反转、机器学习与每周调仓

这批样本里，增加特征几乎没有改善 Ridge 的平均排序。加密每周调仓减少了交易，计入成本后在多数窗口超过每日趋势。它与等权对照相比，优势还不明确。这段历史此前已经研究过，本轮结果仍需用新数据确认。

美股模型学到了什么

每月最多选 500 个来源候选，依据此前 20 个完整的 XNYS 交易日。冻结数据覆盖 2025-09-25 至 2026-10-20，共有 658472 个候选与日期组合。历史证券身份和类型仍不完整，不能把候选池当作已经核实的普通股全集或历史指数成分股。

本轮预测下一交易日常规时段内，末笔有效成交相对首笔有效成交的涨跌。缺少下一日标签时保留缺失。这些价格尚未通过实际成交验收，信号在收盘时可用也只是近似假设。

简单反转给当天涨跌加负号，把跌得多的候选排在前面。排序相关性用 Rank IC 表示，数值越高，分数靠前的候选后来通常表现越强。它衡量排序，还不能告诉我们组合挣了多少钱。

表中日期均为 2026 年，每段计划检验 20 个交易日。有标签的候选与日期组合分别为 10000、10000、9954，最后一段缺少 46 个标签。各段出现过的不同身份分别有 539、531、526 个，单日仍最多 500 个。整段超过 500 是因为名单按月更新。

只用当天涨跌的 Ridge，在三段中都给出了与反转完全相同的排序。六特征 Ridge 有 30 天超过反转，60 天平均略低于反转。去掉当天涨跌后，其余特征几乎没有排序效果。树模型有 34 天超过反转，平均相关性仍更低。胜出的天数和差距大小反映不同情况，需要一起看。

网页也保留了按当天涨跌排序、统一预测为零的对照。统一预测为零时，所有分数相同，排序相关性无法计算。模型和零预测可以比较预测误差，两条原始排序规则尚未校准成收益预测，不报告其误差平方。

模型怎样检验

研究沿用可选的 predictive 环境，使用 scikit-learn 1.7.2。每段测试前至少有 126 个日历训练日期，最后 20% 用于内部验证。同一天的候选始终放在一起，训练标签的结束时点必须严格早于下一阶段的决策时点。缺失值估算和 Ridge 缩放只学习训练数据。

Ridge 对三组特征分别比较 alpha 为 0.1、1、10 的设置。六项原始特征是当天涨跌、日内价格范围、相对成交额、报价价差、有效报价分钟占比、有成交分钟占比。另两组分别只保留当天涨跌，以及只保留其余五项。机器键仍使用 session_return、range_fraction、relative_dollar_volume、median_spread、quote_fraction、active_fraction。

树模型使用 HistGradientBoostingRegressor，最多 100 轮、7 个叶节点，每个叶节点至少 100 个样本。学习率为 0.05，L2 惩罚为 1.0，最多 63 个分箱，随机种子为 42，只比较深度 2 和 3。提前停止关闭，避免随机划出的验证样本替代时间顺序检验。三段都选中了深度 3。

参数按内部验证期的每日排序相关性平均值选择，至少需要 20 个有效日期，每天至少 30 个不同候选。相关性相差不超过 1e-12 时，先比较平均预测误差，再按参数声明顺序决定。无法计算的组保留原因。本轮实际拟合 45 次，使用单工作进程、最多两个计算线程，子进程上限 1200 秒，没有扩展搜索或自动重试。

本轮还按月份、此前成交额和当天价差分组。分界只看特征日期完整候选池，先分组，再检查后来的标签。首版代码用了有标签的样本来确定分界，回归测试已复现并修复。修正只读取冻结输入和 12 份已保存的预测文件，重新汇总分组，没有新增拟合。原报告保留备查，预测值和整段结果没有变化。系数方向和分组比较只帮助理解样本，尚不能说明因果关系。

加密少交易以后怎样

数据仍是原来的 8 个固定现货币种、12 个独立窗口。每个窗口预热 252 天，计分 90 天。运行前核对了原有冻结清单和 8 份行情文件。这些数据尚不能代表按历史时点还原的完整币种市场。

严格趋势规则选择价格高于 200 日均线的币，再按 40% 年化波动目标限制总持仓，不加杠杆。每周策略首次配置后，只在周一 UTC 决策日期调整，其余日期持有原来的币数和现金。持仓比例会随价格变化，信号和风险变化可能要等到下一周才处理。计算仍近似按当天收盘价格决策，再经历下一日涨跌。

本轮保留五个账户。每日趋势和每日等权对照沿用原规则，再加入每周趋势、同日历等权、每天匹配敞口的等权对照。同日历对照在相同日期调整，目标总持仓比例相同，之后的实际比例可能不同。敞口对照每天匹配每周趋势账户当时投在币上的比例，所用信息早于下一日涨跌，但它会更频繁地交易。网页同时列出换手和平均持仓比例。

单边总成本分别按 35 和 50 个基点计算，每买卖一笔金额收取 0.35% 或 0.50%。这是费用情景，尚未对应具体交易场所的费率表。

平均累计换手从每日趋势约 9.78 倍降至每周趋势约 4.02 倍。每次交易金额除以当时账户净值，再累加，得到累计换手。35 个基点时，各窗口平均净收益从 10.62% 升至 13.48%，50 个基点时从 9.02% 升至 12.81%。这些都是分别起算的 90 天账户均值，不能当作年收益或连续账户表现。每日基线已复现，历史公开快照保持完整。

120 个含费账户和对应的 120 个零费账户全部完成，整批运行上限为 600 秒。各费用情景重新计算现金、持仓与净值，费用由账户现金和交易资金承担。零费账户按相同规则独立运行，持仓漂移和敞口对照也重新计算，因此成本影响包含账户路径随费用发生的变化。日线仍无法证明盘口深度、滑点、容量或真实做市成交，USDT 也不同于 USD。

复现与后续观察

先配置绝对路径 DATA_ROOT，把 UV_PROJECT_ENVIRONMENT 放在仓库外。真实运行需要项目数据目录下的一次性预约，绑定协议、输入哈希、代码、依赖锁和输出位置。同一协议与输入换目录或改代码，都不能自动获得新预算。已有结果或状态不明的启动记录会被拒绝。

这两条预约运行命令需要包含相应 uv.lock 的源码目录，启动前会核对记录中的锁文件哈希。它们尚不检查已安装包内部是否被任意修改，请按下面的锁定环境命令安装。

cd research/equity-lab
uv sync --locked --group dev --extra predictive
uv run --locked --extra predictive python -m equity_lab.predictive.incremental_cli --help

cd research/crypto-mm
uv sync --locked --group dev
uv run --locked python -m crypto_mm.daily.weekly_cli --help

两条命令都需要 --input、--output、--reservation。根项目通过子进程和带版本的文件调用研究包。新的公开文件 incremental-research.v1.json 只保留汇总，门禁检查字段、日期、样本数与配对账户身份，再核对经过审查的规范化哈希。中英文页面使用同一组事实。原始数据、逐候选预测、系数和本地运行记录继续留在仓库外。

后续人工观察仍是一份未启用的提案，包含简单反转与完整 Ridge，以及每周趋势和两个等权对照。新数据评估前，需要固定模型和协议哈希、数据截止时间与最早观察日期。树模型保留在历史结果里，单个时期较好还不足以提升其候选地位。已有六候选登记保持原状，本轮未启用调度。

美股正式收益评估仍需要带日期的身份和证券类型证据、公司行动覆盖，以及成交价格与成本验收。扩大全市场和增加更深模型留在后续。原有引擎、交易目标交接与券商行为保持现状。