Trendline Replication Briefs

当前结论（一句话）

第一批 replication shortlist v1 现在已经不只包含论文型对象；它同时覆盖了 成本 / regime 约束（Svogun 2022）、event-source bridge（pytrendline）、以及后续待补的几何 / 机制候选，因此这页的目标也不只是“复刻论文结果”，而是把 clean-room bridge / replication / mechanism mapping 的最小落地路径讲清楚。

Brief 页怎么读

• 如果对象本身有明确外部 alpha / backtest claim，它更像传统 replication brief。
• 如果对象更像 detection engine / structure tool，它在这里的 brief 角色是 clean-room bridge brief：回答“我们该先复现到哪一层，怎样接到 mainline”。
• 所以这页现在同时容纳：paper replication、engine bridge、mechanism mapping。

Replication / Bridge priority（对齐 shortlist v1）

优先级	对象	角色	为什么先做	最小目标
PARKED	Chan et al. (2022)	Support / Resistance feature reference	方向有启发，但缺方法细节与官方代码，不再继续 faithful / active replication	保留为 literature / feature reference
P1	Svogun & Bazán-Palomino (2022)	Cost / regime constraint paper	直接帮助我们给 breakout / trend 研究加现实约束	继续推进 gross vs net + regime 生存性比较
P1	pytrendline (Eduardo Nunez)	Event-source bridge / explainability engine	有代码、结构定义清楚，和当前 unified event schema / source bridge 主线直接相连	先复现 detection → bridge → event validation 这条 clean-room 路径
P2	Optimal Stopping S/R paper	Confirmation / retest mechanism	全文可得，最适合支撑 confirmation / retest / regime-switch 机制设计	先补 protocol mapping brief，再决定是否上实验
P2	trendln (Gregory Morse)	Geometry / channel baseline	有代码，适合作为 support-resistance / channel 的几何 baseline，但与当前主线贴合度略低于 pytrendline	后续补 channel / geometry brief

候选角色对照（对应 E3-B）

对象	更适合的角色	当前定位
pytrendline	mainline event source	active bridge candidate
Chan 2022	feature candidate	parked / reference only
Svogun 2022	filter / confirmation constraint	active paper replication
Optimal Stopping	filter / confirmation	mechanism / protocol brief
trendln	pure explainability reference	geometry baseline
Ed Nunez blog	pure explainability reference	engineering background only

Factor intake gate v1（什么时候能从 reading 升到 factors）

不是每个 replication brief 都会自动变成“本地候选因子”。当前固定的最小入库门槛是：

1. clean-room 定义已经写清：核心事件 / 因子定义不能还停留在口头启发。
2. 已有最小本地验证：至少要有 event study 或 MVP backtest 之一。
3. 样本与统计口径已报告：不能只给一个好看的收益数字。
4. 至少有一个现实约束切片：交易成本/滑点、OOS、rolling、跨资产 中至少做一项。
5. 角色判断诚实：明确它更像 alpha candidate、feature candidate 还是 filter candidate。

• 若第 1 / 2 项任一缺失：继续留在 reading/，不能升到 factors/。
• 若 1~4 都齐，且第 5 项角色判断清楚：可升为“本地候选因子 / candidate factor”。
• 如果它最强的价值只是过滤或确认层，不要硬包装成 alpha；诚实标成 filter candidate 反而更有用。

