每周更新 - 2026年6月22日 · VWAP 成交价 · 时序留出样本外
如何选择能跑赢市场噪声的预测周期(VWAP · 留出 2024-04 → 2025-04)
本版数据来自 eth_trimmed_hourly_logistic_vwap（VWAP 成交价驱动标签与特征）,
并以 oos_start 2024-04-01 重新训练,把 2024-04 → 2025-04 整年作为真正的时序留出样本外。本周重点:
- 三重壁垒法如何把价格路径转化为可训练的标签
- "壁垒宽度"——信号与噪声之间的取舍
- 用 VWAP 成交价信号重跑三个执行框架,与全交易所聚合口径对照
本期内容
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。
核心意义
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。
选择 ETH 的理由
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 177 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。
三重壁垒法 - 出处
Marcos Lopez de Prado：以"最先触碰的壁垒"打标签
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。
作者与出处
Marcos Lopez de Prado -《Advances in Financial Machine Learning》。
标签的构造方式
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。
三重壁垒法 - Marcos Lopez de Prado
三重壁垒标注：噪声 vs 方向（VWAP 成交价）
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：54,654 行,跨 4 种
上 / 下壁垒配置。
太短 = 噪声
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。
太远 = 无法预测
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。
最优宽度
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。
特征选择 - 多模型共识
从竞争池中挑选幸存者
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。
2,796候选特征（全量变换）
1779 个模型至少 1 个选中的并集（每个选 50 个）
20核心：被 ≥5 个模型选中
10去重后的原始幸存者
883当前重新展开的特征数
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。
从竞争者到幸存者
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 177 个不同特征 —— 图中统计
每个特征被多少模型认可。
共识 = 稳健
被 9 个模型中 ≥5 个
选中的构成核心：20 个特征,归并到 10 个去重的原始来源列。
仅在幸存者上重建
只用这 10 个幸存原始列重建
checkpoint1 并重施全套变换 —— 现在 883 个聚焦特征,较 2,796
下降。变换更多,但只针对验证过的基底。
特征选择 - 幸存者
10 个核心原始来源
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 20 个幸存特征中的多少个。
spot_price20 个幸存特征中的 9 个
derivatives__open_interest__all_exchanges_all_symbol20 个幸存特征中的 2 个
derivatives__taker_buy_volume__all_exchanges20 个幸存特征中的 2 个
derivatives__funding_rates__all_exchanges20 个幸存特征中的 1 个
exchange_flows__exchange_outflow_mean__all_exchanges20 个幸存特征中的 1 个
fees_and_revenue__block_rewards20 个幸存特征中的 1 个
fees_and_revenue__block_rewards_usd20 个幸存特征中的 1 个
fees_and_revenue__fees_per_transaction_median20 个幸存特征中的 1 个
market_indicator__estimated_leverage_ratio__all_exchanges20 个幸存特征中的 1 个
transactions__tokens_transferred_mean20 个幸存特征中的 1 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）。
模型准确率
模型一览（VWAP 成交价）
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。
| 模型 / 目标 |
买入 (+1 对其余) |
卖出 (-1 对其余) |
| 训练 | OOS | 训练 | OOS |
|---|
| 方向模型(二分类 涨/跌) | 训练 58.1% · OOS 52.7% (单一模型,无买入/卖出之分) |
| 上 40bp / 下 40bp | 56.2% | 52.5% | 57.6% | 52.6% |
| 上 40bp / 下 80bp | 54.3% | 54.9% | 64.8% | 62.5% |
| 上 80bp / 下 40bp | 64.6% | 60.4% | 55.5% | 48.0% |
