Chan/research/HANDOFF.md

缠论信号研究 → 实盘落地：交接文档

最后更新：2026-08-27。写给接手这项工作的下一个 agent。 读完这份文档应该不需要再翻聊天记录。若确有需要，历史转录在 /Users/jack/.cursor/projects/Users-jack-Project-chan/agent-transcripts/。

---

0. 一句话现状

策略在回测和多重偏差审计下都站得住（跨 11 个币、7 年、多空对称、无未来函数）， 研究阶段基本结束；当前唯一的拦路问题是「实盘执行成本能否压进预算」， 下一步是写影子交易器实测滑点，而不是继续调参。

用户明确要求：不要再跑新的参数优化。 他的原话是「很多时候回测数据特别好， 一到 dry run 和实盘就歇菜了」。他要的是执行层的验证。

---

1. 策略的确切定义

这是全文最重要的一节。所有回测数字都基于以下这套口径，改任何一条数字就不可比。

1.1 信号生成（三层）

第一层  小级别(LTF) 自身的中枢         build_htf_zones(cdf, ltf, chan=chan_l)
第二层  中枢突破后回抽不回，收盘转强 → 入场   find_fast_bsp3(cdf, zones)
第三层  大级别(HTF) 分型方向必须同向        attach_htf_context(...) 后取 h1_agree == 1
可选    中枢阶梯方向过滤（顺向推进）        z_above / z_below，见 1.4

用户对「区间套」的定义（务必按这个理解，早期我理解错过）： 大级别（1h/4h）分型定位转折点 + 小级别（15m/5m/1m）中枢突破形成第三类买卖点。 不是大级别中枢突破。

1.2 find_fast_bsp3 的当前默认参数

research/lib/fast_bsp3.py：

参数	默认值	含义与注意
scan	200	中枢成立后向后扫多少根找突破
pullback_win	30	回抽窗口
tol	-1.0	负值＝禁用「回抽未触及边界就跳过」。这是最关键的参数，见 3.2
max_per_zone	1	同一中枢只做首次入场，见 4.2
require_touch	False	不要求回抽触及中枢边界，见 3.2

tol=-1 + require_touch=False 是当前口径，滞后 2.2 根。 早期默认（tol=0.003, require_touch=True）滞后 5.8 根，年化从 906% 掉到 370%。 新旧差异已完整量化在 step34（tol 扫描）与 step33（require_touch）里， 旧口径的原始输出已清理——不需要它，也不要回到旧口径。

1.3 交易执行口径

SL, TP, MAX_BARS = 1.5, 3.0, 48      # ATR 倍数止损/止盈 + 超时根数
run_trades(cdf, entries, SL, TP, MAX_BARS, fee=..., entry_delay=1)

• 入场：信号次根开盘价（entry_delay=1），不是信号根收盘价
• 研究口径成本：4bp 手续费 + 1bp 滑点 = 5bp（所有带「已扣 5bp」的数字都是这个）
• ATR 取信号根的值（atr[sig_idx]），不是入场根

⚠️ TP=3.0 已被证明偏小（step41/42，见 3.5 与 5.3），且出场参数要按级别分开定。 本文档所有历史数字仍是 TP=3.0 口径，改口径前不要混用。

成本模型：不是一刀切的 5bp（用户 2026-08-27 指出）

用户指出「只有开仓才是 taker」。对了一半——止盈挂限价确实是 maker， 但止损是 stop-market，成交时仍是 taker（做成 stop-limit 会有急跌不成交的 风险，那种损失远大于省下的费）。所以按出场原因分别计费。

实际费率档位（用户 2026-08-27 给的，单边）：返佣前 taker 0.040% / maker 0.016%，API 返 50% → taker 2.0bp / maker 0.8bp。

环节	性质	单边费率
入场（次根开盘市价）	taker + 滑点	2.0bp
止盈（限价被动成交）	maker，无滑点	0.8bp
止损（stop-market）	taker + 滑点	2.0bp
超时（到点市价平）	taker + 滑点	2.0bp

⚠️ step41/42 首轮跑的时候这里写的是 taker 3.0 / maker 1.0bp， 隐含「原始 taker 6bp、返 50% 得 3bp」的错误前提。真实原始是 4bp。 方向是保守的——taker 高估了 50%，所以那两步跑出来的净收益、 滑点余量、均R 全部偏低，不是偏高。exit_model.py 已改成实际值， 但本文档里凡是标注「旧费率 3/1bp」的数字尚未逐条重算。

SL1.5/TP3/48根 1m 样本外实测（止盈成交占 60%）：

口径	平均成本	说明
全 taker 双边	8.00bp	最早的口径，双重高估
混合费率 @ 3/1bp	6.20bp	step41/42 首轮
混合费率 @ 实际 2/0.8bp	2.00bp	当前
研究口径 固定 5bp	5.00bp	§2 那批老数字

注意方向变了：研究口径的 5bp 现在是偏保守的。 实际混合费率只有 2bp。 实现在 research/lib/exit_model.py，step41/42 共用。 分批离场不额外增加费用（手续费按名义额收，出场 0.5+0.5 总额不变）， 而且第一批必然是止盈成交，所以分批在成本上还占便宜。

1.4 阶梯过滤（顺向推进）

对应缠论「趋势 vs 盘整」：当前中枢相对前一个中枢是否同向推进。

pg, pdn = z["zg"].shift(), z["zd"].shift()
z["z_above"], z["z_below"] = z["zd"] > pg, z["zg"] < pdn
push = z_above if direction == 1 else z_below

加上它 PF 从 2.72 → 3.41（30m/2h）。用户特别在意这一点，因为它印证了 缠论对趋势的定义（一个分型后第一个中枢就反转的概率低于出现第二个中枢后反转）。

1.5 各级别的确切配对

小级别	大级别(h1，做同向过滤)	备注
1m	5m	step23 的配置是 1m:5m:15m，15m 只记录不过滤
5m	30m	统计量最强
15m	1h
30m	2h	单笔质量最高

---

2. 最优配置与核心数字

2.1 级别矩阵（step28，同向+阶梯，3 币）

组合	笔数	胜率	中位	PF	t值
5m/30m	1321	53.1%	+0.31%	1.98	10.16
30m/2h	258	65.1%	+1.65%	3.41	8.51
5m/15m	1292	51.7%	+0.24%	1.82	8.84
15m/1h	467	56.5%	+0.74%	2.46	7.96

选择逻辑：30m/2h 单笔质量最好，5m/30m 统计显著性最强。1h 及以上小级别笔数不足。

2.2 跨品种样本外（step37）— 最有说服力的一项

参数一个没动，拿 8 个完全没参与调参的币验证：

分组	笔数	年笔数	胜率	中位	PF	t值	剔10%PF
样本内(BTC/ETH/SOL)	2309	334	61.4%	+0.531%	2.86	+19.11	1.77
样本外(8 个新币)	5859	884	62.9%	+0.592%	2.73	+28.50	1.66

逐币最弱的 XRP 仍是 PF 2.21 / t 7.64。没有一个币是负的。

2.3 收益量级——务必用正确口径（step35 第 5 节）

这一条最容易被误读，历史上我自己也一度报错过口径：

口径	年化	回撤	Sharpe
A 1%风险+20倍上限+复利	+1323.8%	8.1%	10.38
B 1%风险+20倍上限+不复利	+270.0%	8.4%	10.38
C 固定名义1倍+不复利	+194.7%	8.4%	7.95
D 固定名义3倍+不复利	+584.1%	25.2%	7.95

只有 C/D 是可以直接对照的量级。 那些 906%/1323% 的数字来自复利+杠杆假设。 平均单笔杠杆 2.1x（中位 1.8x）。 未含资金费率，未含同时持仓的保证金约束。