Factor intake decision #1 · Svogun 2022

decisionfilter candidatenot alpha candidate

决定：Svogun 2022 当前可以进入本地候选库，但角色应标为 filter candidate，不是 alpha candidate。

• 为什么能进 gate：
  • 已有 clean-room 定义：`ma_crossover` 与 `rolling_breakout_20` 两个最小 baseline；
  • 已有最小本地验证：8 币 `60m_365d / 60m_730d` 的 survival experiment；
  • 已有样本与统计口径：交易数、胜率、均值、中位数、IQR、positive_symbol_ratio；
  • 已有现实约束切片：`gross / net_low / net_high` + `bubble_proxy` regime split。
• 为什么不是 alpha candidate：
  • 在 `60m_730d` 上，`rolling_breakout_20` 虽然 gross 平均收益为正（约 +0.12%），但到 `net_high` 就转负（约 -0.18%）；
  • 这更说明它的价值在于“提醒后续 breakout 研究必须报告成本与 regime 生存性”，而不是直接给出一个可部署的赚钱规则。
• 当前最诚实定位：作为 breakout / trend 研究的 filter / constraint layer 保留，并优先服务后续所有 breakout 候选的 gross/net + regime 约束审查。

Chan 2022 faithful replication 规范提取

如果你关心“为什么这篇现在收口了”，请看这页：

• Chan 2022 · Paper-Faithful Replication Spec

这页现在的作用是收口说明：我们已经确认它缺方法细节与官方代码，所以当前不再继续把它当 active replication task。

Chan 2022 · 收口记录

论文2022reference only

当前决定：这篇论文保留为 literature / feature reference，不再继续作为 active replication task。

• 原因：缺足够完整的方法细节，且未找到可信的作者官方代码。
• 我们已经完成：
  • 摘要级 claim 提取
  • faithful replication feasibility 审核
  • 一版 clean-room 对齐实验记录
• 现在保留它，只是为了说明：我们已经读过、评估过、并决定先收口。

相关页面：faithful replication spec ｜ clean-room replication report

Brief A · pytrendline (Eduardo Nunez)

GitHub repo2021event-source bridge

原始 claim：pytrendline 本身不是论文级 alpha claim；它更像一个 candlestick-aware 的 support / resistance / breakout detection engine。对我们最重要的，不是“faithful 复刻某个收益数字”，而是 clean-room 复现它的 结构检测 → bridge → event validation 路径。

1) 我们准备复现什么？

• 不把它当成完整交易系统复刻。
• 第一版只复现对主线最有价值的三层：
  • detection layer：pivot / candidate line / duplicate grouping / breakout tagging
  • bridge layer：把 representative lines 映射成 unified event schema 可消费的 source sample
  • validation layer：对 event rows 做最小 forward-return / observation 页面

2) 我们用什么数据？

• 优先用项目内已经稳定接好的 OHLCV window，而不是全市场重型扫描。
• 第一版默认 recent-window 研究口径，例如：window=96 的 BTC / ETH 5m 或与 bridge 报告一致的样本窗口。
• 原因：原仓库 README 已明确是 O(N^3) 穷举点对扫描，更适合作为 offline research engine，而不是大规模实时引擎。

3) 最小 clean-room 定义

• 输入：标准化的 timestamp/open/high/low/close candles。
• 输出先不直接下交易信号，只输出：
  • support / resistance pivots
  • support / resistance trendlines
  • breakout-tagged lines
  • representative grouped lines
• 然后把 representative lines 再翻译成：
  • engine_line_id
  • line_side
  • event_family
  • event_timestamp
  • slope_bucket / score_bucket

4) 最小实验设计

1. 先跑 recent-window detection，确认 pivots / lines / breakout tags 的结构输出稳定。
2. 再只取 representative lines 做 source bridge，避免一开始就被重复线淹没。
3. 最后对 event sample 做固定 horizon 的 forward-return observation，而不是直接上完整 strategy backtest。

5) 成功标准

• 不是要求复刻出某个外部论文收益率。
• 而是要证明：我们能把 pytrendline 稳定翻译成一个可审计、可桥接、可进入 event validation 的 structure engine。
• 如果这条路径稳定成立，pytrendline 对主线的价值就成立——它会成为 source / explainability 对照，而不是“神奇 alpha 仓库”。

6) 风险

• 它的 O(N^3) 扫描决定了：不适合直接搬成大样本实时研究主引擎。
• 它当前更擅长 breakout / touch candidate，不等于已经完整覆盖 rebound / retest / confirmation。
• 因此正确落点是 bridge / event-source / explainability，不是直接当交易系统部署。