| 上 80bp / 下 80bp | 64.3% | 62.3% | 64.3% | 60.7% |
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。
信号与价格
买卖信号与 ETH 价格对照 - 原始、平滑、卡尔曼（VWAP）
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
（OOS 起点 2024-04-01；信号止于 2025-03-31）。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）。
三张图中的紫色点划线标注 The Merge（2022-09-15）。
背景：The Merge（合并）—— 2022 年 9 月 15 日
以太坊在此日从工作量证明（PoW，挖矿）切换到
权益证明（PoS，质押）。这是 ETH 新增发行的结构性断点,也直接体现在核心特征
fees_and_revenue__block_rewards 上。
合并前（PoW）
以太坊 = 矿工用大型机器挖矿;奖励 = 高额区块奖励,约 13,000 ETH/天。
合并后（PoS）
以太坊 = 验证者质押 ETH;奖励大幅降低,约 1,700 ETH/天。
影响
新增 ETH 发行量骤降 约 88%(13,000 → 1,700 ETH/天) —— 训练数据横跨这一制度切换,模型须适应该断点。
回测 - SignalHive（VWAP 信号 · 时序留出样本外）
回测：全历史 vs 留出年（2024-04 → 2025-04）
本版采用真正的时序留出样本外：模型以 oos_start 2024-04-01 重新训练
（训练 2019 → 2024-03，样本外 2024-04 → 2025-03），信号止于 2025-03-31,故策略在 2025-04-01 前平仓并保持空仓。
10% 仓位、无杠杆。结论:样本内尚可,但留出的那一年不成立 —— 全历史 168 小时 MA +32.1%、
卡尔曼 +12.7%;然而在留出窗口 2024-04 → 2025-04,三者收益全部为负且全部未通过门槛,并且
塌缩为同一笔亏损持仓(夏普 -0.67、收益 -5.7%、仅 1 笔):各策略在窗口起点开一仓并持有至信号结束。
即:此前 OOS 取 2025-04-01 时卡尔曼"通过",很大程度是因为模型训练恰好覆盖到该处;一旦真正留出更早的一年,样本内边际并未延续。
| 策略 | 全历史(至 2025-04) | 留出样本外（2024-04-01 → 2025-04-01） |
|---|
| 趋势保持(24 根确认) | run_637819e3
未通过 · 评分 18 · 夏普 -0.36 · 收益 -8.0% · 最大回撤 9.6% · 1 笔 | run_b8c85931
未通过 · 评分 18 · 夏普 -0.67 · 收益 -5.7% · 最大回撤 6.6% · 1 笔 |
| 168 小时 MA 交叉 | run_b215f637
未通过 · 评分 30 · 夏普 0.91 · 收益 +32.1% · 最大回撤 7.0% · 213 笔 | run_9dd0815c
未通过 · 评分 18 · 夏普 -0.67 · 收益 -5.7% · 最大回撤 6.6% · 1 笔 |
| 卡尔曼交叉 | run_a3b74fb7
未通过 · 评分 30 · 夏普 0.35 · 收益 +12.7% · 最大回撤 13.3% · 67 笔 | run_4b6792f2
未通过 · 评分 18 · 夏普 -0.67 · 收益 -5.7% · 最大回撤 6.6% · 1 笔 |
本批全历史最佳 —— 168 小时 MA 交叉
未通过 · 评分 30 · 夏普 0.91 · 收益 +32.1% · 最大回撤 7.0% · 213 笔（留出样本外为 -5.7%,仍未通过）
打开回测 run_b215f637 ↗
在新标签页打开 SignalHive 回测面板(需登录)。
下一步
后续方向
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。
1. 泄漏检查
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）。
↓
2. CryptoQuant 替代
- 内部数据仓库虽已搭建,但来源相对分散。ETH 的 163 个特征与 BTC 的 358 个特征需逐一拼接,前期对齐成本较高。
- 为避免过早陷入数据工程细节,本轮直接采用 CryptoQuant 作为一站式数据源。
- 优势在于：提供标准化的全交易所聚合数据（Binance 作为最大交易所已具备足够代表性）；本版用 VWAP（成交量加权成交价）替代收盘价,与全交易所聚合口径对照。
- 历史数据可回溯至 2014 年,满足更长样本窗口的需求；
- 所有小时级（H1）指标口径统一,无需逐项跨源核验。
↓
a. 提升边际
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。
b. 实盘交易
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）。
c. 更多 H1 数据
把更多小时级指标 / 数据源纳入特征集并重新评估。
d. 残差检验
去掉这 10 个核心幸存者重新训练,看剩余特征是否仍有边际。
e. 其他币种
在 BTC 等其他币种上验证同一套流程,而不仅限于 ETH。
f. 更长历史
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。
g. 更多特征变换
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。
h. 时序样本外
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。
