拓冰网站定制 
金融科技数据分析后端AI 应用【免费下载链接】jesseAn advanced crypto trading bot written in Python项目地址https://gitcode.com/gh_mirrors/je/jesse点击查看免费下载规则显著性检验Rule Significance Testing简称 RST是 Jesse 框架内置的一种统计诊断手段它在不实际下单的前提下运行一次“纯信号回测”记录策略在每个已收盘 K 线上的should_long()/should_short()信号然后在去除市场趋势去漂移后对零中心化的“下一根 K 线规则收益”序列执行平稳自助法stationary bootstrap最终给出入场信号是否存在真实边际优势的 p 值。本文以 jesse/mcp/resources/significance_test.md 为骨架结合 Jesse 仓库的 MCP 工具层、模式运行器与研究算法源码完整讲解 RST 的适用场景、结果解读、MCP 工具接口、标准工作流与常见错误处理使读者能够通过 Agent / MCP 客户端独立完成信号验证 → 决策 → 记录结论的闭环。什么是规则显著性检验原理解读RST 要回答的问题非常具体某个入场规则是否具备“下一根 K 线”的预测能力还是其观察到的收益只是偶然。它与传统回测有三个本质区别只记录信号不下任何订单。策略被完整实例化与正常回测完全一致但订单提交与撮合全部被跳过以“规则收益”为统计对象。每根 K 线信号1/-1/0与“下一根去漂移后的对数收益”相乘得到一个规则收益序列用平稳自助法构造零假设分布。零假设 H0 是“规则的期望下一根去漂移收益不为正”p 值 模拟均值 ≥ 观测均值的比例。从源码看rule_significance_test()分为两阶段见 jesse/research/rule_significance_testing/rule_significance.py阶段一信号收集串行。通过run_signal_only_backtest()复用 Jesse 正常回测的蜡烛引擎与时间戳重放计划但关闭订单执行在每个已完成的路由 K 线上调用策略的_execute_for_signal_test()只运行before() / should_long() / should_short() / after()见 jesse/research/rule_significance_testing/simulator.py。simulator.py中明确注释order_service.update_active_orders()与execute_simulated_market_orders()被有意省略——没有订单提交自然没有订单需要处理。阶段二自助模拟并行批处理。run_bootstrap_test()以几何分布随机块长默认均值 10 根对零中心化后的规则收益序列做平稳重采样构建零假设下的模拟均值分布p_value fraction of simulated means ≥ the observed mean见 jesse/research/rule_significance_testing/bootstrap.py。去漂移detrending是关键细节在计算规则收益前会先减去整个窗口的均值对数收益这样即使行情处于单边趋势没有边际优势的规则期望收益也会归零见rule_significance.py中mean_log_return log_returns.mean()与detrended log_returns - mean_log_return。中性 K 线信号为 0贡献 0 收益但仍计入观测数。另外在通过 MCP 触发时运行器会以fee0、杠杆 1、起始资金 10000 的纯信号配置构造实验见 jesse/modes/significance_test_mode/SignificanceTestRunner.py因为手续费、余额与杠杆不影响这种纯信号计算。何时使用 RST它是诊断不是必经步骤原文档明确指出只有用户主动要求时才运行 RST。它是可选的诊断工具不是编写、回测或改进策略前的必需步骤。典型触发场景用户问这个入场信号到底行不行、验证一下这个信号、跑一个显著性检验 → 将信号包装成一个最小的仅入场策略如果没有现成的话在一个有意义的日期窗口上做 RST并报告 p 值用户有一个结果平庸的完整策略想判断入场信号本身弱而不是出场逻辑弱用户主动要求验证某个交易假设。两条重要边界不要在用户没有要求时擅自运行 RST不要因为 RST 的结果而中断策略工作——它只评估下一根 K 线的入场边际不代表对完整策略或多根 K 线持仓行为的裁决。解读结果p 值的三档判读与必报指标原文档给出了明确的判读表p_value含义 0.05存在统计显著的下一根 K 线入场边际证据0.05 – 0.10边界情况。把数字呈现给用户标记为尚无定论可考虑扩大日期窗口或提高n_simulations 0.10没有可靠的下一根 K 线入场边际。这不是对完整策略或多根 K 线持仓行为的裁决在 jesse/mcp/tools/significance_test.py 的工具文档字符串中MCP 层对 0.10 的描述更强硬视为 HARD STOP与随机无异不应默默继续完整回测。但永远要把 p 值本身完整、如实汇报给用户由用户做最终决策。无论结果如何都必须向用户报告以下五个指标这也正是results中保存的全部内容见SignificanceTestRunner.py的safe_resultobserved_mean—— 规则的下一根 K 线平均对数收益annualized_return—— 按实际经过的日历时间年化后的收益p_value—— 显著性n_simulations—— 实际完成的自助模拟次数n_observations—— 去 NaN 后参与统计的 K 线数量。