brownian_v0 оставался fallback probability layer, пока collector набирал первые размеченные snapshots.
archiveBTC 5-MINUTE RESEARCH SYSTEM
Обучение
Журнал экспериментов, promotion decisions и контрольные точки.
STALEОбновлено —
Активный championмодель еще не загруженаProduction probability layer
Markets в базе—— snapshots сохранено
Размеченные rows—Для calibration checks
Закрытые сделки0Trading outcome sample
Runtime calibrationOFFВыключена, пока holdout не улучшится
Следующий checkpoint26h OOSSeason-05 unattended test
Контракт обучения
Quality-first promotion rulesTargetP(UP)CatBoost предсказывает только вероятность, не всю стратегию.
Главная метрикаBrier / LogLossКалибровка важнее простой row accuracy.
Trading metricCandidate precisionСмотрим rows, которые проходят edge gates, не все 2s rows.
PromotionHoldout winDeploy только если row, market и candidate metrics согласованы.
Production model обучается на labels resolved markets. Entry policy, position manager и risk agent остаются отдельными от probability layer.
Следующий эксперимент
Season-05 unattended validation- Season-05 balanced profile: MIN_EDGE_UP=0.06, MIN_EDGE_DOWN=0.08, P_UP=0.60, P_DOWN=0.65, MAX_ENTRY_PRICE=0.65.
- Через 26 часов проверить out-of-sample: сделки, winrate, exit_regret, BUY_UP/BUY_DOWN отдельно.
- После 1000+ resolved markets повторить raw/6s/10s challenger experiments и grid поверх новой модели.
- Runtime calibration держать выключенной, пока она не улучшит Brier, logloss и entry-candidate precision на holdout.
ssh root@185.230.67.77 cd /opt/p5b /opt/p5b/.venv/bin/python scripts/ops_check.py
Матрица challengers
Все lanes paper-only; старые профили удалены из текущего контура| Lane | Probability | Entry | Open manager | Runtime |
|---|
Open challenger: только shadow-метрики, runtime-выход остается детерминированным до walk-forward проверки.
Журнал экспериментов
История promotion decisions с самого началаDay-01 CatBoost обучен на ранних resolved markets. Test Brier 0.1432, logloss 0.4509, accuracy 0.8003.
baselineRetrain на 204 markets оказался слабее активной модели. Calibration ухудшила метрики, поэтому модель не promoted.
rejectedChallenger на 312 markets был слабее на том же split: active Brier 0.1507 против fresh model 0.1731.
rejected589 markets и 229k rows. Raw test Brier 0.138802, logloss 0.422469, accuracy 0.7930, ECE 0.027257, market accuracy 0.8652.
deployedscripts/experiment_challengers.py сравнивает raw, 6s и 10s views, CatBoost, fine-tune, LightGBM и XGBoost candidates.
ready196 resolved markets. New CatBoost challengers не получили clean promotion; главный вывод — проверить MIN_EDGE=0.12 и ужесточить BUY_DOWN gates.
watch872 resolved markets. Raw CatBoost combined from scratch выбран для Season-05; live-adjusted entry gates: UP 6%, DOWN 8%, P 60/65%, max entry 0.65.
