可在线进行预测分析，目前手机端样式还未完全调整好，可直接用pc端访问
逻辑原理：
机器学习建模全流程（基于300条K线滑动窗口）
1. 特征工程:
• 价格特征组: – 当前价格相对MA5的偏离度：(Price – MA5)/MA5 – 波动率特征：过去5根K线的最大振幅 (High-Low)/Low – 动量特征：(Closeₜ – Closeₜ₋₃)/Closeₜ₋₃
• 技术指标组: – 均线交叉：MA5上穿MA10 → 赋值1，否则0 – RSI状态：当RSI14∈(30,70) → 赋值0，超买/超卖 → ±1 – MACD柱面积：∑(MACD柱×Δt) 过去3周期
• 链上特征组: – 资金费率方向：连续3期为负 → -1，连续为正 → +1 – 大户多空比变化率：(当前比率 – 前值)/前值
2. 模型架构:
• 混合模型设计: 1) 线性回归层： z = 0.0215×MA5_10_diff + (-0.0337)×FundingRate + … + 0.0142 2) 逻辑函数转换： P = 1/(1 + e-z) 3) 动态权重调整： Δwᵢ = η×(ŷ – y)×xᵢ （η=0.01）
• 参数初始化: – 权重：w ~ U(-1/√n, 1/√n)，n=特征数量 – 偏置：b初始化为0.01
3. 训练过程:
• 增量学习算法: 1) 滑动窗口更新： – 每15分钟接收新K线 – 移除最旧数据点，保持300条窗口 2) 小批量梯度下降： – batch_size=32 – 每50条新数据更新一次权重 3) 正则化处理： L2惩罚项 λ=0.001×‖w‖²
• 动态调参机制: – 学习率衰减：ηₜ = η₀/(1 + 0.01×t) – 特征淘汰：连续10次|wᵢ|<0.001时冻结该特征
4. 预测逻辑:
• 信号生成规则: P>0.7 且 RSI14<45 | 强买入信号(置信度85%) 0.6<p≤0.7 且=”” macd=””>0 | 弱买入信号(置信度70%) P<0.3 且 资金费率>0.01% | 强卖出信号(置信度80%)
• 风险控制矩阵:
| 信号强度 | 最大仓位 | 止损幅度 |
|---|---|---|
| 强信号 | 5% | 1.5% |
| 中等信号 | 3% | 2% |
| 弱信号 | 1% | 3% |
▍实例演算（ETH/USDT 4小时周期）
1. 输入数据： – 特征向量：[MA5_10_diff=0.015, FundingRate=-0.02%, RSI14=38,…] – 权重向量：[0.0215, -0.0337, 0.0142,…]
2. 计算过程： z = 0.0215×0.015 + (-0.0337)×(-0.0002) + … + 0.0142 = 0.428 P = 1/(1+e-0.428) = 0.605
3. 决策输出： • 概率值60.5% → 中等看涨信号 • 规则验证：RSI38(<45) + 负资金费率 → 最终置信度72% • 建议仓位：3%，止损价=现价×98%，止盈价=现价×103%</p≤0.7>
可在信号弱时给出保守策略
也可在信号强时给出谨慎建议策略
可在线查看指标数据供用户辅助分析决策
数据统计
相关导航
