信号回放对比 - 2026-07-27 (volpct dir2)

信号回放对比 - 2026年7月27日

volpct dir2 策略信号回放对比

同一套 volpct dir2 策略(h1 · 超时门控 · 10% 仓位 · 2024年1月 → 2026年7月), 三个配置仅在携带的指标族上不同。差别直接体现在逐年收益上 —— 缺哪块指标,对应那一年就掉。

配置 / 回放	指标	评级	2024 收益	2025 收益	2026 收益 (至 7 月)
1. mda3 基线 sr_6161fcac17	缺趋势指标（trend）	D（51.1）	+9.9%	+6.6%	−2.1%
2. mda3_custom（+5 手工公式） sr_f28ec56ab4	全指标齐备	C（70.1）	+8.3%	+10.9%	+2.8%
3. mda3_custom2（custom − 禁用族） sr_6267136363	缺交易所流指标（exchange flow）	D（53.1）	−0.3%	+7.5%	+7.0%

逐年收益取自各回放的 annual_table(10% 仓位、超时门控)。 2026 为不完整年(截至 7 月,7 个月)。绿色 = 正收益,红色 = 负收益。点击 run 编号打开对应的信号回放面板。

解读 · 指标缺失 → 状态失效

缺哪个指标,就在哪段行情失效

三个配置的差异说明:不同指标族负责不同市场状态。缺一块,对应那段行情就撑不住; 指标齐备时,两段状态都稳。

1. 基线 —— 缺趋势指标

2026 亏损（−2.1%）。缺了趋势(trend)指标,进入 2026 就转负; 2024（+9.9%）、2025（+6.5%）本来尚可。这正是 2026 拖后腿的原因。

3. custom2 —— 缺交易所流指标

2024 归零（−0.3%）。缺了交易所流(exchange flow)指标,2024 几乎不赚钱; 尽管 2025（+7.5%）、2026（+7.0%）很强。也就是 2024 那段撑不起来。

2. custom（+5 手工公式）—— 全指标

逐年为正。指标齐备,三年都赚:2024 +8.3%、2025 +10.9%、 2026 +2.7%。综合最优,最稳。

结论

趋势指标决定 2026 能否守住,交易所流指标决定 2024 能否成立; 二者缺一不可。配置 2(全指标)三年逐年为正,是三者中的首选。

参数规模对比 · signal-replay

参数越多,结果越好

在同一 volpct dir2 框架下,对比两个仅参数规模不同的配置 (方向 dir / 波动 vol 的参数量)。参数更多的配置,整体结果更好 —— 评级、全期收益、夏普更高,回撤更低。

配置（dir / vol）/ 回放	评级	全期收益	夏普	最大回撤	2024	2025	2026 (至 7 月)
dir 3545 / vol 35759 参数更多 · sr_96a6177a05	B（79.2）	+41.9%	3.64	2.4%	+10.8%	+23.0%	+4.1%
dir 2707 / vol 29121 参数较少 · sr_8ca8424e7f	B（77.7）	+37.7%	3.26	3.1%	+12.0%	+19.1%	+3.1%

结论

dir 3545 / vol 35759(参数更多)全面优于 dir 2707 / vol 29121(参数较少): 全期收益 +41.9% vs +37.7%、夏普 3.64 vs 3.26、最大回撤 2.4% vs 3.1%、评级 79.2 vs 77.7, 且 2025 一年 +23.0% vs +19.1%。在此区间内,参数越多,结果越好。

指标取自各自回放的 total_return / sharpe / max_drawdown 与 annual_table(2026 为不完整年,截至 7 月)。点击 run 编号打开信号回放面板。

观察 · 概率异常

奇怪的概率：买卖概率逐根剧烈翻转

线上信号面板(volpct-dir3545)的近几根小时 K 线里,买 / 卖概率在相邻两根之间大幅翻转 —— 上表 1q2024-2q2026 变体尤其明显:买入概率 0.95 → 0.22 → 0.04 几小时内来回跳,edge 在 +0.9 与 −0.9 之间摆动; 下表 ts5 变体则平滑得多。两者当前都因超时概率(timeout prob)偏高而为 HOLD · 不可交易。

同一时刻(2026-07-25 15:00)两个变体对照:1q2024-2q2026(上)概率极不稳定、逐根翻转; ts5(下)概率更连续、edge 缓变。均为 HOLD/不可交易。—— 需排查为何该变体的概率会逐根剧烈跳变。

数据取舍 · 丢弃序列的原因

建模时为什么丢弃某些序列

在生产模型时,以下几类序列被主动剔除 —— 不是因为没有预测力,而是因为它们在 线上无法可靠复现或数值上不稳定。留着反而会让线上信号失真。四类原因:

1. 线上 / 历史定义不一致

线上口径与历史口径不是同一个定义,直接拼接会引入结构性断点。

例:supply（供给）家族。

2. 变换数值不稳定

某些变换在极小量级下数值不稳定(如 ~1e-17 级别),训练时被忽略,线上会放大成噪声。

例:训练时未察觉的 1e-17 数值问题。

3. 线上序列本身不稳定

原始序列在线上就不稳定,同样出现 ~1e-17 的量级问题。

例:transaction EOA median —— CryptoQuant 有自己的定义,正在处理中。

4. 找不到历史定义

线上有数据,但无法复原其历史定义,因而无法回填、无法训练。

例:exchange flow（交易所流）家族。

原则:能进模型的序列,必须线上可复现且数值稳定;凡是线上与历史对不齐、或数值退化的,一律剔除。