本周建模工作的幻灯片式讲解,数据源为 VWAP 成交价,并与全交易所聚合口径对照。
本周重点(本版数据全部来自 eth_trimmed_hourly_logistic_vwap,即仅用
VWAP 成交价驱动标签与特征):
三重壁垒标注（Lopez de Prado）、ETH 在各壁垒宽度下的标签分布,以及"预测噪声"与"预测模型难以把握的周期"之间的权衡 —— 全部基于 VWAP 成交价口径。
标签的定义决定了模型到底在学什么。周期选错,再干净的模型也只是在拟合微观结构噪声。
所有示例均特意使用以太坊：候选特征约 2,796 个,而 BTC 约 23,608；入选特征仅 191 个,BTC 约 1,283。BTC 链上覆盖更广,ETH 特征空间更小,训练与迭代快得多。
该方法出自《Advances in Financial Machine Learning》（Wiley, 2018）。不是用固定 周期的收益率,而是看价格前向路径最先触碰三条壁垒中的哪一条来打标签。
Marcos Lopez de Prado -《Advances in Financial Machine Learning》。
上壁垒 → 标签 +1,下壁垒 → -1, 垂直（时间）壁垒 → 0。路径最先触到哪条,就用哪条 —— 这里先触到垂直壁垒, 因此标记为 0。
每根 K 线按其前向路径最先触碰的壁垒打标签：上壁垒（+1 买入）、 下壁垒（-1 卖出）,或到时间上限都未触碰（0 未触发 / 超时）。 壁垒宽度（基点）决定了价格需要走多远才能触发标签。
ETH 小时级 checkpoint1（VWAP 成交价）的标签分布：65,138 行,跨 4 种 上 / 下壁垒配置。
壁垒太窄几乎立刻触发,标签主要反映微观结构抖动而非真实 走势,模型学到的是抛硬币。
也不能将预测周期无限拉长 —— 没有模型能预测五年后。信号 衰减、市场状态切换主导,远期标签无法学习。
壁垒宽度是这两个极端之间的旋钮。更宽的壁垒缩小未触发（0） 的比例并要求真实的方向性移动；目标是找到"单位噪声里方向最多"的宽度。
从所有变换后的候选特征出发,让 9 个模型通过 t 统计量筛选淘汰投票,只保留多数 模型都认可的特征,再只对这些幸存者施加更多变换。
特征选择计数：9 个模型（方向 + 三重壁垒买 / 卖）各自选了哪些特征。
9 个模型各自在全量特征池上做 t 统计量 淘汰,各自收敛到 50 个；其并集为 191 个不同特征 —— 图中统计 每个特征被多少模型认可。
被 9 个模型中 ≥5 个 选中的构成核心：28 个特征,归并到 13 个去重的原始来源列。
只用这 13 个幸存原始列重建 checkpoint1 并重施全套变换 —— 现在 1,083 个聚焦特征,较 2,796 下降。变换更多,但只针对验证过的基底。
这些是幸存特征所对应的原始数据列 —— checkpoint1 重建所基于的共识基底。标签显示每个 来源产出了 28 个幸存特征中的多少个。
按贡献排序。spot_price 占主导,因为所有 return / trend / volatility
特征都归并回原始价格（此处为 VWAP 成交量加权收盘价）。
并排展示三重壁垒法生成的买入与卖出两个分支（对比训练集与完全未触碰的样本外集）,并附基准方向模型作为参照。
方向是二分类（1 = 前向收益上涨,0 = 下跌）。每个三重壁垒目标由买入、卖出两个二元子模型 组成（买入 = +1 对其余,卖出 = -1 对其余）。训练与 OOS 的差距用于识别过拟合。
三重壁垒买 / 卖信号的三种呈现,均叠加在 ETH VWAP 成交价（右轴）上,并标注训练 / OOS 切分 （2025-04-01）。原始信号噪声大、贴近 0.5；168 小时移动平均与卡尔曼滤波揭示更慢的状态。
原始小时级买 / 卖概率 —— 多数贴近 0.5（不确定）。
168 小时（1 周）移动平均 —— 去噪并显现状态。
卡尔曼平滑的 买 − 卖 差；绿色 = 买（差 > 0）,红色 = 卖（差 < 0）。
三个 ETH 策略执行框架在 SignalHive 引擎上的回测 —— 信号由 VWAP 成交量加权成交价 模型重新生成(嵌入式翻转计划已据此重建)。全量信号历史与仅样本外窗口（自 2025-04-01）,10% 仓位、无杠杆; 信号在 2026-06-11 后结束,策略即平仓并保持空仓,不在无信号的 K 线上计入收益。 结论:用 VWAP（成交价）替代单一交易所收盘价后,信号明显增强 —— 卡尔曼交叉在全历史与 样本外均通过门槛(带警告)(样本外夏普 1.52、收益 +12.6%);168 小时 MA 全历史强劲 (+42.1%)但样本外边际消退;趋势保持因仅约 5 次确认翻转而几乎不交易。相比之下,此前的 Binance 收盘价信号三者全数未通过 —— 成交量加权的成交价更贴近真实成交,噪声更低。
先自上而下验证两道基础门槛（先过门槛 1，再过门槛 2）；下方八条改进方向（a–h）仅在两道门槛均通过后才会启动。
确保特征与标签均无未来信息泄漏 —— 核查时点对齐（每根 K 线只取用截至当时已知的数据）、 滚动 / 季节性变换,以及三重壁垒标签的构造是否存在前视（lookahead）。
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 13 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。