---

3. 已验证成立的结论

3.1 没有未来函数（step38，最要紧的一项）

担心的是 incremental.py 里那句注释：「最后一笔 is_sure 允许收回」—— 中枢生效时刻 available_ts 取自笔的 sure_time，而那是全量重算得出的。

做法：对每个信号只喂到该根为止的数据（窗口 4000 根），重跑 TF_DF → 中枢 → fast_bsp3，看信号是否真的在那一刻存在。

结果：同根命中 100.0%（抽检 1217 个信号），完全消失 0.0%，假阳性 0.7%。 偏移中位 +0.0 根。回测口径可信。

3.2 滞后是收益的第一驱动（step34）

口径	笔数	滞后(根)	胜率	PF	年化	Sharpe
禁用跳过(现用)	2309	2.2	61.4%	2.86	+906.1%	9.02
tol 0	2214	2.7	60.4%	2.74	+731.3%	8.43
tol 0.1%	2134	3.6	58.7%	2.64	+569.8%	7.65
tol 0.3%(旧默认)	2045	5.8	55.4%	2.37	+370.4%	6.30
tol 1%	1561	9.9	48.3%	1.88	+112.0%	3.53

滞后与收益严格单调。这也意味着实盘延迟会直接侵蚀收益，是下一阶段的核心风险。

3.3 其余已排除的偏差

• 中枢生效时刻（step36 §1）：0% 走 end_time 回退分支，全部用 sure_time
• 多空对称（step36 §3）：做多 PF 3.12 / t 14.77，做空 PF 2.62 / t 12.27 → 不是单纯吃加密货币的上涨 beta
• 时间样本外（step36 §4）：20192022 挑参数，20232026 验证 → PF 从 3.31 降到 2.44，t 仍 12.29。有衰减但成立
• 滑点脆弱性（step35 §1）：加到 +30bp 仍 PF 1.73 / t 10.15
• 入场后移（step35 §2）：后移 1→4 根平滑衰减（PF 3.18→2.53）， 未来函数会呈断崖，这里没有
• 持仓重叠（step35 §3-4）：单腿平均并发 0.01，组合 9 腿平均并发 0.1， 有仓位时间仅 8.6% → t 值没被虚高，各笔基本独立

3.35 跨 venue：信号身份不迁移，但总体期望迁移（live 前置测量）

回测全部跑在 Binance 数据上，实盘要在 Bitget 成交。 服务器侧的 research/live/venue_parity.py 把这件事量了：

品种	Bitget信号	Binance信号	同根重合
BTC	47	38	42.6%
ETH	39	35	28.2%
SOL	48	29	14.6%

（5m 同向过滤后口径。SOL 差得最多是因为 tick 粗细不同：Bitget 0.001、 Binance 0.01，粗 10 倍会让 close > high[j-1] 大量平局不触发， Bitget 上信号多出 74%。这是系统性差异，不是随机扰动。）

signal_sensitivity.py 进一步显示 0.25bp 的数据扰动就能换掉一半信号。

但 aggregate_robustness.py 的结论是：总体期望不塌。 加 0.5 / 1 / 2bp 噪声重跑，毛均收益与 PF 都在原区间内摆动，没有单调恶化。

脆的是信号身份，不是 alpha。 这决定了两件事： 一、滑点不能逐笔对照 Binance 回测，只能对照同一 venue 上的总体毛均收益； 二、影子测量必须跑在生产路径上（Bitget 原生数据 + Hummingbot）， 换个运行时测出来的数就不作数。

同窗口 Bitget vs Binance 毛均收益（210 天、TP=3.0 口径）： BTC 5.87 vs 6.09、ETH 10.02 vs 12.06、SOL 8.92 vs 9.87bp。 Bitget 一致略低 0.2~2bp，但没有量级差异，总体口径可迁移。

⚠️ 上面那批数字用的是 毛均收益 − 6.0bp、只有同向过滤、TP=3.0， 不能直接当预算用，正确的逐币预算见 lib/shadow_budget.py 与 5.3。

3.4 alpha 的来源（step32 消融）

逐条拆掉 fast_bsp3 的条件后发现：alpha 完全来自缠论中枢的上下文定位， 不是「回抽结束、收盘转强」那个触发动作本身。 触发条件只负责压低滞后。

这个结论回答了用户当时的问题（「如果有这个，那就可以去判断任何笔的端点了」）： 不能。脱离中枢上下文，那个触发条件没有预测力。

3.5 出场：TP=3.0 把右尾截早了（step41）

起因是用户看图指出「止盈没做好」。查下来确实如此。

先量 MFE（每笔在被止损打掉之前最远走到几个 ATR）：

分组	级别	笔数	中位 MFE	≥3ATR	≥5ATR	≥8ATR
样本内	15m/30m/5m	2309	3.66 / 4.30 / 4.27	55~62%	41~45%	23~28%
样本外	15m/30m/5m	5859	4.08 / 3.80 / 4.30	57~61%	42~45%	25~28%

中位数就已经高于 TP=3，样本内外一致。抬高 TP 的样本外结果：

出场	胜率	均收益	中位	PF	t值	剔10%PF	均持仓
tp3（现用）	62.6%	+0.559%	+0.588%	2.71	+28.31	1.64	11.2
tp4	58.7%	+0.692%	+0.579%	2.95	+29.24	1.71	15.3
tp5	56.5%	+0.783%	+0.485%	3.12	+29.36	1.75	18.8
tp6	55.3%	+0.860%	+0.369%	3.28	+29.17	1.77	21.7
tp8	54.1%	+0.983%	+0.284%	3.56	+28.27	1.78	25.7

• 8 个样本外币逐个看，均收益与 PF 全部提升；2020~2026 七年 PF 也全部提升
• 剔掉最好 10% 后 PF 仍从 1.64 升到 1.75 → 不是几笔暴利撑起来的
• t 值在 tp5 见顶（+29.36）后走平，tp6/tp8 靠的是越来越薄的右尾
• 基线复现校验：step41 的 tp3 = 5859 笔 / PF 2.71 / t +28.31 / 剔10% 1.64， 对上 §2.2 的 2.73 / +28.50 / 1.66，差在千分位（同根内止损与新高并存时保守 假定止损先到），说明对比是在正确基线上做的

代价不是零：胜率 62.6%→56.5%，中位 +0.588%→+0.485%（过半单子变差， 输在「摸到 3ATR 没走到 5ATR 又反手止损」那批），平均持仓 11.2→18.8 根， §3.3 的并发数据需重算。心理上也更难拿。

分批离场更优（用户提的方案，改一处后成立）

用户方案：到 3 ATR 平一半 + 止损移到开仓价，剩下跑到大目标。 前两步对，「止损移到开仓价」是错的。 用户随后要求把剩余半仓的止损位 也扫一遍（0 / 0.5 / 1 / 1.5 / 2 ATR），结果严格单调，三组初始 SL 全一致：

样本外 5859 笔，初始 SL1.5、分批→8 ATR、48 根：

剩余半仓止损位	净均收益	中位	PF	t值	剔10%PF
保本损（0）	+0.611%	+0.420%	2.81	+25.66	1.50
留损 0.5 ATR	+0.688%	+0.455%	3.03	+27.65	1.65
留损 1.0 ATR	+0.732%	+0.475%	3.17	+28.64	1.74
留损 1.5 ATR（不动）	+0.754%	+0.498%	3.23	+29.25	1.79
留损 2.0 ATR（放宽）	+0.762%	+0.510%	3.25	+29.48	1.81

