Chan 2022 · Paper-Faithful Replication Spec

一句话结论

这条线现在收口，不继续推进 faithful replication。 原因很简单：我们目前只有摘要级证据和外部元数据，没有足够完整的方法细节，也没有找到可信的作者官方代码仓库；因此它保留为 feature / literature reference，不再作为 active replication task。

论文对象

• 标题：Support Resistance Levels towards Profitability in Intelligent Algorithmic Trading Models
• 作者：Jireh Yi-Le Chan, Seuk Wai Phoong, Wai Khuen Cheng, Yen-Lin Chen
• 年份 / 期刊：2022 / Mathematics
• DOI：10.3390/math10203888
• 公开 claim（来自 Crossref / Semantic Scholar 摘要）：在 8 个货币对上，把 Support/Resistance input features 加入同构 machine learning model 后，聚合盈利表现提升 65%，且盈利分布差异统计显著。

我们已经能“规范提取”出来的内容

项目	当前可确认程度	提取结果
研究目标	高	论文目标 3-fold：自动识别 meaningful S/R levels；把 S/R 工程化成模型输入特征；证明这些特征对盈利有显著增量贡献。
研究对象	高	intelligent algorithmic trading models + 8 个货币对；定位明显是“特征增强”，不是单一裸 breakout 规则。
对照框架	中高	至少存在两组“同构模型”：一个不含 SR input features，一个包含 SR input features。
核心结论	高	加入 SR 特征后 aggregate profitability +65%，且两组盈利分布显著不同。
SR 大致角色	高	SR 是 input features，不只是主观线位，也不等于直接下单规则。

当前还缺哪些“精确复刻”所必需的信息？

缺失项	为什么重要	当前状态
SR 的精确识别算法 / 公式	决定什么叫 support / resistance，本体不同就不是同一实验	摘要没有给出；当前拿不到足够方法细节
Baseline 模型的精确规格	如果不知道 baseline 是哪类 ML / 哪些特征，就没法做 identical model	摘要只说 identical machine learning model，未公开细节
带 SR 的完整特征表	不知道具体加了哪些 SR 特征，就无法 faithful replication	只知道“Support Resistance input features”，具体字段未知
训练/测试切分与调参方式	决定论文性能是否可比较	摘要未披露
策略/执行逻辑	盈利提升 65% 具体怎么实现，取决于持仓与评估方式	摘要未披露
交易成本 / 风险控制	决定 paper alpha 是否可落地	摘要未见完整说明

我们有没有找到作者公开代码仓库？

截至当前，没有找到可信的官方代码仓库。

• 已做 GitHub 检索：
  • 按论文标题精确检索
  • 按作者姓名 + support resistance 检索
  • 按机构 / 关键词组合检索
• 结果：没有找到与该论文明显对应的官方 repo。
• 进一步查了作者公开 ORCID / researcher profile，可见 CV / 学术主页线索，但当前没有明确指向这篇论文实现的 GitHub 仓库。

这意味着什么？

1. 不能把我们当前 clean-room 实验叫做 exact replication。
2. 可以把它叫做 hypothesis-aligned replication：即围绕同一个核心假设（SR 特征是否有增量价值）做近似复现。
3. 如果要做真正的 faithful replication，接下来必须先补齐方法细节，而不是直接继续跑策略。

现在值不值得继续？

不值得继续作为 active replication task。

• 保留它的摘要级 claim 与 clean-room 第一版结果，作为“SR 特征可能有信息”的参考；
• 不再继续投入时间追 faithful replication 细节；
• 如果未来偶然拿到全文方法细节 / supplementary / 官方代码，再重新打开也不迟。

是否可以立即开始“复刻论文”？

问题	判断	原因
能否立即做 1:1 完全复刻？	否	缺 exact SR definition、baseline spec、feature list、训练/回测细节、官方代码。
是否还值得继续做 paper-faithful spec extraction？	暂不继续	当前已经足够支持“收口结束”；继续边际收益不高。
是否还值得继续做 clean-room hypothesis-aligned replication？	默认停止	当前 clean-room 第一版可保留为参考，但不再继续把它当 active 论文复现任务。

收口决定

1. 这篇论文留作 literature / feature reference。
2. 不再继续把它作为 faithful replication 或 active clean-room replication 主任务。
3. 当前页面和 Chan 2022 · S/R Feature Replication Report 只保留为记录：说明我们已经读过、试过、并决定先收口。