关于annualized_return的实现可参考 jesse/research/rule_significance_testing/common.py它通过_elapsed_annualization_factor()用实际时间跨度observation_count * 365 * 86_400_000 / elapsed_ms年化而非推断交易时段。MCP 工具参考完整接口清单RST 通过 Jesse MCP 服务器暴露了 8 个工具注册逻辑见 jesse/mcp/tools/significance_test.py其服务实现见 jesse/mcp/tools/services/significance_test.py。这套工具面刻意镜像了 backtest 的 draft / run / poll 工作流方便 Agent 复用已知模式。create_significance_test_draft() —— 创建草稿会话创建一个可后续运行的草稿会话。参数及默认值与源码中mcp.tool()签名一致参数类型 / 默认值说明exchangestr默认Binance Perpetual Futures交易所名称routesJSON 字符串数组必须恰好包含一个路由对象形如[{exchange:...,strategy:...,symbol:...,timeframe:...}]data_routesJSON 字符串数组默认[]纯数据路由可任意数量start_date,finish_dateYYYY-MM-DD检验窗口n_simulationsint默认2000建议2000自助模拟次数越多 p 值越稳定random_seed可选 int固定随机种子以保证可复现性title,description可选不传则自动生成strategy_summary,hypothesis,rationale可选用于填充 Markdown 描述返回值示例{ status: success, session_id: uuid, draft_state: { form: {...}, results: {...} }, notes: { title: ..., description: ..., strategy_code_keys: [...], strategy_codes_captured: 1 }, dashboard_url: ..., message: Significance test draft created with ID: uuid }源码层面的几个行为值得注意见services/significance_test.py草稿会校验routes/data_routes必须是合法 JSON 数组且len(routes_list) ! 1时直接报错Rule Significance Test requires exactly one trading route.创建时自动生成标题MCP Rule Significance Test: Strategy on Symbol Timeframe与包含策略、假设、理由、周期、交易所、模拟次数、随机种子等信息的 Markdown 描述创建草稿的同时会从strategies/StrategyName/__init__.py读取策略代码快照_collect_strategy_codes()以便后续追溯当初测试的到底是哪份代码。update_significance_test_draft(session_id, state)用新的 JSON 字符串state整体替换已有草稿的state表单 结果。采用与update_backtest_draft相同的读-改-写模式get_significance_test_session(session_id)取出当前状态修改state.form中需要调整的字段调用update_significance_test_draft(session_id, json.dumps(current_state))。update_significance_test_notes(session_id, title?, description?, strategy_codes?)在检验结束后更新标题 / 描述 / 策略代码快照。典型用途是记录结论例如update_significance_test_notes(sid, descriptionp_value0.012 → edge confirmed.)strategy_codes需为 JSON 对象字符串键为exchange-symbol源码会对非 dict 的strategy_codes返回错误。get_significance_test_session(session_id)获取会话完整详情包括status与完成后的results。响应结构原文档示例{ data: { session: { id: uuid, status: finished, state: { form: {...}, results: {...