相关页面：repo deep dive ｜ event source bridge ｜ event validation v1

Brief B · Svogun & Bazán-Palomino (2022)

论文2022cost / regime constraint

原始 claim：crypto 里的技术分析规则并不是一扣成本就全灭，但交易成本会显著改变结果，bubble periods 也会改变 excess return 的概率。

1) 我们准备复现什么？

• 不必先完整复刻论文中的 69 条规则族。
• 第一版先复刻它最重要的洞见：breakout / trend 类规则一旦计入成本，哪些还活得下来；regime 是否会改变存活概率。

2) 我们用什么数据？

• 同样优先用容易稳定获取的数据：crypto OHLCV。
• 第一版建议：60m 为主，不先上 1-min，避免先被噪音和数据工程拖死。
• 资产仍先用 BTC / ETH / XRP / LTC，再可扩展到我们当前主宇宙。
• 样本：365d + 730d。

3) 最小 clean-room 定义

• 规则族先压缩为 2 组：
  • moving average crossover baseline
  • breakout baseline（Donchian / rolling high-low / trendline breakout）
• 每组先做：
  • gross returns
  • net returns（低成本 / 高成本）
  • trend-strength / bubble-proxy 分层

4) 最小实验设计

1. 对同一批规则，先跑 gross。
2. 再加两档成本假设：net_low / net_high。
3. 再按 regime proxy 分层：
   • 例如价格远离长期均线 / realized trend proxy / expansion regime
4. 比较哪些规则在 gross 好看，但一到 net 就失效。

5) 成功标准

• 不是要求和论文一模一样的 odds ratio。
• 而是要证明：成本会显著重排 breakout / trend 类规则的优先级，而且 regime 确实会影响存活率。
• 如果这一点在我们的复现里也成立，这篇论文对当前主线就有实用价值。

6) 风险

• 论文用 1-min 与 1-day；我们先从 60m 起步，属于 clean-room 近似复刻，不是像素级还原。
• bubble 的原始定义较重，第一版可以先用 regime proxy 代替，再决定是否补 PSY。

Brief C · Optimal Stopping S/R paper

working paper2021 / 2025 v2confirmation / retest mechanism

原始 claim：support / resistance 更像一个 path-dependent regime switching 下的最优停时问题；真正有价值的不是“见线就追”，而是把 touch / break / confirmed switch 分层，再决定什么时候承认状态真的切换。

1) 我们准备复现什么？

• 不去复刻论文里的数学证明本身。
• 第一版只复现它对当前主线最有价值的那一层：
  • 把 line touch、line break、confirmed switch、retest hold 组织成一套可执行的 protocol mapping
  • 并把这套映射挂回当前 trendline / support-resistance event schema

2) 我们用什么数据？

• 优先复用项目内已经存在的结构线来源，而不是另起一套检测器。
• 第一版可以直接接：
  • pytrendline representative event rows
  • PyIndicators confirmation ladder / segment events
• 样本先从现有 15m / 30m / 60m 结构研究窗口开始，避免为了理论 brief 先重跑大回测。

3) 最小 clean-room 定义

• 把每次结构交互先分成 3 层：
  • touch_or_cross
  • provisional_break
  • confirmed_switch
• 允许的第一版 confirmed-switch 证据：
  • confirm1：下一根仍收在线外
  • confirm3：3 根内至少 2 根收在线外
  • retest_hold：突破后回踩原线位不失守，再次恢复
• 目标不是立刻算收益，而是先把 protocol layer 做成统一、可审计的状态机。

4) 最小实验设计

1. 先在文档 / 页面层明确这套 protocol mapping。
2. 再把它映射到现有 `trendline_confirmation_protocol` / unified schema 文档。
3. 最后才考虑比较：裸 break vs confirm1 vs confirm3 vs retest_hold 的最小 forward-return / false-break 比较。

