承接上周路线图的后续方向，并对照 feat100 · 4h 波动归一(168) · core5 在 OOS 2024 与 OOS 2025 两段留出窗口的模型准确率。
后续八条改进方向（a–h）。其中标绿的三项 —— a. 提升边际、b. 实盘交易、h. 时序样本外 —— 为当前优先推进方向。
当前壁垒 0.8%（80bp）→ 试 1.2% / 1.6%。样本外上限受 样本内信号约束。
一旦某配置通过门槛，即可上线模拟或实盘交易（CR-03 是当前阻塞项）。
把更多小时级指标 / 数据源纳入特征集并重新评估。
去掉这 15 个核心幸存者重新训练，看剩余特征是否仍有边际。
在 BTC 等其他币种上验证同一套流程，而不仅限于 ETH。
当前训练自 2019 年起 —— 把回溯窗口再往前延伸，覆盖更多市场状态。
沿其中一个方向对幸存特征施加更多变换，进一步扩展特征空间，检验能否带来增量。
增加一段时序留出的样本外窗口（2024-04-01 → 2025-04-01），在更早的一年上验证，而不仅是 2025 年起。
同一套流程（全交易所聚合 · 100 特征 · 4 小时 · 168h 波动归一三重壁垒 · core5 共识） 在两段不同的时序留出窗口上分别重训与评估。每个三重壁垒目标含买入(+1 对其余)、卖出(-1 对其余) 两个二元子模型，并附方向基准模型作为参照。壁垒宽度以 168 小时滚动波动率（σ）的倍数表示 （1.0σ = 100，0.5σ = 50）。
训练与 OOS 的差距用于识别过拟合。两个窗口的方向模型 OOS 准确率约 53%； 三重壁垒卖出分支在较宽壁垒（上 1.0σ / 下 1.0σ）上 OOS 最高（2024 窗口约 64.5%、2025 窗口约 66.9%）。
取目标 target_tb_vstd168_tp100_sl100（上 1.0σ / 下 1.0σ）。令 k = 卡尔曼平滑后的
买 − 卖 概率差，kd = k 的 1 根斜率。把样本按 k 分入 10 个等样本量分带,
在每个分带内用斜率符号预测方向（买 = kd > 0，卖 = kd < 0），剔除中性（0）样本 —— 因此是纯粹的
涨 vs 跌，盈亏平衡线为 0.50。下方按两段留出窗口对照（IS 实线、OOS 虚线；起点 2019-04-01）。
每幅图左为买入分支、右为卖出分支；横轴为由低到高的 k 分带,纵轴为该分带内 sign(kd) 预测的精确率。 高于 0.50 即优于抛硬币；OOS（虚线）相对 IS（实线）的差距反映泛化能力。
两段窗口的卡尔曼 k 水平随时间叠加（±0.05 为参考线;竖线标注各自的 OOS 起点）。 两条曲线由同一套特征/流程、仅留出切分不同的模型生成。
卡尔曼平滑的 买 − 卖 概率差上穿 0 做多。10% 仓位、无杠杆。下表列出四段 SignalHive 回测 —— OOS2024 与 OOS2025 两个模型,各自的样本内（全历史）与留出样本外结果。 两段留出样本外的夏普均 > 1.6、回撤更小,但收益规模较低、笔数有限(20 / 26 笔),仍未通过门槛。
点击 run 编号在新标签页打开对应的 SignalHive 回测面板(需登录)。 “样本内 / 全历史”为完整信号历史;“留出样本外”为各自模型的时序留出窗口 （OOS2024：2024-04 → 2025-04;OOS2025：2025-04 → 2026-06）。