+                                  "atr_pct"]],
+                            on=["entry_idx", "direction"], how="left")
+        return r
+    except Exception as e:                                    # noqa: BLE001
+        print(f"  {sym} {tf} 失败: {type(e).__name__}: {e}", flush=True)
+        return None
+
+
+def perf(g: pd.DataFrame) -> dict:
+    from lib.exit_model import fee_of, taker_notional
+    net = g.g.values - fee_of(g.r.values, g.c.values)
+    gR = g.g.values / (SL * g.atr_pct.values)
+    R = net / (SL * g.atr_pct.values)
+    tn = taker_notional(g.r.values, g.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 report(d: pd.DataFrame) -> None:
+    print("\n" + "=" * 92)
+    print("########## 一、准时率与额外信号 ##########")
+    rows = []
+    for tf, x in d.groupby("tf"):
+        both = x[x.in_full & x.in_replay]
+        rows.append({
+            "tf": tf,
+            "全量信号": int(x.in_full.sum()),
+            "回放信号": int(x.in_replay.sum()),
+            "召回": f"{len(both)/max(int(x.in_full.sum()),1)*100:.1f}%",
+            "准时(首现==entry)": f"{(both.late == 0).mean()*100:.1f}%",
+            "迟到中位": (f"{both.late[both.late > 0].median():.0f} 根"
+                       if (both.late > 0).any() else "—"),
+            "额外信号": int((x.in_replay & ~x.in_full).sum()),
+        })
+    print(pd.DataFrame(rows).to_string(index=False))
+    print("\n额外信号 = 回放发得出、全量没有的。§5.41 预言它们存在"
+          "（实盘 available_ts 更早 -> 信号更多更早），本表给出数量。")
+
+    if "g" not in d.columns:
+        return
+    print("\n" + "=" * 92)
+    print("########## 二、分组收益：回测口径 vs 实盘口径 ##########")
+    for tf, x in d.groupby("tf"):
+        y = x.dropna(subset=["g"])
+        if len(y) < 30:
+            continue
+        print(f"\n--- {tf} ---")
+        rows = []
+        for nm, g in [
+            ("全部回放信号（=实盘会做的）", y[y.in_replay]),
+            ("其中 准时的", y[y.in_replay & (y.late == 0)]),
+            ("其中 迟到的", y[y.in_replay & (y.late > 0)]),
+            ("其中 额外的（全量没有）", y[y.in_replay & ~y.in_full]),
+            ("回测口径（全量∩回放）", y[y.in_full & y.in_replay]),
+        ]:
+            if len(g) >= 30:
+                rows.append({"分组": nm, **perf(g)})
+        print(pd.DataFrame(rows).to_string(index=False))
+    print("\n判读：若「全部回放信号」的 PF 不低于「回测口径」，说明 B4 的时点"
+          "是干净的，\n且 §5.41 说的『回测偏保守』成立 —— 实盘拿到的反而更多。"
+          "\n若额外信号那组显著更差，那就是回测没统计到的隐性成本。")
+
+
+def main() -> None:
+    ap = argparse.ArgumentParser()
+    ap.add_argument("--symbols", default="BTC,ETH,SOL,LINK,DOGE")
+    ap.add_argument("--tf", default="5m")
+    ap.add_argument("--rows", type=int, default=45_000)
+    ap.add_argument("--warm", type=int, default=20_000)
+    ap.add_argument("--steps", type=int, default=20_000)
+    ap.add_argument("--workers", type=int, default=5)
+    ap.add_argument("--reuse", action="store_true")
+    args = ap.parse_args()
+
+    if args.reuse and OUT.exists():
+        report(pd.read_feather(OUT))
+        return
+    syms = [s.strip() for s in args.symbols.split(",")]
+    print(f"[B4 因果回放] {len(syms)} 币 × {args.steps} 根逐根重放\n", flush=True)
+    parts = []
+    with ProcessPoolExecutor(max_workers=args.workers) as ex:
+        fut = {ex.submit(replay, s, args.tf, args.rows, args.warm,
+                         args.steps): s for s in syms}
+        for i, f in enumerate(as_completed(fut), 1):
+            r = f.result()
+            print(f"  [{i}/{len(syms)}] {fut[f]} "
+                  f"{0 if r is None else len(r)} 个信号", 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)
+    OUT.parent.mkdir(exist_ok=True)
+    d.to_feather(OUT)
+    report(d)
+
+
+if __name__ == "__main__":
+    main()

research/step64_b2.py

@@ -0,0 +1,257 @@
+"""二类买卖点：它只是一类的延迟版，还是一类里被确认过的那个子集？
+
+用户提出的悖论：二类按定义是「一买之后回调、再继续趋势」，可一类已经证否了，
+二类凭什么会好？
+
+代码上悖论成立——`find_all_bsp` 里 B2 确实被 B1 门控（`if first_bsp_bi_div`）。
+但 B2 比 B1 多要求两件事：价格**确实反弹了**（bounce_bi 向上），
+且回踩**守住了** B1 的低点（`second_bsp_bi.end_klc.low > leave_bi.end_klc.low`）。
+**这两条正是「那个底是真的」的事后确认。**
+
+而 §3.397 的诊断恰恰是：一类只有 30% 落在真反转上，那 30% 的 PF 是 0.70~0.83，
+另外 70% 是 0.08。所以「按确认筛掉假底」正是一类缺的东西。
+
+于是悖论变成一个可测的问题：
+
+    B2 命中线段顶点的比例，是否显著高于 B1 的 30%？
+
+  是 -> B2 是 B1 的**已验证子集**，悖论解除，值得继续查
+  否 -> B2 只是 B1 的延迟版，用户的悖论成立，直接关掉
+
+同时量三件与一类可比的东西（口径完全对齐，才能横向比）：
+  几何   入场价到结构止损位有多远（一类是 2.90 ATR，止损落在结构内侧 88.6%）
+  波动   atr_z（一类 1.22 偏高，二类 0.94 偏低，画像相反）
+  反手   一类反手在全量口径上曾看似很好，二类是否也有这个现象
+"""
+from __future__ import annotations
+
+import argparse
+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")
+HERE = Path(__file__).resolve().parent
+sys.path.insert(0, str(HERE))
+sys.path.insert(0, str(HERE.parent))
+
+OUT = HERE / "out" / "step64_b2.feather"
+SL, SCALE_AT, RUNNER, RSTOP, MAXB = 2.0, 3.0, 8.0, 2.0, 48
+BASE_WIN, TOL = 200, 2
+
+
+def collect(sym: str, tf: str, rows: int) -> pd.DataFrame | None:
+    from chanlun import TF_DF
+    from chanlun.core.ChanEnum import Chan_BSP_TYPE, Chan_SEG_DIR
+    from lib.data import fetch_ohlcv
+    from lib.exit_model import cfg_name, walk_exits
+
+    try:
+        df = fetch_ohlcv(f"{sym}/USDT:USDT", tf, rows)
+        if df is None or len(df) < 5_000:
+            return None
+        chan = TF_DF(df, 1, tf, lean=False)
+        cdf = chan.dataframe
+        bz = chan.cal_bi_zs_list_pure(chan.bi_list)
+        if not bz:
+            return None
+        bsp = chan.find_all_bsp(chan.bi_list, bz) or []
+
+        dser = pd.to_datetime(cdf["date"])
+        if dser.dt.tz is not None:
+            dser = dser.dt.tz_localize(None)
+        didx = pd.DatetimeIndex(dser)
+        n = len(cdf)
+
+        def to_i(ts) -> int:
+            t = pd.Timestamp(ts)
+            return int(didx.searchsorted(t.tz_localize(None) if t.tz else t))
+
+        atr = cdf["atr"].to_numpy(float)
+        cl = cdf["close"].to_numpy(float)
+        op = cdf["open"].to_numpy(float)
+        base = (pd.Series(atr).rolling(BASE_WIN, min_periods=50)
+                .median().shift(1).to_numpy())
+
+        seg_bot, seg_top = [], []
+        for sg in getattr(chan, "seg_list", []) or []:
+            if sg.end_time is None:
+                continue
+            i = to_i(sg.end_time)
+            if 0 <= i < n:
+                (seg_bot if sg.dir == Chan_SEG_DIR.DOWN
+                 else seg_top).append(i)
+        if not seg_bot or not seg_top:
+            return None
+        truth = {1: np.array(sorted(seg_bot)), -1: np.array(sorted(seg_top))}
+
+        def near(i: int, d: int) -> bool:
+            a = truth[d]
+            k = int(np.searchsorted(a, i))
+            return any(0 <= j < len(a) and abs(int(a[j]) - i) <= TOL
+                       for j in (k - 1, k))
+
+        # 一类按中枢建索引，好给二类找到它自己那个一类的低点 ——
+        # 二类的天然止损位是**一类的极值**，不是它自己的极值
+        one_ext: dict[int, float] = {}
+        for b in bsp:
+            if b.type in (Chan_BSP_TYPE.B1, Chan_BSP_TYPE.S1) and b.zs:
+                d = 1 if b.type == Chan_BSP_TYPE.B1 else -1
+                one_ext[id(b.zs)] = float(b.klc.low if d == 1 else b.klc.high)
+
+        want = {Chan_BSP_TYPE.B1: ("B1", 1), Chan_BSP_TYPE.S1: ("S1", -1),
+                Chan_BSP_TYPE.B2: ("B2", 1), Chan_BSP_TYPE.S2: ("S2", -1)}
+        rec = []
+        for b in bsp:
+            tag = want.get(b.type)
+            if tag is None or b.sure_time is None:
+                continue
+            name, d = tag
+            i_ext, i_sure = to_i(b.klc.end_time), to_i(b.sure_time)
+            if not (0 <= i_ext < n and 0 <= i_sure < n):
+                continue
+            a = atr[i_ext]
+            if not np.isfinite(a) or a <= 0 or not np.isfinite(base[i_ext]):
+                continue
+            own = float(b.klc.low if d == 1 else b.klc.high)
+            # 二类的结构止损用一类的极值（回踩不破的就是那个点）；
+            # 一类用自己的极值。这样两者的「入场离结构位多远」才可比
+            struct = own
+            if name in ("B2", "S2") and b.zs is not None:
+                struct = one_ext.get(id(b.zs), own)
+            rec.append({
+                "sym": sym, "tf": tf, "type": name, "dir": d,
+                "i_ext": i_ext, "i_sure": i_sure,
+                "lag_bars": i_sure - i_ext,
+                "hit": near(i_ext, d),
+                "atr_z": a / base[i_ext],
+                "own_ext": own, "struct_px": struct,
+                "entry_px": op[min(i_sure + 1, n - 1)],
+            })
+        if not rec:
+            return None
+        r = pd.DataFrame(rec)
+        r = r[(r.i_sure < n - 2) & np.isfinite(atr[r.i_sure.values])
+              & (atr[r.i_sure.values] > 0)].reset_index(drop=True)
+        if r.empty:
+            return None
+        r["atr_at_entry"] = atr[r.i_sure.values]
+        r["atr_pct"] = atr[r.i_sure.values] / cl[r.i_sure.values]
+        r["to_struct"] = ((r.entry_px - r.struct_px) * r.dir
+                          / r.atr_at_entry)
+
+        cfg = cfg_name(SL, RUNNER, MAXB, RSTOP)
+        for sfx, sgn in (("", 1), ("f_", -1)):
+            res = walk_exits(cdf, pd.DataFrame({
+                "entry_idx": r.i_sure.values,
+                "direction": sgn * r.dir.values}), [SL], [RUNNER], [MAXB],
+                scale_at=SCALE_AT, runners=(RUNNER,), runner_stops=(RSTOP,))
+            if len(res) != len(r):
+                return None
+            for c in ("g", "r", "c", "b"):
+                r[sfx + c] = res[f"{cfg}_{c}"].to_numpy()
+        return r
+    except Exception as e:                                    # noqa: BLE001
+        print(f"  {sym} {tf} 失败: {type(e).__name__}: {e}", flush=True)
+        return None
+
+
+def perf(g: pd.DataFrame, pre: str = "") -> dict:
+    from lib.exit_model import fee_of, taker_notional
+    gg, rr, cc = g[pre + "g"].values, g[pre + "r"].values, g[pre + "c"].values
+    net = gg - fee_of(rr, cc)
+    gR = gg / (SL * g.atr_pct.values)
+    tn = taker_notional(rr, cc)
+    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),
+        "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 report(d: pd.DataFrame) -> None:
+    for tf, x in d.groupby("tf"):
+        print("\n" + "#" * 96)
+        print(f"##########  {tf}  ##########")
+
+        print("\n【一】悖论的判据：二类命中线段顶点的比例是否高于一类")
+        rows = []
+        for t in ["B1", "S1", "B2", "S2"]:
+            g = x[x.type == t]
+            if len(g) < 30:
+                continue
+            rows.append({
+                "类型": t, "样本": len(g),
+                "命中线段顶点": f"{g.hit.mean()*100:.1f}%",
+                "atr_z中位": round(g.atr_z.median(), 3),
+                "滞后中位": int(g.lag_bars.median()),
+                "入场到结构位(ATR)": round(g.to_struct.median(), 2),
+                "止损2ATR落在结构内侧": f"{(g.to_struct > 2).mean()*100:.0f}%",
+            })
+        print(pd.DataFrame(rows).to_string(index=False))
+        print("\n  「入场到结构位」是入场价离天然止损位多少个 ATR。二类的结构位取"
+              "\n  它那个一类的极值（回踩不破的就是那点）。>2 表示 2ATR 的止损挂在"
+              "\n  结构位以内，价格不用回踩到前低就出局 —— 一类实测 88.6%。")
+
+        print("\n【二】按原方向做（抄底/摸顶）")
+        print(pd.DataFrame([{"类型": t, **perf(g)}
+                            for t, g in x.groupby("type")
+                            if len(g) >= 30]).to_string(index=False))
+
+        print("\n【三】反手做")
+        print(pd.DataFrame([{"类型": t, **perf(g, "f_")}
+                            for t, g in x.groupby("type")
+                            if len(g) >= 30]).to_string(index=False))
+
+        print("\n【四】二类拆命中/未命中 —— 一类的对应数字是 0.08 vs 0.70")
+        two = x[x.type.isin(["B2", "S2"])]
+        if len(two) >= 60:
+            print(pd.DataFrame([
+                {"命中线段顶点": "是" if k else "否", **perf(g)}
+                for k, g in two.groupby(two.hit) if len(g) >= 20
+            ]).to_string(index=False))
+
+
+def main() -> None:
+    ap = argparse.ArgumentParser()
+    ap.add_argument("--symbols", default="BTC,ETH,SOL,LINK,DOGE")
+    ap.add_argument("--tfs", default="5m,15m")
+    ap.add_argument("--rows", type=int, default=200_000)
+    ap.add_argument("--workers", type=int, default=2)
+    ap.add_argument("--reuse", action="store_true")
+    args = ap.parse_args()
+
+    if args.reuse and OUT.exists():
+        report(pd.read_feather(OUT))
+        return
+    syms = [s.strip() for s in args.symbols.split(",")]
+    tfs = [t.strip() for t in args.tfs.split(",")]
+    parts = []
+    with ProcessPoolExecutor(max_workers=args.workers) as ex:
+        fut = {ex.submit(collect, s, t, args.rows): (s, t)
+               for s in syms for t in tfs}
+        for i, f in enumerate(as_completed(fut), 1):
+            r = f.result()
+            s, t = fut[f]
+            print(f"  [{i}/{len(fut)}] {s} {t} "
+                  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)
+    OUT.parent.mkdir(exist_ok=True)
+    d.to_feather(OUT)
+    report(d)
+
+
+if __name__ == "__main__":
+    main()

research/step65_room.py

@@ -0,0 +1,180 @@
+"""改识别规则之前，先量机会本身装不装得下确认成本。
+
+用户问：改 B1/B2 的识别规则行不行？
+
+「改识别规则」有两种含义，第一种已经被测过上限：
+  (a) 换规则**挑**出更好的 B1 —— step60 用未来函数只留极值落在真线段底 ±2 根内
+      的信号，这是任何识别规则的理论最好情况，PF 仅 0.70~0.83。这一类改法封死。
+
+但 0.83 这个上限本身是**结果**，背后是一个从没直接测过的量：
+
+    一段线段从真底走到真顶，一共有几个 ATR？而等笔确认要花掉 2.9 个。
+
+这决定了 (b) 类改法（改**入场时点/构造**，而非改选样）有没有空间：
+
+  线段幅度 4 ATR  -> 进场吃掉 2.9，剩 1.1 去扛 2 ATR 止损，**任何规则都救不活**
+  线段幅度 12 ATR -> 2.9 只是小费，值得继续改规则
+
+注意这测的是**市场**，不是我们的检测器：标准答案直接取 `seg_list` 的真实端点，
+完全不经过 `find_all_bsp`。所以结论对「换任何一套识别规则」都成立。
+
+而且这个比值大概率**随级别变化**（ATR 与线段幅度未必同比例缩放），所以跑
+5m/15m/1h/4h。真正的产出不是「改不改规则」，而是**「在哪个级别上改才有意义」**。
+
+预算恒等式（每根线段一行）：
+    可捕获 = 线段幅度 − 确认成本      需要 > 止损 才有正期望的可能
+"""
+from __future__ import annotations
+
+import argparse
+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")
+HERE = Path(__file__).resolve().parent
+sys.path.insert(0, str(HERE))
+sys.path.insert(0, str(HERE.parent))
+
+OUT = HERE / "out" / "step65_room.feather"
+SL_ATR = 2.0
+
+
+def collect(sym: str, tf: str, rows: int) -> pd.DataFrame | None:
+    from chanlun import TF_DF
+    from chanlun.core.ChanEnum import Chan_SEG_DIR
+    from lib.data import fetch_ohlcv
+
+    try:
+        df = fetch_ohlcv(f"{sym}/USDT:USDT", tf, rows)
+        if df is None or len(df) < 3_000:
+            return None
+        chan = TF_DF(df, 1, tf, lean=False)
+        cdf = chan.dataframe
+        segs = [s for s in (getattr(chan, "seg_list", []) or [])
+                if s.end_time is not None and s.start_time is not None]
+        if len(segs) < 20:
+            return None
+
+        dser = pd.to_datetime(cdf["date"])
+        if dser.dt.tz is not None:
+            dser = dser.dt.tz_localize(None)
+        didx = pd.DatetimeIndex(dser)
+        n = len(cdf)
+        atr = cdf["atr"].to_numpy(float)
+        hi, lo = cdf["high"].to_numpy(float), cdf["low"].to_numpy(float)
+
+        def to_i(ts) -> int:
+            t = pd.Timestamp(ts)
+            return int(didx.searchsorted(t.tz_localize(None) if t.tz else t))
+
+        rec = []
+        for sg in segs:
+            i0, i1 = to_i(sg.start_time), to_i(sg.end_time)
+            if not (0 <= i0 < i1 < n) or i1 - i0 < 2:
+                continue
+            a = atr[i0]
+            if not np.isfinite(a) or a <= 0:
+                continue
+            up = sg.dir != Chan_SEG_DIR.DOWN
+            # 从线段起点（上一段的真实反转点）到终点的幅度
+            span = ((hi[i0:i1 + 1].max() - lo[i0]) if up
+                    else (hi[i0] - lo[i0:i1 + 1].min()))
+            rec.append({
+                "sym": sym, "tf": tf, "dir": 1 if up else -1,
+                "bars": i1 - i0,
+                "span_atr": span / a,
+                "atr_pct": a / float(cdf["close"].to_numpy(float)[i0]),
+            })
+        return pd.DataFrame(rec) if rec else None
+    except Exception as e:                                    # noqa: BLE001
+        print(f"  {sym} {tf} 失败: {type(e).__name__}: {e}", flush=True)
+        return None
+
+
+TFO = {"5m": 0, "15m": 1, "1h": 2, "4h": 3}
+
+
+def report(d: pd.DataFrame, cost: float) -> None:
+    print("\n" + "=" * 96)
+    print(f"【一】线段幅度 vs 确认成本（成本按一类实测的 {cost} ATR 计）")
+    print("=" * 96)
+    rows = []
+    for tf, x in sorted(d.groupby("tf"), key=lambda kv: TFO.get(kv[0], 9)):
+        q = x.span_atr.quantile([.25, .5, .75]).values
+        room = x.span_atr - cost
+        rows.append({
+            "级别": tf, "线段数": len(x),
+            "幅度Q1": round(q[0], 1), "幅度中位": round(q[1], 1),
+            "幅度Q3": round(q[2], 1),
+            "确认后剩余(中位)": round(q[1] - cost, 1),
+            f"剩余>止损{SL_ATR}": f"{(room > SL_ATR).mean()*100:.0f}%",
+            "剩余/止损": round((q[1] - cost) / SL_ATR, 2),
+            "中位时长(根)": int(x.bars.median()),
+        })
+    print(pd.DataFrame(rows).to_string(index=False))
+    print(f"""
+  「剩余/止损」是这张表的结论行：真底进场、扣掉确认成本后，还剩几倍止损的空间。
+    < 1  机会装不下确认成本，**换任何识别规则都没用**
+    1~2  勉强打平，要求选样精度极高（step60 实测最好 30%）
+    > 2  有空间，值得改规则/改入场构造""")
+
+    print("\n【二】把确认成本当变量：多低才够用")
+    rows = []
+    for tf, x in sorted(d.groupby("tf"), key=lambda kv: TFO.get(kv[0], 9)):
+        r = {"级别": tf}
+        for c in (0.0, 1.0, 2.0, 2.9):
+            r[f"成本{c}"] = round((x.span_atr.median() - c) / SL_ATR, 2)
+        rows.append(r)
+    print(pd.DataFrame(rows).to_string(index=False))
+    print("\n  成本 0 = 完美实时（在真底那根就进）。若连成本 0 那列都 < 2，"
+          "\n  说明**不是滞后的问题，是这个级别的线段本身就太小**。")
+
+    print("\n【三】逐币（中位幅度 ATR），看结论是否普适")
+    print(d.pivot_table(index="sym", columns="tf", values="span_atr",
+                        aggfunc="median").round(1)
+          .reindex(columns=[t for t in TFO if t in set(d.tf)])
+          .to_string())
+
+
+def main() -> None:
+    ap = argparse.ArgumentParser()
+    ap.add_argument("--symbols", default="BTC,ETH,SOL,LINK,DOGE")
+    ap.add_argument("--tfs", default="5m,15m,1h,4h")
+    ap.add_argument("--rows", type=int, default=200_000)
+    ap.add_argument("--cost", type=float, default=2.9)
+    ap.add_argument("--workers", type=int, default=2)
+    ap.add_argument("--reuse", action="store_true")
+    args = ap.parse_args()
+
+    if args.reuse and OUT.exists():
+        report(pd.read_feather(OUT), args.cost)
+        return
+    syms = [s.strip() for s in args.symbols.split(",")]
+    tfs = [t.strip() for t in args.tfs.split(",")]
+    parts = []
+    with ProcessPoolExecutor(max_workers=args.workers) as ex:
+        fut = {ex.submit(collect, s, t, args.rows): (s, t)
+               for s in syms for t in tfs}
+        for i, f in enumerate(as_completed(fut), 1):
+            r = f.result()
+            s, t = fut[f]
+            print(f"  [{i}/{len(fut)}] {s} {t} "
+                  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)
+    OUT.parent.mkdir(exist_ok=True)
+    d.to_feather(OUT)
+    report(d, args.cost)
+
+
+if __name__ == "__main__":
+    main()

research/step66_ceiling.py

@@ -0,0 +1,152 @@
+"""改识别规则到底有没有用：把天花板一次性测到顶。
+
+用户问「改 B1/B2 的识别规则呢」。step65 让这个问题变得可判定，但也制造了一个
+必须解释的矛盾：
+
+    线段中位 11.4 ATR，进场花掉 2.9，剩 8.5 —— 是 2 ATR 止损的 4.26 倍。
+    可 step60 用未来函数选出真底的那批 B1，PF 仍只有 0.70~0.83。
+
+空间明明在，就是拿不到。两种解释对用户的问题给出**相反**的答案：
+
+  选样问题：只有 30% 的 B1 落在真线段底，那 8.5 ATR 只存在于这 30% 里，
+            其余 70% 是趋势中途，后面根本没有行情   -> **改识别规则有用**
+  路径问题：就算落在真底，11.4 ATR 是净幅度，路上的回撤照样打掉止损
+                                                 -> **改识别规则没用**
+
+区分只需要一个从没跑过的组合：**未来函数选样 + 结构止损 + 绝对目标**。
+三样单独都失败过（step60 的 0.83 / step58 的 0.36 / 本轮 abs 的 0.36），
+组合起来没试过。它测的不是某条规则，是**所有识别规则的上界**：
+
+    上界 < 1.0  -> 路径问题，一类线彻底关闭，别再改规则
+    上界 > 1.5  -> 选样问题，改识别规则有用，且这里就是要够到的目标
+
+同时量 MFE 做交叉验证：真底那批到底跑没跑出 8.5 ATR。
+  跑出来了却还是亏 -> 铁证是止损/路径
+  根本没跑出来     -> 说明 11.4 ATR 那个测量传导不到这批信号上，step65 要重解释
+"""
+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))
+
+SRC = HERE / "out" / "step64_b2.feather"
+MAXB = 48
+
+
+def mfe_mae(cdf: pd.DataFrame, idx: np.ndarray, dirs: np.ndarray,
+            atr: np.ndarray) -> tuple[np.ndarray, np.ndarray]:
+    """入场后 MAXB 根内最远的顺向/逆向行程（ATR）。"""
+    hi, lo = cdf["high"].to_numpy(float), cdf["low"].to_numpy(float)
+    op = cdf["open"].to_numpy(float)
+    n = len(cdf)
+    fe = np.full(len(idx), np.nan)
+    ae = np.full(len(idx), np.nan)
+    for k, (i, d, a) in enumerate(zip(idx, dirs, atr)):
+        e = int(i) + 1
+        if e >= n or not np.isfinite(a) or a <= 0:
+            continue
+        j = min(e + MAXB, n)
+        px = op[e]
+        if d == 1:
+            fe[k] = (hi[e:j].max() - px) / a
+            ae[k] = (px - lo[e:j].min()) / a
+        else:
+            fe[k] = (px - lo[e:j].min()) / a
+            ae[k] = (hi[e:j].max() - px) / a
+    return fe, ae
+
+
+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
+
+    d = pd.read_feather(SRC)
+    d = d[(d.tf == args.tf) & d.type.isin(["B1", "S1"])].copy()
+    d["to_ext"] = (d.entry_px - d.own_ext) * d.dir / d.atr_at_entry
+    print(f"[识别规则天花板] {args.tf} · 一类 {len(d)} 笔 · "
+          f"其中落在真线段端点 {d.hit.sum()} 笔 ({d.hit.mean()*100:.1f}%)\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
+
+    print("=" * 96)
+    print("【一】MFE 交叉验证：真底那批到底跑没跑出 step65 说的 8.5 ATR")
+    print("=" * 96)
+    rows = []
+    for k, g in d.groupby(d.hit):
+        fe, ae = [], []
+        for sym, x in g.groupby("sym"):
+            f_, a_ = mfe_mae(cache[sym], x.i_sure.values, x.dir.values,
+                             x.atr_at_entry.values)
+            fe.append(f_)
+            ae.append(a_)
+        fe, ae = np.concatenate(fe), np.concatenate(ae)
+        ok = np.isfinite(fe)
+        rows.append({
+            "落在真线段端点": "是" if k else "否", "笔数": int(ok.sum()),
+            "MFE中位": round(float(np.median(fe[ok])), 2),
+            "MFE≥3ATR": f"{(fe[ok] >= 3).mean()*100:.0f}%",
+            "MFE≥8ATR": f"{(fe[ok] >= 8).mean()*100:.0f}%",
+            "MAE中位": round(float(np.median(ae[ok])), 2),
+            "MAE≥2ATR(会被现止损打掉)": f"{(ae[ok] >= 2).mean()*100:.0f}%",
+        })
+    print(pd.DataFrame(rows).to_string(index=False))
+    print("""
+  判读：若「是」那行 MFE 中位远低于 8.5，说明 step65 的线段幅度传导不到
+  信号上（进场时行情已经走掉了大半）；若 MFE 够大而 MAE 也大，则是路径问题。""")
+
+    print("\n" + "=" * 96)
+    print("【二】天花板：未来函数选样 + 结构止损 + 绝对目标（三者首次组合）")
+    print("=" * 96)
+    rows = []
+    for k, g in d.groupby(d.hit):
+        for label, margin in [("固定2ATR", None), ("结构+0.5", 0.5),
+                              ("结构+1.0", 1.0), ("结构+1.5", 1.5)]:
+            gs, rs, cs, ap_, sl_ = [], [], [], [], []
+            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})
+                sl = (np.full(len(x), 2.0) if margin is None
+                      else (x.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((x.atr_at_entry.values / x.entry_px.values)[ok])
+                sl_.append(sl[ok])
+            rows.append({
+                "落在真线段端点": "是" if k else "否", "止损": label,
+                **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(pd.DataFrame(rows).to_string(index=False))
+    print("""
+  「是」那几行就是**任何识别规则的上界**（因为选样已经用了未来函数）：
+    < 1.0  路径问题，一类线关闭，改规则无解
+    > 1.5  选样问题，改识别规则有用，且这就是要够到的目标""")
+
+
+if __name__ == "__main__":
+    main()