} }, results: { observed_mean: 0.0021, annualized_return: 0.53, p_value: 0.012, n_simulations: 2000, n_observations: 84 } } }, error: null, message: Significance test session retrieved successfully }注意会话模型jesse/models/SignificanceTestSession.py中除了status、state、results还包含title、description、strategy_codes、chart_path检验图 PNG 路径、exception/traceback失败诊断等字段results存的是 JSON 序列化的安全结果原始 numpy 数组simulated_means不会入库见SignificanceTestRunner.py中相关注释。get_significance_test_sessions(limit?, offset?, title_search?, status_filter?, date_filter?)列出会话最新在前。limit默认 50offset分页偏移title_search对标题做不区分大小写的子串匹配status_filter取值draft、running、finished、stopped、terminateddate_filter取值7_days、30_days、90_days。run_significance_test(session_id)触发即返回fire-and-poll。服务器接受请求HTTP 202时立即返回{ status: started, session_id: ... }然后需要每隔几秒轮询get_significance_test_session直到status finished或stopped/terminated。该工具在 MCP 层带有gated(weightCREDIT_WEIGHTS[run_significance_test])装饰器是 8 个工具中唯一消耗配额的操作默认权重为 1可通过环境变量MCP_CREDIT_WEIGHT_SIGNIFICANCE_TEST覆盖见 jesse/mcp/usage_limits.py。启动前服务层会再次校验会话必须已存在、state.form必须存在、routes必须恰好 1 条HTTP 409 表示该会话已在运行或已完成需要新建草稿而不是复用 ID。cancel_significance_test(session_id)取消一个正在运行的检验。服务层发送POST /significance-test/cancelHTTP 202 表示取消请求已被接受。运行器内部通过_raise_if_cancelled()在活动执行路径中检查取消状态并抛出Termination见SignificanceTestRunner.py。purge_significance_test_sessions(days_old?)删除旧的检验会话。如果省略days_old将删除全部会话不可逆。删除成功后返回deleted_count。标准工作流从草稿到结论的完整代码原文档给出了可直接套用的完整 Python 工作流在 MCP 环境中可完整运行结合write_strategy等配套工具# 1. 确保候选策略存在于磁盘strategies/StrategyName/__init__.py write_strategy(RSIOversoldEntry, codeminimal_signal_only_code) # 2. 暂存检验 draft create_significance_test_draft( exchangeBinance Perpetual Futures, routes[{exchange:Binance Perpetual Futures,strategy:RSIOversoldEntry,symbol:BTC-USDT,timeframe:4h}], start_date2022-01-01, finish_date2024-01-01, n_simulations2000, hypothesisBuying BTC 4h when RSI(14) 30 produces above-random forward returns., ) sid draft[session_id] # 3. 触发 run_significance_test(sid) # 4. 轮询直到结束 while True: s get_significance_test_session(sid) status s[data][session][status] if status in (finished, stopped, terminated): break time.sleep(3) # 5. 检查并记录结论 session s[data][session] if status finished: r session[results] edge confirmed if r[p_value] 0.05 else not confirmed update_significance_test_notes( sid, descriptionfp_value{r[p_value]:.3f} → edge {edge}., )工作流中的每个环节都能在源码中找到对应实现信号策略只需实现should_long() / should_short()。