没有中间最优点，越松越好，但增量在「不动」处饱和： 保本→0.5 加 0.077%，0.5→1 加 0.044%，1→1.5 加 0.022%，1.5→2 只加 0.008%。 所以止损保持原位即可，放得比原止损更宽是拿实打实的风险换千分之一的收益。

机理与移动止损失败同源（§4）：回抽到成本价是突破后的正常结构，不是信号失效。 信号已用「摸到 3 ATR」自证，此时收紧止损等于用最坏价格淘汰掉最好的单子。

胜率与整仓 TP3 完全相同是结构决定的：摸到 3 ATR 的单子在分批下必然是赢家 （半仓 +3 ATR，剩余半仓最坏 −1.5 ATR，净 +0.75 ATR）。这正是分批相对整仓 高 TP 的价值——同一批单子在整仓 TP5 下会变成 −1.5 ATR 的亏损。

初始 SL 扫描：必须用 R 倍数口径，否则会把仓位差异算成策略优势

用户要求扫 1 / 1.5 / 2 ATR 初始止损。百分比收益会误导：SL 越宽每笔风险越大， 固定风险仓位下仓位越小，raw % 里 SL2 看着比 SL1.5 好 68%，其中大半是仓位效应。

样本外，分批→8 ATR、留损=初始 SL、48 根，§2.3 的 1%风险 + 20倍上限 + 复利：

配置	均R	R夏普	最差1%R	平均杠杆	最大回撤(样本外/内)	Sharpe(外/内)
现用 SL1.5 整仓TP3	+0.722	0.494	−1.55	1.97x	12.1% / 11.9%	14.79 / 8.33
SL1.0 分批→8	+1.023	0.381	−1.93	2.70x	16.0% / 14.7%	11.36 / 6.72
SL1.5 分批→8	+1.023	0.530	−1.55	1.97x	13.5% / 9.4%	15.79 / 9.30
SL2.0 分批→8	+0.943	0.638	−1.37	1.53x	13.1% / 6.4%	19.00 / 11.35

• SL=1.0 明确最差：均R 与 SL1.5 打平，但 R夏普 只有 0.381、回撤最大、 最差单笔 −1.93R。止损太紧被噪声打掉，和 §3.2「滞后是第一驱动」是一类问题
• SL=1.5 期望值最高（均R 1.023），SL=2.0 风险调整最好 （R夏普 0.638、回撤 6.4%、Sharpe 11.35，样本内外一致）
• SL2 只让出 8% 的单位风险期望，换来 20% 更高的 R夏普和更好的最差单笔。 纠正一次误判：修正仓位效应后 SL=2.0 仍然占优，不是纯粹的仓位错觉
• 按剔10%PF 排全网格，前 14 名全是 SL=2 的分批配置， 第一名 SL2 分批→8ATR 留损2 48根：剔10%PF 2.26（现用 1.59）、 净 +0.920%、PF 3.84、滑点余量 61.79bp（现用 40.05bp）
• 该配置样本外 8/8 币、7/7 年对现用全面提升，无例外

上表的年化数字是 §2.3 的口径 A（复利+杠杆），且把 8 个币当一个账户串起来算， 严重虚高，故意不记录。只有回撤、Sharpe、R 这些比值可以横向比。

换成实际费率（2/0.8bp）后：几乎没变

step41 首轮跑的是错误的 3/1bp（见 §1.3），已用实际费率重算分析段 （feather 存的是毛收益+出场原因，不必重跑模拟）：

组	口径	平均费	净均收益	余量bp	剔10%PF	均R
样本外	现用 SL1.5/TP3/48	3.00→2.00bp	0.579→0.589%	41.34→42.05	2.01→2.05	0.790→0.811
样本外	最优 SL2 分批→8 留损2/48	4.45→3.01bp	0.941→0.955%	62.17→63.13	2.69→2.75	0.975→0.998
样本内	最优 SL2 分批→8 留损2/48	4.43→2.99bp	0.866→0.881%	57.15→58.10	2.91→2.98	0.960→0.984

结论一个都没变，量级也没变（余量动了 2%）。原因还是那条： 成本固定在 bp、目标随 ATR 缩放，所以费率只对 1m 有杠杆—— 同一次改动在 1m 上把均R 抬了 8%，在这里只有 2%。

ATR 门控在这三条腿上是惰性的

1m 上有效的 ATR ≥ 8bp 门控（见 5.3），搬到这里几乎不触发：

级别	ATR中位	<8bp 占比	门控后保留	均R 变化
5m	33.6bp	2.60%	97.4%	1.007 → 1.006
15m	60.2bp	0.16%	99.8%	0.995 → 0.992
30m	82.5bp	0.00%	100%	0.947 → 0.947

无害也无用，所以可以当全局规则统一写进执行层，不必按级别分叉： ATR ≥ 5 + 1.1 × taker费(bp)，当前费率下即 ≥ 8bp。 它只在 1m 上真正起作用（那里 21.5% 的信号在阈值以下）。

---

4. 已验证无效 / 不要重做的方向

方向	结论	出处
动态止盈（小级别三买后等大级别三买再调止盈）	无效。持仓期太短（8~13 根），大级别确认来得太罕见	step27
移动止损（1.5 ATR 跟踪距离）	明显劣于固定 TP：样本外 PF 2.32、剔10%PF 0.94（TP=3 是 2.71/1.64）。突破后的正常回抽就能把它洗出去，和 §3.2「滞后是第一驱动」同源	step41
分批后收紧剩余半仓的止损（保本损及一切更紧的位置）	直觉上该做，数据上是负的。止损位 0/0.5/1/1.5/2 ATR 严格单调，越紧越差，三组初始 SL 全一致：保本损比不动少赚 0.14%/笔，剔10%PF 从 1.79 塌到 1.50。与移动止损同源——回抽到成本价是正常结构，不是信号失效。分批要做，止损保持原位	step41 §3.5
初始止损收到 1.0 ATR	5m/15m/30m 上均R 与 1.5 打平但 R夏普 只有 0.381（1.5 是 0.530）、回撤 16.0%、最差单笔 −1.93R。1m 上更极端：剔10%PF 0.78~0.99、中位收益 −0.122%、回撤 25.5%。1 ATR 就是噪声宽度	step41/42
同一中枢重复入场（二次、三次）	质量骤降，只做首次	step25
缠论引擎原生 find_all_bsp 的 B3/S3	统计上呈逆势、显著亏损：胜率 27.4%（低于 SL1.5/TP3.0 的随机基准 33%）、PF 0.66、t −18.76。不是滞后造成的——同一组过滤器把 B4 从 1.59 提到 2.26，对它无效（0.66→0.71），且入场后移 1~4 根只是平滑衰减。它几乎不筛（627 个中枢发 625 个信号），把「价格早已离开、再没回来」的历史区间也当信号发出来。B4/S4 因此单独立类，不是它的提前版	step30/31
刷交易额换 VIP 费率	成本收益不划算，见 5.3。但前提已变：该结论算于「原始 taker 6bp、全 taker、TP=3.0、无门控」，四个前提现在全不成立（实际 2/0.8bp、混合费率、分批出场、有 ATR 门控）。已在返 50% 的档位上，继续压缩的空间本就有限，但若要重估需重跑，不要直接引用旧结论	step23
线段（Chan_XD）做大级别	滞后太大，且中枢极少	早期，用户也这么说

---

5. 实盘落地的现状与关键约束

5.1 交易所：这是当前最大的未决项 ⚠️

用户实际用 Bitget（手续费.xlsx 在项目根目录）：

VIP	maker	taker	升级门槛(月交易额)
1	0.020%	0.060%	0
2	0.016%	0.040%	$3M
3	0.014%	0.0375%	$20M