5) 成功标准

• 不是要求复刻论文里的 closed-form 结果。
• 而是要证明：这篇论文能稳定反哺我们当前的 confirmation / retest protocol 设计，而不是只停留在抽象机制层。
• 如果它能帮助我们把 `假突破` 和 `状态真正切换` 分得更清楚，这张 brief 就算成功。

6) 风险

• 这是一篇理论 / 机制型论文，不是直接给你分钟级 alpha 的经验论文。
• 因此它更适合当 protocol / mechanism brief，不适合被误读为“已验证赚钱规则”。
• 如果后续映射太复杂，也要接受它可能只能留下机制启发，而不一定进入 active experiment。

相关页面：quant digest ｜ Trendline Confirmation Protocol

当前已落地的页面

• Chan 2022 · S/R Feature Replication Report（保留为已读/已试记录）
• Svogun 2022 · Cost/Regime Replication Report
• Svogun 2022 · Cost/Regime Experiment v1
• Optimal Stopping · Quant Digest
• Fibonacci Pullback Confirmation · Quant Digest
• Trendline Confirmation Protocol
• PyTrendline Event Source Bridge v1
• PyTrendline Event Validation v1

当前阶段性结论：Chan 2022 这条线先收口；Svogun 2022 仍是 active paper replication；pytrendline 是 active bridge brief；Optimal Stopping 是 mechanism brief；trendln 是 geometry baseline brief；而 Fibonacci 这条线现在先补成 secondary mini brief，服务后续 pullback / confirmation 小实验。

Brief D · trendln (Gregory Morse)

GitHub repogeometry baselinechannel candidate

原始 claim：trendln 不是论文级 alpha claim；它更像一个程序化计算 support / resistance trend lines 的几何工具箱。对我们最重要的，不是直接拿它下单，而是把它作为 extrema → line search → line quality 的 clean-room 几何 baseline。

1) 我们准备复现什么？

• 不把它当成完整交易策略复刻。
• 第一版只复现对当前项目最有价值的两层：
  • geometry layer：extrema 抽取、support/resistance line search、基础 quality 指标
  • channel baseline layer：把近似平行的 support/resistance lines 组织成 channel candidates

2) 我们用什么数据？

• 优先使用项目内已经标准化的 OHLCV 窗口数据。
• 第一版只做窗口级结构输出，不上全市场/全参数长样本暴力扫描。
• 更适合 15m / 30m / 60m 的结构研究窗口，而不是超短频实盘引擎。

3) 最小 clean-room 定义

• 先输出：
  • support_slope
  • resistance_slope
  • support_touch_count
  • resistance_touch_count
  • channel_width_mean
  • channel_width_std
  • is_parallel_channel
• 然后再由上层决定是否派生：
  • breakout_distance_over_upper
  • close_confirm_bars
  • retest_hold
• 也就是说，trendln 的正确定位是 geometry baseline，而不是直接交易信号工厂。

4) 最小实验设计

1. 先做窗口级 support/resistance line 输出与 quality 字段。
2. 再做 channel candidate 判定：要求 slope difference 足够小、宽度足够稳定、上下轨触点足够多。
3. 最后才考虑把 channel breakout / retest 事件接到上层 protocol 或 validation 页面。

5) 成功标准

• 不是要求 trendln 自己给出某个可交易收益率。
• 而是要证明：我们能把它稳定翻译成 support-resistance / channel 的几何 baseline，并能和 pytrendline / mainline protocol 做有意义的对照。
• 如果它能帮助我们把 channel 问题拆得更清楚，这张 brief 就算成功。

6) 风险

• 它不擅长逐 bar 状态机，不直接回答 confirmation / retest / 假突破过滤。
• 不同 extrema 方法会显著改变结果，参数稳定性需要单独审计。
• 因此它更适合作为 geometry / explainability baseline，而不是 active alpha engine。

相关页面：repo deep dive ｜ Trendline Alpha Scout

Brief E · Fibonacci pullback confirmation (Gurrib et al., 2022)

paper2022secondary mini brief

原始 claim：Fibonacci 回撤位可以构成交易规则，但真正更值得迁移的，不是把这些位当独立 alpha 主体，而是把它们当作 pullback / breakout 的确认层，尤其强调 确认窗口要短。