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()

research/step68_live_window.py

@@ -0,0 +1,265 @@
+"""按**实盘口径**重放 B4，并测三道过滤能否刷掉那批亏钱的额外信号。
+
+step63 的结论是一好一坏：
+  好  时点干净 —— 100% 召回、100% 准时、零滞后（一类是 0% 准时、+15 根）
+  坏  回放多出 592 个全量口径没有的信号，PF 0.46 / t −5.03，混合后 0.64 < 1
+
+但 step63 有两个口径问题，本脚本一并修掉：
+
+  ① 窗口不对。回测用全量 45000 根一次算完，step63 用 2 万涨到 4 万根的增长窗口，
+     **而实盘用 2001 根滚动窗口、每 500 根 init_stream 拉回**（`shadow_signal.py`
+     的 MAX_GROW）。三种口径的中枢结构都不一样。这也是 HANDOFF 里挂着的
+     「回测用全量历史建中枢、实盘用 2000 根窗口」那条待办。
+     顺带：窗口封顶后单步成本恒定，不再是 step63 那个平方级（143ms@2万根 ->
+     292ms@4万根），所以本脚本快得多。
+
+  ② 没测过滤。step63 跑的是裸信号，而实盘有三道滤网。ATR 门控已单独测过——
+     它刷掉 7.9% 的额外信号却刷掉 10.7% 的好信号，PF 纹丝不动。剩下两道要测。
+
+**一处刻意的简化，方向是保守的**：大级别分型时间线用全量历史算（真实盘的 HTF
+也会重画）。这等于**给同向过滤器开了未来函数的后门**。若连这样都刷不掉额外信号，
+结论只会更强。
+"""
+from __future__ import annotations
+
+import argparse
+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")
+HERE = Path(__file__).resolve().parent
+sys.path.insert(0, str(HERE))
+sys.path.insert(0, str(HERE.parent))
+
+OUT = HERE / "out" / "step68_live_window.feather"
+SL, SCALE_AT, RUNNER, RSTOP, MAXB = 2.0, 3.0, 8.0, 2.0, 48
+WIN, MAX_GROW, GATE_BP = 2001, 500, 8.0
+
+
+def _ladder(zones: pd.DataFrame) -> pd.DataFrame:
+    z = zones.copy()
+    pg, pdn = z["zg"].shift(), z["zd"].shift()
+    z["z_above"], z["z_below"] = z["zd"] > pg, z["zg"] < pdn
+    z["zone_i"] = np.arange(len(z))
+    return z
+
+
+def replay(sym: str, ltf: str, htf: str, rows: int,
+           steps: int) -> pd.DataFrame | None:
+    from chanlun import TF_DF
+    from chanlun.analysis.fast_bsp import (
+        ensure_timestamp,
+        find_fast_bsp3,
+        zones_from_zs_list,
+    )
+    from lib.data import fetch_ohlcv
+    from lib.fx_signal import extract_fx_signals, signals_to_frame
+    from lib.nested_bsp import attach_htf_context, htf_fx_timeline
+
+    try:
+        df = fetch_ohlcv(f"{sym}/USDT:USDT", ltf, rows)
+        if df is None or len(df) < WIN + steps + 100:
+            return None
+        df = df.iloc[-(WIN + steps):].reset_index(drop=True)
+
+        full = TF_DF(df, 1, ltf)
+        cdf = ensure_timestamp(full.dataframe)
+        zs_full = full.cal_bi_zs_list_pure(full.bi_list)
+        if not zs_full:
+            return None
+        sig_full = find_fast_bsp3(cdf, zones_from_zs_list(zs_full, cdf))
+        full_keys = {(int(r.entry_idx), int(r.direction))
+                     for r in sig_full.itertuples()} if not sig_full.empty \
+            else set()
+
+        # 大级别分型时间线：全量算（见模块 docstring 的「刻意简化」）
+        dh = fetch_ohlcv(f"{sym}/USDT:USDT", htf, rows)
+        tl = None
+        if dh is not None and len(dh) > 500:
+            ch = TF_DF(dh, 1, htf)
+            tl = htf_fx_timeline(
+                signals_to_frame(extract_fx_signals(ch, ch.dataframe)),
+                ch.dataframe)
+
+        rec: dict[tuple, dict] = {}
+        chan = None
+        anchor = 0
+        for i in range(WIN, len(df)):
+            # 实盘的窗口纪律：2001 根起，长过 MAX_GROW 就 init_stream 拉回
+            if chan is None or (i - anchor) >= MAX_GROW:
+                w = df.iloc[i - WIN + 1:i + 1].copy()
+                chan = TF_DF(w, 1, ltf)
+                chan.init_stream(w, 1, ltf)
+                anchor = i
+            else:
+                chan.append_bar(df.iloc[i])
+            try:
+                zl = chan.cal_bi_zs_list_pure(chan.bi_list)
+                if not zl:
+                    continue
+                sub = ensure_timestamp(chan.dataframe)
+                z = _ladder(zones_from_zs_list(zl, sub))
+                if z.empty:
+                    continue
+                s = find_fast_bsp3(sub, z)
+                if s is None or s.empty:
+                    continue
+                last = len(sub) - 1
+                s = s[s["entry_idx"].astype(int) == last]   # 实盘只做当根
+                if s.empty:
+                    continue
+                if "zone_i" in s.columns:
+                    s = s.merge(z[["zone_i", "z_above", "z_below"]],
+                                on="zone_i", how="left")
+                if tl is not None:
+                    s = attach_htf_context(s, sub, tl, "h1")
+            except Exception:                                 # noqa: BLE001
+                continue
+            for r in s.itertuples():
+                k = (i, int(r.direction))
+                if k in rec:
+                    continue
+                push = getattr(r, "z_above" if r.direction == 1
+                               else "z_below", None)
+                ag = getattr(r, "h1_agree", 0)
+                rec[k] = {
+                    "sym": sym, "entry_idx": i, "direction": int(r.direction),
+                    "in_full": (i, int(r.direction)) in full_keys,
+                    "ladder_ok": int(bool(pd.notna(push) and bool(push))),
+                    "h1_agree": int(ag) if pd.notna(ag) else 0,
+                }
+        if not rec:
+            return None
+        r = pd.DataFrame(list(rec.values()))
+
+        from lib.exit_model import cfg_name, walk_exits
+        atr = cdf["atr"].to_numpy(float)
+        cl = cdf["close"].to_numpy(float)
+        r = r[(r.entry_idx < len(cdf) - 2)
+              & np.isfinite(atr[r.entry_idx.values])
+              & (atr[r.entry_idx.values] > 0)].reset_index(drop=True)
+        if r.empty:
+            return None
+        res = walk_exits(cdf, pd.DataFrame({
+            "entry_idx": r.entry_idx.values,
+            "direction": r.direction.values}), [SL], [RUNNER], [MAXB],
+            scale_at=SCALE_AT, runners=(RUNNER,), runner_stops=(RSTOP,))
+        cfg = cfg_name(SL, RUNNER, MAXB, RSTOP)
+        if len(res) != len(r):
+            return None
+        for c in ("g", "r", "c"):
+            r[c] = res[f"{cfg}_{c}"].to_numpy()
+        r["atr_pct"] = atr[r.entry_idx.values] / cl[r.entry_idx.values]
+        r["gate_ok"] = (r.atr_pct * 1e4 >= GATE_BP).astype(int)
+        r["pass_all"] = ((r.h1_agree == 1) & (r.ladder_ok == 1)
+                         & (r.gate_ok == 1)).astype(int)
+        return r
+    except Exception as e:                                    # noqa: BLE001
+        print(f"  {sym} 失败: {type(e).__name__}: {e}", flush=True)
+        return None
+
+
+def perf(g: pd.DataFrame) -> dict | None:
+    from lib.exit_model import fee_of, taker_notional
+    if len(g) < 20:
+        return None
+    net = g.g.values - fee_of(g.r.values, g.c.values)
+    gR = g.g.values / (SL * g.atr_pct.values)
+    tn = taker_notional(g.r.values, g.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}%",
+        "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 report(d: pd.DataFrame) -> None:
+    print("\n" + "=" * 92)
+    print("【一】实盘窗口下还有多少额外信号")
+    print("=" * 92)
+    print(f"回放信号 {len(d)} · 其中全量口径也有 {int(d.in_full.sum())} · "
+          f"**额外 {int((~d.in_full).sum())}**")
+    print(f"（step63 的增长窗口口径：197 / 592）")
+
+    print("\n" + "=" * 92)
+    print("【二】三道过滤能不能刷掉额外信号 —— 这决定实盘是否在亏钱")
+    print("=" * 92)
+    rows = []
+    for nm, m in [("① 无过滤", None), ("② 仅同向", d.h1_agree == 1),
+                  ("③ 仅阶梯", d.ladder_ok == 1),
+                  ("④ 仅ATR门控", d.gate_ok == 1),
+                  ("⑤ 三道全开(实盘口径)", d.pass_all == 1)]:
+        x = d if m is None else d[m]
+        if x.empty:
+            continue
+        ex, bt = x[~x.in_full], x[x.in_full]
+        row = {"过滤": nm, "留下": len(x),
+               "额外占比": f"{(~x.in_full).mean()*100:.0f}%"}
+        for lab, g in [("全部", x), ("额外", ex), ("回测口径", bt)]:
+            s = perf(g)
+            row[f"{lab}PF"] = "—" if s is None else s["PF"]
+            row[f"{lab}n"] = len(g)
+        rows.append(row)
+    print(pd.DataFrame(rows).to_string(index=False))
+
+    print("\n" + "=" * 92)
+    print("【三】实盘口径（三道全开）的完整表现")
+    print("=" * 92)
+    rows = []
+    for nm, g in [("实盘会做的全部", d[d.pass_all == 1]),
+                  ("  其中额外的", d[(d.pass_all == 1) & ~d.in_full]),
+                  ("  其中回测也有的", d[(d.pass_all == 1) & d.in_full])]:
+        s = perf(g)
+        if s:
+            rows.append({"分组": nm, **s})
+    print(pd.DataFrame(rows).to_string(index=False))
+    print("""
+  判读：「实盘会做的全部」PF > 1 -> 实盘安全，额外信号被滤网挡住了
+        PF < 1 -> **实盘在做一批回测里不存在、且亏钱的信号**，要立刻处理""")
+
+
+def main() -> None:
+    ap = argparse.ArgumentParser()
+    ap.add_argument("--symbols", default="BTC,ETH,SOL,LINK,DOGE")
+    ap.add_argument("--ltf", default="5m")
+    ap.add_argument("--htf", default="30m")
+    ap.add_argument("--rows", type=int, default=45_000)
+    ap.add_argument("--steps", type=int, default=20_000)
+    ap.add_argument("--workers", type=int, default=5)
+    ap.add_argument("--reuse", action="store_true")
+    args = ap.parse_args()
+
+    if args.reuse and OUT.exists():
+        report(pd.read_feather(OUT))
+        return
+    syms = [s.strip() for s in args.symbols.split(",")]
+    print(f"[实盘口径回放] {len(syms)} 币 × {args.steps} 根 · "
+          f"{WIN} 根滚动窗口 / 每 {MAX_GROW} 根重建\n", flush=True)
+    parts = []
+    with ProcessPoolExecutor(max_workers=args.workers) as ex:
+        fut = {ex.submit(replay, s, args.ltf, args.htf, args.rows,
+                         args.steps): s for s in syms}
+        for i, f in enumerate(as_completed(fut), 1):
+            r = f.result()
+            print(f"  [{i}/{len(syms)}] {fut[f]} "
+                  f"{0 if r is None else len(r)} 个信号", 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)
+    OUT.parent.mkdir(exist_ok=True)
+    d.to_feather(OUT)
+    report(d)
+
+
+if __name__ == "__main__":
+    main()

research/step69_mechanism.py

@@ -0,0 +1,240 @@
+"""那 72~77% 的「额外信号」到底怎么来的：中枢重画，还是扫描窗口错位？
+
+我在 §3.3994 里把它归因为「中枢重画」，**这个归因没验证过，而且与已有结论矛盾**
+（step39 的假阳性 0%、`verify_window_sens` 的窗口 +200/+500/+1000 逐字段一致）。
+用户指出中枢不重画，代码注释也支持他：
+
+    # -1 = 最后一笔（历史默认）。中枢每吸收一根K线，最后一笔就可能后移，
+    #      于是 available_ts 跟着漂——这是右边缘重画的根因
+                                        —— chanlun/analysis/fast_bsp.py:47
+
+漂的不是中枢**边界**（zg/zd），是它的**可用时刻**。而 `find_fast_bsp3` 只从
+`available_ts` 往后扫 `scan=200` 根。两种口径的窗口因此错位：
+
+    实时  中枢没吸收完，available_ts 偏早 -> 窗口开得早
+    全量  中枢吸收完了，available_ts 偏晚（§5.41 实测中位晚 62 分钟）-> 窗口开得晚
+
+落在「实时窗口内、全量窗口外」的信号，全量根本没扫到那个时段，于是显示为「额外」。
+
+两种机制的修法完全不同，所以必须分清：
+
+  边界重画   结构本身不稳，只能用滞后换稳定性，代价大
+  窗口错位   中枢是同一个真中枢，信号也是真信号，只是**开得太早、确认不足**
+             —— 这正好解释它们为什么亏（PF 0.26~0.36），且修法是调 available_ts
+
+判据：逐个额外信号，去全量中枢表里按 (zg, zd) 找它的中枢。
+  找得到且边界一致 -> 窗口错位（用户是对的，我的归因错了）
+  找不到或边界不同 -> 边界重画（我的归因成立）
+"""
+from __future__ import annotations
+
+import argparse
+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")
+HERE = Path(__file__).resolve().parent
+sys.path.insert(0, str(HERE))
+sys.path.insert(0, str(HERE.parent))
+
+OUT = HERE / "out" / "step69_mech.feather"
+WIN, MAX_GROW, SCAN = 2001, 500, 200
+TOL = 1e-6
+
+
+def replay(sym: str, ltf: str, rows: int, steps: int) -> pd.DataFrame | None:
+    from chanlun import TF_DF
+    from chanlun.analysis.fast_bsp import (
+        ensure_timestamp,
+        find_fast_bsp3,
+        zones_from_zs_list,
+    )
+    from lib.data import fetch_ohlcv
+
+    try:
+        df = fetch_ohlcv(f"{sym}/USDT:USDT", ltf, rows)
+        if df is None or len(df) < WIN + steps + 100:
+            return None
+        df = df.iloc[-(WIN + steps):].reset_index(drop=True)
+
+        full = TF_DF(df, 1, ltf)
+        cdf = ensure_timestamp(full.dataframe)
+        zf = zones_from_zs_list(full.cal_bi_zs_list_pure(full.bi_list), cdf)
+        if zf is None or zf.empty:
+            return None
+        sig_full = find_fast_bsp3(cdf, zf)
+        full_keys = {(int(r.entry_idx), int(r.direction))
+                     for r in sig_full.itertuples()} if not sig_full.empty \
+            else set()
+        fzg = zf["zg"].to_numpy(float)
+        fzd = zf["zd"].to_numpy(float)
+        fav = zf["available_ts"].to_numpy()
+        ts_all = cdf["timestamp"].to_numpy()
+
+        rec: dict[tuple, dict] = {}
+        chan, anchor = None, 0
+        for i in range(WIN, len(df)):
+            if chan is None or (i - anchor) >= MAX_GROW:
+                w = df.iloc[i - WIN + 1:i + 1].copy()
+                chan = TF_DF(w, 1, ltf)
+                chan.init_stream(w, 1, ltf)
+                anchor = i
+            else:
+                chan.append_bar(df.iloc[i])
+            try:
+                zl = chan.cal_bi_zs_list_pure(chan.bi_list)
+                if not zl:
+                    continue
+                sub = ensure_timestamp(chan.dataframe)
+                z = zones_from_zs_list(zl, sub)
+                if z is None or z.empty:
+                    continue
+                s = find_fast_bsp3(sub, z)
+                if s is None or s.empty:
+                    continue
+                last = len(sub) - 1
+                s = s[s["entry_idx"].astype(int) == last]
+                if s.empty or "zone_i" not in s.columns:
+                    continue
+                # find_fast_bsp3 的输出自带 zg/zd，直接 merge 会加后缀，
+                # 所以中枢侧的列全部改名再接
+                zc = z[["zg", "zd", "available_ts"]].rename(columns={
+                    "zg": "z_zg", "zd": "z_zd", "available_ts": "z_av"})
+                zc["zone_i"] = np.arange(len(z))
+                s = s.drop(columns=[c for c in ("z_zg", "z_zd", "z_av")
+                                    if c in s.columns])
+                s = s.merge(zc, on="zone_i", how="left")
+            except Exception:                                 # noqa: BLE001
+                continue
+            for r in s.itertuples():
+                k = (i, int(r.direction))
+                if k in rec:
+                    continue
+                # 该中枢在全量表里是否存在（按边界匹配，边界是不该漂的量）
+                zg_, zd_ = float(r.z_zg), float(r.z_zd)
+                m = (np.abs(fzg - zg_) <= TOL * max(1.0, abs(zg_))) \
+                    & (np.abs(fzd - zd_) <= TOL * max(1.0, abs(zd_)))
+                j = int(np.argmax(m)) if m.any() else -1
+                rec[k] = {
+                    "sym": sym, "entry_idx": i, "direction": int(r.direction),
+                    "in_full": k in full_keys,
+                    "zone_found": bool(m.any()),
+                    "z_zg": zg_, "z_zd": zd_,
+                    "avail_rt": int(r.z_av),
+                    "avail_full": int(fav[j]) if j >= 0 else -1,
+                    "ts_entry": int(ts_all[i]) if i < len(ts_all) else -1,
+                }
+        return pd.DataFrame(list(rec.values())) if rec else None
+    except Exception as e:                                    # noqa: BLE001
+        print(f"  {sym} 失败: {type(e).__name__}: {e}", flush=True)
+        return None
+
+
+def report(d: pd.DataFrame, ltf: str) -> None:
+    ex = d[~d.in_full]
+    print("\n" + "=" * 92)
+    print("【一】判据：额外信号所在的中枢，在全量表里找得到吗")
+    print("=" * 92)
+    print(f"回放信号 {len(d)} · 额外 {len(ex)}")
+    print(f"**额外信号中，其中枢按 (zg,zd) 在全量表里找得到的："
+          f"{ex.zone_found.mean()*100:.1f}%**")
+    print(f"（对照：非额外信号 {d[d.in_full].zone_found.mean()*100:.1f}%）")
+    print("""
+  ≈100% -> 中枢边界没变，是**扫描窗口错位**，用户对、我的「重画」归因错
+  明显偏低 -> 中枢确实消失或改边界，「重画」成立""")
+
+    print("\n" + "=" * 92)
+    print("【一b】数量级对账：中枢层面只有 6.5% 被改，信号层面却 74% 是额外的")
+    print("=" * 92)
+    print("§5.41 的 A/B 实测：`bis[-1]` 口径下确认时刻被改 6.5%、中枢消失 9.0%。")
+    print("若信号层面的 74% 成立，必然有放大机制。怀疑是 `max_per_zone=1`：")
+    print("  每个中枢只返回**第一个**入场点，而扫描起点随 available_ts 棘轮后移，")
+    print("  越过旧入场点后，同一中枢会重新产出一个「第一个」——全量只用最终值，")
+    print("  所以每中枢至多一个信号，实时却能反复触发。")
+    for nm, x in [("额外信号", ex), ("非额外信号", d[d.in_full])]:
+        if x.empty:
+            continue
+        nz = x.groupby(["sym", "z_zg", "z_zd"]).size() \
+            if "z_zg" in x.columns else None
+        if nz is None:
+            print("  （缺 z_zg/z_zd 列，跳过）")
+            break
+        print(f"\n{nm}：{len(x)} 个信号，落在 {len(nz)} 个不同中枢上 "
+              f"-> 每中枢 {len(x)/len(nz):.2f} 次")
+        print(f"  同一中枢触发次数分布  中位 {nz.median():.0f}  "
+              f"P90 {nz.quantile(.9):.0f}  最大 {nz.max()}")
+    print("""
+  若「额外信号」的每中枢次数显著 > 1 而「非额外」≈ 1，放大机制坐实：
+  6.5% 的中枢改动通过棘轮重扫，放大成信号层面的几百个。""")
+
+    g = ex[ex.zone_found & (ex.avail_full > 0)].copy()
+    if g.empty:
+        return
+    bar_ms = {"1m": 60_000, "5m": 300_000, "15m": 900_000}.get(ltf, 300_000)
+    g["drift_bars"] = (g.avail_full - g.avail_rt) / bar_ms
+    g["from_rt"] = (g.ts_entry - g.avail_rt) / bar_ms
+    g["from_full"] = (g.ts_entry - g.avail_full) / bar_ms
+
+    print("\n" + "=" * 92)
+    print("【二】available_ts 漂了多少，以及入场落在谁的扫描窗口里")
+    print("=" * 92)
+    print(f"avail 漂移（全量 − 实时，根）  中位 {g.drift_bars.median():.0f}  "
+          f"P25 {g.drift_bars.quantile(.25):.0f}  "
+          f"P75 {g.drift_bars.quantile(.75):.0f}")
+    print(f"  §5.41 记的是中位晚 62 分钟，本表 {ltf} 下即 "
+          f"{62*60_000/bar_ms:.0f} 根，可交叉验证")
+    print(f"\n入场距实时 avail（根）  中位 {g.from_rt.median():.0f} "
+          f"（应落在 0~{SCAN} 内，否则实时也扫不到）")
+    print(f"入场距全量 avail（根）  中位 {g.from_full.median():.0f}")
+    out = ((g.from_full < 0) | (g.from_full > SCAN)).mean()
+    print(f"\n**入场落在全量扫描窗口 [0,{SCAN}] 之外的比例：{out*100:.1f}%**")
+    print("""
+  这是机制的直接证据：比例高 -> 全量根本没扫到那个时段，所以「没有」这个信号，
+  与中枢是否重画无关。其中 from_full < 0 表示入场早于全量的可用时刻——
+  即**实时抢跑了**，中枢还没吸收完就下单。""")
+    early = (g.from_full < 0).mean()
+    print(f"  其中抢跑（早于全量 avail）：{early*100:.1f}%")
+
+
+def main() -> None:
+    ap = argparse.ArgumentParser()
+    ap.add_argument("--symbols", default="BTC,ETH,SOL,LINK,DOGE")
+    ap.add_argument("--ltf", default="5m")
+    ap.add_argument("--rows", type=int, default=45_000)
+    ap.add_argument("--steps", type=int, default=20_000)
+    ap.add_argument("--workers", type=int, default=5)
+    ap.add_argument("--reuse", action="store_true")
+    args = ap.parse_args()
+
+    if args.reuse and OUT.exists():
+        report(pd.read_feather(OUT), args.ltf)
+        return
+    syms = [s.strip() for s in args.symbols.split(",")]
+    print(f"[机制判定] {len(syms)} 币 × {args.steps} 根 · {args.ltf}\n",
+          flush=True)
+    parts = []
+    with ProcessPoolExecutor(max_workers=args.workers) as ex_:
+        fut = {ex_.submit(replay, s, args.ltf, args.rows, args.steps): s
+               for s in syms}
+        for i, f in enumerate(as_completed(fut), 1):
+            r = f.result()
+            print(f"  [{i}/{len(syms)}] {fut[f]} "
+                  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)
+    OUT.parent.mkdir(exist_ok=True)
+    d.to_feather(OUT)
+    report(d, args.ltf)
+
+
+if __name__ == "__main__":
+    main()

