Chan 2022 · S/R Feature Replication Report

这是第一版 clean-room replication。目标不是复刻原论文全部智能模型，而是先回答：把 Support / Resistance 结构特征加进一个干净的 price-only baseline 后，是否能带来稳定增量价值？

baseline 纯价格/波动/成交量特征 enhanced baseline + clean-room S/R 特征 data 8 crypto / 60m / 365d + 730d

为什么这个 baseline 合理？

• 它故意不用旧的 pyindicator 事件信号，避免把“旧主线太弱”这个问题又带回实验里。
• 它只用普适的 price-only 特征做对照，因此更适合回答 Chan 2022 的原问题：S/R 特征到底有没有增量信息。
• 增强版只额外加入 clean-room S/R 特征：dist_to_support、dist_to_resistance、range_pos、is_above_resistance、is_near_support/resistance。

Replication design

1. 对每个 symbol 按时间切分 70% train / 30% test。
2. 用 ridge regression 预测未来 12 根 K 线收益 fwd_ret_12。
3. 在测试集上比较：
   • test_ic：预测分数与未来收益的相关性
   • top_bottom_spread：高分桶与低分桶的未来收益差
   • 最小 rank-based backtest：每 12 根 K 线重排一次，只做得分最高的 2 个币

Headline conclusion

• 60m_365d：enhanced 相比 baseline，IC 提升 -0.0954，top-bottom spread 提升 -0.0044；但最小 top-2 组合回测的 portfolio_total_return 反而下降 0.1300。
• 60m_730d：enhanced 相比 baseline，IC 提升 -0.0156，top-bottom spread 提升 -0.0011；但最小 top-2 组合回测的 portfolio_total_return 反而下降 0.0984。

这说明第一版 clean-room 复现更像是在支持 Chan 2022 的“S/R 特征有增量信息”这一层，而不是马上支持“当前这个最小组合构造已经能稳定赚到更多钱”。

Sample meta

Summary

Enhanced vs baseline delta

正值表示 enhanced（加入 S/R 特征）优于纯 price-only baseline。

Metric bars

Enhanced model · top coefficients (60m / 730d)

Symbol summary

How to read the result

• 如果 enhanced 在两个样本里都让 test_ic、top_bottom_spread、portfolio_total_return 变好，说明 S/R 特征确实有增量价值。
• 如果 enhanced 只让某一个指标好看，但别的指标变差，就说明第一版特征设计还不够稳。
• 这页只是第一版 clean-room replication，不等于已经完全复刻原文全部智能模型。

Artifacts

• sample_meta.csv
• summary.csv
• delta_vs_baseline.csv
• symbol_summary.csv
• period_backtest.csv
• enhanced_coefficients_60m_730d.csv
• summary.json