AI信号模型状态

EURUSD M15 LightGBM分类器作为早期预览跨品种应用。特征集（RSI、MACD、ATR、BB、EMA交叉、会话标志）实时按品种计算，因此推理可在任何品种上运行。但模型从未在非EURUSD数据上验证——EURUSD以外的信号应视为实验性。各资产类别模型计划于Q2–Q3 2026。

180天walk-forward测试集的最低阈值：夏普≥0.8，胜率≥50%，盈利因子≥1.2，最大回撤≤-3R。未通过任何标准的模型退回测试环境重新训练。

训练使用2015年至训练开始日期前6个月的EURUSD M15 OHLCV数据。最后6个月作为walk-forward验证集保留。三重障碍法（López de Prado）标签以1.5R的风险回报比和48根蜡烛的时间障碍计算。

生产模型在扩展窗口上每季度重新训练一次。推理调度器（PM2 ai_signals_inference）检测模型版本变化并热重载新模型，无需停机。

自动回滚规则在200个信号的滚动窗口上检查胜率。如果在连续3个24小时窗口内降至45%以下，部署自动回滚到上一个生产版本并发送Telegram警报。

计划中的条目代表路线图意图——模型尚未训练，因此没有验收指标。训练完成并通过验收标准后将显示指标。

我们使用LightGBM基于增益的重要性：特征在增强器所有树分裂中贡献的总信息增益。值越高意味着特征对方向预测的影响越强。

单独的胜率具有误导性。系统针对每笔交易1.5R或更好。52%的胜率加上每赢1.5R、每输1R，产生正期望值。夏普比率和盈利因子比原始胜率更有意义。

模型训练流程是专有的。方法论在方法论页面有完整记录——特征集、标记方法、置信度阈值和风险数学描述得足够详细，可以独立重现核心系统。

特征仅从标记窗口之前的蜡烛计算。验证集（最后6个月）在超参数搜索期间从不使用。三重障碍标记包含时间退出，确保未来价格不会泄漏到特征窗口中。

在中等规模数据集（<500万根K线）上，LightGBM在表格金融数据上持续优于深度模型。它在几分钟内完成训练，产生可解释的特征重要性，其DART模式比标准梯度提升更好地处理三重障碍稀有命中的类别不平衡。

三类分布（多/空/中性）约为20%/20%/60%。LightGBM的is_unbalance=True自动重新加权类别。通过置信度阈值的额外过滤（日内60%，日线55%）进一步减少信号中的中性噪声。

M15信号针对最多48根K线（12小时）的三重障碍窗口。实际上大多数交易在4-8根K线内结算。如果TP和SL都未命中，第48根K线的时间止损将交易归类为到期（中性）。