research/step70_sure_split.py

@@ -0,0 +1,280 @@
+"""把 B4 按「中枢末笔是否已确认」拆开——之前的统计把两种混在一起了。
+
+用户指出：B4 有两种，**没确认的会出现然后消失，确认的不会**。而我在 step63/68
+里统计的是 `find_fast_bsp3` 的全部输出，它的返回列里根本没有确认标志
+（entry_idx/direction/bo_idx/pb_idx/lag/depth/zg/zd/width_pct/occ/zone_i），
+**两种被混在一起了**，所以「额外信号 74%」这个数字不能直接拿来说实盘。
+
+确认状态在更上游，`zones_from_zs_list`：
+
+    sure_key = str(getattr(key_bi, "sure_time", "") or "")
+    end_key  = str(getattr(key_bi, "end_time", "") or "")
+    avail = ts_of.get(sure_key) or ts_of.get(end_key)   # ← 静默退回 end_time
+
+`ChanBI` 初始 `is_sure=False / sure_time=None`，确认时才 `set_is_sure(True, ...)`。
+所以**末笔未确认时 available_ts 退回 end_time，而 end_time 随笔延伸而移动**，
+中枢的可用时刻跟着漂 —— 这正是「出现然后消失」的那一种。笔一旦确认，
+`sure_time` 固定，中枢不再动。
+
+这也解释了 §5.41 的数量级：中枢层面确认时刻只被改 6.5%，而我在信号层面看到 74%。
+
+本脚本按 `zs.bi_list[-1].is_sure` 把信号拆成两组，分别看：
+  额外率  未确认组应显著高（会出现然后消失），已确认组应接近 0
+  收益    若亏损集中在未确认组，那么修法就是**信号侧加一道 is_sure 门**，
+          而不是动出场参数或放弃 B4
+
+⚠️ 同时要查的第二件事：**实盘路径到底交易哪一种。** `shadow_signal.py` 的三道
+滤网是同向 + 阶梯 + ATR 门控，**没有 is_sure 这一道**。若未确认组确实是亏损源，
+且实盘没有挡它，那这道门就是要补的东西。
+"""
+from __future__ import annotations
+
+import argparse
+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")
+HERE = Path(__file__).resolve().parent
+sys.path.insert(0, str(HERE))
+sys.path.insert(0, str(HERE.parent))
+
+OUT = HERE / "out" / "step70_sure.feather"
+SL, SCALE_AT, RUNNER, RSTOP, MAXB = 2.0, 3.0, 8.0, 2.0, 48
+WIN, MAX_GROW, GATE_BP = 2001, 500, 8.0
+
+
+def _sure_map(zs_list) -> dict:
+    """(zg, zd) -> 末笔是否已确认。zones_from_zs_list 会按 available_ts 重排，
+    索引对不上，所以用中枢边界当键接回去。"""
+    m = {}
+    for zs in zs_list:
+        bis = getattr(zs, "bi_list", []) or []
+        if not bis:
+            continue
+        m[(round(float(zs.zg), 10), round(float(zs.zd), 10))] = \
+            bool(getattr(bis[-1], "is_sure", False))
+    return m
+
+
+def replay(sym: str, ltf: str, htf: str, rows: int,
+           steps: int) -> pd.DataFrame | None:
+    from chanlun import TF_DF
+    from chanlun.analysis.fast_bsp import (
+        ensure_timestamp,
+        find_fast_bsp3,
+        zones_from_zs_list,
+    )
+    from lib.data import fetch_ohlcv
+    from lib.fx_signal import extract_fx_signals, signals_to_frame
+    from lib.nested_bsp import attach_htf_context, htf_fx_timeline
+
+    try:
+        df = fetch_ohlcv(f"{sym}/USDT:USDT", ltf, rows)
+        if df is None or len(df) < WIN + steps + 100:
+            return None
+        df = df.iloc[-(WIN + steps):].reset_index(drop=True)
+
+        full = TF_DF(df, 1, ltf)
+        cdf = ensure_timestamp(full.dataframe)
+        zsf = full.cal_bi_zs_list_pure(full.bi_list)
+        if not zsf:
+            return None
+        sig_full = find_fast_bsp3(cdf, zones_from_zs_list(zsf, cdf))
+        full_keys = {(int(r.entry_idx), int(r.direction))
+                     for r in sig_full.itertuples()} if not sig_full.empty \
+            else set()
+
+        dh = fetch_ohlcv(f"{sym}/USDT:USDT", htf, rows)
+        tl = None
+        if dh is not None and len(dh) > 500:
+            ch = TF_DF(dh, 1, htf)
+            tl = htf_fx_timeline(
+                signals_to_frame(extract_fx_signals(ch, ch.dataframe)),
+                ch.dataframe)
+
+        rec: dict[tuple, dict] = {}
+        chan, anchor = None, 0
+        for i in range(WIN, len(df)):
+            if chan is None or (i - anchor) >= MAX_GROW:
+                w = df.iloc[i - WIN + 1:i + 1].copy()
+                chan = TF_DF(w, 1, ltf)
+                chan.init_stream(w, 1, ltf)
+                anchor = i
+            else:
+                chan.append_bar(df.iloc[i])
+            try:
+                zl = chan.cal_bi_zs_list_pure(chan.bi_list)
+                if not zl:
+                    continue
+                sub = ensure_timestamp(chan.dataframe)
+                z = zones_from_zs_list(zl, sub)
+                if z is None or z.empty:
+                    continue
+                sm = _sure_map(zl)
+                pg, pdn = z["zg"].shift(), z["zd"].shift()
+                z["z_above"], z["z_below"] = z["zd"] > pg, z["zg"] < pdn
+                z["zone_i"] = np.arange(len(z))
+                z["z_sure"] = [
+                    sm.get((round(float(a), 10), round(float(b), 10)), False)
+                    for a, b in zip(z["zg"], z["zd"])]
+                s = find_fast_bsp3(sub, z)
+                if s is None or s.empty:
+                    continue
+                last = len(sub) - 1
+                s = s[s["entry_idx"].astype(int) == last]
+                if s.empty or "zone_i" not in s.columns:
+                    continue
+                s = s.merge(z[["zone_i", "z_above", "z_below", "z_sure"]],
+                            on="zone_i", how="left")
+                if tl is not None:
+                    s = attach_htf_context(s, sub, tl, "h1")
+            except Exception:                                 # noqa: BLE001
+                continue
+            for r in s.itertuples():
+                k = (i, int(r.direction))
+                if k in rec:
+                    continue
+                push = getattr(r, "z_above" if r.direction == 1
+                               else "z_below", None)
+                ag = getattr(r, "h1_agree", 0)
+                rec[k] = {
+                    "sym": sym, "entry_idx": i, "direction": int(r.direction),
+                    "in_full": k in full_keys,
+                    "z_sure": bool(getattr(r, "z_sure", False)),
+                    "ladder_ok": int(bool(pd.notna(push) and bool(push))),
+                    "h1_agree": int(ag) if pd.notna(ag) else 0,
+                }
+        if not rec:
+            return None
+        r = pd.DataFrame(list(rec.values()))
+
+        from lib.exit_model import cfg_name, walk_exits
+        atr = cdf["atr"].to_numpy(float)
+        cl = cdf["close"].to_numpy(float)
+        r = r[(r.entry_idx < len(cdf) - 2)
+              & np.isfinite(atr[r.entry_idx.values])
+              & (atr[r.entry_idx.values] > 0)].reset_index(drop=True)
+        if r.empty:
+            return None
+        res = walk_exits(cdf, pd.DataFrame({
+            "entry_idx": r.entry_idx.values,
+            "direction": r.direction.values}), [SL], [RUNNER], [MAXB],
+            scale_at=SCALE_AT, runners=(RUNNER,), runner_stops=(RSTOP,))
+        cfg = cfg_name(SL, RUNNER, MAXB, RSTOP)
+        if len(res) != len(r):
+            return None
+        for c in ("g", "r", "c"):
+            r[c] = res[f"{cfg}_{c}"].to_numpy()
+        r["atr_pct"] = atr[r.entry_idx.values] / cl[r.entry_idx.values]
+        r["gate_ok"] = (r.atr_pct * 1e4 >= GATE_BP).astype(int)
+        r["pass_all"] = ((r.h1_agree == 1) & (r.ladder_ok == 1)
+                         & (r.gate_ok == 1)).astype(int)
+        return r
+    except Exception as e:                                    # noqa: BLE001
+        print(f"  {sym} 失败: {type(e).__name__}: {e}", flush=True)
+        return None
+
+
+def perf(g: pd.DataFrame) -> dict | None:
+    from lib.exit_model import fee_of, taker_notional
+    if len(g) < 15:
+        return None
+    net = g.g.values - fee_of(g.r.values, g.c.values)
+    gR = g.g.values / (SL * g.atr_pct.values)
+    w, o = net[net > 0].sum(), -net[net <= 0].sum()
+    return {
+        "笔数": len(g), "胜率": f"{(net > 0).mean()*100:.1f}%",
+        "PF": round(w / o, 2) if o > 0 else np.inf,
+        "余量bp": round(net.mean()
+                       / taker_notional(g.r.values, g.c.values).mean() * 1e4, 2),
+        "t值": round(gR.mean() / (gR.std(ddof=1) / np.sqrt(len(g))), 2),
+    }
+
+
+def report(d: pd.DataFrame) -> None:
+    print("\n" + "=" * 92)
+    print("【一】判据：额外信号是不是集中在「末笔未确认」那一组")
+    print("=" * 92)
+    rows = []
+    for k, g in d.groupby(d.z_sure):
+        rows.append({"中枢末笔": "已确认" if k else "未确认", "信号数": len(g),
+                     "额外(全量没有)": int((~g.in_full).sum()),
+                     "额外率": f"{(~g.in_full).mean()*100:.1f}%"})
+    print(pd.DataFrame(rows).to_string(index=False))
+    print("""
+  用户的判断：「没确认的会出现然后消失，确认的不会」。
+  若已确认组额外率接近 0 -> 判断成立，之前 74% 是把两种混在一起统计的结果。""")
+
+    print("\n" + "=" * 92)
+    print("【二】亏损是不是也集中在未确认组")
+    print("=" * 92)
+    rows = []
+    for k, g in d.groupby(d.z_sure):
+        nm = "已确认" if k else "未确认"
+        for lab, x in [("全部", g), ("三道滤网后", g[g.pass_all == 1])]:
+            s = perf(x)
+            if s:
+                rows.append({"中枢末笔": nm, "口径": lab, **s})
+    print(pd.DataFrame(rows).to_string(index=False))
+
+    print("\n" + "=" * 92)
+    print("【三】若补一道 is_sure 门，实盘口径会变成什么样")
+    print("=" * 92)
+    rows = []
+    for nm, x in [
+        ("现状：三道滤网", d[d.pass_all == 1]),
+        ("**加 is_sure 门**", d[(d.pass_all == 1) & d.z_sure]),
+        ("  对照：仅未确认", d[(d.pass_all == 1) & ~d.z_sure]),
+    ]:
+        s = perf(x)
+        if s:
+            rows.append({"口径": nm, **s})
+    print(pd.DataFrame(rows).to_string(index=False))
+    print("""
+  ⚠️ `shadow_signal.py` 的三道滤网是同向 + 阶梯 + ATR 门控，**没有 is_sure**。
+  若加上这道门 PF 明显回升，那它就是要补进信号路径的东西。""")
+
+
+def main() -> None:
+    ap = argparse.ArgumentParser()
+    ap.add_argument("--symbols", default="BTC,ETH,SOL,LINK,DOGE")
+    ap.add_argument("--ltf", default="5m")
+    ap.add_argument("--htf", default="30m")
+    ap.add_argument("--rows", type=int, default=45_000)
+    ap.add_argument("--steps", type=int, default=20_000)
+    ap.add_argument("--workers", type=int, default=5)
+    ap.add_argument("--reuse", action="store_true")
+    args = ap.parse_args()
+
+    if args.reuse and OUT.exists():
+        report(pd.read_feather(OUT))
+        return
+    syms = [s.strip() for s in args.symbols.split(",")]
+    print(f"[确认态拆分] {len(syms)} 币 × {args.steps} 根 · {args.ltf}\n",
+          flush=True)
+    parts = []
+    with ProcessPoolExecutor(max_workers=args.workers) as ex:
+        fut = {ex.submit(replay, s, args.ltf, args.htf, args.rows,
+                         args.steps): s for s in syms}
+        for i, f in enumerate(as_completed(fut), 1):
+            r = f.result()
+            print(f"  [{i}/{len(syms)}] {fut[f]} "
+                  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)
+    OUT.parent.mkdir(exist_ok=True)
+    d.to_feather(OUT)
+    report(d)
+
+
+if __name__ == "__main__":
+    main()

research/step71_trace.py

@@ -0,0 +1,211 @@
+"""逐笔追「额外信号」：全量那一遍到底为什么没产出它。
+
+用户说「原来的计算是没有问题的，是你算错了」。之前几轮都是统计口径，
+容易把自己的 bug 说成市场现象。这次不做统计，挑具体信号逐个对账。
+
+对每个额外信号，把两边的中间量全摆出来：
+
+  回放侧  中枢 (zg,zd)、available_ts、扫描起点、入场根
+  全量侧  同一个中枢是否存在、它的 available_ts、扫描区间 [start, start+200]
+          入场根落不落在这个区间里、`diag` 记的拒绝原因
+
+四种可能的结论，指向完全不同的处理：
+
+  A 全量里那个中枢的扫描区间**不覆盖**入场根
+    -> available_ts 棘轮，机制成立，不是 bug
+  B 中枢在全量里**不存在**
+    -> 中枢集合本身有差异，要查是不是我窗口用错了
+  C 区间覆盖了、全量却仍没出信号
+    -> 两边输入不同（我传错了 df/zones），**是我的 bug**
+  D 入场根索引对不上（差几根）
+    -> 索引口径错，`chan.dataframe` 与原始 df 不是 1:1，**是我的 bug**
+
+D 尤其要查：回放里我用原始 df 的下标 i 当 key，全量用的是 `cdf` 的 entry_idx，
+两者只有在 `TF_DF.dataframe` 与输入逐行对齐时才等价。
+"""
+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))
+
+WIN, MAX_GROW, SCAN = 2001, 500, 200
+
+
+def main() -> None:
+    ap = argparse.ArgumentParser()
+    ap.add_argument("--sym", default="BTC")
+    ap.add_argument("--tf", default="5m")
+    ap.add_argument("--rows", type=int, default=45_000)
+    ap.add_argument("--steps", type=int, default=3_000)
+    ap.add_argument("--show", type=int, default=8)
+    args = ap.parse_args()
+
+    from chanlun import TF_DF
+    from chanlun.analysis.fast_bsp import (
+        ensure_timestamp,
+        find_fast_bsp3,
+        zones_from_zs_list,
+    )
+    from lib.data import fetch_ohlcv
+
+    df = fetch_ohlcv(f"{args.sym}/USDT:USDT", args.tf, args.rows)
+    df = df.iloc[-(WIN + args.steps):].reset_index(drop=True)
+
+    full = TF_DF(df, 1, args.tf)
+    cdf = ensure_timestamp(full.dataframe)
+
+    print("=" * 92)
+    print("【0】先查 D：索引口径是否 1:1")
+    print("=" * 92)
+    print(f"原始 df 行数 {len(df)} · TF_DF.dataframe 行数 {len(cdf)} "
+          f"-> {'一致' if len(df) == len(cdf) else '**不一致，索引口径有问题**'}")
+    if len(df) == len(cdf):
+        t_df = pd.to_datetime(df["date"])
+        t_cd = pd.to_datetime(cdf["date"])
+        if t_df.dt.tz is not None:
+            t_df = t_df.dt.tz_localize(None)
+        if t_cd.dt.tz is not None:
+            t_cd = t_cd.dt.tz_localize(None)
+        same = int((t_df.values == t_cd.values).sum())
+        print(f"逐行时间戳相同 {same}/{len(df)} "
+              f"-> {'逐行对齐' if same == len(df) else '**有错位**'}")
+
+    zsf = full.cal_bi_zs_list_pure(full.bi_list)
+    zf = zones_from_zs_list(zsf, cdf)
+    diag_full: dict = {}
+    sig_full = find_fast_bsp3(cdf, zf, diag=diag_full)
+    fkeys = {(int(r.entry_idx), int(r.direction))
+             for r in sig_full.itertuples()}
+    ts = cdf["timestamp"].to_numpy()
+    print(f"\n全量：中枢 {len(zf)} 个，信号 {len(sig_full)} 个")
+    print(f"全量 diag：{diag_full}")
+
+    # ---- 回放 ----
+    rec = []
+    chan, anchor = None, 0
+    for i in range(WIN, len(df)):
+        if chan is None or (i - anchor) >= MAX_GROW:
+            w = df.iloc[i - WIN + 1:i + 1].copy()
+            chan = TF_DF(w, 1, args.tf)
+            chan.init_stream(w, 1, args.tf)
+            anchor = i
+        else:
+            chan.append_bar(df.iloc[i])
+        try:
+            zl = chan.cal_bi_zs_list_pure(chan.bi_list)
+            if not zl:
+                continue
+            sub = ensure_timestamp(chan.dataframe)
+            z = zones_from_zs_list(zl, sub)
+            if z is None or z.empty:
+                continue
+            s = find_fast_bsp3(sub, z)
+            if s is None or s.empty:
+                continue
+            last = len(sub) - 1
+            s = s[s["entry_idx"].astype(int) == last]
+            if s.empty:
+                continue
+        except Exception:                                     # noqa: BLE001
+            continue
+        for r in s.itertuples():
+            zi = int(r.zone_i)
+            rec.append({
+                "i": i, "d": int(r.direction),
+                "in_full": (i, int(r.direction)) in fkeys,
+                "zg": float(z.zg.iloc[zi]), "zd": float(z.zd.iloc[zi]),
+                "avail_rt": int(z.available_ts.iloc[zi]),
+                "win_len": len(sub),
+                "bo": int(r.bo_idx), "last": last,
+            })
+    rp = pd.DataFrame(rec)
+    if rp.empty:
+        print("回放无信号")
+        return
+    print(f"\n回放：信号 {len(rp)} 个 · 其中全量也有 "
+          f"{int(rp.in_full.sum())} · 额外 {int((~rp.in_full).sum())}")
+
+    # ---- 逐笔对账 ----
+    print("\n" + "=" * 92)
+    print(f"【1】抽 {args.show} 个额外信号逐笔对账")
+    print("=" * 92)
+    fzg, fzd = zf.zg.to_numpy(float), zf.zd.to_numpy(float)
+    fav = zf.available_ts.to_numpy()
+    n = len(cdf)
+    rows = []
+    for r in rp[~rp.in_full].head(args.show).itertuples():
+        m = (np.abs(fzg - r.zg) < 1e-9) & (np.abs(fzd - r.zd) < 1e-9)
+        if not m.any():
+            rows.append({"入场根": r.i, "中枢在全量": "**不存在**",
+                         "结论": "B 中枢集合有差异"})
+            continue
+        j = int(np.argmax(m))
+        start = int(np.searchsorted(ts, fav[j], side="left"))
+        end = min(start + SCAN, n)
+        cover = start <= r.i < end
+        rows.append({
+            "入场根": r.i, "中枢在全量": "存在",
+            "回放avail根": int(np.searchsorted(ts, r.avail_rt, side="left")),
+            "全量avail根": start,
+            "棘轮(根)": start - int(np.searchsorted(ts, r.avail_rt,
+                                                 side="left")),
+            "全量扫描区间": f"[{start},{end})",
+            "覆盖入场根": "是" if cover else "否",
+            "结论": "C **是我的bug**" if cover else "A 棘轮，机制成立",
+        })
+    print(pd.DataFrame(rows).to_string(index=False))
+    print("""
+  A = 全量扫描区间不覆盖入场根（available_ts 棘轮后移），机制成立
+  B = 中枢在全量里不存在 -> 中枢集合有差异，要查窗口
+  C = 区间覆盖了全量却没出信号 -> 两边输入不同，是我的 bug""")
+
+    print("\n" + "=" * 92)
+    print("【2】全体额外信号按结论归类")
+    print("=" * 92)
+    cnt = {"A 棘轮": 0, "B 中枢不存在": 0, "C 我的bug": 0}
+    for r in rp[~rp.in_full].itertuples():
+        m = (np.abs(fzg - r.zg) < 1e-9) & (np.abs(fzd - r.zd) < 1e-9)
+        if not m.any():
+            cnt["B 中枢不存在"] += 1
+            continue
+        j = int(np.argmax(m))
+        start = int(np.searchsorted(ts, fav[j], side="left"))
+        cnt["C 我的bug" if start <= r.i < min(start + SCAN, n)
+            else "A 棘轮"] += 1
+    tot = max(sum(cnt.values()), 1)
+    print(pd.DataFrame([{"结论": k, "个数": v, "占比": f"{v/tot*100:.1f}%"}
+                        for k, v in cnt.items()]).to_string(index=False))
+
+    print("\n" + "=" * 92)
+    print("【3】按信号条数统计是否被同一中枢的重复触发放大了")
+    print("=" * 92)
+    print("上表可见 2691/2707/2750 的全量 avail 同为 2767，是**同一个中枢**触发三次。")
+    print("`max_per_zone=1` 只保证「每次扫描返回一个」，但扫描起点随棘轮后移，")
+    print("越过旧入场点后同一中枢会重新产出「第一个」——于是按条数统计被放大。\n")
+    rows = []
+    for nm, x in [("额外", rp[~rp.in_full]), ("全量也有", rp[rp.in_full])]:
+        if x.empty:
+            continue
+        nz = x.groupby(["zg", "zd"]).size()
+        rows.append({"分组": nm, "信号条数": len(x), "不同中枢数": len(nz),
+                     "每中枢触发": round(len(x) / len(nz), 2),
+                     "最多触发": int(nz.max())})
+    print(pd.DataFrame(rows).to_string(index=False))
+    print("""
+  若「额外」组每中枢触发 >> 1 而「全量也有」组 ≈ 1，则先前那个「额外信号占 74%」
+  是**按条数**统计的放大结果，不等于实盘会多开 74% 的仓。
+  真实多开多少，取决于执行层对同一中枢是否去重/冷却 —— 那一层仍未审计。""")
+
+
+if __name__ == "__main__":
+    main()

web/api/analyze.py

@@ -108,7 +108,8 @@ def analyze():
 				'start_price': bi.start_klc.low if convert_direction(bi.dir) == 1 else bi.start_klc.high,
 				'end_price': bi.end_klc.high if convert_direction(bi.dir) == 1 else bi.end_klc.low if bi.end_klc else None,
 				'direction': convert_direction(bi.dir),
-				'macd_div': float(bi.macd_div) if hasattr(bi, 'macd_div') else 0
+				'macd_div': float(bi.macd_div) if hasattr(bi, 'macd_div') else 0,
+				'macd_hist': float(bi.macd_hist) if getattr(bi, 'macd_hist', None) is not None else 0
 			} for bi in analysis_result['bi_list'] if bi.is_sure],
 			# 添加未完成笔列表
 			'uncompleted_bi_list': [{
@@ -118,7 +119,8 @@ def analyze():
 				'start_price': bi.start_klc.low if convert_direction(bi.dir) == 1 else bi.start_klc.high,
 				'end_price':  bi.end_klc.low if convert_direction(bi.dir) == 1 else bi.end_klc.high,  # 未完成笔没有结束价格
 				'direction': convert_direction(bi.dir),
-				'macd_div': float(bi.macd_div) if hasattr(bi, 'macd_div') else 0
+				'macd_div': float(bi.macd_div) if hasattr(bi, 'macd_div') else 0,
+				'macd_hist': float(bi.macd_hist) if getattr(bi, 'macd_hist', None) is not None else 0
 			} for bi in analysis_result['bi_list'] if not bi.is_sure],
 			'seg_list': [{
 				'start_time': seg.start_bi.start_klc.end_time if isinstance(seg.start_bi.start_klc.end_time, str) else seg.start_bi.start_klc.end_time.astimezone(client_tz).isoformat(),
@@ -126,7 +128,9 @@ def analyze():
 				'sure_time': format_time_safely(seg.sure_time, client_tz) if seg.sure_time else None,
 				'start_price': seg.start_bi.start_klc.low if convert_direction(seg.dir) == 1 else seg.start_bi.start_klc.high,
 				'end_price': seg.end_bi.end_klc.high if convert_direction(seg.dir) == 1 else seg.end_bi.end_klc.low if seg.end_bi else None,
-				'direction': convert_direction(seg.dir)
+				'direction': convert_direction(seg.dir),
+				'macd_div': float(getattr(seg, 'macd_div', 0) or 0),
+				'macd_hist': float(getattr(seg, 'macd_hist', 0) or 0)
 			} for seg in analysis_result['seg_list'] if seg.is_sure],
 			# 添加未完成线段列表
 			'uncompleted_seg_list': get_uncompleted_seg_list(analysis_result['seg_list'], client_tz),
@@ -305,7 +309,8 @@ def analyze():
 				'start_price': bi.start_klc.low if convert_direction(bi.dir) == 1 else bi.start_klc.high,
 				'end_price': bi.end_klc.high if convert_direction(bi.dir) == 1 else bi.end_klc.low if bi.end_klc else None,
 				'direction': convert_direction(bi.dir),
-				'macd_div': float(bi.macd_div) if hasattr(bi, 'macd_div') else 0
+				'macd_div': float(bi.macd_div) if hasattr(bi, 'macd_div') else 0,
+				'macd_hist': float(bi.macd_hist) if getattr(bi, 'macd_hist', None) is not None else 0
 			} for bi in element_analysis['bi_list'] if bi.is_sure]
 			# 添加次周期未完成笔列表
 			result['element_uncompleted_bi_list'] = [{
@@ -315,7 +320,8 @@ def analyze():
 				'start_price': bi.start_klc.low if convert_direction(bi.dir) == 1 else bi.start_klc.high,
 				'end_price': bi.end_klc.low if convert_direction(bi.dir) == 1 else bi.end_klc.high,  # 未完成笔没有结束价格
 				'direction': convert_direction(bi.dir),
-				'macd_div': float(bi.macd_div) if hasattr(bi, 'macd_div') else 0
+				'macd_div': float(bi.macd_div) if hasattr(bi, 'macd_div') else 0,
+				'macd_hist': float(bi.macd_hist) if getattr(bi, 'macd_hist', None) is not None else 0
 			} for bi in element_analysis['bi_list'] if not bi.is_sure]
 			
