Predictive Extrema, Unprofitable Policies: An AI-Assisted Audit of Candle-Based Binance Spot Timing Models
创建于 更新于
摘要
本研究对基于蜡烛图的币安现货极值预测与短期结果模型进行独立审计，评估在假定交易成本下将预测转化为可执行策略的经济收益。通过多轮基于固定种子和确定性模拟器的实验，结合人机AI辅助的证据审查、文献检索与工件溯源，结果总体趋向负向：在多种策略与成本设定下，未能实现正向净值或显著的风险调整收益，且高 ROC AUC 并未转化为可行的策略收益。最具说服力的后期结果是19周期的“不变”七月筛选，在31 bps 的成本下总回报为-6.72%，仅3个周期盈利、16个周期亏损，且后续扩展/重载也未产生正向证据。本文还揭示了证据来源、时序依赖与可重复性方面的若干问题，强调在AI辅助研究中保持透明与严格的前瞻性评估的重要性。研究结论总结为：截至目前的测试阶段，所有评估策略均未达到部署门槛，结论为 NO_TRADE [page::0][page::19]。