返还比例：手动 60%、API 50%。

框架支持情况（已查证，2026-08）：

框架	Bitget 永续	说明
freqtrade（本地已装 2025.4-dev）	❌	源码里搜不到一处 bitget；SUPPORTED_EXCHANGES = binance/bingx/bitmart/bybit/gate/htx/hyperliquid/kraken/okx
NautilusTrader	❌	nautilus-bitget 是 0.0.0 空壳无 API；官方适配器列表（2026-06-30）无 Bitget。Bitget 只出现在第三方 Tardis 历史数据里
Hummingbot	✅	bitget_perpetual v2.0 连接器，2026 年 Bitget 官方合作。支持单向/对冲、限价/市价，有 Perp Candles Feed

用户最后问的就是「还有没有其他框架支持 Bitget」，答案是 Hummingbot—— 这个问题还没得到他的回应，需要先确认交易所再定框架。

其他信息：Hummingbot V2 的 PositionExecutor 结构恰好匹配我们的 「入场 + 止损 + 止盈 + 超时」，架构上契合。用户的费率表里还有一列空着的 HL （Hyperliquid），而 Hyperliquid 在 freqtrade 和 Nautilus 都是原生支持的。

5.2 网络：Bitget 必须走代理 ⚠️

直连  失败 NetworkError: bitget GET https://api.bitget.com/api/v2/spot/public/coins
代理  OK 2.39s  (http://127.0.0.1:7897)

盘口实测（BTC/USDT:USDT 永续）：bid 79492.7 / ask 79492.8， 价差仅 0.01bp，100 档深度。即时价差成本可忽略。

但代理会把延迟从几百毫秒放大到秒级，而 1m 那条腿的滑点预算只有 3.9bp。 实盘这条腿最终必须落到境外 VPS，否则测出来的滑点是代理的账，不是策略的账。

5.3 1m 那条腿的经济性（用户的核心问题）

用户原话：「1m 测的是返佣后是否能够不亏钱」，配合「一边刷交易额，一边走大点周期」。

1m 同向信号实测：3578 笔 / 2.28 年 / 3 币 = 524 笔/年/币， 毛均收益 +0.0991%，胜率 54.2%，平均持仓仅 8.3 分钟。

按 Bitget 真实费率算滑点预算：

⚠️ 下表的费率档位是错的：它假设原始 taker 0.12%、返 50% 得 0.060% 双边。 实际是原始 taker 0.040% / maker 0.016%，返 50% 后 taker 2.0bp / maker 0.8bp （见 §1.3）。整张表连同下面那张「四条腿对比」都只保留跨级别的相对关系， 绝对数字全部作废。

档位	双边费率	PF=1 滑点上限	t>2 实用上限
VIP1 taker + API 返50%	0.060%	3.9bp	~2.5bp
VIP1 taker + 手动返60%	0.048%	5.1bp	~3.8bp
VIP2 taker + API 返50%	0.040%	5.9bp	~4.5bp
VIP1 maker + API 返50%	0.020%	7.9bp	~6.5bp

四条腿的滑点余量对比（VIP1 taker + API 返50%，即双边费率 0.060%）：

级别	笔数	毛均收益	平均持仓	滑点余量
1m	3578	+0.0991%	8.3 根	3.91bp
5m	1984	+0.3253%	9.7 根	26.53bp
15m	689	+0.4436%	12.1 根	38.36bp
30m	340	+0.9504%	11.7 根	89.04bp

1m 和 30m 的余量差 23 倍。

重要判断：1m 若失败，绝不能拿它去否定 5m/30m。 三条腿的成本敏感度不在一个量级上。

⚠️ 上面的 3.91bp 已被 step42 推翻：那是 30m 的参数套在 1m 上量出来的

用户指出：SL1.5/TP3.0/MAXB48 是在 5m/15m/30m 上定的，1m 不该混用。 成本固定 5bp，而目标随 ATR 缩放，1m 的 3 ATR 只有 0.39%、30m 是 1.87%， 成本占比差 5 倍，最优 TP 不可能相同。查证后确实如此，而且原因比成本更根本：

级别	MFE 中位	≥6 ATR	≥10 ATR
1m	5.16 ATR	46.1%	28.6%
5m	4.29	37.8%	18.6%
15m	3.98	34.7%	17.0%
30m	3.94	36.6%	18.7%

1m 以 ATR 计的右尾是其他级别的两倍。 机理：1m 的 ATR 量的是分钟级噪声， 但信号一旦成立抓到的是几小时级别的趋势，所以「行程 / ATR」比值天然更大； 30m 的 ATR 本身已经吃进了一部分趋势。所以 TP=3 ATR 在 1m 上是个远比在 30m 上 更紧的目标——这不是调参问题，是量纲问题。

（MFE 本身也随初始止损变化，止损越松活得越久、右尾越长： 1m 上 SL1.0 中位 2.37 ATR、SL1.5 是 5.16、SL2.0 是 6.73。 所以 TP 和 SL 必须一起定，不能固定一个扫另一个。）

1m 全网格重测（step42，11 币 × 7 年，25476 笔）

⚠️ 本小节的表用的是旧费率 3/1bp（跑的时候费率档位写错了，见 §1.3）。 实际是 2/0.8bp，所以下面所有净收益、余量、均R 都偏保守。 用实际费率重算的版本在再下一小节，决策请用那一版。

扫描空间：SL ∈ {1.0, 1.5, 2.0} × TP ∈ {2,3,4,5,6,8,10,12} × MAXB ∈ {48, 96} × 分批（3 ATR 减半 → 剩余目标 {5,6,8,不设} × 留损 {0,0.5,1,1.5,2}）。

结论与 5m/15m/30m 同向，但幅度更大，且 1m 上没有取舍——最优解在每个指标上都赢。

样本外（8 个未调参币，17734 笔）：

口径	胜率	毛bp	净均收益	中位	PF	剔10%PF	滑点余量	均R	R夏普	最大回撤	均持仓
现用 SL1.5 / 整仓TP3 / 48根	60.8%	20.27	+0.141%	+0.169%	2.09	1.24	11.06bp	+0.434	0.274	14.7%	9.7
SL1 分批→8ATR 留损1 / 48根	45.9%	20.29	+0.133%	−0.122%	2.01	0.96	9.07bp	+0.649	0.225	25.5%	17.5
SL1.5 分批→8ATR 留损1.5 / 48根	58.9%	28.60	+0.219%	+0.132%	2.70	1.49	15.12bp	+0.781	0.376	14.1%	23.7
SL2 分批→8ATR 留损2 / 48根	67.6%	34.90	+0.284%	+0.233%	3.41	2.01	20.12bp	+0.792	0.500	12.6%	28.4

（滑点余量口径已改：分子是毛收益减实际手续费，分母是 taker 名义额， 即每条 taker 腿能承受多少滑点。旧表按双边固定 6bp 扣、不除 taker 腿， 所以数字偏大——上一版写的 14.27bp 就是旧口径，与 11.06bp 是同一件事的两种算法。）

• 滑点余量 11.06 → 20.12bp，接近翻倍；均 R +0.434 → +0.792（+82%）
• 8/8 样本外币、7/7 年份全部提升，无例外。最弱的 2026 年： 现用余量 4.69bp / 剔10%PF 0.92（已跌破 1），最优 9.84bp / 1.45
• 样本内同向：净 +0.100% → +0.221%，剔10%PF 1.07 → 1.72，回撤 19.7% → 10.2%
• MAX_BARS=48 不用改：1m 上 96 根在同配置下一致略差（剔10%PF 2.01 → 1.95）， 这点与 5m/15m/30m 不同，是 1m 唯一沿用原参数的地方
• 纯整仓高 TP（TP8/TP10）毛收益更高（4447bp）但胜率跌到 5960%、 中位收益反而更低；分批版 PF 与剔10%PF 更好，是更稳的那一侧