 			# 添加小周期K线数据
@@ -341,7 +347,9 @@ def analyze():
 				'sure_time': format_time_safely(seg.sure_time, client_tz) if seg.sure_time else None,
 				'start_price': seg.start_bi.start_klc.low if convert_direction(seg.dir) == 1 else seg.start_bi.start_klc.high,
 				'end_price': seg.end_bi.end_klc.high if convert_direction(seg.dir) == 1 else seg.end_bi.end_klc.low if seg.end_bi else None,
-				'direction': convert_direction(seg.dir)
+				'direction': convert_direction(seg.dir),
+				'macd_div': float(getattr(seg, 'macd_div', 0) or 0),
+				'macd_hist': float(getattr(seg, 'macd_hist', 0) or 0)
 			} for seg in element_analysis['seg_list'] if seg.is_sure]
 			# 添加次周期未完成线段列表
 			result['element_uncompleted_seg_list'] = get_uncompleted_seg_list(element_analysis['seg_list'], client_tz)
@@ -446,7 +454,8 @@ def analyze():
 						'start_price': bi.start_klc.low if convert_direction(bi.dir) == 1 else bi.start_klc.high,
 						'end_price': bi.end_klc.high if convert_direction(bi.dir) == 1 else bi.end_klc.low if bi.end_klc else None,
 						'direction': convert_direction(bi.dir),
-						'macd_div': float(bi.macd_div) if hasattr(bi, 'macd_div') else 0
+						'macd_div': float(bi.macd_div) if hasattr(bi, 'macd_div') else 0,
+						'macd_hist': float(bi.macd_hist) if getattr(bi, 'macd_hist', None) is not None else 0
 					} for bi in sub_sub_analysis['bi_list'] if bi.is_sure]
 					result['sub_sub_uncompleted_bi_list'] = [{
 						'start_time': bi.start_klc.end_time if isinstance(bi.start_klc.end_time, str) else bi.start_klc.end_time.astimezone(client_tz).isoformat(),
@@ -455,7 +464,8 @@ def analyze():
 						'start_price': bi.start_klc.low if convert_direction(bi.dir) == 1 else bi.start_klc.high,
 						'end_price': bi.end_klc.low if convert_direction(bi.dir) == 1 else bi.end_klc.high,
 						'direction': convert_direction(bi.dir),
-						'macd_div': float(bi.macd_div) if hasattr(bi, 'macd_div') else 0
+						'macd_div': float(bi.macd_div) if hasattr(bi, 'macd_div') else 0,
+						'macd_hist': float(bi.macd_hist) if getattr(bi, 'macd_hist', None) is not None else 0
 					} for bi in sub_sub_analysis['bi_list'] if not bi.is_sure]
 					# 次次周期 KLC 列表
 					result['sub_sub_klc_list'] = [{
@@ -477,7 +487,9 @@ def analyze():
 						'sure_time': format_time_safely(seg.sure_time, client_tz) if seg.sure_time else None,
 						'start_price': seg.start_bi.start_klc.low if convert_direction(seg.dir) == 1 else seg.start_bi.start_klc.high,
 						'end_price': seg.end_bi.end_klc.high if convert_direction(seg.dir) == 1 else seg.end_bi.end_klc.low if seg.end_bi else None,
-						'direction': convert_direction(seg.dir)
+						'direction': convert_direction(seg.dir),
+						'macd_div': float(getattr(seg, 'macd_div', 0) or 0),
+						'macd_hist': float(getattr(seg, 'macd_hist', 0) or 0)
 					} for seg in sub_sub_analysis['seg_list'] if seg.is_sure]
 					result['sub_sub_uncompleted_seg_list'] = get_uncompleted_seg_list(sub_sub_analysis['seg_list'], client_tz)
 					result['sub_sub_zs_list'] = [{

web/api/provider.py

@@ -0,0 +1,73 @@
+"""把 data_provider 的资金面转给 Web，浏览器不直连交易所。"""
+from __future__ import annotations
+
+import logging
+
+import requests
+from flask import Blueprint, jsonify, request
+
+from services.runtime.market_data import (
+	fetch_derivatives,
+	fetch_sentiment_latest,
+	fetch_sentiment_metrics,
+)
+
+logger = logging.getLogger(__name__)
+
+bp = Blueprint("provider", __name__)
+
+
+def _http_error(exc: requests.HTTPError):
+	status = 502
+	detail = str(exc)
+	if exc.response is not None:
+		status = exc.response.status_code or 502
+		try:
+			body = exc.response.json()
+			detail = body.get("detail") or body.get("error") or detail
+		except Exception:
+			detail = exc.response.text or detail
+	return jsonify({"error": detail}), status
+
+
+@bp.route("/api/derivatives")
+def api_derivatives():
+	symbol = (request.args.get("symbol") or "BTC/USDT:USDT").strip()
+	exchange = (request.args.get("exchange") or "").strip() or None
+	try:
+		return jsonify(fetch_derivatives(symbol, exchange))
+	except requests.HTTPError as exc:
+		return _http_error(exc)
+	except Exception as exc:
+		logger.warning("derivatives 中转失败: %s", exc)
+		return jsonify({"error": str(exc)}), 503
+
+
+@bp.route("/api/sentiment/latest")
+def api_sentiment_latest():
+	symbol = (request.args.get("symbol") or "BTC/USDT:USDT").strip()
+	try:
+		return jsonify(fetch_sentiment_latest(symbol))
+	except requests.HTTPError as exc:
+		return _http_error(exc)
+	except Exception as exc:
+		logger.warning("sentiment latest 中转失败: %s", exc)
+		return jsonify({"error": str(exc)}), 503
+
+
+@bp.route("/api/sentiment/metrics")
+def api_sentiment_metrics():
+	metric = (request.args.get("metric") or "").strip()
+	if not metric:
+		return jsonify({"error": "metric required"}), 400
+	symbol = (request.args.get("symbol") or "BTC/USDT:USDT").strip()
+	start = request.args.get("start", type=int)
+	end = request.args.get("end", type=int)
+	limit = request.args.get("limit", type=int)
+	try:
+		return jsonify(fetch_sentiment_metrics(metric, symbol, start=start, end=end, limit=limit))
+	except requests.HTTPError as exc:
+		return _http_error(exc)
+	except Exception as exc:
+		logger.warning("sentiment 中转失败: %s", exc)
+		return jsonify({"error": str(exc)}), 503

web/app.py

@@ -13,6 +13,7 @@ from flask import Flask
 from config import FLASK_HOST, FLASK_PORT
 from api.analyze import bp as analyze_bp
 from api.pages import bp as pages_bp
+from api.provider import bp as provider_bp
 from api.symbols import bp as symbols_bp
 from api.trend import bp as trend_bp
 
@@ -23,6 +24,7 @@ def create_app() -> Flask:
     app.register_blueprint(analyze_bp)
     app.register_blueprint(symbols_bp)
     app.register_blueprint(trend_bp)
+    app.register_blueprint(provider_bp)
     return app
 
 

web/services/runtime/__init__.py

@@ -54,6 +54,9 @@ from .market_data import (  # noqa: F401
 	get_crypto_kl_data,
 	get_a_stock_kl_data,
 	load_crypto_symbols,
+	fetch_derivatives,
+	fetch_sentiment_metrics,
+	fetch_sentiment_latest,
 )
 from .indicators import (  # noqa: F401
 	add_indicators,

web/services/runtime/analyze.py

@@ -48,6 +48,10 @@ def analyze_chan(df, symbol=None, timeframe=None):
 	for bi in bi_list:
 		bi.cal_macd_div()
 		#print(bi.start_time, bi.macd_hist, bi.macd_div)
+	for seg in seg_list:
+		seg.cal_macdhist()
+	for seg in seg_list:
+		seg.cal_macd_div()
 	
 	# 添加ChanMACD分析（复用 get_klc_list 内已算好的结果，避免同周期二次全量分析）
 	chan_macd = None

web/services/runtime/market_data.py

@@ -319,3 +319,34 @@ def load_crypto_symbols(limit=200):
 	except Exception:
 		return DEFAULT_SYMBOLS[:limit]
 
+
+def _provider_get(path, params, timeout=8):
+	resp = requests.get(f"{DATA_SERVICE_URL}{path}", params=params, timeout=timeout)
+	resp.raise_for_status()
+	return resp.json()
+
+
+def fetch_derivatives(symbol, exchange=None):
+	"""当前资金面快照。只打 data_provider，不打交易所。"""
+	params = {"symbol": symbol}
+	if exchange:
+		params["exchange"] = exchange
+	return _provider_get("/api/derivatives", params)
+
+
+def fetch_sentiment_metrics(metric, symbol, start=None, end=None, limit=None):
+	"""情绪/资金面序列。只打 data_provider。"""
+	params = {"metric": metric, "symbol": symbol}
+	if start is not None:
+		params["start"] = int(start)
+	if end is not None:
+		params["end"] = int(end)
+	if limit is not None:
+		params["limit"] = int(limit)
+	return _provider_get("/api/sentiment/metrics", params)
+
+
+def fetch_sentiment_latest(symbol):
+	"""情绪面最新快照。只打 data_provider。"""
+	return _provider_get("/api/sentiment/latest", {"symbol": symbol})
+

web/services/runtime/serialize.py

@@ -98,8 +98,14 @@ def serialize_chan_macd_data(chan_macd_data, client_tz):
 	# 序列化unittf_list（兼容新结构与枚举类型）
 	for unittf in chan_macd_data.get('unittf_list', []):
 		try:
-			dir_value = getattr(unittf, 'uinttf_dir', None)
+			dir_value = getattr(unittf, 'unittf_dir', None)
 			dir_name = getattr(dir_value, 'name', dir_value if isinstance(dir_value, str) else None)
+			if dir_name == 'ABOVE':
+				dir_num = 1
+			elif dir_name == 'UNDER':
+				dir_num = -1
+			else:
+				dir_num = 0
 			start_t = getattr(unittf, 'start_type', None)
 			start_type = getattr(start_t, 'name', start_t)
 			end_t = getattr(unittf, 'end_type', None)
@@ -114,7 +120,7 @@ def serialize_chan_macd_data(chan_macd_data, client_tz):
 			unittf_data = {
 				'start_time': format_time_safely(getattr(unittf, 'start_time', None), client_tz),
 				'end_time': format_time_safely(getattr(unittf, 'end_time', None), client_tz) if getattr(unittf, 'end_time', None) else None,
-				'dir': dir_name,  # 'ABOVE' | 'UNDER' | None
+				'dir': dir_num,
 				'start_type': start_type,  # e.g. 'START' | 'CROSS0' | 'NEAR0_UP' | 'NEAR0_DOWN'
 				'end_type': end_type,
 				'invalid': getattr(unittf, 'invalid', False),
@@ -307,7 +313,9 @@ def get_uncompleted_seg_list(seg_list, client_tz):
 			'start_time': seg.start_bi.start_klc.end_time if isinstance(seg.start_bi.start_klc.end_time, str) else seg.start_bi.start_klc.end_time.astimezone(client_tz).isoformat(),
 			'sure_time': format_time_safely(seg.sure_time, client_tz) if seg.sure_time else None,
 			'start_price': seg.start_bi.start_klc.low if convert_direction(seg.dir) == 1 else seg.start_bi.start_klc.high,
-			'direction': convert_direction(seg.dir)
+			'direction': convert_direction(seg.dir),
+			'macd_div': float(getattr(seg, 'macd_div', 0) or 0),
+			'macd_hist': float(getattr(seg, 'macd_hist', 0) or 0)
 		}
 		
 		if is_last:

web/services/runtime/state.py

@@ -46,6 +46,7 @@ DEFAULT_TIMEFRAME_LABELS = OrderedDict([
     ("5m", "5分钟"),
     ("15m", "15分钟"),
     ("30m", "30分钟"),
+    ("45m", "45分钟"),
     ("1h", "1小时"),
     ("2h", "2小时"),
     ("4h", "4小时"),

web/services/runtime/timeframes.py

@@ -94,19 +94,19 @@ def _prefer_smaller(candidates, labels_ordered, ceiling_tf, timeframe_keys):
 def compute_timeframe_defaults(labels_ordered):
 	"""
 	根据已排序的「周期 → 中文标签」映射，计算主 / 次 / 次次周期默认值。
-	默认偏好：主 4h、次 1h、次次 15m。
+	默认偏好：主 45m、次 15m、次次 5m。
 	labels_ordered: OrderedDict 或按插入顺序排列的 dict。
 	"""
 	if not labels_ordered:
 		labels_ordered = DEFAULT_TIMEFRAME_LABELS.copy()
 	timeframe_keys = list(labels_ordered.keys())
-	preferred_main = next((tf for tf in ['4h', '1h', '15m'] if tf in labels_ordered), None)
+	preferred_main = next((tf for tf in ['45m', '30m', '1h'] if tf in labels_ordered), None)
 	default_main = preferred_main or (timeframe_keys[0] if timeframe_keys else '1m')
 	if default_main not in labels_ordered and timeframe_keys:
 		default_main = timeframe_keys[0]
 
-	default_element = _prefer_smaller(['1h', '15m'], labels_ordered, default_main, timeframe_keys)
-	default_sub_sub = _prefer_smaller(['15m', '5m'], labels_ordered, default_element, timeframe_keys)
+	default_element = _prefer_smaller(['15m', '5m', '30m'], labels_ordered, default_main, timeframe_keys)
+	default_sub_sub = _prefer_smaller(['5m', '1m', '15m'], labels_ordered, default_element, timeframe_keys)
 
 	return default_main, default_element, default_sub_sub, timeframe_keys
 

web/static/js/app/api_client.js

@@ -10,6 +10,33 @@ window.ChanApi = {
   symbols: function() {
     return fetch('/api/symbols').then(r => r.json());
   },
+  derivatives: function(params) {
+    const q = new URLSearchParams(params || {});
+    return fetch('/api/derivatives?' + q.toString()).then(function(r) {
+      return r.json().then(function(body) {
+        if (!r.ok) throw new Error((body && body.error) || r.statusText);
+        return body;
+      });
+    });
+  },
+  sentimentLatest: function(params) {
+    const q = new URLSearchParams(params || {});
+    return fetch('/api/sentiment/latest?' + q.toString()).then(function(r) {
+      return r.json().then(function(body) {
+        if (!r.ok) throw new Error((body && body.error) || r.statusText);
+        return body;
+      });
+    });
+  },
+  sentimentMetrics: function(params) {
+    const q = new URLSearchParams(params || {});
+    return fetch('/api/sentiment/metrics?' + q.toString()).then(function(r) {
+      return r.json().then(function(body) {
+        if (!r.ok) throw new Error((body && body.error) || r.statusText);
+        return body;
+      });
+    });
+  },
   macdConfig: function(body) {
     if (body === undefined) return fetch('/api/macd_config').then(r => r.json());
     return fetch('/api/macd_config', {

web/static/js/app/chart_sync.js

@@ -229,29 +229,29 @@ function updateTradingViewData(options) {
         }
         
         // 更新MACD数据
-        if (tvWidget.series.macdLineSeries && currentData.macd && currentData.kline_data && Array.isArray(currentData.kline_data)) {
-            // 提取MACD数据
+        const macdKlineSrc = useSubSubPeriod ? (currentData.sub_sub_kline_data || []) : (useElementPeriod ? (currentData.element_kline_data || []) : (currentData.kline_data || []));
+        const macdSrc = useSubSubPeriod ? (currentData.sub_sub_macd || currentData.macd) : (useElementPeriod ? (currentData.element_macd || currentData.macd) : currentData.macd);
+        if (tvWidget.series.macdLineSeries && macdSrc && macdKlineSrc && Array.isArray(macdKlineSrc)) {
             const macdData = [];
             const signalData = [];
             const histogramData = [];
             
-            for (let i = 0; i < currentData.kline_data.length; i++) {
-                const kline = currentData.kline_data[i];
+            for (let i = 0; i < macdKlineSrc.length; i++) {
+                const kline = macdKlineSrc[i];
                 const timestamp = Math.floor(new Date(kline.date).getTime() / 1000);
                 
-                if (currentData.macd && currentData.macd.macd && currentData.macd.macd[i] !== undefined) {
+                if (macdSrc && macdSrc.macd && macdSrc.macd[i] !== undefined) {
                     macdData.push({
                         time: timestamp,
-                        value: currentData.macd.macd[i]
+                        value: macdSrc.macd[i]
                     });
                     
                     signalData.push({
                         time: timestamp,
-                        value: currentData.macd.signal[i]
+                        value: macdSrc.signal[i]
                     });
                     
-                    // 设置直方图颜色
-                    const histValue = currentData.macd.histogram[i];
+                    const histValue = macdSrc.histogram[i];
                     histogramData.push({
                         time: timestamp,
                         value: histValue,
@@ -309,6 +309,9 @@ function updateTradingViewData(options) {
                         }
                     );
                 }
+                if (typeof refreshUnittfOverlayFromData === 'function') {
+                    refreshUnittfOverlayFromData(currentData);
+                }
             } catch (e) {
                 console.warn('更新ChanMACD标注失败:', e);
             }
@@ -331,7 +334,8 @@ function updateTradingViewData(options) {
                 tvWidget.volumeChart,
                 tvWidget.atrChart,
                 tvWidget.macdChart,
-                tvWidget.chanMacdChart
+                tvWidget.chanMacdChart,
+                tvWidget.sentimentChart
             ].filter(Boolean);
 
             const vr = clampedVisibleRange || savedVisibleRange;
@@ -409,8 +413,11 @@ function bindSyncEvents(mainChartContainer, volumeChartContainer, atrChartContai
         volume: false,
         atr: false,
         macd: false,
-        chanmacd: false
+        chanmacd: false,
+        sentiment: false
     };
+    const sentimentChart = tvWidget && tvWidget.sentimentChart;
+    const sentimentChartContainer = tvWidget && tvWidget.sentimentChartContainer;
     
     // 同步图表的时间范围
     function syncCharts(sourceChart, sourceContainer) {
@@ -438,6 +445,9 @@ function bindSyncEvents(mainChartContainer, volumeChartContainer, atrChartContai
                     if (showMacd && chanMacdChart && sourceChart !== chanMacdChart && chanMacdChart.timeScale) {
                         try { chanMacdChart.timeScale().setVisibleLogicalRange(logicalRange); } catch (e) {}
                     }
+                    if (sentimentChart && sourceChart !== sentimentChart && sentimentChart.timeScale) {
+                        try { sentimentChart.timeScale().setVisibleLogicalRange(logicalRange); } catch (e) {}
+                    }
                     
                     if (tvWidget && tvWidget.state) {
                         tvWidget.state.logicalRange = logicalRange;
@@ -458,7 +468,8 @@ function bindSyncEvents(mainChartContainer, volumeChartContainer, atrChartContai
                         chart === volumeChart ? 'volume' : 
                         chart === atrChart ? 'atr' : 
                         chart === macdChart ? 'macd' :
-                        chart === chanMacdChart ? 'chanmacd' : 'unknown';
+                        chart === chanMacdChart ? 'chanmacd' :
+                        chart === sentimentChart ? 'sentiment' : 'unknown';
         
         const timeRangeHandler = () => {
             if (!syncInProgress) {
@@ -515,6 +526,9 @@ function bindSyncEvents(mainChartContainer, volumeChartContainer, atrChartContai
     if (showMacd && chanMacdChartContainer && chanMacdChart) {
         addChartSyncEvents(chanMacdChartContainer, chanMacdChart);
     }
+    if (sentimentChartContainer && sentimentChart) {
+        addChartSyncEvents(sentimentChartContainer, sentimentChart);
+    }
     
     // 窗口大小变化时重绘图表 — 使用可清理的方式注册
     const resizeHandler = () => {
@@ -533,6 +547,9 @@ function bindSyncEvents(mainChartContainer, volumeChartContainer, atrChartContai
         if (showMacd && chanMacdChart && chanMacdChartContainer) {
             chanMacdChart.applyOptions({ width: chanMacdChartContainer.clientWidth, height: chanMacdChartContainer.clientHeight });
         }
+        if (sentimentChart && sentimentChartContainer) {
+            sentimentChart.applyOptions({ width: sentimentChartContainer.clientWidth, height: sentimentChartContainer.clientHeight });
+        }
         setTimeout(() => { if (mainChart) syncCharts(mainChart, mainChartContainer); }, 200);
     };
     window.addEventListener('resize', resizeHandler);
@@ -549,9 +566,11 @@ function setupTooltip(mainChart, buyMarkers = [], sellMarkers = [], mainChartCon
     // 初始化 U 显示状态（主/次周期分开控制）
     const isShowUMain = $('#toggleUOnMain').is(':checked');
     const isShowUElement = $('#toggleUOnElement').is(':checked');
+    const isShowUSubSub = $('#toggleUOnSubSub').is(':checked');
     window.showUOnMain = isShowUMain;
     window.showUOnElement = isShowUElement;
-    if (!isShowUMain && !isShowUElement) {
+    window.showUOnSubSub = isShowUSubSub;
+    if (!isShowUMain && !isShowUElement && !isShowUSubSub) {
         // 隐藏时清空子图上的 U 标记
         if (tvWidget.series && tvWidget.series.chanMacdLineSeries) {
             try { tvWidget.series.chanMacdLineSeries.setMarkers([]); } catch (e) {}

web/static/js/app/chart_tables.js

@@ -169,7 +169,7 @@ function updateTables(currentData) {
     });
     
     // 更新数据源信息显示
-    const selectedPeriod = useSubSubPeriod ? '次次周期' : (useElementPeriod ? '小周期' : '主周期');
+    const selectedPeriod = useSubSubPeriod ? '次次' : (useElementPeriod ? '次' : '主');
     const timeframe = useSubSubPeriod && data.sub_sub_timeframe ? data.sub_sub_timeframe : (useElementPeriod && data.element_timeframe ? data.element_timeframe : $('#timeframe').val());
     $('#dataSourceText').html(`当前显示的是<strong>${selectedPeriod} (${timeframe})</strong> 数据`);
     
@@ -297,55 +297,55 @@ function setupDataSourceInfo(data) {
     $('#kline-tab, #macd-tab').off('click').on('click', function() {
         $('.data-source-info').show();
         if (useSubSubPeriod && data.sub_sub_kline_data && data.sub_sub_kline_data.length > 0) {
-            $('#dataSourceText').html(`当前显示的是<strong>次次周期 (${subSubTimeframe})</strong> 数据`);
+            $('#dataSourceText').html(`当前显示的是<strong>次次 (${subSubTimeframe})</strong> 数据`);
         } else if (useElementPeriod && data.element_kline_data && data.element_kline_data.length > 0) {
-            $('#dataSourceText').html(`当前显示的是<strong>小周期 (${elementTimeframe})</strong> 数据`);
+            $('#dataSourceText').html(`当前显示的是<strong>次 (${elementTimeframe})</strong> 数据`);
         } else {
-            $('#dataSourceText').html(`当前显示的是<strong>主周期 (${mainTimeframe})</strong> 数据`);
+            $('#dataSourceText').html(`当前显示的是<strong>主 (${mainTimeframe})</strong> 数据`);
         }
     });
     
