的文章

系统建好了，但它到底有没有效？这一篇讲怎么做一次可信的回测。 一、回测要回答的三个问题 问题 验证方法 方向判断准不准？ 命中率统计 判断有区分度吗？ 分层检验 长期能盈利吗？ ROI 与最大回撤 三个都要看。只看命中率会被误导。 二、四项...

这一篇给一个完整可运行的最小系统。你可以直接复制运行，理解后再改造。 一、目标 每天早上自动做三件事： 拉取当天赛事； 筛选出「市场存在分歧」的场次； 输出一份可直接阅读的清单。 二、核心代码（30 行） import os, reques...

手动运行只能算实验，自动化才是系统。这一篇讲怎么让它自己跑起来，并且省钱。 一、四条自动化流水线 流水线 触发时机 产出 每日采集 每天早上 当日赛程与市场数据 指标计算 采集完成后 更新衍生指标表 内容生成 指标计算完成后 速览稿、预警清...

这一篇讲怎么把前面所有零件组装成一个可持续运行的系统。 一、五层架构 层级 职责 关键设计 ① 采集层 调用 API 获取原始数据 限流、重试、去重、缓存 ② 存储层 持久化原始数据与衍生指标 分表、索引、避免重复拉取 ③ 计算层 构造高阶...

这一篇是踩坑清单。下面每一条都是自建系统最常见的失败原因。建议动手前先过一遍。 一、陷阱一：数据穿越（最致命） 表现 回测结果异常优秀（IC > 0.15），但一上真实使用就失效。 常见成因 成因 说明 用整赛季均值计算赛季初的指标 ...

这是整个第七篇最重要的一篇。有了特征之后，怎么给它们分配权重，决定你的指标是可用还是废品。 一、四个层次的权重确定方法 层次 方法 难度 效果 第 1 层 等权平均 极低 勉强可用 第 2 层 经验法（领域知识） 低 可用 第 3 层 回归...

造出指标只是第一步。更关键的问题是：这个指标到底有没有预测力？这一篇给你三套验证方法。 一、为什么必须验证 一个指标「看起来有道理」和「真的有预测力」是两回事。 常见误区 问题 逻辑上说得通就认为有效 逻辑自洽不等于统计有效 训练集表现好就...

前面三个示例都在讲球队。这一篇讲市场——把数据数值变成可计算的量化指标。 一、第一步：数据数值转隐含概率 def implied_prob(odds): """数据数值转隐含概率（未去除服务成本） 欧洲数据趋势：概率 = 1 / 数据数值 ...

有了单场的期望值，下一步是把它变成稳定的趋势指标。这一篇讲滚动窗口。 一、为什么单场值不能直接用 问题 说明 噪声大 单场 xG 波动可能是 ±1.5，远超真实实力差异 对手强度未调整 打弱队刷出的高 xG 不代表真实水平 样本量不足 单场...

「主力缺阵」是分析中最模糊的变量。这一篇把它变成数字。 一、三个必须量化的维度 维度 含义 数据来源 球员贡献度 这名球员对球队有多重要 球员高阶指标、出场时间 替补落差 替代者与主力的差距 阵容数据、球员指标 位置关键度 这个位置的战术重...