1m 上 SL=1.0 是废的（比其他级别更明确）：剔10%PF 只有 0.78~0.99， 中位收益 −0.122%（一半以上的交易是亏的），最差 1% 到 −3.69R，回撤 25.5%。 1 ATR 在 1m 上就是噪声宽度，止损放在噪声里必然被反复扫。

减仓后剩余半仓的止损位——三组初始 SL 下都是同一条单调曲线：

初始SL	保本损(0)	留损0.5	留损1	留损1.5	留损2
SL1.0 剔10%PF	0.78	0.91	0.96	0.98	0.99
SL1.5 剔10%PF	1.23	1.38	1.45	1.49	1.50
SL2.0 剔10%PF	1.68	1.86	1.95	2.00	2.01

越松越好，到「不动」（= 初始 SL）为止基本饱和，再放宽只有 +0.01 的边际。 保本损在 SL2 上直接砍掉 0.33 的剔10%PF，是全表最差的一档。 结论与 5m/15m/30m 完全一致：减仓后不要动止损。

逐年余量在衰减——那是波动率压缩，不是 alpha 衰减

用户看到余量逐年递减后提的假设：「是不是跟波动率有关，2026 是熊市、2025 是牛市」。 查证成立，而且相关性高到接近恒等式。

余量bp 与 当年 ATR 中位数 的跨年相关系数 r = +0.989（n=7）。

年	ATR中位	毛bp	毛/ATR	余量bp(旧费率)	均R
2020	16.3	39.8	2.44	23.98	0.939
2021 牛	22.1	58.7	2.65	36.49	1.031
2022	15.4	36.5	2.37	21.30	0.876
2023	9.8	24.9	2.53	13.88	0.846
2024	11.7	31.3	2.67	18.07	0.877
2025	11.6	27.8	2.40	15.76	0.883
2026 熊	8.8	19.8	2.26	10.28	0.713

关键是「毛/ATR」列：2.26~2.67，七年无趋势。 信号质量以 ATR 计几乎没衰减。 衰减的是 ATR 本身——2021 的 22.1bp 压到 2026 的 8.8bp，掉了 60%。 余量是 bp 口径，自然跟着掉。这就是 §5.3 的论证从跨级别搬到跨时间： 成本固定在 bp，目标随 ATR 缩放。低波动年份等于「1m 变得更像 1m」。

保留意见：2026 的毛/ATR 2.26 与余量/ATR 1.17 都是七年最低， 可能还有一点真衰减，但 8 个月 1682 笔分不出是噪声还是趋势。

ATR 门控：低 ATR 的信号毛质量不差，是被固定成本吃掉的

按信号根 ATR 分桶看毛 R（零成本口径），结论与直觉相反：

ATR桶	毛R	净R @2/0.8bp	净R @6/2bp
<6bp	1.156	—	0.025
6-8	1.160	—	0.527
8-10	1.227	—	0.736
12-15	1.203	—	0.870
>30	0.940	—	0.829

低 ATR 桶的毛 R 不但不差，还是最高的一批（1.16 vs 高 ATR 桶的 0.94）。 断崖只在扣费之后出现。所以「低波动时段信号变差」是错的说法， 正确说法是固定成本在低波动时占比过大。

推论：门控阈值是费率的函数，不是市场常数。 换 VIP 档 / 换返佣 / 换交易所都要重算，不能抄：

单边 taker	最优 ATR 阈值
0（假想）	5bp
1.5bp	8bp
3bp	9bp
6bp	12bp

大致 阈值 ≈ 5 + 1.1 × taker费(bp)，亚线性。

实际费率（2/0.8bp）下的最终口径——决策用这一版

口径	笔数	平均费	净bp	余量bp	PF	剔10%PF	均R	R夏普
现用 SL1.5/TP3/48	17734	2.00bp	18.3	13.06	2.73	1.96	0.702	0.482
最优 SL2 分批→8 留损2/48	17734	2.99bp	31.9	21.45	4.18	2.85	0.958	0.639
最优 + ATR≥8bp 门控	13929	3.00bp	36.5	25.39	4.23	2.98	0.987	0.662

逐年（最优 + 8bp 门控，样本外）：

年	ATR中位	无门控余量	门控余量	保留%	笔/周	剔10%PF	均R
2021 牛	22.1	37.47	37.80	98.6%	55.5	3.41	1.064
2023	9.8	14.84	19.45	63.5%	28.4	2.84	0.982
2025	11.6	16.73	20.79	71.2%	45.5	3.11	1.007
2026 熊	8.8	11.21	15.19	55.4%	27.5	2.51	0.824

• 门控是自适应的：高波动年份几乎不触发（2021 保留 98.6%）， 低波动年份才发力（2026 保留 55.4%、余量 +36%）。不是拟合出来的常数
• 费率降低后门控的边际价值也降低：旧费率下门控带来 +5.6% 均R， 实际费率下只有 +3.0%。阈值曲线在 512bp 之间很平（均R 0.9720.987）， 8bp 是峰值但不敏感，不必纠结精确值
• 影子交易判据：14~15bp（2026 最差年份口径）。近两年合计是 19.17bp， 全样本外 25.39bp。用 2026 那个数做及格线，别用平均值

与旧 3.91bp 的差距来源未完全对齐：旧数字来自 step23（2.28 年数据、 3578 笔、毛均收益 0.0991%），本步是 7 年、25476 笔、毛均收益 0.2027%， 且滤网口径可能不同（§5.3 原文写的是「1m 同向信号」，未提阶梯）， 费率口径也已改成混合 maker/taker。在重新对齐之前，两个数字不要混用。

风险点：入场条件恰好是「收盘突破转强」，那一刻价格正朝我们的方向跑， 所以延迟造成的是系统性的追高/追低，不会正负抵消。这正是 「回测漂亮、实盘歇菜」最常见的具体机制。

5.4 实时计算窗口（step39，已跑完）

research/step39_pit_1m.py（新写，已跑完：3 币 × 每币 60 信号 = 180 笔抽检）：

窗口(根)	覆盖天数	同根命中	±3根内	完全消失	同向过滤也成立	假阳性	耗时中位	耗时P95
2000	1.4	100.0%	100.0%	0.0%	100.0%	0.0%	0.20s	0.22s
4000	2.8	100.0%	100.0%	0.0%	100.0%	0.0%	0.40s	0.42s
8000	5.6	100.0%	100.0%	0.0%	100.0%	0.0%	0.81s	0.84s
16000	11.1	100.0%	100.0%	0.0%	100.0%	0.0%	1.68s	1.81s

分币种（最大窗口）：BTC/ETH/SOL 各 60 笔全部 100% 命中，零偏移。

结论：1m 在 2000 根窗口（1.4 天）就已完全饱和，单次计算 0.20s，假阳性 0%。 比 15m/30m 的 step38 结果还干净（那里有 0.7% 假阳性）。耗时对窗口严格线性 （约 0.105ms/根），所以没有任何理由带更长的历史。

这一步顺带解决了一个更重要的问题：1m 的回测口径本身是可信的， is_sure 回撤对 1m 同样没有影响。1m 现在唯一的风险就剩执行成本。

⚠️ 延迟预算的分解（这直接决定 1m 生死）：

环节	实测	说明
信号计算	0.20s	2000 根窗口，可控
走代理访问 Bitget	约 2.4s	单次 REST 往返（含建连），这才是瓶颈

计算只占延迟的一小部分，网络是主要来源。所以影子交易器必须： 用 WebSocket 订阅而非轮询 REST 拉 K 线，并尽快把实盘迁到境外 VPS。 否则测到的滑点全是代理的账。