     $('#bi-tab').off('click').on('click', function() {
         $('.data-source-info').show();
         if (useSubSubPeriod && data.sub_sub_bi_list && data.sub_sub_bi_list.length > 0) {
-            $('#dataSourceText').html(`当前显示的是<strong>次次周期 (${subSubTimeframe})</strong> 笔数据`);
+            $('#dataSourceText').html(`当前显示的是<strong>次次 (${subSubTimeframe})</strong> 笔数据`);
         } else if (useElementPeriod && data.element_bi_list && data.element_bi_list.length > 0) {
-            $('#dataSourceText').html(`当前显示的是<strong>小周期 (${elementTimeframe})</strong> 笔数据`);
+            $('#dataSourceText').html(`当前显示的是<strong>次 (${elementTimeframe})</strong> 笔数据`);
         } else {
-            $('#dataSourceText').html(`当前显示的是<strong>主周期 (${mainTimeframe})</strong> 笔数据`);
+            $('#dataSourceText').html(`当前显示的是<strong>主 (${mainTimeframe})</strong> 笔数据`);
         }
     });
     
     $('#seg-tab').off('click').on('click', function() {
         $('.data-source-info').show();
         if (useSubSubPeriod && data.sub_sub_seg_list && data.sub_sub_seg_list.length > 0) {
-            $('#dataSourceText').html(`当前显示的是<strong>次次周期 (${subSubTimeframe})</strong> 线段数据`);
+            $('#dataSourceText').html(`当前显示的是<strong>次次 (${subSubTimeframe})</strong> 线段数据`);
         } else if (useElementPeriod && data.element_seg_list && data.element_seg_list.length > 0) {
-            $('#dataSourceText').html(`当前显示的是<strong>小周期 (${elementTimeframe})</strong> 线段数据`);
+            $('#dataSourceText').html(`当前显示的是<strong>次 (${elementTimeframe})</strong> 线段数据`);
         } else {
-            $('#dataSourceText').html(`当前显示的是<strong>主周期 (${mainTimeframe})</strong> 线段数据`);
+            $('#dataSourceText').html(`当前显示的是<strong>主 (${mainTimeframe})</strong> 线段数据`);
         }
     });
     
     $('#zs-tab').off('click').on('click', function() {
         $('.data-source-info').show();
         if (useSubSubPeriod && data.sub_sub_zs_list && data.sub_sub_zs_list.length > 0) {
-            $('#dataSourceText').html(`当前显示的是<strong>次次周期 (${subSubTimeframe})</strong> 中枢数据`);
+            $('#dataSourceText').html(`当前显示的是<strong>次次 (${subSubTimeframe})</strong> 中枢数据`);
         } else if (useElementPeriod && data.element_zs_list && data.element_zs_list.length > 0) {
-            $('#dataSourceText').html(`当前显示的是<strong>小周期 (${elementTimeframe})</strong> 中枢数据`);
+            $('#dataSourceText').html(`当前显示的是<strong>次 (${elementTimeframe})</strong> 中枢数据`);
         } else {
-            $('#dataSourceText').html(`当前显示的是<strong>主周期 (${mainTimeframe})</strong> 中枢数据`);
+            $('#dataSourceText').html(`当前显示的是<strong>主 (${mainTimeframe})</strong> 中枢数据`);
         }
     });
     
     $('#trade-points-tab').off('click').on('click', function() {
         $('.data-source-info').show();
         if (useSubSubPeriod && data.sub_sub_bsp_list && data.sub_sub_bsp_list.length > 0) {
-            $('#dataSourceText').html(`当前显示的是<strong>次次周期 (${subSubTimeframe})</strong> 买卖点数据`);
+            $('#dataSourceText').html(`当前显示的是<strong>次次 (${subSubTimeframe})</strong> 买卖点数据`);
         } else if (useElementPeriod && data.element_trade_points && data.element_trade_points.length > 0) {
-            $('#dataSourceText').html(`当前显示的是<strong>小周期 (${elementTimeframe})</strong> 买卖点数据`);
+            $('#dataSourceText').html(`当前显示的是<strong>次 (${elementTimeframe})</strong> 买卖点数据`);
         } else {
-            $('#dataSourceText').html(`当前显示的是<strong>主周期 (${mainTimeframe})</strong> 买卖点数据`);
+            $('#dataSourceText').html(`当前显示的是<strong>主 (${mainTimeframe})</strong> 买卖点数据`);
         }
     });
     

web/static/js/app/chart_tv.js

@@ -18,6 +18,7 @@ function initTradingView(symbol, timeframe) {
         chartTvRenderChan(ctx);
         chartTvRenderOverlays(ctx);
         chartTvFinalize(ctx);
+        if (window.ChanDeriv) ChanDeriv.loadOverlays();
 
         console.log('图表初始化完成');
     } catch (e) {

web/static/js/app/chart_tv_chan.js

@@ -178,38 +178,6 @@ function chartTvRenderChan(ctx) {
                             color: bi.direction === 1 ? '#dc3545' : '#28a745',
                             lineWidth: 1
                         });
-                        
-                        // 在笔的末端添加macd_div值标记
-                        if (bi.macd_div && bi.macd_div !== 0 && $('#showMainMacdDiv').is(':checked')) {
-                            console.log(`添加主周期macd_div标记: ${bi.macd_div.toFixed(2)}, 在时间点: ${endTime}`);
-                            
-                            const macdDivLabel = mainChart.addLineSeries({
-                                lastValueVisible: false,
-                                priceLineVisible: false,
-                                color: 'transparent', // 设置为透明色
-                                lineWidth: 0, // 线宽为0
-                            });
-                            
-                            // 添加一个透明的数据点用于承载标记
-                            macdDivLabel.setData([
-                                { time: endTime, value: endPrice }
-                            ]);
-                            
-                            // 主周期MACD背离标记根据笔方向显示，远离K线避免与分型重叠
-                            const markerPosition = bi.direction === 1 ? 'aboveBar' : 'belowBar';
-                            const textColor = bi.macd_div > 0 ? '#dc3545' : '#28a745';
-                            
-                            // 只使用标记，不添加数据点
-                            macdDivLabel.setMarkers([
-                                {
-                                    time: endTime,
-                                    position: markerPosition,
-                                    color: textColor,
-                                    text: `${bi.macd_div.toFixed(2)}`, // 添加M前缀区分
-                                    size: 0.6, // 更小的尺寸，远离分型标记
-                                }
-                            ]);
-                        }
                     } catch (e) {
                         console.error('主周期笔处理出错:', e);
                     }
@@ -260,38 +228,6 @@ function chartTvRenderChan(ctx) {
                             color: bi.direction === 1 ? '#9c27b0' : '#673ab7',
                             lineWidth: 1
                         });
-                        
-                        // 在笔的末端添加macd_div值标记
-                        if (bi.macd_div && bi.macd_div !== 0 && $('#showElementMacdDiv').is(':checked')) {
-                            console.log(`添加元素周期macd_div标记: ${bi.macd_div.toFixed(2)}, 在时间点: ${endTime}`);
-                            
-                            const macdDivLabel = mainChart.addLineSeries({
-                                lastValueVisible: false,
-                                priceLineVisible: false,
-                                color: 'transparent', // 设置为透明色
-                                lineWidth: 0, // 线宽为0
-                            });
-                            
-                            // 添加一个透明的数据点用于承载标记
-                            macdDivLabel.setData([
-                                { time: endTime, value: endPrice }
-                            ]);
-                            
-                            // 次周期MACD背离标记使用不同位置，进一步避免重叠
-                            const markerPosition = bi.direction === 1 ? 'aboveBar' : 'belowBar';
-                            const textColor = bi.macd_div > 0 ? '#9c27b0' : '#673ab7';
-                            
-                            // 只使用标记，不添加数据点
-                            macdDivLabel.setMarkers([
-                                {
-                                    time: endTime,
-                                    position: markerPosition,
-                                    color: textColor,
-                                    text: `${bi.macd_div.toFixed(2)}`, // 添加E前缀区分次周期
-                                    size: 0.4, // 更小的尺寸，让分型标记有更多空间
-                                }
-                            ]);
-                        }
                     } catch (e) {
                         console.error('次周期笔处理出错:', e);
                     }

web/static/js/app/chart_tv_finalize.js

@@ -22,6 +22,8 @@ function chartTvFinalize(ctx) {
         var atrChart = ctx.atrChart;
         var macdChart = ctx.macdChart;
         var chanMacdChart = ctx.chanMacdChart;
+        var sentimentChart = ctx.sentimentChart;
+        var sentimentChartContainer = ctx.sentimentChartContainer;
         var createChartOptions = ctx.createChartOptions;
         // 同步所有图表的时间轴配置
         const hasPendingRestoreView = !!window._pendingRestoreView;
@@ -55,6 +57,9 @@ function chartTvFinalize(ctx) {
             if (showMacd && macdChart) {
                 macdChart.timeScale().applyOptions(baseOptions);
             }
+            if (sentimentChart) {
+                sentimentChart.timeScale().applyOptions(baseOptions);
+            }
         };
         
         // 首先同步时间轴设置
@@ -65,7 +70,8 @@ function chartTvFinalize(ctx) {
         const visibleBarsCount = 200;
         const allChartsNow = [mainChart, volumeChart, atrChart]
             .concat(showMacd && macdChart ? [macdChart] : [])
-            .concat(showMacd && chanMacdChart ? [chanMacdChart] : []);
+            .concat(showMacd && chanMacdChart ? [chanMacdChart] : [])
+            .concat(sentimentChart ? [sentimentChart] : []);
         const restoreOpts = function () {
             const firstT = candles && candles.length ? candles[0].time : null;
             const lastT = candles && candles.length ? candles[candles.length - 1].time : null;
@@ -103,6 +109,9 @@ function chartTvFinalize(ctx) {
                     if (showMacd && chanMacdChart) {
                         chanMacdChart.timeScale().setVisibleLogicalRange(logRange);
                     }
+                    if (sentimentChart) {
+                        sentimentChart.timeScale().setVisibleLogicalRange(logRange);
+                    }
                 }
                 return;
             }
@@ -117,6 +126,9 @@ function chartTvFinalize(ctx) {
                 if (showMacd && chanMacdChart) {
                     chanMacdChart.timeScale().setVisibleLogicalRange(logRange);
                 }
+                if (sentimentChart) {
+                    sentimentChart.timeScale().setVisibleLogicalRange(logRange);
+                }
                 console.log('🔧 时间轴同步完成');
             }
         }, 50);
@@ -127,6 +139,8 @@ function chartTvFinalize(ctx) {
         tvWidget.atrChart = atrChart;
         tvWidget.macdChart = macdChart;
         tvWidget.chanMacdChart = chanMacdChart;
+        tvWidget.sentimentChart = sentimentChart;
+        tvWidget.sentimentChartContainer = sentimentChartContainer;
         tvWidget.state.isInitialized = true;
         // 注册窗口卸载时释放资源，避免GPU内存泄漏
         window.onbeforeunload = function() {
@@ -137,6 +151,7 @@ function chartTvFinalize(ctx) {
                     if (tvWidget.macdChart && typeof tvWidget.macdChart.remove === 'function') tvWidget.macdChart.remove();
                     if (tvWidget.chanMacdChart && typeof tvWidget.chanMacdChart.remove === 'function') tvWidget.chanMacdChart.remove();
                     if (tvWidget.atrChart && typeof tvWidget.atrChart.remove === 'function') tvWidget.atrChart.remove();
+                    if (tvWidget.sentimentChart && typeof tvWidget.sentimentChart.remove === 'function') tvWidget.sentimentChart.remove();
                 }
             } catch (e) {}
         };
@@ -220,6 +235,7 @@ function chartTvFinalize(ctx) {
             const allCharts = [mainChart, volumeChart, atrChart];
             if (showMacd && macdChart) allCharts.push(macdChart);
             if (showMacd && chanMacdChart) allCharts.push(chanMacdChart);
+            if (sentimentChart) allCharts.push(sentimentChart);
             
             // 检查是否有待恢复的视图（缩放 + 位置）
             const pending = window._pendingRestoreView || pendingView;
@@ -243,7 +259,8 @@ function chartTvFinalize(ctx) {
                     console.log('🔧 最终同步可见范围:', visibleRange);
                     [volumeChart, atrChart].concat(
                         showMacd && macdChart ? [macdChart] : [],
-                        showMacd && chanMacdChart ? [chanMacdChart] : []
+                        showMacd && chanMacdChart ? [chanMacdChart] : [],
+                        sentimentChart ? [sentimentChart] : []
                     ).forEach(c => {
                         try { c.timeScale().setVisibleRange(visibleRange); } catch(e) {}
                     });

web/static/js/app/chart_tv_indicators.js

@@ -1,5 +1,44 @@
 /* chart_tv_indicators.js — volume / ATR / ChanMACD */
 
+function formatSdMarkerText(separateDiv) {
+    const n = Number(separateDiv);
+    return `SD${n === 99999 ? 0 : n}`;
+}
+
+function shouldShowSdMarker(separateDiv) {
+    const n = Number(separateDiv);
+    return isFinite(n) && n > 0 && n !== 99999;
+}
+
+var SD_CD_MARKER_COLOR = '#dc3545';
+var SD_CD_MARKER_SIZE = 1.2;
+
+function histArrowShape(pos) {
+    return pos === 'belowBar' ? 'arrowDown' : 'arrowUp';
+}
+
+function makeSdMarker(ts, pos, separateDiv) {
+    return {
+        time: ts,
+        position: pos,
+        color: SD_CD_MARKER_COLOR,
+        shape: histArrowShape(pos),
+        text: formatSdMarkerText(separateDiv),
+        size: SD_CD_MARKER_SIZE
+    };
+}
+
+function makeCdMarker(ts, pos) {
+    return {
+        time: ts,
+        position: pos,
+        color: SD_CD_MARKER_COLOR,
+        shape: histArrowShape(pos),
+        text: 'CD',
+        size: SD_CD_MARKER_SIZE
+    };
+}
+
 function chartTvRenderIndicators(ctx) {
         var symbol = ctx.symbol;
         var timeframe = ctx.timeframe;
@@ -141,11 +180,11 @@ function chartTvRenderIndicators(ctx) {
             
             // 使用与K线数据相同的数据源来确保时间对齐
             const klineDataSource = useSubSubPeriod ? (currentData.sub_sub_kline_data || []) : (useElementPeriod ? currentData.element_kline_data : currentData.kline_data);
-            const macdDataSource = useElementPeriod ? 
-                (currentData.element_macd || currentData.macd) : // 如果有次周期MACD数据则使用，否则使用主周期
-                currentData.macd; // 主周期使用主周期MACD数据
+            const macdDataSource = useSubSubPeriod
+                ? (currentData.sub_sub_macd || currentData.macd)
+                : (useElementPeriod ? (currentData.element_macd || currentData.macd) : currentData.macd);
             
-            console.log('MACD数据源选择:', useElementPeriod ? '次周期' : '主周期');
+            console.log('MACD数据源选择:', useSubSubPeriod ? '次次周期' : (useElementPeriod ? '次周期' : '主周期'));
             console.log('K线数据长度:', klineDataSource.length);
             console.log('MACD数据:', macdDataSource);
             
@@ -209,7 +248,7 @@ function chartTvRenderIndicators(ctx) {
             const chanMacdLineSeries = chanMacdChart.addLineSeries({
                 color: '#2962FF',
                 lineWidth: 1,
-                title: 'ChanMACD',
+                title: 'MACD',
                 lastValueVisible: false,
                 priceLineVisible: false,
             });
@@ -370,7 +409,8 @@ function chartTvRenderIndicators(ctx) {
                             const k = klineArr[i];
                             if (!k || !k.date) continue;
                             const t = Math.floor(new Date(k.date).getTime() / 1000);
-                            const val = (macdObj.macd && macdObj.macd[i] !== undefined && macdObj.macd[i] !== null) ? macdObj.macd[i] : null;
+                            const hist = (macdObj.histogram && macdObj.histogram[i] !== undefined && macdObj.histogram[i] !== null) ? macdObj.histogram[i] : null;
+                            const val = (hist !== null) ? hist : ((macdObj.macd && macdObj.macd[i] !== undefined && macdObj.macd[i] !== null) ? macdObj.macd[i] : null);
                             map.set(t, val);
                         }
                         return map;
@@ -387,15 +427,15 @@ function chartTvRenderIndicators(ctx) {
                             if (!item || !item.time) return;
                             const ts = Math.floor(new Date(item.time).getTime() / 1000);
                             if (isNaN(ts)) return;
-                            if (Number(item.separate_div) > 0) {
+                            if (shouldShowSdMarker(item.separate_div)) {
                                 const macdVal = mainMacdMap.get(ts);
                                 const posSd = (macdVal > 0) ? 'aboveBar' : (macdVal < 0) ? 'belowBar' : 'aboveBar';
-                                mainMarkers.push({ time: ts, position: posSd, color: '#03a9f4', shape: 'arrowUp', text: `SD${Number(item.separate_div)}`, size: 0.6 });
+                                mainMarkers.push(makeSdMarker(ts, posSd, item.separate_div));
                             }
                             if (item.continue_div === true) {
                                 const macdVal = mainMacdMap.get(ts);
                                 const posCd = (macdVal > 0) ? 'aboveBar' : (macdVal < 0) ? 'belowBar' : 'belowBar';
-                                mainMarkers.push({ time: ts, position: posCd, color: '#ff9800', shape: 'arrowDown', text: 'CD', size: 0.6 });
+                                mainMarkers.push(makeCdMarker(ts, posCd));
                             }
                             if (item.near0_return && Number(item.near0_return) > 0) {
                                 mainMarkers.push({ time: ts, position: 'belowBar', color: '#8bc34a', shape: 'circle', text: `${Number(item.near0_return)}`, size: 0.6 });
@@ -409,15 +449,15 @@ function chartTvRenderIndicators(ctx) {
                             if (!item || !item.time) return;
                             const ts = Math.floor(new Date(item.time).getTime() / 1000);
                             if (isNaN(ts)) return;
-                            if (Number(item.separate_div) > 0) {
+                            if (shouldShowSdMarker(item.separate_div)) {
                                 const macdVal = elementMacdMap.get(ts);
                                 const posSd = (macdVal > 0) ? 'aboveBar' : (macdVal < 0) ? 'belowBar' : 'aboveBar';
-                                elementMarkers.push({ time: ts, position: posSd, color: '#9c27b0', shape: 'arrowUp', text: `SD${Number(item.separate_div)}`, size: 0.6 });
+                                elementMarkers.push(makeSdMarker(ts, posSd, item.separate_div));
                             }
                             if (item.continue_div === true) {
                                 const macdVal = elementMacdMap.get(ts);
                                 const posCd = (macdVal > 0) ? 'aboveBar' : (macdVal < 0) ? 'belowBar' : 'belowBar';
-                                elementMarkers.push({ time: ts, position: posCd, color: '#4caf50', shape: 'arrowDown', text: 'CD', size: 0.6 });
+                                elementMarkers.push(makeCdMarker(ts, posCd));
                             }
                             if (item.near0_return && Number(item.near0_return) > 0) {
                                 elementMarkers.push({ time: ts, position: 'belowBar', color: '#009688', shape: 'circle', text: `${Number(item.near0_return)}`, size: 0.6 });
@@ -427,21 +467,24 @@ function chartTvRenderIndicators(ctx) {
 
                     const subSubCm = currentData.sub_sub_chan_macd || {};
                     const subSubMarkers = [];
-                    const subSubMacdMap = buildMacdTimeMap(currentData.macd, currentData.kline_data);
+                    const subSubMacdMap = buildMacdTimeMap(
+                        (currentData.sub_sub_macd || currentData.macd),
+                        (currentData.sub_sub_kline_data || currentData.kline_data)
+                    );
                     if (window.showUOnSubSub && Array.isArray(subSubCm.klu_list)) {
                         subSubCm.klu_list.forEach((item) => {
                             if (!item || !item.time) return;
                             const ts = Math.floor(new Date(item.time).getTime() / 1000);
                             if (isNaN(ts)) return;
-                            if (Number(item.separate_div) > 0) {
+                            if (shouldShowSdMarker(item.separate_div)) {
                                 const macdVal = subSubMacdMap.get(ts);
                                 const posSd = (macdVal > 0) ? 'aboveBar' : (macdVal < 0) ? 'belowBar' : 'aboveBar';
-                                subSubMarkers.push({ time: ts, position: posSd, color: '#00897b', shape: 'arrowUp', text: `SD${Number(item.separate_div)}`, size: 0.6 });
+                                subSubMarkers.push(makeSdMarker(ts, posSd, item.separate_div));
                             }
                             if (item.continue_div === true) {
                                 const macdVal = subSubMacdMap.get(ts);
                                 const posCd = (macdVal > 0) ? 'aboveBar' : (macdVal < 0) ? 'belowBar' : 'belowBar';
-                                subSubMarkers.push({ time: ts, position: posCd, color: '#26a69a', shape: 'arrowDown', text: 'CD', size: 0.6 });
+                                subSubMarkers.push(makeCdMarker(ts, posCd));
                             }
                             if (item.near0_return && Number(item.near0_return) > 0) {
                                 subSubMarkers.push({ time: ts, position: 'belowBar', color: '#00695c', shape: 'circle', text: `${Number(item.near0_return)}`, size: 0.6 });
@@ -484,7 +527,8 @@ function chartTvRenderIndicators(ctx) {
                     const k = klineArr[i];
                     if (!k || !k.date) continue;
                     const t = Math.floor(new Date(k.date).getTime() / 1000);
-                    const val = (macdObj.macd && macdObj.macd[i] !== undefined && macdObj.macd[i] !== null) ? macdObj.macd[i] : null;
+                    const hist = (macdObj.histogram && macdObj.histogram[i] !== undefined && macdObj.histogram[i] !== null) ? macdObj.histogram[i] : null;
+                    const val = (hist !== null) ? hist : ((macdObj.macd && macdObj.macd[i] !== undefined && macdObj.macd[i] !== null) ? macdObj.macd[i] : null);
                     map.set(t, val);
                 }
                 return map;
@@ -494,20 +538,24 @@ function chartTvRenderIndicators(ctx) {
                 (currentData.element_macd || currentData.macd),
                 (currentData.element_kline_data || currentData.kline_data)
             );
+            const subSubMacdMapAll = buildMacdTimeMapAll(
+                (currentData.sub_sub_macd || currentData.macd),
+                (currentData.sub_sub_kline_data || currentData.kline_data)
+            );
             if ((typeof window.showUOnMain === 'undefined' ? false : window.showUOnMain) && Array.isArray(mainCmAll.klu_list)) {
                 mainCmAll.klu_list.forEach((item) => {
                     if (!item || !item.time) return;
                     const ts = Math.floor(new Date(item.time).getTime() / 1000);
                     if (isNaN(ts)) return;
-                    if (Number(item.separate_div) > 0) {
+                    if (shouldShowSdMarker(item.separate_div)) {
                         const macdVal = mainMacdMapAll.get(ts);
                         const posSd = (macdVal > 0) ? 'aboveBar' : (macdVal < 0) ? 'belowBar' : 'aboveBar';
-                        mainMarkersAll.push({ time: ts, position: posSd, color: '#03a9f4', shape: 'arrowUp', text: `SD${Number(item.separate_div)}`, size: 0.6 });
+                        mainMarkersAll.push(makeSdMarker(ts, posSd, item.separate_div));
                     }
                     if (item.continue_div === true) {
                         const macdVal = mainMacdMapAll.get(ts);
                         const posCd = (macdVal > 0) ? 'aboveBar' : (macdVal < 0) ? 'belowBar' : 'belowBar';
-                        mainMarkersAll.push({ time: ts, position: posCd, color: '#ff9800', shape: 'arrowDown', text: 'CD', size: 0.6 });
+                        mainMarkersAll.push(makeCdMarker(ts, posCd));
                     }
                     if (item.near0_return && Number(item.near0_return) > 0) {
                         mainMarkersAll.push({ time: ts, position: 'belowBar', color: '#8bc34a', shape: 'circle', text: `${Number(item.near0_return)}`, size: 0.6 });
@@ -519,15 +567,15 @@ function chartTvRenderIndicators(ctx) {
                     if (!item || !item.time) return;
                     const ts = Math.floor(new Date(item.time).getTime() / 1000);
                     if (isNaN(ts)) return;
-                    if (Number(item.separate_div) > 0) {
+                    if (shouldShowSdMarker(item.separate_div)) {
                         const macdVal = elementMacdMapAll.get(ts);
                         const posSd = (macdVal > 0) ? 'aboveBar' : (macdVal < 0) ? 'belowBar' : 'aboveBar';
-                        elementMarkersAll.push({ time: ts, position: posSd, color: '#9c27b0', shape: 'arrowUp', text: `SD${Number(item.separate_div)}`, size: 0.6 });
+                        elementMarkersAll.push(makeSdMarker(ts, posSd, item.separate_div));
                     }
                     if (item.continue_div === true) {
                         const macdVal = elementMacdMapAll.get(ts);
                         const posCd = (macdVal > 0) ? 'aboveBar' : (macdVal < 0) ? 'belowBar' : 'belowBar';
-                        elementMarkersAll.push({ time: ts, position: posCd, color: '#4caf50', shape: 'arrowDown', text: 'CD', size: 0.6 });
+                        elementMarkersAll.push(makeCdMarker(ts, posCd));
                     }
                     if (item.near0_return && Number(item.near0_return) > 0) {
                         elementMarkersAll.push({ time: ts, position: 'belowBar', color: '#009688', shape: 'circle', text: `${Number(item.near0_return)}`, size: 0.6 });
@@ -543,11 +591,15 @@ function chartTvRenderIndicators(ctx) {
                     if (!item || !item.time) return;
                     const ts = Math.floor(new Date(item.time).getTime() / 1000);
                     if (isNaN(ts)) return;
-                    if (Number(item.separate_div) > 0) {
-                        subSubMarkersAll.push({ time: ts, position: 'aboveBar', color: '#00897b', shape: 'arrowUp', text: `SD${Number(item.separate_div)}`, size: 0.6 });
+                    if (shouldShowSdMarker(item.separate_div)) {
+                        const macdVal = subSubMacdMapAll.get(ts);
+                        const posSd = (macdVal > 0) ? 'aboveBar' : (macdVal < 0) ? 'belowBar' : 'aboveBar';
+                        subSubMarkersAll.push(makeSdMarker(ts, posSd, item.separate_div));
                     }
                     if (item.continue_div === true) {
-                        subSubMarkersAll.push({ time: ts, position: 'belowBar', color: '#26a69a', shape: 'arrowDown', text: 'CD', size: 0.6 });
+                        const macdVal = subSubMacdMapAll.get(ts);
+                        const posCd = (macdVal > 0) ? 'aboveBar' : (macdVal < 0) ? 'belowBar' : 'belowBar';
+                        subSubMarkersAll.push(makeCdMarker(ts, posCd));
                     }
                     if (item.near0_return && Number(item.near0_return) > 0) {
                         subSubMarkersAll.push({ time: ts, position: 'belowBar', color: '#00695c', shape: 'circle', text: `${Number(item.near0_return)}`, size: 0.6 });
@@ -555,6 +607,9 @@ function chartTvRenderIndicators(ctx) {
                 });
             }
             window.kluDivMarkersSubSub = subSubMarkersAll;
+            if (typeof refreshUnittfOverlayFromData === 'function') {
+                refreshUnittfOverlayFromData(currentData);
+            }
         } catch (e) {
             console.warn('独立计算 KLU 背驰标记出错:', e);
             window.kluDivMarkersMain = [];

web/static/js/app/chart_tv_lifecycle.js

@@ -25,7 +25,7 @@ function disposeTradingViewCharts() {
         }
 
         if (tvWidget) {
-            ['mainChart', 'volumeChart', 'macdChart', 'chanMacdChart', 'atrChart'].forEach(function (key) {
+            ['mainChart', 'volumeChart', 'macdChart', 'chanMacdChart', 'atrChart', 'sentimentChart'].forEach(function (key) {
                 try {
                     if (tvWidget[key] && typeof tvWidget[key].remove === 'function') {
                         tvWidget[key].remove();

web/static/js/app/chart_tv_overlays.js

@@ -82,6 +82,97 @@ var SUB_SUB_KLC_TREND_STYLE = {
     UNKNOWN: { position: 'inBar', color: '#004d40', shape: 'square', size: 0.5 }
 };
 
