模型，评分，修复网格策略市场状态监听

2026-06-22 10:48:40 +08:00
parent 2e3202968d
commit f938c453e1
42 changed files with 3803 additions and 108 deletions
@@ -0,0 +1,197 @@
+# v6.6 模型发布说明
+
+**版本**: v6.6
+**发布日期**: 2026-06-16
+**状态**: 生产就绪
+
+---
+
+## 一、模型架构
+
+v6.6 采用 **Stacking Calibrated** 三层融合架构：
+
+```
+输入特征 (52维 v3.4)
+       │
+       ▼
+┌─────────────────┐    ┌─────────────────┐
+│  Rank 模型       │    │  Top 模型        │
+│  LGBMRegressor   │    │  LGBMClassifier  │
+│  预测网格轮回次数 │    │  分类精英股票     │
+│  CV MAE: 0.2053  │    │  CV PR-AUC: 0.53│
+│  CV R²: 0.2258   │    │                  │
+└────────┬────────┘    └────────┬────────┘
+        │                      │
+        └──────────┬───────────┘
+                   ▼
+        ┌─────────────────────┐
+        │  Stacking 模型       │
+        │  LGBMClassifier      │
+        │  CV PR-AUC: 0.8207  │
+        │  最优阈值: 0.35       │
+        └──────────┬──────────┘
+                   ▼
+             最终 top 概率
+```
+
+---
+
+## 二、训练数据
+
+| 指标 | 数值 |
+|------|------|
+| 特征版本 | v3.4 (52维) |
+| 原始股票数 | 4,358 |
+| 过滤后股票数 | 1,533 |
+| 训练样本数 | 205,491 |
+| 观察窗口 | 120天 |
+| 预测窗口 | 60天 |
+| 零触碰率 | 71.1% |
+| Elite率 | 20.5% |
+
+---
+
+## 三、模型性能
+
+### Rank模型 (回归)
+| 指标 | 数值 |
+|------|------|
+| CV MAE | 0.2053 |
+| CV R² | 0.2258 |
+| 最优参数 | num_leaves=63, min_child_samples=30, max_depth=7 |
+
+### Top模型 (分类)
+| 指标 | 数值 |
+|------|------|
+| CV PR-AUC | 0.5333 |
+| 最优参数 | num_leaves=63, min_child_samples=30, max_depth=-1 |
+
+### Stacking融合模型
+| 指标 | 数值 |
+|------|------|
+| CV PR-AUC | **0.8207** |
+| 最优阈值 | 0.35 |
+| 最优参数 | num_leaves=31, min_child_samples=20, max_depth=-1 |
+
+---
+
+## 四、Top 10 重要特征
+
+### Rank模型
+| 排名 | 特征 | 重要性% |
+|------|------|---------|
+| 1 | dist_to_grid_upper | 4.38% |
+| 2 | dist_to_grid_lower | 4.26% |
+| 3 | price_cv | 4.09% |
+| 4 | amount_mean_20d | 3.98% |
+| 5 | range_compression_20d | 3.48% |
+
+### Stacking融合
+| 排名 | 特征 | 重要性% |
+|------|------|---------|
+| 1 | rank_predicted_rounds | 20.87% |
+| 2 | top_elite_prob | 19.38% |
+| 3 | ma20_deviation_pct | 5.35% |
+| 4 | atr_pct | 4.93% |
+| 5 | dist_to_grid_lower | 3.75% |
+
+---
+
+## 五、周评分回测结果 (2023-04 ~ 2026-04)
+
+| 指标 | v6.6 数值 |
+|------|-----------|
+| **总收益率** | **+36.79%** |
+| 年化夏普 | 0.8494 |
+| 最大回撤 | -12.70% |
+| 胜率(周) | 48.7% |
+| 交易次数 | 277 (147买, 130卖) |
+| 最大持仓 | 10只 |
+
+### 年度收益
+| 年度 | 收益 |
+|------|------|
+| 2023 | +2.09% |
+| 2024 | +28.34% |
+| 2025 | +7.32% |
+| 2026 | +0.52% |
+
+---
+
+## 六、与v6.5对比
+
+| 指标 | v6.5 | v6.6 | 变化 |
+|------|------|------|------|
+| Stacking PR-AUC | 0.5234 | **0.8207** | +57% |
+| 特征数 | 37维 | **52维** | +15维 |
+| Top PR-AUC | 0.3923 | 0.5333 | +36% |
+| 回测收益率 | 59.82% | 36.79%* | - |
+| 回测最大回撤 | -33.47% | **-12.70%** | -62% |
+
+\* v6.6使用周评分回测（157周），v6.5使用日评分回测（723天），粒度不同
+
+---
+
+## 七、模型文件
+
+| 文件 | 说明 |
+|------|------|
+| `rank.pkl` | Rank模型 (预测网格轮回次数) |
+| `top.pkl` | Top模型 (分类精英股票) |
+| `stacking.pkl` | Stacking融合模型 |
+| `rank_feature_importance.csv` | Rank特征重要性 |
+| `top_feature_importance.csv` | Top特征重要性 |
+| `stacking_feature_importance.csv` | Stacking特征重要性 |
+| `training_summary.json` | 训练摘要 |
+
+---
+
+## 八、使用方式
+
+```python
+import pickle
+import numpy as np
+
+# 加载模型
+with open("rank.pkl", "rb") as f:
+    rank_md = pickle.load(f)
+with open("top.pkl", "rb") as f:
+    top_md = pickle.load(f)
+with open("stacking.pkl", "rb") as f:
+    stacking_md = pickle.load(f)
+
+# 预测
+rank_pred = rank_md["model"].predict(features)
+top_prob = top_md["model"].predict_proba(features)[:, 1]
+stacking_prob = stacking_md["model"].predict_proba(features)[:, 1]
+
+# 选股
+threshold = 0.35  # stacking最优阈值
+top_picks = scores[scores["stacking_prob"] >= threshold]
+```
+
+---
+
+## 九、Registry配置
+
+```yaml
+# grid_seeker/registry.yaml
+production:
+  version: v6.6
+  architecture: stacking_calibrated
+  models:
+    stacking: versions/6.6/output/stacking.pkl
+    rank: versions/6.6/output/rank.pkl
+    top: versions/6.6/output/top.pkl
+  feature_version: v3.4
+  training_samples: 205491
+```
+
+---
+
+## 十、注意事项
+
+1. **特征版本**: 必须使用 v3.4 特征（52维），与v6.5/v6.4不兼容
+2. **Stacking阈值**: 推荐使用 0.35 作为选股阈值
+3. **持股上限**: 建议不超过10只
+4. **价格区间**: 适合7-10元区间股票