OpenML：V0 / V2.3 Cutoff 与成交诊断
全部市场保留在分母中；cutoff 只改变开火集合。Prediction accuracy 与成交后的 adverse selection 分开计算。
Cutoff 全量表
基准行是当前 nominal cutoff；向下是 YES 与 NO 同时各提高 1–10pp。点击一行看置信区间与 AS gap。
| 模型 | Cutoff | 市场总数 | 信号 Y / N | 未开火 | 开火率 | 开火后实际 Y / N | 全信号 Acc Y / N | 总 Acc | 成交 Y / N | 成交 Acc Y / N | 归因下单数 | 全信号 1张 P&L | 每次开火 P&L | 实际成交 P&L | 实际张数 |
|---|
每 6 小时趋势
每点覆盖 CT 00–06 / 06–12 / 12–18 / 18–24；使用各模型当前基准 cutoff。V0 与 V2.3 同图。
模型与成交质量
V0V2.3
所有指标均保留淡色原始点，并使用固定三段的连续 piecewise-linear WLS 趋势与 95% confidence band；分段点固定在各模型时间跨度的 1/3、2/3（少于 8 个有效窗口不拟合）。
经济结果拆解
V0V2.3
最终 Gain/Loss = Prediction Accuracy − AS 成本 − 平均成交价 − 平均费用；AS 使用真实张数加权，因此同时包含“哪些信号成交”和“成交仓位大小”的选择成本。
选择一行查看诊断
市场 Funnel
Prediction
Execution
这一行能告诉我们什么
量化 accuracy 后，应该怎样用
1. Coverage先看市场总数、开火率和 Y/N 数目。提高 cutoff 若只剩很少信号，accuracy 的变化可能只是小样本。
2. Prediction分别检查 YES 与 NO accuracy 是否随 cutoff 单调提高，并看 95% CI。YES 有 lift 不代表 NO 也有。
3. Economics比较一张 P&L、每次开火 P&L、日度 Sharpe 和 drawdown。accuracy 只有超过报价+费用的 break-even 才有经济价值。
4. Execution计算 AS gap = 成交 accuracy − 全信号 accuracy。若 confidence 上升但 AS gap 更负，应该改报价/成交过滤，而不是继续提高 prediction cutoff。