+function pushAreaTextLabel(out, item, style, text) {
+    if (!item || !item.end_time || !text) return;
+    var ts = Math.floor(new Date(item.end_time).getTime() / 1000);
+    if (isNaN(ts)) return;
+    var price = Number(item.end_price);
+    if (!isFinite(price)) price = Number(item.start_price);
+    if (!isFinite(price)) return;
+    var up = Number(item.direction) === 1;
+    out.push({
+        time: ts,
+        price: price,
+        text: text,
+        color: style.color,
+        above: up
+    });
+}
+
+function formatMacdAreaText(v) {
+    var n = Number(v);
+    if (!isFinite(n) || n === 0) return '';
+    var abs = Math.abs(n);
+    if (abs >= 100) return n.toFixed(0);
+    if (abs >= 10) return n.toFixed(1);
+    return n.toFixed(2);
+}
+
+function pushAreaHistMarker(out, item, style) {
+    pushAreaTextLabel(out, item, style, formatMacdAreaText(item && item.macd_hist));
+}
+
+function collectAreaHistMarkers(biList, uncompletedBi, segList, uncompletedSeg, biStyle, segStyle, showBi, showSeg) {
+    var out = [];
+    if (showBi) {
+        (biList || []).forEach(function (bi) { pushAreaHistMarker(out, bi, biStyle); });
+        (uncompletedBi || []).forEach(function (bi) { pushAreaHistMarker(out, bi, biStyle); });
+    }
+    if (showSeg) {
+        (segList || []).forEach(function (seg) { pushAreaHistMarker(out, seg, segStyle); });
+        (uncompletedSeg || []).forEach(function (seg) { pushAreaHistMarker(out, seg, segStyle); });
+    }
+    return out;
+}
+
+function buildAreaHistMarkersFromData(data) {
+    var markers = [];
+    if (!data) return markers;
+    var showMainBi = $('#showMainBiArea').is(':checked');
+    var showMainSeg = $('#showMainSegArea').is(':checked');
+    if (showMainBi || showMainSeg) {
+        markers = markers.concat(collectAreaHistMarkers(
+            data.bi_list,
+            data.uncompleted_bi_list,
+            data.seg_list,
+            data.uncompleted_seg_list,
+            { color: '#1565c0', size: 0.55 },
+            { color: '#00838f', size: 0.65 },
+            showMainBi,
+            showMainSeg
+        ));
+    }
+    var showElementBi = $('#showElementBiArea').is(':checked');
+    var showElementSeg = $('#showElementSegArea').is(':checked');
+    if (showElementBi || showElementSeg) {
+        markers = markers.concat(collectAreaHistMarkers(
+            data.element_bi_list,
+            data.element_uncompleted_bi_list,
+            data.element_seg_list,
+            data.element_uncompleted_seg_list,
+            { color: '#3949ab', size: 0.5 },
+            { color: '#5c6bc0', size: 0.6 },
+            showElementBi,
+            showElementSeg
+        ));
+    }
+    var showSubSubBi = $('#showSubSubBiArea').is(':checked');
+    var showSubSubSeg = $('#showSubSubSegArea').is(':checked');
+    if (showSubSubBi || showSubSubSeg) {
+        markers = markers.concat(collectAreaHistMarkers(
+            data.sub_sub_bi_list,
+            data.sub_sub_uncompleted_bi_list,
+            data.sub_sub_seg_list,
+            data.sub_sub_uncompleted_seg_list,
+            { color: '#2e7d32', size: 0.45 },
+            { color: '#558b2f', size: 0.55 },
+            showSubSubBi,
+            showSubSubSeg
+        ));
+    }
+    return markers;
+}
+
 function buildKlcTrendMarker(timeAligned, trendRaw, palette) {
     var kind = normalizeKlcTrendRaw(trendRaw);
     var style = palette[kind] || palette.UNKNOWN || palette.FLAT;
@@ -136,6 +227,21 @@ function getMainPriceSeries() {
         s.lineSeries || s.areaSeries || s.baselineSeries || null;
 }
 
+function plotLeftOffset(chart) {
+    try {
+        var left = chart && chart.priceScale && chart.priceScale('left');
+        if (!left) return 0;
+        var visible = true;
+        try {
+            var opts = left.options && left.options();
+            if (opts && opts.visible === false) return 0;
+        } catch (e) {}
+        return (typeof left.width === 'function' ? left.width() : 0) || 0;
+    } catch (e) {
+        return 0;
+    }
+}
+
 function syncFxBoxVerticalOverlay(mainChart, mainChartContainer) {
     if (!mainChart || !mainChartContainer) return;
     if (typeof window._fxBoxOverlayCleanup === 'function') {
@@ -163,23 +269,38 @@ function syncFxBoxVerticalOverlay(mainChart, mainChartContainer) {
     // LWC 4 无 priceScale 订阅：采样坐标变化（含增量 setData 后自动缩放）
     var sampleSig = function () {
         var boxes = window._fxBoxVerticals || [];
+        var labels = window._areaTextLabels || [];
         var series = getMainPriceSeries();
-        if (!series || !boxes.length) return '0';
+        if (!series || (!boxes.length && !labels.length)) return '0';
         var ts = mainChart.timeScale();
-        var a = boxes[0];
-        var b = boxes[boxes.length - 1];
-        return [
-            boxes.length,
-            quant(ts.timeToCoordinate(a.time)),
-            quant(series.priceToCoordinate(a.hi)),
-            quant(series.priceToCoordinate(a.lo)),
-            quant(ts.timeToCoordinate(b.time)),
-            quant(series.priceToCoordinate(b.hi)),
-            quant(series.priceToCoordinate(b.lo))
-        ].join('|');
+        var parts = [boxes.length, labels.length, quant(plotLeftOffset(mainChart))];
+        if (boxes.length) {
+            var a = boxes[0];
+            var b = boxes[boxes.length - 1];
+            parts.push(
+                quant(ts.timeToCoordinate(a.time)),
+                quant(series.priceToCoordinate(a.hi)),
+                quant(series.priceToCoordinate(a.lo)),
+                quant(ts.timeToCoordinate(b.time)),
+                quant(series.priceToCoordinate(b.hi)),
+                quant(series.priceToCoordinate(b.lo))
+            );
+        }
+        if (labels.length) {
+            var la = labels[0];
+            var lb = labels[labels.length - 1];
+            parts.push(
+                quant(ts.timeToCoordinate(la.time)),
+                quant(series.priceToCoordinate(la.price)),
+                quant(ts.timeToCoordinate(lb.time)),
+                quant(series.priceToCoordinate(lb.price))
+            );
+        }
+        return parts.join('|');
     };
     var redraw = function () {
         var boxes = window._fxBoxVerticals || [];
+        var labels = window._areaTextLabels || [];
         var series = getMainPriceSeries();
         var rect = mainChartContainer.getBoundingClientRect();
         var dpr = window.devicePixelRatio || 1;
@@ -191,26 +312,41 @@ function syncFxBoxVerticalOverlay(mainChart, mainChartContainer) {
         if (!ctx2) return;
         ctx2.setTransform(dpr, 0, 0, dpr, 0, 0);
         ctx2.clearRect(0, 0, rect.width, rect.height);
-        if (!series || !boxes.length) {
+        if (!series || (!boxes.length && !labels.length)) {
             lastSig = sampleSig();
             return;
         }
         var ts = mainChart.timeScale();
+        var x0 = plotLeftOffset(mainChart);
         for (var i = 0; i < boxes.length; i++) {
             var box = boxes[i];
             var x = ts.timeToCoordinate(box.time);
             var y1 = series.priceToCoordinate(box.hi);
             var y2 = series.priceToCoordinate(box.lo);
             if (x == null || y1 == null || y2 == null) continue;
+            var px = Math.round(x + x0) + 0.5;
             ctx2.beginPath();
             ctx2.strokeStyle = box.color;
             ctx2.lineWidth = 1;
             ctx2.setLineDash([4, 3]);
-            ctx2.moveTo(Math.round(x) + 0.5, y1);
-            ctx2.lineTo(Math.round(x) + 0.5, y2);
+            ctx2.moveTo(px, y1);
+            ctx2.lineTo(px, y2);
             ctx2.stroke();
         }
         ctx2.setLineDash([]);
+        if (labels.length) {
+            ctx2.font = '11px sans-serif';
+            ctx2.textAlign = 'center';
+            for (var li = 0; li < labels.length; li++) {
+                var lab = labels[li];
+                var lx = ts.timeToCoordinate(lab.time);
+                var ly = series.priceToCoordinate(lab.price);
+                if (lx == null || ly == null) continue;
+                ctx2.fillStyle = lab.color;
+                ctx2.textBaseline = lab.above ? 'bottom' : 'top';
+                ctx2.fillText(lab.text, Math.round(lx + x0), lab.above ? ly - 3 : ly + 3);
+            }
+        }
         lastSig = sampleSig();
     };
     var scheduleRedraw = function () {
@@ -257,6 +393,7 @@ function syncFxBoxVerticalOverlay(mainChart, mainChartContainer) {
 
 function chartTvRenderOverlays(ctx) {
         window._fxBoxVerticals = [];
+        window._areaTextLabels = [];
         var symbol = ctx.symbol;
         var timeframe = ctx.timeframe;
         var symbolConfig = ctx.symbolConfig;
@@ -990,56 +1127,6 @@ function chartTvRenderOverlays(ctx) {
             window.bspMarkers = [];
         }
 
-        // 第四类买卖点（B4/S4）：中枢突破回抽后当根入场，位置同 B3/S3 但早 7~8 根。
-        // 与 BSP 分开收集，因为它数量远多于 B1/B2/B3，混在一个开关里图会糊掉。
-        if ($('#showMainFastBsp').is(':checked') || $('#showElementFastBsp').is(':checked') || $('#showSubSubFastBsp').is(':checked')) {
-            // 深色 = 区间套(大级别分型同向) + 中枢顺向推进都满足；浅色 = 未通过过滤
-            const FAST_BSP_STYLE = {
-                'BUY':  { strong: '#FF6D00', weak: '#FFCC80', text: 'B4', position: 'belowBar' },
-                'SELL': { strong: '#0091EA', weak: '#81D4FA', text: 'S4', position: 'aboveBar' },
-            };
-            const onlyFiltered = ($('#fastBspFilterMode').val() || 'all') === 'filtered';
-            const allFastBspMarkers = [];
-
-            const collectFastBsp = function(list, prefix, label) {
-                (list || []).forEach(function(bsp) {
-                    try {
-                        const ts = Math.floor(new Date(bsp.time).getTime() / 1000);
-                        if (isNaN(ts)) return;
-                        const style = FAST_BSP_STYLE[(bsp.dir || '').toUpperCase()];
-                        if (!style) return;
-                        const passed = !!(bsp.htf_agree && bsp.ladder_ok);
-                        if (onlyFiltered && !passed) return;
-                        allFastBspMarkers.push({
-                            time: ts,
-                            position: style.position,
-                            color: passed ? style.strong : style.weak,
-                            text: prefix + (passed ? style.text : style.text.toLowerCase()),
-                            size: passed ? 2 : 1
-                        });
-                    } catch (e) {
-                        console.error(label + '第四类买卖点处理出错:', e);
-                    }
-                });
-            };
-
-            if ($('#showMainFastBsp').is(':checked')) {
-                collectFastBsp(currentData.fast_bsp_list, '', '主周期');
-            }
-            if ($('#showElementFastBsp').is(':checked')) {
-                collectFastBsp(currentData.element_fast_bsp_list, 'e', '次周期');
-            }
-            if ($('#showSubSubFastBsp').is(':checked')) {
-                collectFastBsp(currentData.sub_sub_fast_bsp_list, 's', '次次周期');
-            }
-
-            allFastBspMarkers.sort((a, b) => a.time - b.time);
-            window.fastBspMarkers = allFastBspMarkers;
-            console.log(`绘制第四类买卖点，共${allFastBspMarkers.length}个标记（${onlyFiltered ? '仅过滤后' : '全部'}）`);
-        } else {
-            window.fastBspMarkers = [];
-        }
-
         // 添加买卖点标记（旧版，保留兼容）
         // 这里为了与主面板上的「买卖点」开关保持一致，
         // 同时响应顶部的 `#showMainBsp` 复选框
@@ -1615,7 +1702,7 @@ function chartTvRenderOverlays(ctx) {
                     lineStyle: 2, // 虚线
                     lastValueVisible: false,
                     priceLineVisible: false,
-                    title: '次周期布林上轨'
+                    title: '次布林上轨'
                 });
                 elementUpperBandSeries.setData(elementUpperBandData);
                 
@@ -1626,7 +1713,7 @@ function chartTvRenderOverlays(ctx) {
                     lineStyle: 2, // 虚线
                     lastValueVisible: false,
                     priceLineVisible: false,
-                    title: '次周期布林下轨'
+                    title: '次布林下轨'
                 });
                 elementLowerBandSeries.setData(elementLowerBandData);
                 
@@ -1636,7 +1723,7 @@ function chartTvRenderOverlays(ctx) {
                     lineWidth: 1,
                     lastValueVisible: false,
                     priceLineVisible: false,
-                    title: '次周期布林中轨'
+                    title: '次布林中轨'
                 });
                 elementMiddleBandSeries.setData(elementMiddleBandData);
                 
@@ -1751,7 +1838,7 @@ function chartTvRenderOverlays(ctx) {
                     const fxMarker = {
                         time: timestamp,
                         tooltip: `<div style="color: ${strengthColor}; font-weight: bold;">
-                            主周期${fx.is_bottom ? '底分型' : '顶分型'}(合): ${fx.fx_type}<br>
+                            主${fx.is_bottom ? '底分型' : '顶分型'}(合): ${fx.fx_type}<br>
                             强度分数: ${fx.fx_strength}分<br>
                             强度等级: ${fx.fx_strength_level}<br>
                             是否强分型: ${fx.is_strong_fx ? '是' : '否'}<br>
@@ -1815,7 +1902,7 @@ function chartTvRenderOverlays(ctx) {
                     const fxMarker = {
                         time: timestamp,
                         tooltip: `<div style="color: ${strengthColor}; font-weight: bold;">
-                            主周期${fx.is_bottom ? '底分型' : '顶分型'}(原): ${fx.fx_type}<br>
+                            主${fx.is_bottom ? '底分型' : '顶分型'}(原): ${fx.fx_type}<br>
                             强度分数: ${fx.fx_strength}分<br>
                             强度等级: ${fx.fx_strength_level}<br>
                             是否强分型: ${fx.is_strong_fx ? '是' : '否'}<br>
@@ -1852,6 +1939,14 @@ function chartTvRenderOverlays(ctx) {
             window.mainFxMarkers = [];
             window.fxMarkers = [];
         }
+        window._areaTextLabels = alignMarkersToCandles(
+            buildAreaHistMarkersFromData(currentData),
+            candles
+        );
+        if (typeof window._redrawFxBoxVerticalOverlay === 'function') {
+            window._redrawFxBoxVerticalOverlay();
+        }
+
         // 绘制小周期分型标记（含次次周期）
         if (($('#showElementKlcFxType').is(':checked') && currentData.element_klc_fx_info && currentData.element_klc_fx_info.length > 0) ||
             ($('#showElementKluFxType').is(':checked') && currentData.element_klu_fx_info && currentData.element_klu_fx_info.length > 0) ||
@@ -1940,7 +2035,7 @@ function chartTvRenderOverlays(ctx) {
                         const elementFxMarker = {
                             time: timestamp,
                             tooltip: `<div style="color: ${strengthColor}; font-weight: bold;">
-                                小周期${fx.is_bottom ? '底分型' : '顶分型'}(合): ${fx.fx_type}<br>
+                                次${fx.is_bottom ? '底分型' : '顶分型'}(合): ${fx.fx_type}<br>
                                 强度分数: ${fx.fx_strength}分<br>
                                 强度等级: ${fx.fx_strength_level}<br>
                                 是否强分型: ${fx.is_strong_fx ? '是' : '否'}<br>
@@ -1996,7 +2091,7 @@ function chartTvRenderOverlays(ctx) {
                         const elementFxMarker = {
                             time: timestamp,
                             tooltip: `<div style="color: ${strengthColor}; font-weight: bold;">
-                                小周期${fx.is_bottom ? '底分型' : '顶分型'}(原): ${fx.fx_type}<br>
+                                次${fx.is_bottom ? '底分型' : '顶分型'}(原): ${fx.fx_type}<br>
                                 强度分数: ${fx.fx_strength}分<br>
                                 强度等级: ${fx.fx_strength_level}<br>
                                 是否强分型: ${fx.is_strong_fx ? '是' : '否'}<br>
@@ -2157,7 +2252,7 @@ function chartTvRenderOverlays(ctx) {
                 trendMarkersToUse = trendMarkersToUse.concat(subSubMarkers);
             }
 
-            // 合并标记并设置
+            // 合并标记并设置（主图不画 U/穿零轴，只留背驰 SD/CD）
             const combinedMarkers = [
                 ...(window.mainFxMarkers || []),
                 ...allElementFxMarkers,
@@ -2165,17 +2260,15 @@ function chartTvRenderOverlays(ctx) {
                 ...(window.kluDivMarkersElement || []),
                 ...(window.kluDivMarkersSubSub || []),
                 ...trendMarkersToUse,
-                ...(window.bspMarkers || []),
-                ...(window.fastBspMarkers || [])
+                ...(window.bspMarkers || [])
             ];
             if (combinedMarkers.length > 0) {
                 console.log(
                     '合并设置', combinedMarkers.length, '个标记（主周期分型:',
                     (window.mainFxMarkers || []).length,
                     '个，小周期分型:', allElementFxMarkers.length,
-                    '个，UnitTF:', (window.unittfMarkers || []).length,
+                    '个，背驰:', (window.kluDivMarkersMain || []).length,
                     '个，BSP标记:', (window.bspMarkers || []).length,
-                    '个，第四类标记:', (window.fastBspMarkers || []).length,
                     '个）'
                 );
                 
@@ -2277,18 +2370,17 @@ function chartTvRenderOverlays(ctx) {
             // 这里的 onlyMainAndU 实际上是「最终要挂到主K线上」的一组标记
             // 之前没有把 window.bspMarkers 合进去，导致上面已经合并了 BSP 标记，
             // 但在这里再次调用 setMarkers 时把 BSP 覆盖掉了，从而前端看不到买卖点。
-            // 修复：把 BSP 标记一并合并进来。第四类买卖点同理，两处都要带上。
+            // 修复：把 BSP 标记一并合并进来。两处都要带上，否则后面这次 setMarkers 会把买卖点盖掉。
             const onlyMainAndU = [
                 ...(window.mainFxMarkers || []),
                 ...(window.kluDivMarkersMain || []),
                 ...(window.kluDivMarkersElement || []),
                 ...(window.kluDivMarkersSubSub || []),
                 ...trendMarkersToUse,
-                ...(window.bspMarkers || []),
-                ...(window.fastBspMarkers || [])
+                ...(window.bspMarkers || [])
             ];
             if (onlyMainAndU.length > 0) {
-                console.log('仅设置', onlyMainAndU.length, '个主周期/UnitTF标记（主周期分型:', (window.mainFxMarkers || []).length, '，UnitTF:', (window.unittfMarkers || []).length, '）');
+                console.log('仅设置', onlyMainAndU.length, '个主图标记（主周期分型:', (window.mainFxMarkers || []).length, '，背驰:', (window.kluDivMarkersMain || []).length, '）');
                 
                 // 根据当前主系列类型设置标记
                 const klineType2 = ($('#klineType').val() || (showOriginalKline ? 'candlestick' : 'line'));

web/static/js/app/chart_tv_shell.js

@@ -77,6 +77,7 @@ function chartTvBuildShell(ctx) {
             mainChart: null,
             volumeChart: null,
             macdChart: null,
+            sentimentChart: null,
             series: {
                 candleSeries: null,
                 lineSeries: null,
@@ -125,6 +126,7 @@ function chartTvBuildShell(ctx) {
         // 是否显示MACD
         const showMacd = $('#showMacd').is(':checked');
         const showOriginalKline = $('#showOriginalKline').is(':checked');
+        const showSentiment = ($('#dataSource').val() || 'crypto') === 'crypto' && $('#showDeriv').is(':checked');
         