1) 我们准备复现什么？

• 不复刻论文里的能源股 / 能源 crypto 日频收益数字。
• 第一版只复现它对当前主线最有价值的那层：
  • recent-window swing high / low → Fibonacci 回撤位
  • 回撤位作为 pullback / breakout confirmation layer
  • 短窗口确认是否能降低假突破 / 假回踩

2) 我们用什么数据？

• 优先用我们当前最容易稳定获取的 15m crypto 数据。
• 第一版建议：BTC / ETH / SOL。
• 方向层固定，不在这张 brief 里继续优化，例如：EMA50 > EMA200 只做多，反之只做空。

3) 最小 clean-room 定义

• 从 recent-window（例如最近 48 根 15m bar）提取局部 swing high / low。
• causal swing protocol v1：
  • swing high / low 必须用 2-bar right confirmation 确认；也就是某个 pivot 只能在其后再出现 2 根 bar 后才算正式可见。
  • 回撤位只能由“最近一对已确认的 opposite swings”生成，不能提前偷看未确认 pivot。
  • 一旦某次交易候选已经基于某组 swings 形成，该次候选在失效 / 成交前不允许被后来才确认的新 swing retroactively 重写。
• 计算：23.6 / 38.2 / 50 / 61.8 回撤位。
• 优先不把 Fibonacci 位直接当入场条件，而是作为“已经出现 pullback / breakout 候选后，是否继续确认”的过滤层。

4) 最小实验设计

1. baseline：裸 pullback entry（触及 38.2 或 50 就进）。
2. confirm-1bar：触位后下一根仍朝有利方向收盘才进。
3. confirm-2of3：3 根内至少 2 根收盘支持方向。
4. retest-hold：先破位，再回踩 38.2 / 50 不失守后进。
5. 关键比较：false_break_ratio / max_drawdown / post_cost_return。

5) 成功标准

• 不是要求 Fibonacci-only 收益率很好看。
• 而是要证明：把回撤位当 confirmation layer 后，能否在不明显伤害收益的前提下，压低假突破 / 假回踩和回撤。
• 如果这点成立，这条线就值得作为 filter / confirmation candidate 继续留在本地验证队列。

6) 风险

• 原论文主样本是日频能源股 / 能源 crypto，不是我们主战场。
• 即使写了 `causal swing protocol v1`，pivot delay 也会让信号变慢，因此后续应把“更干净的因果边界”和“更少的时效性损失”分开评估。
• 因此它当前只适合作为 secondary mini brief，不适合直接升为 active replication 主候选。

相关页面：quant digest ｜ Trendline Alpha Scout

我建议的落地顺序

1. 继续 Svogun 2022：它负责给 breakout / trend 研究加现实约束。
2. 继续把 pytrendline 当成 active bridge candidate：推进 source bridge / event validation 与主线协议的连接。
3. 把 Optimal Stopping 当成 mechanism brief：优先反哺 confirmation / retest protocol。
4. 把 trendln 当成 geometry baseline：服务 channel / support-resistance 的几何对照，而不是直接抢主线。
5. 把 Fibonacci 线当成 secondary confirmation brief：优先服务 15m pullback / breakout 小实验，而不是升主候选。
6. Chan 2022 保留为参考：不再继续作为 active replication 任务。

下一步交付

• P1：继续推进 Svogun 2022 的 gross vs net + regime 规则存活性实验
• P1：把 Optimal Stopping 的 protocol mapping 真正挂回 confirmation protocol 页面
• P2：对 Fibonacci 线先做 15m `裸 pullback vs confirm-1bar vs confirm-2of3 vs retest-hold` 的最小 clean-room 对照
• P2：若要继续 E 模块扩量，再补新的 confirmation / retest / failed-breakout 候选，而不是继续改 shortlist v1