deployedТаблица model experiments
Champion и challengers| Run | Данные | View | Brier | LogLoss | Accuracy | Market acc. | Candidate precision | Решение |
|---|---|---|---|---|---|---|---|---|
| brownian_v0 | early | raw | — | — | — | — | — | Fallback |
| catboost day-01 | 224 markets | raw | 0.1432 | 0.4509 | 80% | — | — | Baseline |
| season-03 retrain | 204 markets | raw | 0.178 | 0.5302 | 73.2% | — | — | Отклонено |
| season-03 calibrated | 204 markets | raw | 0.2441 | 0.7488 | 64.1% | — | — | Отклонено |
| fresh season-03 | 312 markets | raw | 0.1731 | 0.5122 | 74.4% | — | — | Отклонено |
| active before combined | 312 markets | raw | 0.1507 | 0.4443 | 76% | — | — | Оставлено |
| combined_from_scratch | 589 markets | raw | 0.138802 | 0.422469 | 79.3% | 86.5% | 66.7% | Deployed |
| catboost 10s | 589 markets | 10s | 0.136033 | 0.415874 | 79.6% | 85.4% | 81.8% | Перспективно |
| catboost fine-tune 10s | 589 markets | 10s | 0.136802 | 0.415288 | 79.4% | 85.4% | 78.6% | Challenger |
| current champion on S04 | 196 markets | raw | 0.150626 | 0.457161 | 77.6% | 82.1% | 50% | Оставлено |
| S04 raw CatBoost | 785 markets | raw | 0.150248 | 0.455303 | 77.6% | 82.1% | 53.3% | No promote |
| S04 6s CatBoost | 785 markets | 6s | 0.150651 | 0.455467 | 77.6% | 82.1% | 50% | No promote |
| S04 10s CatBoost | 785 markets | 10s | 0.152298 | 0.462163 | 77.5% | 82.1% | 59.8% | Shadow |
| S04 LightGBM/XGBoost | 785 markets | raw/6s/10s | 0.17009 | 0.509844 | 74.9% | 81.4% | 62.3% | Rejected |
| pre-s05 raw CatBoost | 872 markets | raw | 0.143049 | 0.437963 | 79% | 87% | 77.8% | Deploy S05 |
| pre-s05 fine-tune | 872 markets | raw | 0.142755 | 0.438212 | 78.9% | 87.8% | 69.2% | Reject |
| pre-s05 6s CatBoost | 872 markets | 6s | 0.143903 | 0.435988 | 78.4% | 86.3% | 72.7% | Shadow |
| pre-s05 10s CatBoost | 872 markets | 10s | 0.143464 | 0.43598 | 78.6% | 86.3% | 62.5% | Reject |
Pre Season-05 checkpoint
872 resolved marketsPaper trades24
S04 Net P&L$7.63
Model choiceraw combined CatBoost
Policy choicelive-adjusted 6/8 + price cap
Promotion is a controlled Season-05 test, not proof of positive expectancy. The next 26h are out-of-sample validation.
Agent decision board
Что менять / что оставитьModelDeploy pre-s05 rawRaw combined CatBoost: 77.8% candidate precision on S04 holdout.
EntryBalanced liveUP 6%, DOWN 8%, P 60/65%, max entry 0.65.
BUY_DOWNStill stricterDOWN requires 8% edge and P(DOWN) >= 65%.
RiskKeep blocksНе отключать consecutive-loss / cooldown gates.
ExitMonitor, not rootГлавная проблема раньше: entry quality.
NextSeason-05 OOS26h unattended test после rotate на новой базе.
Policy gate experiment
Saved-probability grid plus new-model replay| MIN_EDGE | Snapshot candidates | BUY decisions | Trades | Winrate | Net P&L | Decision |
|---|---|---|---|---|---|---|
| Live adjusted: UP06/DOWN08 P60/65 price<=0.65 | 79 | 79 | 79 | 65.8% | $406.15 | season05 |
| New-model replay: UP08/DOWN10 P65/70 price<=0.65 | 33 | 33 | 33 | 69.7% | $261.77 | research |
| Rejected strict: UP18/DOWN20 P70/80 price<=0.65 | 4 | 4 | 4 | 75% | $40.61 | research |
| Old live 0.12/0.13 | — | — | 24 | — | $7.63 | research |
The strict 18/20 profile came from saved historical probabilities and was rejected after live Season-05 produced zero runtime candidates. Current validation uses the new-model replay profile: UP 6%, DOWN 8%, P 60/65, max price 0.65.
Что смотреть
Почему 80% row accuracy может не давать прибыльRow accuracyКаждый сохраненный 2s snapshot
Market accuracyОдин финальный label на 5m market
Entry precisionТолько rows, прошедшие gates
Exit qualityP&L, regret и giveback
Модель может правильно классифицировать много легких late-market rows, но переоценивать редкие моменты, где стратегия реально входит.
Что добавлять дальше
Dashboard coverageData readinessResolved markets по сезонам
Side biasBUY_UP / BUY_DOWN drift
Gate funnelSnapshot -> candidate -> entry
Challenger boardRaw / 6s / 10s рядом
Это следующие панели после того, как Season-05 даст свежие метрики для эксперимента.