         // 创建主图容器
         const mainChartContainer = document.createElement('div');
@@ -153,25 +155,20 @@ function chartTvBuildShell(ctx) {
         // 如果需要显示MACD，创建MACD容器
         let macdChartContainer = null;
         let chanMacdChartContainer = null;
-        if (showMacd) {
-            // 仅显示新的 ChanMACD 图：让其占用原 MACD+ChanMACD 的整体高度
-            // 新布局：主图(40%) → ChanMACD(30%) → 成交量(17.5%) → ATR(12.5%)
-            mainChartContainer.style.height = '40%';
-
-            // 隐藏旧 MACD 容器（不创建）
-            // 创建 ChanMACD 容器占据原 MACD+ChanMACD 高度（30%）
+        let sentimentChartContainer = null;
+        if (showMacd && showSentiment) {
+            mainChartContainer.style.height = '34%';
             chanMacdChartContainer = document.createElement('div');
             chanMacdChartContainer.style.width = '100%';
-            chanMacdChartContainer.style.height = '30%';
+            chanMacdChartContainer.style.height = 'calc(22% - 50px)';
             chanMacdChartContainer.style.position = 'absolute';
-            chanMacdChartContainer.style.top = '40%';
+            chanMacdChartContainer.style.top = '34%';
             chanMacdChartContainer.style.left = '0';
             chanMacdChartContainer.style.right = '0';
             chanMacdChartContainer.style.borderTop = '1px solid #e0e0e0';
             chanMacdChartContainer.style.zIndex = '10';
-            // 水印：便于区分是新的 ChanMACD 子图
             const chanMacdWatermark = document.createElement('div');
-            chanMacdWatermark.textContent = 'ChanMACD';
+            chanMacdWatermark.textContent = 'MACD';
             chanMacdWatermark.style.position = 'absolute';
             chanMacdWatermark.style.top = '4px';
             chanMacdWatermark.style.left = '8px';
@@ -179,31 +176,81 @@ function chartTvBuildShell(ctx) {
             chanMacdWatermark.style.color = '#888';
             chanMacdWatermark.style.pointerEvents = 'none';
             chanMacdChartContainer.appendChild(chanMacdWatermark);
-
-            // 成交量位于 ChanMACD 之下
-            volumeChartContainer.style.top = '70%';
-            volumeChartContainer.style.height = '17.5%';
-
-            // ATR 位于最底部
-            atrChartContainer.style.top = '87.5%';
-            atrChartContainer.style.height = '12.5%';
+            volumeChartContainer.style.top = 'calc(56% - 50px)';
+            volumeChartContainer.style.height = 'calc(12% + 20px)';
+            atrChartContainer.style.top = 'calc(68% - 30px)';
+            atrChartContainer.style.height = 'calc(10% - 20px)';
+        } else if (showMacd) {
+            mainChartContainer.style.height = '40%';
+            chanMacdChartContainer = document.createElement('div');
+            chanMacdChartContainer.style.width = '100%';
+            chanMacdChartContainer.style.height = 'calc(30% - 50px)';
+            chanMacdChartContainer.style.position = 'absolute';
+            chanMacdChartContainer.style.top = '40%';
+            chanMacdChartContainer.style.left = '0';
+            chanMacdChartContainer.style.right = '0';
+            chanMacdChartContainer.style.borderTop = '1px solid #e0e0e0';
+            chanMacdChartContainer.style.zIndex = '10';
+            const chanMacdWatermark = document.createElement('div');
+            chanMacdWatermark.textContent = 'MACD';
+            chanMacdWatermark.style.position = 'absolute';
+            chanMacdWatermark.style.top = '4px';
+            chanMacdWatermark.style.left = '8px';
+            chanMacdWatermark.style.fontSize = '11px';
+            chanMacdWatermark.style.color = '#888';
+            chanMacdWatermark.style.pointerEvents = 'none';
+            chanMacdChartContainer.appendChild(chanMacdWatermark);
+            volumeChartContainer.style.top = 'calc(70% - 50px)';
+            volumeChartContainer.style.height = 'calc(17.5% + 20px)';
+            atrChartContainer.style.top = 'calc(87.5% - 30px)';
+            atrChartContainer.style.height = 'calc(12.5% - 20px)';
+        } else if (showSentiment) {
+            mainChartContainer.style.height = '48%';
+            volumeChartContainer.style.top = '48%';
+            volumeChartContainer.style.height = '14%';
+            atrChartContainer.style.top = '62%';
+            atrChartContainer.style.height = '12%';
         } else {
-            // 不显示MACD时的高度 - 主图、成交量图和ATR图分配
-            mainChartContainer.style.height = '55%'; // 主图占55%
+            mainChartContainer.style.height = '55%';
             volumeChartContainer.style.top = '55%';
-            volumeChartContainer.style.height = '22.5%'; // 成交量图占22.5%
-
-            atrChartContainer.style.top = '77.5%'; // ATR图从77.5%位置开始
-            atrChartContainer.style.height = '22.5%'; // ATR图占22.5%
+            volumeChartContainer.style.height = '22.5%';
+            atrChartContainer.style.top = '77.5%';
+            atrChartContainer.style.height = '22.5%';
+        }
+        if (showSentiment) {
+            sentimentChartContainer = document.createElement('div');
+            sentimentChartContainer.style.width = '100%';
+            sentimentChartContainer.style.position = 'absolute';
+            sentimentChartContainer.style.left = '0';
+            sentimentChartContainer.style.right = '0';
+            sentimentChartContainer.style.borderTop = '1px solid #e0e0e0';
+            if (showMacd) {
+                sentimentChartContainer.style.top = '78%';
+                sentimentChartContainer.style.height = '22%';
+            } else {
+                sentimentChartContainer.style.top = '74%';
+                sentimentChartContainer.style.height = '26%';
+            }
+            const sentimentWatermark = document.createElement('div');
+            sentimentWatermark.textContent = '衍生品  买卖比 / 多空 / 大户 / 费率';
+            sentimentWatermark.style.position = 'absolute';
+            sentimentWatermark.style.top = '4px';
+            sentimentWatermark.style.left = '8px';
+            sentimentWatermark.style.fontSize = '11px';
+            sentimentWatermark.style.color = '#888';
+            sentimentWatermark.style.pointerEvents = 'none';
+            sentimentChartContainer.appendChild(sentimentWatermark);
         }
         
         container.appendChild(mainChartContainer);
         container.appendChild(volumeChartContainer);
         container.appendChild(atrChartContainer);
         if (showMacd) {
-            // 只追加新的 ChanMACD 容器
             container.appendChild(chanMacdChartContainer);
         }
+        if (showSentiment && sentimentChartContainer) {
+            container.appendChild(sentimentChartContainer);
+        }
         
         // 防止同步过程中的无限循环（实际同步由 bindSyncEvents 负责）
         
@@ -221,6 +268,8 @@ function chartTvBuildShell(ctx) {
                 chartHeight = macdChartContainer ? macdChartContainer.clientHeight : 0;
             } else if (chartType === 'chanmacd') {
                 chartHeight = chanMacdChartContainer ? chanMacdChartContainer.clientHeight : 0;
+            } else if (chartType === 'sentiment') {
+                chartHeight = sentimentChartContainer ? sentimentChartContainer.clientHeight : 0;
             } else {
                 chartHeight = mainChartContainer.clientHeight;
             }
@@ -376,9 +425,26 @@ function chartTvBuildShell(ctx) {
         // 创建MACD图表（如果需要）：仅创建新的 ChanMACD 图
         let macdChart = null;
         let chanMacdChart = null;
+        let sentimentChart = null;
         if (showMacd) {
             chanMacdChart = LightweightCharts.createChart(chanMacdChartContainer, createChartOptions(false, 'chanmacd'));
         }
+        if (showSentiment && sentimentChartContainer) {
+            sentimentChart = LightweightCharts.createChart(sentimentChartContainer, createChartOptions(false, 'sentiment'));
+            if (candles.length) {
+                const axisSeries = sentimentChart.addLineSeries({
+                    priceScaleId: '__time',
+                    color: 'rgba(0,0,0,0)',
+                    lineWidth: 0,
+                    lastValueVisible: false,
+                    priceLineVisible: false,
+                    crosshairMarkerVisible: false
+                });
+                sentimentChart.priceScale('__time').applyOptions({ visible: false });
+                axisSeries.setData(candles.map(function (c) { return { time: c.time, value: 0 }; }));
+                tvWidget.series.sentimentAxisSeries = axisSeries;
+            }
+        }
         
         // 创建主价格系列并设置数据（支持多种图表类型）
         (function(){
@@ -495,10 +561,13 @@ function chartTvBuildShell(ctx) {
         ctx.atrChartContainer = atrChartContainer;
         ctx.macdChartContainer = macdChartContainer;
         ctx.chanMacdChartContainer = chanMacdChartContainer;
+        ctx.sentimentChartContainer = sentimentChartContainer;
+        ctx.showSentiment = showSentiment;
         ctx.mainChart = mainChart;
         ctx.volumeChart = volumeChart;
         ctx.atrChart = atrChart;
         ctx.macdChart = macdChart;
         ctx.chanMacdChart = chanMacdChart;
+        ctx.sentimentChart = sentimentChart;
         ctx.createChartOptions = createChartOptions;
 }

web/static/js/app/chart_view.js

@@ -74,10 +74,10 @@ function readChartFormContext() {
     return {
         dataSource: dataSource,
         symbol: symbol,
-        timeframe: $('#timeframe').val() || window.DEFAULT_MAIN_TIMEFRAME || '4h',
+        timeframe: $('#timeframe').val() || window.DEFAULT_MAIN_TIMEFRAME || '45m',
         timezone: $('#timezone').val() || 'Asia/Shanghai',
-        elementTimeframe: $('#elementTimeframe').val() || window.DEFAULT_ELEMENT_TIMEFRAME || '1m',
-        subSubTimeframe: $('#subSubTimeframe').val() || '',
+        elementTimeframe: $('#elementTimeframe').val() || window.DEFAULT_ELEMENT_TIMEFRAME || '15m',
+        subSubTimeframe: $('#subSubTimeframe').val() || window.DEFAULT_SUB_SUB_TIMEFRAME || '5m',
         startTimeMs: $('#start_time').val() ? new Date($('#start_time').val()).getTime() : null,
         endTimeMs: $('#end_time').val() ? new Date($('#end_time').val()).getTime() : null
     };

web/static/js/app/deriv_ui.js

@@ -0,0 +1,436 @@
+/* 资金面 + 情绪面。只打本站中转。OI 叠主图左侧，其余叠情绪副图。 */
+window.ChanDeriv = (function () {
+  var snapshotReq = 0;
+  var latestReq = 0;
+  var overlayReq = 0;
+  var caches = {};
+
+  var METRICS = [
+    {
+      id: 'oi',
+      checkbox: 'showOi',
+      metric: 'open_interest_history',
+      field: 'open_interest_amount',
+      seriesKey: 'oiSeries',
+      target: 'main',
+      color: 'rgba(123, 31, 162, 0.85)',
+      title: 'OI',
+      priceFormat: { type: 'volume' }
+    },
+    {
+      id: 'taker',
+      checkbox: 'showDeriv',
+      metric: 'taker_buy_sell_ratio',
+      field: 'buy_sell_ratio',
+      seriesKey: 'takerSeries',
+      target: 'sentiment',
+      color: '#0d9488',
+      title: '买卖比',
+      priceFormat: { type: 'price', precision: 3 }
+    },
+    {
+      id: 'lsAccount',
+      checkbox: 'showDeriv',
+      metric: 'long_short_account_ratio',
+      field: 'long_short_ratio',
+      seriesKey: 'lsAccountSeries',
+      target: 'sentiment',
+      color: '#2563eb',
+      title: '多空',
+      priceFormat: { type: 'price', precision: 3 }
+    },
+    {
+      id: 'lsTop',
+      checkbox: 'showDeriv',
+      metric: 'top_long_short_position_ratio',
+      field: 'long_short_ratio',
+      seriesKey: 'lsTopSeries',
+      target: 'sentiment',
+      color: '#ea580c',
+      title: '大户',
+      priceFormat: { type: 'price', precision: 3 }
+    },
+    {
+      id: 'funding',
+      checkbox: 'showDeriv',
+      metric: 'funding_rate_history',
+      field: 'funding_rate',
+      seriesKey: 'fundingHistSeries',
+      target: 'sentiment',
+      color: '#7c3aed',
+      title: '费率%',
+      scale: 'funding',
+      mul: 100,
+      priceFormat: { type: 'price', precision: 4 }
+    }
+  ];
+
+  function isCrypto() {
+    return ($('#dataSource').val() || 'crypto') === 'crypto';
+  }
+
+  function currentSymbol() {
+    return $('#symbol').val() || 'BTC/USDT:USDT';
+  }
+
+  function fmtOi(n) {
+    if (n == null || !isFinite(Number(n))) return '—';
+    return Number(n).toLocaleString('en-US', { maximumFractionDigits: 1 });
+  }
+
+  function fmtFunding(n) {
+    if (n == null || !isFinite(Number(n))) return '—';
+    return (Number(n) * 100).toFixed(4) + '%';
+  }
+
+  function fmtChg(n) {
+    if (n == null || !isFinite(Number(n))) return '—';
+    var v = Number(n);
+    return (v > 0 ? '+' : '') + v.toFixed(2) + '%';
+  }
+
+  function fmtBasis(n) {
+    if (n == null || !isFinite(Number(n))) return '—';
+    var v = Number(n);
+    return (v > 0 ? '+' : '') + v.toFixed(2);
+  }
+
+  function fmtRatio(n) {
+    if (n == null || !isFinite(Number(n))) return '—';
+    return Number(n).toFixed(3);
+  }
+
+  function setChip(id, text, tone) {
+    var el = document.getElementById(id);
+    if (!el) return;
+    el.textContent = text;
+    el.classList.remove('up', 'down');
+    if (tone) el.classList.add(tone);
+  }
+
+  function tone(n, invert) {
+    if (!isFinite(n) || n === 0) return null;
+    var up = n > 0;
+    if (invert) up = !up;
+    return up ? 'up' : 'down';
+  }
+
+  function renderDerivEmpty() {
+    setChip('derivOi', 'OI —');
+    setChip('derivOiChg', 'Δ —');
+    setChip('derivFunding', '费率 —');
+    setChip('derivBasis', '基差 —');
+    var src = document.getElementById('derivSrc');
+    if (src) src.textContent = '';
+  }
+
+  function renderSentimentEmpty() {
+    setChip('derivTaker', '买卖比 —');
+    setChip('derivLs', '多空 —');
+    setChip('derivTop', '大户 —');
+  }
+
+  function setVisible(on) {
+    var bar = document.getElementById('derivBar');
+    var wrap = document.getElementById('showSentimentWrap');
+    if (bar) bar.style.display = on ? '' : 'none';
+    if (wrap) wrap.style.display = on ? '' : 'none';
+    if (!on) clearAllSeries();
+  }
+
+  function activeKlines() {
+    var data = (typeof currentData !== 'undefined') ? currentData : null;
+    if (!data) return [];
+    if ($('#subSubPeriodKline').is(':checked') && data.sub_sub_kline_data) return data.sub_sub_kline_data;
+    if ($('#elementPeriodKline').is(':checked') && data.element_kline_data) return data.element_kline_data;
+    return data.kline_data || [];
+  }
+
+  function klineRangeMs() {
+    var rows = activeKlines();
+    if (!rows.length) return null;
+    var start = new Date(rows[0].date).getTime();
+    var end = new Date(rows[rows.length - 1].date).getTime();
+    if (!isFinite(start) || !isFinite(end)) return null;
+    return { start: start, end: end };
+  }
+
+  function toPoints(rows, field, mul) {
+    var out = [];
+    var lastT = null;
+    var factor = mul || 1;
+    (rows || []).forEach(function (row) {
+      var ms = Number(row.timestamp);
+      var val = Number(row[field]);
+      if (!isFinite(ms) || !isFinite(val)) return;
+      var t = Math.floor(ms / 1000);
+      var v = val * factor;
+      if (lastT === t) {
+        out[out.length - 1].value = v;
+        return;
+      }
+      lastT = t;
+      out.push({ time: t, value: v });
+    });
+    return out;
+  }
+
+  function candleTimesSec() {
+    var rows = activeKlines();
+    var times = [];
+    (rows || []).forEach(function (k) {
+      var t = Math.floor(new Date(k.date).getTime() / 1000);
+      if (isFinite(t)) times.push(t);
+    });
+    return times;
+  }
+
+  function alignToTimes(src, times) {
+    if (!src || !src.length || !times || !times.length) return [];
+    var out = [];
+    var j = 0;
+    var lastVal;
+    for (var i = 0; i < times.length; i++) {
+      var t = times[i];
+      while (j < src.length && src[j].time <= t) {
+        lastVal = src[j].value;
+        j++;
+      }
+      if (lastVal !== undefined) out.push({ time: t, value: lastVal });
+    }
+    return out;
+  }
+
+  function syncSentimentTime() {
+    if (!tvWidget || !tvWidget.mainChart || !tvWidget.sentimentChart) return;
+    try {
+      var vr = tvWidget.mainChart.timeScale().getVisibleRange();
+      var lr = tvWidget.mainChart.timeScale().getVisibleLogicalRange();
+      var opts = tvWidget.mainChart.timeScale().options ? tvWidget.mainChart.timeScale().options() : null;
+      if (opts) {
+        tvWidget.sentimentChart.timeScale().applyOptions({
+          barSpacing: opts.barSpacing,
+          rightOffset: opts.rightOffset
+        });
+      }
+      if (vr) tvWidget.sentimentChart.timeScale().setVisibleRange(vr);
+      if (lr) tvWidget.sentimentChart.timeScale().setVisibleLogicalRange(lr);
+    } catch (e) {}
+  }
+
+  function targetChart(spec) {
+    if (!tvWidget) return null;
+    if (spec.target === 'main') return tvWidget.mainChart;
+    return tvWidget.sentimentChart || null;
+  }
+
+  function safeRemove(chart, seriesKey) {
+    var series = tvWidget && tvWidget.series && tvWidget.series[seriesKey];
+    if (series && chart) {
+      try { chart.removeSeries(series); } catch (e) {}
+    }
+    if (tvWidget && tvWidget.series) tvWidget.series[seriesKey] = null;
+  }
+
+  function clearAllSeries() {
+    METRICS.forEach(function (spec) {
+      safeRemove(targetChart(spec), spec.seriesKey);
+    });
+    safeRemove(tvWidget && tvWidget.sentimentChart, 'sentimentBaseSeries');
+    try {
+      if (tvWidget && tvWidget.mainChart) {
+        tvWidget.mainChart.applyOptions({ leftPriceScale: { visible: false } });
+      }
+    } catch (e) {}
+  }
+
+  function drawSeries(spec, points) {
+    var chart = targetChart(spec);
+    if (!chart || !points || !points.length) return;
+    safeRemove(chart, spec.seriesKey);
+    if (spec.target === 'main') {
+      chart.applyOptions({
+        leftPriceScale: {
+          visible: true,
+          borderVisible: false,
+          scaleMargins: { top: 0.08, bottom: 0.12 }
+        }
+      });
+    }
+    var opts = {
+      color: spec.color,
+      lineWidth: 1,
+      title: spec.title,
+      lastValueVisible: true,
+      priceLineVisible: false,
+      priceFormat: spec.priceFormat
+    };
+    if (spec.target === 'main') opts.priceScaleId = 'left';
+    if (spec.scale) {
+      opts.priceScaleId = spec.scale;
+      chart.priceScale(spec.scale).applyOptions({
+        scaleMargins: { top: 0.15, bottom: 0.1 },
+        borderVisible: false
+      });
+    }
+    var series = chart.addLineSeries(opts);
+    series.setData(points);
+    tvWidget.series[spec.seriesKey] = series;
+    if (spec.target === 'sentiment') syncSentimentTime();
+    if (spec.target === 'main' && typeof window._redrawFxBoxVerticalOverlay === 'function') {
+      window._redrawFxBoxVerticalOverlay();
+      setTimeout(window._redrawFxBoxVerticalOverlay, 50);
+    }
+  }
+
+  function drawRatioBaseline(points) {
+    var chart = tvWidget && tvWidget.sentimentChart;
+    if (!chart || !points || !points.length) return;
+    safeRemove(chart, 'sentimentBaseSeries');
+    var baseline = points.map(function (p) { return { time: p.time, value: 1 }; });
+    var series = chart.addLineSeries({
+      color: 'rgba(120, 120, 120, 0.45)',
+      lineWidth: 1,
+      lineStyle: 2,
+      lastValueVisible: false,
+      priceLineVisible: false,
+      title: '1.0'
+    });
+    series.setData(baseline);
+    tvWidget.series.sentimentBaseSeries = series;
+  }
+
+  function loadOne(spec, range, symbol, req) {
+    var checked = $('#' + spec.checkbox).is(':checked');
+    var chart = targetChart(spec);
+    if (!checked) {
+      safeRemove(chart, spec.seriesKey);
+      if (spec.id === 'oi') {
+        try {
+          if (tvWidget && tvWidget.mainChart) {
+            tvWidget.mainChart.applyOptions({ leftPriceScale: { visible: false } });
+          }
+        } catch (e) {}
+        if (typeof window._redrawFxBoxVerticalOverlay === 'function') {
+          window._redrawFxBoxVerticalOverlay();
+        }
+      }
+      return;
+    }
+    if (!chart) return;
+    var times = candleTimesSec();
+    var key = [symbol, spec.metric, times[0] || '', times[times.length - 1] || '', times.length].join(':');
+    var cached = caches[spec.id];
+    function paint(raw) {
+      var aligned = spec.target === 'main' || spec.target === 'sentiment' ? alignToTimes(raw, times) : raw;
+      if (!aligned.length) aligned = raw;
+      drawSeries(spec, aligned);
+      if (spec.target === 'sentiment') maybeDrawBaseline();
+    }
+    if (cached && cached.raw && cached.raw.length) {
+      paint(cached.raw);
+      if (cached.key === key) return;
+    }
+    if (!range || !window.ChanApi || !ChanApi.sentimentMetrics) return;
+    ChanApi.sentimentMetrics({
+      metric: spec.metric,
+      symbol: symbol,
+      start: range.start - 8 * 60 * 60 * 1000,
+      end: range.end,
+      limit: 2000
+    }).then(function (payload) {
+      if (req !== overlayReq) return;
+      var raw = toPoints(payload && payload.data, spec.field, spec.mul);
+      if (!raw.length) return;
+      caches[spec.id] = { key: key, raw: raw };
+      if ($('#' + spec.checkbox).is(':checked') && targetChart(spec)) paint(raw);
+    }).catch(function (err) {
+      if (req !== overlayReq) return;
+      console.warn(spec.title + ' 序列不可用', err);
+    });
+  }
+
+  function maybeDrawBaseline() {
+    var times = candleTimesSec();
+    if (!times.length) return;
+    drawRatioBaseline(times.map(function (t) { return { time: t, value: 1 }; }));
+    syncSentimentTime();
+  }
+
+  function loadOverlays() {
+    if (!isCrypto()) {
+      clearAllSeries();
+      return;
+    }
+    if (!tvWidget || !tvWidget.mainChart) return;
+    var range = klineRangeMs();
+    var symbol = currentSymbol();
+    var req = ++overlayReq;
+    METRICS.forEach(function (spec) {
+      loadOne(spec, range, symbol, req);
+    });
+    maybeDrawBaseline();
+  }
+
+  function loadSnapshot() {
+    if (!isCrypto() || !window.ChanApi || !ChanApi.derivatives) return;
+    var req = ++snapshotReq;
+    ChanApi.derivatives({ symbol: currentSymbol() }).then(function (row) {
+      if (req !== snapshotReq) return;
+      var chg = Number(row.oi_change_pct);
+      var fund = Number(row.funding_rate);
+      var basis = Number(row.basis);
+      setChip('derivOi', 'OI ' + fmtOi(row.open_interest));
+      setChip('derivOiChg', 'Δ ' + fmtChg(row.oi_change_pct), tone(chg));
+      setChip('derivFunding', '费率 ' + fmtFunding(row.funding_rate), tone(fund));
+      setChip('derivBasis', '基差 ' + fmtBasis(row.basis), tone(basis));
+      var src = document.getElementById('derivSrc');
+      if (src) src.textContent = row.exchange || '';
+    }).catch(function (err) {
+      if (req !== snapshotReq) return;
+      console.warn('资金面快照不可用', err);
+      renderDerivEmpty();
+      var src = document.getElementById('derivSrc');
+      if (src) src.textContent = '不可用';
+    });
+  }
+
+  function loadLatest() {
+    if (!isCrypto() || !window.ChanApi || !ChanApi.sentimentLatest) return;
+    var req = ++latestReq;
+    ChanApi.sentimentLatest({ symbol: currentSymbol() }).then(function (payload) {
+      if (req !== latestReq) return;
+      var data = (payload && payload.data) || {};
+      var taker = data.taker_buy_sell_ratio || {};
+      var ls = data.long_short_account_ratio || {};
+      var top = data.top_long_short_position_ratio || {};
+      var takerN = Number(taker.buy_sell_ratio);
+      var lsN = Number(ls.long_short_ratio);
+      var topN = Number(top.long_short_ratio);
+      setChip('derivTaker', '买卖比 ' + fmtRatio(taker.buy_sell_ratio), isFinite(takerN) ? (takerN >= 1 ? 'up' : 'down') : null);
+      setChip('derivLs', '多空 ' + fmtRatio(ls.long_short_ratio), isFinite(lsN) ? (lsN >= 1 ? 'up' : 'down') : null);
+      setChip('derivTop', '大户 ' + fmtRatio(top.long_short_ratio), isFinite(topN) ? (topN >= 1 ? 'up' : 'down') : null);
+    }).catch(function (err) {
+      if (req !== latestReq) return;
+      console.warn('情绪快照不可用', err);
+      renderSentimentEmpty();
+    });
+  }
+
+  function sync(opts) {
+    opts = opts || {};
+    var show = isCrypto();
+    setVisible(show);
+    if (!show) return;
+    loadSnapshot();
+    loadLatest();
+    if (opts.overlay !== false) loadOverlays();
+  }
+
+  return {
+    sync: sync,
+    setVisible: setVisible,
+    loadOiOverlay: loadOverlays,
+    loadOverlays: loadOverlays
+  };
+})();

web/static/js/app/macd_ui.js

@@ -151,7 +151,7 @@ $('#elementTimeframe').change(function() {
     
     // 检查选择的元素时间周期是否小于等于主周期
     if (compareTimeframes(elementTimeframe, mainTimeframe) > 0) {
-        alert('元素时间周期必须小于或等于主图表时间周期。');
+        alert('次必须小于或等于主。');
         setSmallerOrEqualTimeframe(); // 重置为最大的小于等于时间周期
         return;
     }
@@ -164,7 +164,7 @@ $('#subSubTimeframe').change(function() {
     const subSub = $(this).val();
     const elementTf = $('#elementTimeframe').val();
     if (compareTimeframes(subSub, elementTf) > 0) {
-        alert('次次周期必须小于或等于次周期。');
+        alert('次次必须小于或等于次。');
         ensureSubSubLteElement();
         return;
     }

web/static/js/app/main.js

@@ -43,6 +43,67 @@ function clearChanMacdMarkers() {
     }
     // 清空全局UnitTF标记，避免旧数据残留影响主图合并
     window.unittfMarkers = [];
+    window.unittfMarkersMain = [];
+    window.unittfMarkersElement = [];
+    window.unittfMarkersSubSub = [];
+}
+
+function unittfDirSign(dir) {
+    if (dir === 'ABOVE' || dir === 1 || dir === '1' || dir === true) return 1;
+    if (dir === 'UNDER' || dir === -1 || dir === '-1') return -1;
+    const n = Number(dir);
+    if (n > 0) return 1;
+    if (n < 0) return -1;
+    return 0;
+}
+
+function buildUnittfOverlayMarkers(unittfList, opt) {
+    const markers = [];
+    if (!Array.isArray(unittfList) || !opt) return markers;
+    const up = opt.up, down = opt.down, prefix = opt.prefix || 'U';
+    const size = opt.size || 0.5;
+    for (let i = 0; i < unittfList.length; i++) {
+        const unittf = unittfList[i];
+        if (!unittf || !unittf.start_time || unittf.invalid) continue;
+        const startTime = Math.floor(new Date(unittf.start_time).getTime() / 1000);
+        if (isNaN(startTime)) continue;
+        const sign = unittfDirSign(unittf.dir);
+        const color = sign > 0 ? up : down;
+        const pos = sign > 0 ? 'aboveBar' : 'belowBar';
+        markers.push({ time: startTime, position: pos, color: color, shape: 'circle', text: prefix + i, size: size });
+        if (unittf.end_time) {
+            const endTime = Math.floor(new Date(unittf.end_time).getTime() / 1000);
+            if (!isNaN(endTime)) {
+                markers.push({ time: endTime, position: pos, color: color, shape: 'circle', text: prefix + i + 'E', size: size });
+            }
+        }
+    }
+    for (let i = 0; i + 1 < unittfList.length; i++) {
+        const cur = unittfList[i];
+        const nxt = unittfList[i + 1];
+        if (!cur || !nxt || !cur.end_time || !nxt.start_time) continue;
+        const tEnd = new Date(cur.end_time).getTime();
+        const tStart = new Date(nxt.start_time).getTime();
+        if (!isNaN(tEnd) && tEnd === tStart) {
+            const sign = unittfDirSign(nxt.dir);
+            markers.push({
+                time: Math.floor(tEnd / 1000),
+                position: sign > 0 ? 'aboveBar' : 'belowBar',
+                color: sign > 0 ? (opt.boundaryUp || up) : (opt.boundaryDown || down),
+                shape: 'square',
+                text: prefix + '↔',
+                size: 0.6
+            });
+        }
+    }
+    return markers;
+}
+
+function refreshUnittfOverlayFromData(data) {
+    // U/穿零轴只画在 MACD 副图，不再铺到主图
+    window.unittfMarkersMain = [];
+    window.unittfMarkersElement = [];
+    window.unittfMarkersSubSub = [];
 }
 // 添加所有ChanMACD标记
 function addAllChanMacdMarkers(segList, unittfList, histsetList, stateMarkers) {
@@ -215,8 +276,7 @@ function addAllChanMacdMarkers(segList, unittfList, histsetList, stateMarkers) {
     