为什么这一步必要：step38 只验证了 15m/30m，从没验证 1m。而窗口 4000 根 对 15m 是 41 天、对 1m 只有 2.8 天，中枢的左边界效应完全不是一个量级。 窗口同时牵动两头：太短则中枢被截断信号不符，太长则算得慢延迟大滑点高。

---

6. 接下来要做的事（按优先级）

第 1 步：跑完 step39，确定实时窗口 ✅ 已完成

结果见 5.4 节。结论：影子交易器用 2000 根 1m 窗口，单次计算 0.20s。 完整输出在 research/out/step39.log 与 step39_pit_1m.csv，无需重跑。

（若日后要重跑：python research/step39_pit_1m.py --symbols BTC,ETH,SOL --probe 60 --workers 3，约 4 分钟。瓶颈不在窗口重建，而在 run_one 开头 那次 120 万根 1m 的全量 TF_DF。）

第 2 步：向用户确认交易所 ✅ 已定：Bitget + Hummingbot

他已选定先只上 1m（在我问「先从哪条腿落地」时选的 1m_first）。

延迟已实测完成（2026-08-27，服务器侧）

四路对照（宿主机 ccxt.pro / 宿主机原始 WS / 容器原始 WS / 容器 Hummingbot， 同一批 K 线对齐），把最初测到的「Hummingbot 慢 1030ms」拆开了：

• 容器网络 2~18ms
• Hummingbot 自身处理开销 −10~−30ms（不慢反快）
• 剩下 1350~1480ms 全在上游连接器的一个 bug 上

Bug：Bitget 换根时推的是带两根 K 线的消息 [上一根, 新一根]， 而上游解析写的是 data["data"][0]，拿到的是上一根；新一根要等下一条 单元素消息、约 1.1 秒后才进 deque。ccxt 遍历全部元素，所以没这问题。

修法：不能简单改成 [-1]——那样上一根的收盘价会永远停在换根前 约 1 秒的那次推送上，而我们的信号对 0.25bp 的扰动都会换掉一半结果， 收盘价偏一个 tick 不可接受。正确做法是处理消息里的全部元素： 前面的就地写回，最后一根交基类 append。

20 分钟 / 60 根配对验证：

币	上游 lag	补丁后 lag	上游漂移	补丁后漂移
BTC	1454ms	547ms	0.81bp	0.50bp
ETH	1683ms	506ms	1.20bp	0.66bp
SOL	1408ms	642ms	1.29bp	0.87bp

补丁后与原始 WS 只差 5~14ms，贴着理论下限；19 根已收盘 K 线 OHLCV 逐根相同。

漂移 0.50~0.87bp 对 15.19bp 的预算只用掉 6%，延迟这一关过了。

⚠️ 但这是无条件漂移（60 根里绝大多数是普通换根），而我们只在 「收盘突破转强」那一刻入场，那一刻价格正朝我们方向跑。§3.2 已量化 滞后与收益严格单调且是系统性追高。信号根上的条件漂移预计显著更高， 影子测量必须按信号根条件化统计，见第 3 步。 另外测的是 BTC/ETH/SOL——既是流动性最好的，又恰好是样本内那三个； 真正要跑的 8 个样本外币盘口更薄，至少补测 TRX 和 ADA。

容器内可行性（同批确认）

Python 3.13.14 + pandas 3.0.5 + numpy 2.4.6，与本机 .venv 的 pandas 同版本。 同一份切片喂进去，三个币的信号下标、中枢数、中枢 checksum 全部逐一相同， 容器内 0.26s/币 比本机 0.29s 还快。chanlun 直接挂载进容器即可， 不需要另起信号服务。（装进现有 .venv 走不通：Hummingbot 要 numba>=0.61.2 和 aiohttp<3.14，与本机 Python 3.14 冲突。）

2000 根 1m 够取：单次上限 1000、分两页，1m 限 30 天。

补丁落地方式：子类覆盖（已定）

不改镜像，用子类覆盖连接器的解析方法，升级 Hummingbot 不冲突。

⚠️ 这个方案有一个缺口必须堵：如果上游把被覆盖的方法改名， 子类覆盖会变成死代码，静默退回 1.4s，不报任何错。 所以启动时要断言基类上确实存在该方法名（有条件的话连签名一起校验）， 把静默失效转成启动即失败。

⚠️ 无论用哪种补丁方式，都要有运行时 lag 探针——补丁机制只防得住 「上游代码变了」，防不住 Bitget 再改一次消息格式：

• 每根 K 线收盘记 本地接收时间 − K线收盘时间
• 最近 30 根取滚动中位数
• 中位数 > 800ms 告警并停止开新仓（补丁后实测 506~642ms， 理论下限约 500ms；800ms 留足抖动余量又能对 1.4s 的退化一刀切死）

要停开仓而不只是打日志，因为损失是经济性且静默的—— 不会崩、不会报错，只会让收益慢慢变差，几周后才从统计里看出来。

第 3 步：写影子交易器测滑点（核心工作）

关键判断：测滑点不需要任何交易框架。 完整框架解决的是「如何可靠下单」， 而当前的未知量是「成交价会差多少」。所以先写一个不下单的影子跑法：

每根 1m 收盘 → 拉最新 K 线 → 算信号（窗口取第 1 步的结论）
           → 信号触发时抓真实盘口(bid/ask + 深度)
           → 按仓位吃单深度算出真实成交价
           → 等下一根 K 线出来，取其开盘价（回测假设的成交价）
           → 两者相减 = 真实滑点

必须把时间戳拆开记录，否则不知道该优化哪里：

时间戳	含义
t_close	K 线收盘时刻
t_data	数据到手时刻 → 拉取延迟
t_signal	信号算完时刻 → 计算延迟
t_book	盘口快照时刻 → 下单时点

滑点应分解成三块：延迟漂移（t_book 中间价 − 次根开盘价）、 盘口价差（ask − 中间价）、深度冲击（加权成交价 − ask）。 延迟漂移已单独测过（第 2 步，0.50~0.87bp 无条件）， 但信号根上的条件漂移才是要测的量。

形态已定：Hummingbot V2 controller（不再写独立 shadow.py）

• 信号承载在 V2 controller 里，chanlun 挂载进容器直接用
• chanlun 计算走 ProcessPoolExecutor：0.26s 是纯 CPU 且受 GIL 限制， 直接放进 async 会卡住事件循环
• 滑点测量读连接器真实盘口，不用 paper trade 的模拟成交

必须记录的字段（否则数据回来无法对判据）

时间戳四件套，拆开才知道该优化哪里：

字段	含义
t_close	K 线收盘时刻
t_data	数据到手时刻 → 拉取延迟
t_signal	信号算完时刻 → 计算延迟
t_book	盘口快照时刻 → 下单时点

每笔还必须记 atr_pct——判据是 bp 口径而 ATR 逐年变化（见 5.3）， 不记 ATR 就无法把实测滑点换算成 R、也无法验证门控是否正确执行。

统计口径三条硬要求：

1. 只统计通过全部滤网的信号根（同向 + 阶梯 + ATR ≥ 8bp 门控）。 在未过滤的根上测滑点会把判据算宽——那些单子我们根本不做
2. 条件漂移与无条件漂移分开报。无条件值（0.5~0.87bp）已知， 要的是信号根上的值。两者的差就是「系统性追高」的大小
3. 出场腿单独统计：止盈是 maker 不吃滑点，止损/超时是 taker 要吃。 §1.3 的费率模型按出场原因分别计费，滑点也必须这样分， 否则会把 60% 不吃滑点的止盈腿混进平均值里，低估真实成本

