方法论

一个信号要进入评估，必须在币安合约一侧同时满足三个条件：

• quoteAsset = USDT
• contractType = PERPETUAL
• status = TRADING

任何不满足这些条件的交易对都会被降级为 EXCLUDED，永远不会被评估。该规则在代码中固定，操作员无法手动覆盖。这可以防止事后美化统计数据。

每个信号只有唯一一个结果：TP1、SL、TIMEOUT 或 EXCLUDED。评估逐根 K 线推进：

• TP1 胜出，价格触及止盈目标。
• SL 胜出，价格触及止损位。
• TP 与 SL 在同一根 K 线同时触发，启用打平判定： SL 胜出（保守解读）。多数竞品在这种情况下选择 TP 以抬高胜率。我们的做法相反。
• TIMEOUT，在允许的时间范围内 TP 与 SL 均未触及。

评估运行基于快照：一个 EvalRun 同一时间只能有 一个 RUNNING 实例。重算流程采用全量重跑语义。每日确定性验证会确认相同的输入始终产生相同的输出。

净 bps = 毛收益 − 手续费 − 滑点 − 资金费率。 每一笔平仓信号都会在 signal_evals 中显式存储这一拆解。

• 手续费（fees_bps）：按信号类型适用的币安合约 taker/maker 手续费。
• 滑点：我们不使用静态的 slippage_bps，而是采用考虑流动性的动态滑点模型（点差、深度、入场名义价值）。
• 资金费率：开仓与平仓之间的每一次资金费率结算都会累加。funding_bps_signed 以正确的方向符号反映该信号方向上的净流。

大多数竞品网站只报告毛收益。这意味着相对于它们公布的数字，你在真实交易中会亏钱。我们只披露净盈亏。

每个通过质量门的信号都会流经一个分层的机器学习栈：

• 方向感知校准器（做多/做空），分开建模；做多与做空具有不同的动态特征。
• GBT 影子模型，一个梯度提升树挑战者会对每个信号做预测；不会直接晋级，而是与冠军模型对比。
• 元融合器，各通道（lane）分数与校准器输出组合成一个综合分。
• 按行情状态校准，为趋势 / 震荡 / 高波动分别配置校准器。
• 特征漂移监控（PSI），跟踪实盘特征相对训练数据的漂移程度；一旦越界，校准器就会重新训练。

Autopilot v2 是一个由策略驱动的自调优系统。每两小时的周期会执行基于回放的调优：

• 候选参数配置会在历史候选日志上回放（重新经历过去的行情，以进行快速的反事实分析）。
• 每个候选都会由一个目标函数打分：EV、PF、校准度、方向平衡、回撤代理指标。
• 最佳候选需通过金丝雀预检：变更预算、风险防护、审计日志。
• 金丝雀部署后，KPI 恶化会触发自动回滚。

策略 JSON 通过 Zod 保证类型安全。急停开关只需一条命令：worker_state.autopilot_enabled = false。

两个自动保护机制 24/7 运行：

• 评估分歧防护：实时评估与终态评估的不一致会被分类 （path_diff、data_gap、tie_break、late_tick、mark_anomaly）。阈值越界 → 自动施加严格 EV + topN 上限； 比率恢复正常后自动恢复。
• 吞吐防护：当选择 / 候选吞吐低于策略区间时，会触发一个饥饿救援补丁； 当 Risk-Off 状态生效时该补丁被阻止（风险纪律优先）。

所有数据都来自免费来源：

• 币安合约 REST（交易所信息、行情、技术指标）
• 币安合约 WebSocket（depth10、标记价格、聚合成交）。24/7 数据流容器
• 我们自己的数据库（signal_evals、signals、质量指标、强平地图快照）

诸如 LunarCrush、CoinGlass、Glassnode 和 Kaiko 之类的按月订阅服务，我们刻意不予采用。

每一个重要事件都会被记录：

• 每一次信号写入都会得到一个指纹：code_git_sha、policy_hash、calibrator_artifact_id、quality_snapshot_at。
• Autopilot 会记录每一次策略应用的前后状态与原因。
• 每日运维报告（ops_reports）：KPI、漏斗、拒绝原因、事件列表。
• 确定性验证：相同输入 → 相同结果/净盈亏。出现分歧即视为一次事件。