     // 保存到全局，供主图与分型一起统一合并绘制（仅在开关开启时）
     console.log('DEBUG: U 标记数量:', signalMarkers.length);
-    const allowUMerge = (window.showUOnMain && window.showUOnElement);
-    window.unittfMarkers = allowUMerge ? [...signalMarkers, ...boundaryMarkers] : [];
+    window.unittfMarkers = [...signalMarkers, ...boundaryMarkers];
     if (uTooltipMarkers.length > 0) {
         if (window.fxMarkers) {
             window.fxMarkers = [ ...window.fxMarkers, ...uTooltipMarkers ];

web/static/js/app/ui.js

@@ -26,10 +26,10 @@ function loadSymbols() {
     });
 }
 
-// 设置默认时间范围：最近 1 个月
+// 设置默认时间范围：现在倒退 1 周
 function setDefaultTimeRange() {
     const now = new Date();
-    const daysBack = 30;
+    const daysBack = 7;
     const start = new Date(now.getTime() - (daysBack * 24 * 60 * 60 * 1000));
     
     // 格式化为datetime-local输入框所需的格式 YYYY-MM-DDThh:mm
@@ -72,17 +72,20 @@ $(document).ready(function() {
                         window.astockStatusInterval = null;
                     }
                     loadSymbols();
+                    if (window.ChanDeriv) ChanDeriv.setVisible(true);
                 } else if (dataSource === 'a_stock') {
                     $('#cryptoSymbolContainer').hide();
                     $('#astockSymbolContainer').show();
                     loadAStockSymbols();
                     startAStockStatusUpdater();
+                    if (window.ChanDeriv) ChanDeriv.setVisible(false);
                 }
             });
     });
     
     // 检查初始数据源设置
     const initialDataSource = $('#dataSource').val();
+    if (window.ChanDeriv) ChanDeriv.setVisible(initialDataSource !== 'a_stock');
     if (initialDataSource === 'a_stock') {
         $.getJSON('/api/chart_metadata', { source: 'a_stock' })
             .done(function(meta) {
@@ -404,6 +407,7 @@ function mapTimeframeToInterval(timeframe) {
         '5m': '5',
         '15m': '15',
         '30m': '30',
+        '45m': '45',
         '1h': '60',
         '2h': '120',
         '4h': '240',
@@ -547,6 +551,7 @@ function refreshChart(data, options) {
             if (currentData && currentData.ema52_dict) {
                 updateEMA52Display(currentData);
             }
+            if (window.ChanDeriv) ChanDeriv.sync({ overlay: false });
             return;
         } catch (e) {
             console.warn('增量刷新失败，回退全量重建:', e);
@@ -584,6 +589,7 @@ function refreshChart(data, options) {
     if (currentData && currentData.ema52_dict) {
         updateEMA52Display(currentData);
     }
+    if (window.ChanDeriv) ChanDeriv.sync({ overlay: true });
 
 }
 
@@ -597,14 +603,9 @@ function refreshChartOnly() {
     }
 }
 
-// 绑定主周期MACD背离显示开关
-$('#showMainMacdDiv').change(function() {
-    refreshChartOnly();
-});
-
-// 绑定次周期MACD背离显示开关
-$('#showElementMacdDiv').change(function() {
-    refreshChartOnly();
+// 绑定主/次/次次周期笔面积、线段面积显示开关
+$('#showMainBiArea, #showMainSegArea, #showElementBiArea, #showElementSegArea, #showSubSubBiArea, #showSubSubSegArea').change(function() {
+    updateChartDisplay();
 });
 
 // 绑定分型类型显示开关（与笔一致：全量重建，避免增量路径标记未对齐）
@@ -642,6 +643,12 @@ $('#toggleUOnElement').change(function() {
 });
 
 // 买卖点显示开关
+$('#showOi').change(function() {
+    if (window.ChanDeriv) ChanDeriv.loadOverlays();
+});
+$('#showDeriv').change(function() {
+    updateChartDisplay();
+});
 $('#showMainBsp').change(function() {
     updateChartDisplay();
 });
@@ -649,11 +656,6 @@ $('#showElementBsp').change(function() {
     updateChartDisplay();
 });
 
-// 第四类买卖点（B4/S4）显示开关与过滤模式
-$('#showMainFastBsp, #showElementFastBsp, #showSubSubFastBsp, #fastBspFilterMode').change(function() {
-    updateChartDisplay();
-});
-
 // 在控制台输出当前显示状态
 console.log('当前显示状态:', {
     'showOriginalKline': $('#showOriginalKline').is(':checked'),

web/templates/index.html

@@ -858,6 +858,38 @@
             color: #999;
             margin-top: 2px;
         }
+        .deriv-bar {
+            display: flex;
+            flex-wrap: wrap;
+            align-items: center;
+            gap: 8px;
+            margin: 0 0 8px;
+            padding: 6px 10px;
+            background: #f8f9fa;
+            border: 1px solid #e9ecef;
+            border-radius: 6px;
+            font-size: 13px;
+        }
+        .deriv-bar .deriv-label {
+            font-weight: 600;
+            color: #495057;
+            margin-right: 4px;
+        }
+        .deriv-bar .deriv-chip {
+            font-variant-numeric: tabular-nums;
+            color: #343a40;
+            padding: 1px 6px;
+            border-radius: 4px;
+            background: #fff;
+            border: 1px solid #e9ecef;
+        }
+        .deriv-bar .deriv-chip.up { color: #198754; }
+        .deriv-bar .deriv-chip.down { color: #dc3545; }
+        .deriv-bar .deriv-src {
+            color: #868e96;
+            font-size: 12px;
+            margin-left: auto;
+        }
     </style>
 </head>
 <body>
@@ -935,21 +967,31 @@
                         <!-- 添加K线周期切换 -->
                         <div class="form-check form-check-inline">
                             <input class="form-check-input" type="radio" name="klinePeriod" id="mainPeriodKline" checked>
-                            <label class="form-check-label" for="mainPeriodKline">主周期</label>
+                            <label class="form-check-label" for="mainPeriodKline">主</label>
                         </div>
                         <div class="form-check form-check-inline">
                             <input class="form-check-input" type="radio" name="klinePeriod" id="elementPeriodKline">
-                            <label class="form-check-label" for="elementPeriodKline">小周期</label>
+                            <label class="form-check-label" for="elementPeriodKline">次</label>
                         </div>
                         <div class="form-check form-check-inline">
                             <input class="form-check-input" type="radio" name="klinePeriod" id="subSubPeriodKline">
-                            <label class="form-check-label" for="subSubPeriodKline">次次周期</label>
+                            <label class="form-check-label" for="subSubPeriodKline">次次</label>
                         </div>
                         <div class="form-check form-check-inline">
                             <input class="form-check-input" type="checkbox" id="showMacd" checked>
-                            <label class="form-check-label" for="showMacd">ChanMACD</label>
+                            <label class="form-check-label" for="showMacd">MACD</label>
                             <button class="btn btn-sm btn-outline-secondary ms-1 p-0" onclick="showMacdConfig()" style="width:22px;height:22px;line-height:1;font-size:12px;" title="MACD参数设置">⚙</button>
                         </div>
+                        <span id="showSentimentWrap" class="d-inline-flex align-items-center">
+                            <div class="form-check form-check-inline">
+                                <input class="form-check-input" type="checkbox" id="showOi" checked>
+                                <label class="form-check-label" for="showOi">OI</label>
+                            </div>
+                            <div class="form-check form-check-inline">
+                                <input class="form-check-input" type="checkbox" id="showDeriv" checked>
+                                <label class="form-check-label" for="showDeriv">衍生品</label>
+                            </div>
+                        </span>
                         <div class="d-flex align-items-center mb-2">
                             <label for="refreshInterval" class="form-label me-2 mb-0">自动刷新:</label>
                             <select id="refreshInterval" class="form-select form-select-sm me-2" style="width: 80px;">
@@ -977,7 +1019,7 @@
                         </div>
                     </div>
                     <div class="d-flex align-items-center mt-1">
-                        <label class="form-label me-0 mb-0">主周期:</label>
+                        <label class="form-label me-0 mb-0">主:</label>
                         <div class="form-check form-check-inline">
                             <select id="timeframe" class="form-select form-select-sm me-2"  style="width: 100px;">
                                 {% for value, label in timeframes.items() %}
@@ -998,11 +1040,11 @@
                             <label class="form-check-label" for="showMainZs">SEG中枢</label>
                         </div>
                         <div class="form-check form-check-inline">
-                            <input class="form-check-input" type="checkbox" id="showMainBiZs">
+                            <input class="form-check-input" type="checkbox" id="showMainBiZs" checked>
                             <label class="form-check-label" for="showMainBiZs">BI中枢</label>
                         </div>
                         <div class="form-check form-check-inline">
-                            <input class="form-check-input" type="checkbox" id="showKlcFxType" checked>
+                            <input class="form-check-input" type="checkbox" id="showKlcFxType">
                             <label class="form-check-label" for="showKlcFxType">KLC分型</label>
                         </div>
                         <div class="form-check form-check-inline">
@@ -1010,27 +1052,24 @@
                             <label class="form-check-label" for="showMainTrend">Trend</label>
                         </div>
                         <div class="form-check form-check-inline">
-                            <input class="form-check-input" type="checkbox" id="toggleUOnMain">
+                            <input class="form-check-input" type="checkbox" id="toggleUOnMain" checked>
                             <label class="form-check-label" for="toggleUOnMain">显示U</label>
                         </div>
+                        <div class="form-check form-check-inline">
+                            <input class="form-check-input" type="checkbox" id="showMainBiArea">
+                            <label class="form-check-label" for="showMainBiArea">笔面积</label>
+                        </div>
+                        <div class="form-check form-check-inline">
+                            <input class="form-check-input" type="checkbox" id="showMainSegArea">
+                            <label class="form-check-label" for="showMainSegArea">线段面积</label>
+                        </div>
                         <div class="form-check form-check-inline">
                             <input class="form-check-input" type="checkbox" id="showMainBsp">
                             <label class="form-check-label" for="showMainBsp">买卖点</label>
                         </div>
-                        <div class="form-check form-check-inline">
-                            <input class="form-check-input" type="checkbox" id="showMainFastBsp">
-                            <label class="form-check-label" for="showMainFastBsp">第四类</label>
-                        </div>
-                        <div class="form-check form-check-inline">
-                            <select id="fastBspFilterMode" class="form-select form-select-sm" style="width: 130px;"
-                                    title="深色为区间套(大级别分型同向)+中枢顺向推进都满足的信号，浅色为未通过过滤">
-                                <option value="all" selected>第四类:全部</option>
-                                <option value="filtered">第四类:仅过滤后</option>
-                            </select>
-                        </div>
                     </div>
                     <div class="d-flex align-items-center mt-1">
-                        <label class="form-label me-0 mb-0">次周期:</label>
+                        <label class="form-label me-0 mb-0">次:</label>
                         <div class="form-check form-check-inline">
                             <select id="elementTimeframe" class="form-select form-select-sm me-2" style="width: 100px;">
                                 {% for value, label in timeframes.items() %}
@@ -1066,17 +1105,21 @@
                             <input class="form-check-input" type="checkbox" id="toggleUOnElement">
                             <label class="form-check-label" for="toggleUOnElement">显示U</label>
                         </div>
+                        <div class="form-check form-check-inline">
+                            <input class="form-check-input" type="checkbox" id="showElementBiArea">
+                            <label class="form-check-label" for="showElementBiArea">笔面积</label>
+                        </div>
+                        <div class="form-check form-check-inline">
+                            <input class="form-check-input" type="checkbox" id="showElementSegArea">
+                            <label class="form-check-label" for="showElementSegArea">线段面积</label>
+                        </div>
                         <div class="form-check form-check-inline">
                             <input class="form-check-input" type="checkbox" id="showElementBsp">
                             <label class="form-check-label" for="showElementBsp">买卖点</label>
                         </div>
-                        <div class="form-check form-check-inline">
-                            <input class="form-check-input" type="checkbox" id="showElementFastBsp">
-                            <label class="form-check-label" for="showElementFastBsp">第四类</label>
-                        </div>
                     </div>
                     <div class="d-flex align-items-center mt-1">
-                        <label class="form-label me-0 mb-0">次次周期:</label>
+                        <label class="form-label me-0 mb-0">次次:</label>
                         <div class="form-check form-check-inline">
                             <select id="subSubTimeframe" class="form-select form-select-sm me-2" style="width: 100px;">
                                 {% for value, label in timeframes.items() %}
@@ -1113,12 +1156,16 @@
                             <label class="form-check-label" for="toggleUOnSubSub">显示U</label>
                         </div>
                         <div class="form-check form-check-inline">
-                            <input class="form-check-input" type="checkbox" id="showSubSubBsp">
-                            <label class="form-check-label" for="showSubSubBsp">买卖点</label>
+                            <input class="form-check-input" type="checkbox" id="showSubSubBiArea">
+                            <label class="form-check-label" for="showSubSubBiArea">笔面积</label>
                         </div>
                         <div class="form-check form-check-inline">
-                            <input class="form-check-input" type="checkbox" id="showSubSubFastBsp">
-                            <label class="form-check-label" for="showSubSubFastBsp">第四类</label>
+                            <input class="form-check-input" type="checkbox" id="showSubSubSegArea">
+                            <label class="form-check-label" for="showSubSubSegArea">线段面积</label>
+                        </div>
+                        <div class="form-check form-check-inline">
+                            <input class="form-check-input" type="checkbox" id="showSubSubBsp">
+                            <label class="form-check-label" for="showSubSubBsp">买卖点</label>
                         </div>
                     </div>
                 </div>
@@ -1126,6 +1173,17 @@
         </div>
         
         <div id="loadingIndicator" style="display:none;"></div>
+        <div id="derivBar" class="deriv-bar">
+            <span class="deriv-label">资金面</span>
+            <span class="deriv-chip" id="derivOi">OI —</span>
+            <span class="deriv-chip" id="derivOiChg">Δ —</span>
+            <span class="deriv-chip" id="derivFunding">费率 —</span>
+            <span class="deriv-chip" id="derivBasis">基差 —</span>
+            <span class="deriv-chip" id="derivTaker">买卖比 —</span>
+            <span class="deriv-chip" id="derivLs">多空 —</span>
+            <span class="deriv-chip" id="derivTop">大户 —</span>
+            <span class="deriv-src" id="derivSrc"></span>
+        </div>
         
         <div class="chart-container">
             <div id="tradingview_chart"></div>
@@ -1278,24 +1336,25 @@
     </div>
     <script src="https://cdn.jsdelivr.net/npm/bootstrap@5.1.3/dist/js/bootstrap.bundle.min.js"></script>
     
-    <script defer src="{{ url_for('static', filename='js/app/api_client.js') }}?v=20260808i"></script>
+    <script defer src="{{ url_for('static', filename='js/app/api_client.js') }}?v=20260910c"></script>
+    <script defer src="{{ url_for('static', filename='js/app/deriv_ui.js') }}?v=20260911i"></script>
     <script defer src="{{ url_for('static', filename='js/app/state.js') }}?v=20260808i"></script>
     <script defer src="{{ url_for('static', filename='js/app/trend.js') }}?v=20260808i"></script>
-    <script defer src="{{ url_for('static', filename='js/app/macd_ui.js') }}?v=20260810e"></script>
+    <script defer src="{{ url_for('static', filename='js/app/macd_ui.js') }}?v=20260911j"></script>
     <script defer src="{{ url_for('static', filename='js/app/chart_format.js') }}?v=20260810e"></script>
-    <script defer src="{{ url_for('static', filename='js/app/chart_view.js') }}?v=20260810e"></script>
-    <script defer src="{{ url_for('static', filename='js/app/chart_tv_lifecycle.js') }}?v=20260810e"></script>
-    <script defer src="{{ url_for('static', filename='js/app/chart_tv_shell.js') }}?v=20260810e"></script>
-    <script defer src="{{ url_for('static', filename='js/app/chart_tv_indicators.js') }}?v=20260808i"></script>
-    <script defer src="{{ url_for('static', filename='js/app/chart_tv_chan.js') }}?v=20260810d"></script>
-    <script defer src="{{ url_for('static', filename='js/app/chart_tv_overlays.js') }}?v=20260827a"></script>
-    <script defer src="{{ url_for('static', filename='js/app/chart_tv_finalize.js') }}?v=20260810a"></script>
-    <script defer src="{{ url_for('static', filename='js/app/chart_tv.js') }}?v=20260808i"></script>
-    <script defer src="{{ url_for('static', filename='js/app/chart_sync.js') }}?v=20260809z"></script>
-    <script defer src="{{ url_for('static', filename='js/app/chart_tables.js') }}?v=20260808i"></script>
-    <script defer src="{{ url_for('static', filename='js/app/ui.js') }}?v=20260827a"></script>
+    <script defer src="{{ url_for('static', filename='js/app/chart_view.js') }}?v=20260912a"></script>
+    <script defer src="{{ url_for('static', filename='js/app/chart_tv_lifecycle.js') }}?v=20260910c"></script>
+    <script defer src="{{ url_for('static', filename='js/app/chart_tv_shell.js') }}?v=20260911l"></script>
+    <script defer src="{{ url_for('static', filename='js/app/chart_tv_indicators.js') }}?v=20260911n"></script>
+    <script defer src="{{ url_for('static', filename='js/app/chart_tv_chan.js') }}?v=20260910a"></script>
+    <script defer src="{{ url_for('static', filename='js/app/chart_tv_overlays.js') }}?v=20260911j"></script>
+    <script defer src="{{ url_for('static', filename='js/app/chart_tv_finalize.js') }}?v=20260910c"></script>
+    <script defer src="{{ url_for('static', filename='js/app/chart_tv.js') }}?v=20260910c"></script>
+    <script defer src="{{ url_for('static', filename='js/app/chart_sync.js') }}?v=20260910c"></script>
+    <script defer src="{{ url_for('static', filename='js/app/chart_tables.js') }}?v=20260911j"></script>
+    <script defer src="{{ url_for('static', filename='js/app/ui.js') }}?v=20260912a"></script>
     <script defer src="{{ url_for('static', filename='js/app/overlays.js') }}?v=20260808i"></script>
-    <script defer src="{{ url_for('static', filename='js/app/main.js') }}?v=20260808i"></script>
+    <script defer src="{{ url_for('static', filename='js/app/main.js') }}?v=20260901d"></script>
 
     <!-- 均线配置弹窗 -->
     <div id="maConfigModal" class="ma-config-modal">
@@ -1479,7 +1538,7 @@
      <!-- MACD参数配置弹窗 -->
      <div id="macdConfigModal" class="macd-config-modal">
          <div class="macd-config-content">
-             <div class="macd-config-title">ChanMACD 参数设置</div>
+             <div class="macd-config-title">MACD 参数设置</div>
              <div class="macd-config-form">
                  <div class="macd-config-group">
                      <label class="macd-config-label">快线周期 (Fast)</label>

web/tests/test_analyze_contract.py

@@ -105,6 +105,32 @@ def test_analyze_chan_keys_on_fixture():
         assert k in result["chan_macd"]
 
 
+def test_bi_and_seg_area_div_computed():
+    from services.runtime import add_indicators, analyze_chan
+
+    df = add_indicators(make_ohlcv(400))
+    result = analyze_chan(df, symbol="TEST/USDT:USDT", timeframe="5m")
+    bis = result["bi_list"]
+    segs = result["seg_list"]
+    assert bis, "fixture should produce bi"
+    assert all(hasattr(bi, "macd_div") for bi in bis)
+    assert all(hasattr(seg, "macd_div") for seg in segs)
+    assert all(hasattr(bi, "macd_hist") for bi in bis)
+    assert all(hasattr(seg, "macd_hist") for seg in segs)
+    same_dir_bis = [bi for bi in bis if getattr(bi, "pre", None) and getattr(bi.pre, "pre", None)]
+    if same_dir_bis:
+        bi = same_dir_bis[-1]
+        prev = bi.pre.pre
+        if prev.macd_hist:
+            assert abs(bi.macd_div - (bi.macd_hist / prev.macd_hist)) < 1e-9
+    same_dir_segs = [seg for seg in segs if getattr(seg, "pre", None) and getattr(seg.pre, "pre", None)]
+    if same_dir_segs:
+        seg = same_dir_segs[-1]
+        prev = seg.pre.pre
+        if prev.macd_hist:
+            assert abs(seg.macd_div - (seg.macd_hist / prev.macd_hist)) < 1e-9
+
+
 def test_serialize_chan_macd_shape():
     from pytz import timezone
 

web/tests/test_deriv_proxy.py

@@ -0,0 +1,97 @@
+"""资金面中转：Web 只打 data_provider，字段原样回给前端。"""
+from __future__ import annotations
+
+import sys
+from pathlib import Path
+from unittest.mock import patch
+
+import pytest
+
+WEB_ROOT = Path(__file__).resolve().parents[1]
+ROOT = Path(__file__).resolve().parents[2]
+sys.path.insert(0, str(ROOT))
+sys.path.insert(0, str(WEB_ROOT))
+
+
+SNAPSHOT = {
+    "exchange": "bitget",
+    "symbol": "BTC/USDT:USDT",
+    "timestamp": 1789039236740,
+    "datetime": "2026-09-10T11:20:36.740000Z",
+    "funding_rate": 0.0001,
+    "open_interest": 36207.21,
+    "oi_change_pct": -0.01,
+    "basis": -0.03,
+}
+
+OI_HIST = {
+    "metric": "open_interest_history",
+    "symbol": "BTC/USDT:USDT",
+    "period": "15m",
+    "count": 1,
+    "data": [
+        {
+            "timestamp": 1789038900000,
+            "datetime": "2026-09-10T11:15:00Z",
+            "open_interest_amount": 106162.005,
+            "open_interest_value": 8269553076.678,
+        }
+    ],
+}
+
+
+@pytest.fixture
+def client():
+    from app import create_app
+
+    app = create_app()
+    app.config["TESTING"] = True
+    return app.test_client()
+
+
+def test_derivatives_proxy_passthrough(client):
+    with patch("api.provider.fetch_derivatives", return_value=SNAPSHOT) as mock_fetch:
+        resp = client.get("/api/derivatives?symbol=BTC/USDT:USDT")
+    assert resp.status_code == 200
+    body = resp.get_json()
+    assert body["funding_rate"] == 0.0001
+    assert body["open_interest"] == 36207.21
+    assert body["oi_change_pct"] == -0.01
+    assert body["basis"] == -0.03
+    mock_fetch.assert_called_once()
+    assert mock_fetch.call_args[0][0] == "BTC/USDT:USDT"
+
+
+def test_sentiment_metrics_proxy_passthrough(client):
+    with patch("api.provider.fetch_sentiment_metrics", return_value=OI_HIST) as mock_fetch:
+        resp = client.get(
+            "/api/sentiment/metrics?metric=open_interest_history&symbol=BTC/USDT:USDT&limit=1"
+        )
+    assert resp.status_code == 200
+    body = resp.get_json()
+    assert body["metric"] == "open_interest_history"
+    assert body["data"][0]["open_interest_amount"] == 106162.005
+    mock_fetch.assert_called_once()
+    assert mock_fetch.call_args[0][0] == "open_interest_history"
+
+
+def test_sentiment_metrics_requires_metric(client):
+    resp = client.get("/api/sentiment/metrics?symbol=BTC/USDT:USDT")
+    assert resp.status_code == 400
+
+
+def test_sentiment_latest_proxy_passthrough(client):
+    latest = {
+        "symbol": "BTC/USDT:USDT",
+        "data": {
+            "taker_buy_sell_ratio": {"buy_sell_ratio": 1.36},
+            "long_short_account_ratio": {"long_short_ratio": 1.5},
+            "top_long_short_position_ratio": {"long_short_ratio": 2.26},
+        },
+    }
+    with patch("api.provider.fetch_sentiment_latest", return_value=latest) as mock_fetch:
+        resp = client.get("/api/sentiment/latest?symbol=BTC/USDT:USDT")
+    assert resp.status_code == 200
+    body = resp.get_json()
+    assert body["data"]["taker_buy_sell_ratio"]["buy_sell_ratio"] == 1.36
+    mock_fetch.assert_called_once()