对判据时用每条 taker 腿的滑点（入场 + 止损/超时出场）， 不是每笔的总滑点——余量 15.19bp 就是这个口径。

记录与报表已在服务器侧实现：research/live/shadow_hb.py（采集）与 shadow_report.py（报表）。它的设计比研究侧曾经写过的那版好，不要重复造： 每个信号在 0.5s / 1s / 2s / 5s / actual 五个延迟上各测一次——同信号内的 受控对比，能直接读出「延迟压到 X 秒滑点是多少」，决策不被当前实现拖累； 另外还扫了仓位，滑点也已拆成漂移 / 价差 / 冲击。

判据常数留在研究侧：research/lib/shadow_budget.py （逐币 BUDGET_BP、ATR_GATE_BP、LEG_IS_TAKER、lag_healthy()、 verdict()）。分工的理由是这些数会变——2026-08-27 一天之内预算就动了四次， 费率也改了一次，写死在 live 侧的任何一份都会静默过期。

其他实现要点：

• 数据格式必须与 lib/data.py 一致：timestamp(int64 ms), date(tz Asia/Shanghai), open/high/low/close/volume
• 持仓也要影子管理：出场按 1m 自己的参数（3 ATR 减半 / 留损 2 / 目标 8 ATR / 48 根超时），出场同样记录真实盘口
• 状态要落盘，重启不能丢

第 4 步：根据滑点结果决策

旧阈值（2.5 / 3.9bp）已作废：那是 TP=3.0、全 taker、原始费率记错 三重错误叠加出来的，见 5.3。新判据如下。

前提：1m 用自己的出场参数（SL2 / 3ATR减半 / 留损2 / 目标8ATR / 48根）

• ATR ≥ 8bp 门控 + 实际费率 2/0.8bp。

判据用 2026 那个最差年份的 15.19bp，不要用全样本的 25.39bp。 低波动环境是当前状态，不是尾部情形。

实测滑点（每条 taker 腿）	判断
≤ 5bp	1m 可行，各年份都有厚余量，进真实 dry run
5~10bp	可行但只在中高波动期，门控阈值要上调（见 5.3 的费率-阈值关系）
10~15bp	仅 2021 型牛市能做，常态环境不要开
> 15bp	1m 放弃

5m/30m 不受影响这一句仍成立（余量 26bp / 89bp，且那是旧费率下的保守值）。

另外两点：

• 滑点必须用 WebSocket 测。代理下 REST 单次往返约 2.4s，而信号计算只要 0.20s（§5.4），REST 测出来的全是代理的账
• 入场条件是「收盘突破转强」，那一刻价格正朝我们方向跑， 延迟造成系统性追高、不会正负抵消（§3.2 已量化滞后与收益严格单调）

第 5 步（后续）：1m 与 5m 分实例

用户问过「1m 和 5m 分成两个实例跑呢？」——对，而且是硬要求： freqtrade 一实例只能一个 timeframe；另有资金池隔离、统计独立、 API 限流风险隔离三个好处。

⚠️ 有个坑要提前处理：两个实例可能在同一个币上同时持反向仓位 （1m 出三卖做空、5m 出三买做多），单向持仓模式下会互相平掉或直接报错。 要么开对冲模式，要么两个实例分配不同币种（币种够多，分开还能看出品种间差异）。

---

7. 环境与数据

7.1 数据

• 位置：data/binance/futures/{SYM}_USDT_USDT-{tf}-futures.feather
• BTC/ETH/SOL：全周期 1m1w，21722543 天
• 另有 8 个样本外币种（BNB/XRP/DOGE/ADA/AVAX/LINK/LTC/TRX）： 48 个文件已全部校验，2020~2026-08-26，零缺口零重复
• 读取统一走 research/lib/data.py 的 fetch_ohlcv(symbol, tf, limit)， 本地优先，回落到 https://provider.jackyu66.com（该服务只有 BTC/ETH/SOL， 且小周期仅 90 天，别指望它）

7.2 代理

本地代理 127.0.0.1:7897。Binance 和 Bitget 的 API 都需要它。

7.3 已修过的两个 bug（别再踩）

1. 时间戳精度（lib/data.py）：不能用 date.astype("int64")//10**6， 该值单位取决于列精度（[ns] 给纳秒、[ms] 给毫秒），对毫秒精度的文件 会把时间戳砸平，再被 drop_duplicates 删掉九成数据。 正确写法：(date - pd.Timestamp("1970-01-01", tz="UTC")) // pd.Timedelta("1ms")
2. 相邻中枢撞同一 entry_idx：会让下游 set_index("entry_idx") 抛 InvalidIndexError。已在 find_fast_bsp3 末尾按 ["entry_idx","occ","zone_i"] 排序后 drop_duplicates("entry_idx") 去重。

7.4 跑长任务的注意事项

• 用 shell 工具的原生后台执行（block_until_ms=0）， 不要用 nohup——早期用 nohup 的后台任务多次莫名消失
• 1m 全量数据（120 万根）的 TF_DF 约需 2 分钟，任何涉及 1m 全量的脚本 都要预留时间
• 多进程用 ProcessPoolExecutor，记得在子进程里重新 sys.path.insert 并 warnings.filterwarnings("ignore")
• 内存很大（用户说「随便用」），但 1m 全量 × 多进程仍可能吃掉几十 GB

---

8. 代码地图

8.1 研究库 research/lib/

文件	作用
data.py	数据层，本地 feather 优先
fast_bsp3.py	实现已移入引擎（chanlun/analysis/fast_bsp.py），这里只剩转发导入。所有 step 脚本的 from lib.fast_bsp3 import find_fast_bsp3 不用改
nested_level.py	build_htf_zones 同样移入引擎并转发；annotate_position 仍在本地
nested_bsp.py	htf_fx_timeline / attach_htf_context：区间套上下文。
confirm_ts 已 +period 修正 K 线收盘时刻
fx_signal.py	分型信号提取与背驰
breakout.py	事件驱动回测。run_trades 支持 entry_delay/slippage/
boost_dir（动态止盈，已验证无效）

8.2 缠论引擎 chanlun/

• TF_DF(df, 1, tf) 是入口，.dataframe 拿到含缠论标注的 DataFrame
• analysis/fast_bsp.py：核心，自研第四类买卖点 B4/S4（滞后 2.2 根）， 2026-08-27 从 research/lib/ 搬来，回测与 web 图表现在共用同一份代码。 搬运时逐条比对过 BTC/ETH/SOL × 15m/30m 六组，中枢与信号完全一致。 它不是「B3/S3 提前几根」：判据（收盘价实时 vs 笔端点事后）、方向来源 （突破侧 vs 离开笔）、选样口径（627 个中枢里认 212 个 vs 引擎发 625 个）都不同。 step30 同条件对拍见 §4——同一组过滤器把 B4 从 PF 1.59 提到 2.26，对引擎 B3/S3 无效（0.66→0.71）；引擎那批胜率 27.4% 低于 SL1.5/TP3.0 的随机基准 33%， 是系统性反向样本，不是滞后造成的衰减 除 find_fast_bsp3 / build_htf_zones 外，还有过滤用的 add_zone_ladder （中枢阶梯，§1.4）与 htf_fx_timeline / attach_htf_agree（区间套同向，§1.1 第三层）
• pipeline/builders/fast_bsp.py：TF_DF.cal_fast_bsp()，把上面那套包成 ChanFastBSP（类型 Chan_BSP_TYPE.B4/S4）。大级别由同一份 df 重采样得到， 配对表 FAST_BSP_HTF_PAIR 就是 §1.5 那张表。 不在 init_TF_DF 里默认计算，要显式调用
• web 端：/api/analyze 返回 fast_bsp_list / element_fast_bsp_list / sub_sub_fast_bsp_list，每条带 htf_agree 与 ladder_ok 两个过滤标志。 图上深色 B4/S4 = 两个标志都满足，浅色 = 未通过过滤
• pipeline/builders/incremental.py：增量更新（init_stream / append_bar / replace_last_bar / rebuild_bi_zs）。注释写明「最后一笔 is_sure 允许收回」， 这是 step38 要验证的那个隐患（已证实无影响）。 实盘若要用增量而非全量重算，需重新验证
• pipeline/orchestrator.py：TF_DF 方法的门面
• web/：图表与分析服务，无下单/订单管理功能，实盘用不上

8.3 实验索引

step	一句话
1~14	早期探索：信号有效性、滞后测量、直接预测收益（后发现有未来函数偏差，已弃）
15~18	区间套雏形；fast_bsp3 诞生（降滞后）
19~20	级别配对批量扫描 + 并行化
21	最优配置的尽调（尾部依赖、成本敏感）
22	执行压力：收盘价 vs 次根开盘、滑点
23	费率分档 + 刷量测算（1m 经济性的数据来源）
24	信号聚簇：同一大级别分型下的多信号是否独立（是）
25	同中枢重复入场（只做首次）
26	中枢阶梯序列（趋势 vs 盘整，印证缠论定义）
27	动态止盈（无效）
28	全级别矩阵（最优配置来源）
29	信号漏斗诊断 + 参数敏感性
30/31	引擎原生 B3/S3 对比 + 方向反转诊断（引擎信号因滞后而亏损）
32	消融研究（alpha 来自中枢上下文，非触发动作）
33	require_touch=False 的影响（显著提升）
34	tol 扫描（滞后与收益严格单调）
35	高收益审计（口径、滑点、并发）
36	偏差审计（生效时刻、多空、时间样本外）
37	跨品种样本外（8 个新币）
38	时点重建（无未来函数）
39	1m 时点重建 + 窗口扫描（2000 根窗口饱和）
40	第四类买卖点的过滤消融（web 端原始 vs 过滤）
41	出场口径全扫（SL × TP × MAX_BARS × 分批 × 剩余半仓止损位 + 真实费率模型）。TP=3 截早了；分批要做但止损保持原位；SL=1.0 最差
42	1m 单独定出场（同一张全网格，11 币 7 年 25476 笔）。1m 右尾是其他级别 2 倍，TP 不能混用；SL2 分批→8ATR 留损2 48根 在均R/R夏普/回撤/剔10%PF 四项全赢，滑点余量 11.06→20.12bp；MAX_BARS=48 反而不用改

输出都在 research/out/。2026-08-27 清理过一轮：step1~20 的输出（早期方法论 已被推翻，含未来函数偏差）与旧口径备份一并删除，只留支撑当前结论的证据。 脚本都还在，需要时可重跑。step31 及之后的 .py 都在 research/ 下。

---

9. 与用户协作的注意事项

• 用中文回复（用户规则）
• 用户技术判断力强，会主动纠正方向（他纠正过我对区间套的理解、 指出内存回收、指出结论印证缠论定义）。他的领域直觉值得认真对待
• 他反复强调不要再调参，要落地验证
• 他讨厌长时间等待，早期多次问「还在跑吗」「好了吗」。 长任务要后台跑并主动汇报进度，不要让他干等
• 报数字时必须交代口径（复利/杠杆/费率），否则会误导

---

10. 待办清单

• step39：1m 时点重建 + 窗口扫描 → 2000 根窗口饱和，计算 0.20s， 假阳性 0%，1m 回测口径可信
• 对齐 step23 与 step42 的 1m 数字（3.91bp vs 11.06bp）。差距可能来自 数据年限（2.28 年 vs 7 年）或滤网（§5.3 原文只提「同向」，未提阶梯）。 §6 第 4 步的三条决策阈值全部依赖这个数字，对齐前不要据它做去留判断
• 决定是否改出场口径（step41/42 样本外均已过，见 3.5 与 5.3）。 出场参数要按级别分开定，不能一套走天下。 5m/15m/30m 的首选是 「初始 SL 2.0 ATR、到 3 ATR 平一半、剩余半仓止损保持原位、跑到 8 ATR、 48 根超时」；若更看重单位风险期望而非回撤，初始 SL 用 1.5。 1m 用同一套形状，但 SL=2.0 是无争议的最优（均 R、R夏普、回撤、 剔10%PF 四项全赢，见 5.3），MAX_BARS=48 不变。 改的话 run_trades 要支持分批（现在只支持整仓单目标）， 并重跑 step28/35/37 刷新本文档的年化/回撤/并发数字——不要新旧口径混用。 注意分批后平均持仓从 11 根拉到 30 根，§3.3 的并发数据必须重算
• 用实际费率（2/0.8bp）重算 step41/42 的分析段 → 1m 见 5.3 末尾 （均R +8%，判据 15.19bp）；5m/15m/30m 见 3.5 末尾（余量只动 2%，结论不变）
• ATR 门控搬到 5m/15m/30m 验证 → 惰性（30m 触发 0%、15m 0.16%、5m 2.6%）， 可作全局规则 ATR ≥ 5 + 1.1×taker费(bp)，当前即 ≥ 8bp
• 确认交易所与框架 → Bitget + Hummingbot，先只上 1m
• 测执行延迟 → 上游连接器 bug 已定位并修好，补丁后 lag 506642ms、 无条件漂移 0.500.87bp，占预算 6%。见 §6 第 2 步
• 写 V2 controller + 盘口缓冲，跑影子测量（当前第一件事）。 字段与统计口径见 §6 第 3 步，三条硬要求别漏：只统计过滤后的信号根、 条件漂移与无条件漂移分开报、出场腿按 maker/taker 分开统计
• 改掉 shadow_report.py 的 BUDGET_BP（当前 BTC −0.13 / ETH 4.02 / SOL 2.92）。那三个数由六处差异叠加而来：只有同向没有阶梯过滤、 费率按 6bp 双边 taker、TP=3.0、余量没除 taker 名义额、无 ATR 门控、 且 BTC/ETH/SOL 恰是 ATR 最低的三个币。正确值 8.58 / 20.64 / 16.83， 直接从 lib/shadow_budget.py import。 这条优先级最高：报表里 drift > b 与 drift > b*0.6 是自动停机开关， 用错的预算会让它比真实情况早约五倍触发，误杀一个可行的策略
• live 信号路径补上中枢阶梯过滤与 ATR 门控。现在是 fin = full[full["h1_agree"] == 1]，只有同向。缺这两项测的就不是 我们要交易的那批信号，改常数解决不了
• 子类覆盖加启动断言 + 运行时 lag 探针（>800ms 停开仓），见 §6 第 2 步
• 补测 ADA / DOGE / AVAX 的漂移——真正要交易的是这批（预算 15~22bp）。 BTC/ETH/SOL 流动性最好，测滑点偏乐观是安全方向，但判可行性不能只看它们。 BTC 大概率不该做 1m：ATR 中位 2026 仅 6.5bp（11 币最低）， 门控刷掉 58.5%，修正后预算 8.58bp 仍是最低。TRX 2026 门控后只剩 4.2%
• 收集 1~2 周影子数据，与回测口径逐笔对比
• 按 §6 第 4 步的四档判据决策 1m 是否可行
• 若可行：真实 dry run
• 补一项研究阶段的缺口：资金费率从未计入任何回测。 注：1m 新参数下平均持仓 28.4 根 = 28 分钟，很少跨 8 小时结算点， 这一项对 1m 影响小；30m 腿才是真问题。 30m 腿平均持仓 6.5 小时会跨结算点，需要评估影响
• 补：同时持仓的保证金约束也未建模（组合有仓位时间仅 8.6%， 预计影响小，但没算过）