测试用例 tests/test_rule_significance_testing.py 中的NoiseSignal与SuperTrendSignal两个策略给出了典型形态前者发出与价格无关的随机信号用于检验 H0 下 p 值应偏高后者用 Jesse 的ta.supertrend()趋势信号做正向对照两者的go_long() / go_short()均留空——印证了纯信号、不下单的执行方式运行期状态流转由 jesse/modes/significance_test_mode/init.py 中的run()负责设置significance-test交易模式、router.initiate()、validate_routes()、加载 K 线含预热 K 线、实例化SignificanceTestRunner并执行测试 tests/test_significance_test_session.py 覆盖了会话状态与结果存取逻辑进度与结果呈现运行器每 0.5 秒节流发布进度条完成后调用plot_significance_test()生成主题化light / dark的 bootstrap 分布直方图保存到storage/significance-test-charts/绘图实现见 jesse/research/rule_significance_testing/plots.py图中以红色阴影标出 ≥ 观测均值的拒绝区域并标注显著性星级p ≤ 0.001三星、≤ 0.01二星、≤ 0.05一星、≤ 0.10波浪线、 0.10打叉。约束与常见错误排查以下是原文档列出的四条硬约束与对应排查方法必须恰好一条交易路由——控制器MCP 服务层与运行器significance_test_mode/run()与rule_significance_test()都会拒绝 0 条或多条路由。请检查routesJSON 数组的元素个数策略必须已存在于磁盘——strategies/StrategyName/__init__.py必须存在否则草稿无法捕获策略代码、运行期路由无法实例化策略。先调用create_strategy()/write_strategy创建策略再创建草稿缺少 K 线——如果日期窗口内没有 K 线运行器会报错。需要先执行import_candles()且建议在start_date前约 2 个月开始导入用于满足预热 K 线需求significance_test_mode/run()中关于缺 K 线的错误消息也提示需要start_date之前约warmup_candles_num根预热 K 线。此外Jesse 的rule_significance_test()对少于MIN_OBSERVATIONS30 根的观测会发出结果可能不可靠的警告见common.py运行时报 409 冲突——说明该 ID 对应的会话不是 draft 状态已运行或已完成。不要复用 ID直接创建新草稿。小结规则显著性检验把这个信号靠不靠谱从一个主观问题变成了一个可复现的统计问题Jesse 通过信号专用回测 去漂移 平稳自助法给出observed_mean、annualized_return、p_value等硬指标而 MCP 层则提供了 draft / run / poll / notes 的完整生命周期管理。实践中请记住三条铁律只在用户要求时运行p 值大于 0.10 不等于策略无效但也不应默默当它有效永远把 p 值、模拟次数与观测数如实呈现给用户。如需进一步深入可继续阅读 jesse/research/rule_significance_testing/init.py 下的rule_significance.py算法入口、bootstrap.py自助法实现、simulator.py信号回测引擎以及 tests/test_rule_significance_testing.py正反对照测试。赞分享金融科技数据分析后端AI 应用【免费下载链接】jesseAn advanced crypto trading bot written in Python项目地址https://gitcode.com/gh_mirrors/je/jesse点击查看免费下载相关推荐Exiled Exchange 2流放之路2玩家的智能交易决策助手Exiled Exchange 2流放之路2玩家的智能交易决策助手 在《流放之路2》的复杂经济体系中准确判断物品价值是每个玩家面临的共同挑战。ExiledWin11DisableRoundedCorners终极指南如何快速禁用Windows 11窗口圆角Win11DisableRoundedCorners终极指南如何快速禁用Windows 11窗口圆角 Win11DisableRoundedCorners是一操作系统逆向工程vit-pytorch模型验证统计显著性测试vit pytorch模型验证统计显著性测试 引言为什么需要统计显著性测试 在深度学习模型开发中我们经常面临一个关键问题 模型性能的提升是真实的改进人工智能计算机视觉深度学习上一篇TypeScript 7 原生工具链整合tsgo 名称退场、代码库回归主仓库与 VS Code 扩展捆绑下一篇探索高效代码审核MegaLinter - 您的全方位代码检查工具创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 Jesse Rule Significance Testing（RST）实战指南：用 MCP 工具验证入场信号的统计显著性
金融科技数据分析后端AI 应用【免费下载链接】jesseAn advanced crypto trading bot written in Python项目地址https://gitcode.com/gh_mirrors/je/jesse点击查看免费下载规则显著性检验Rule Significance Testing简称 RST是 Jesse 框架内置的一种统计诊断手段它在不实际下单的前提下运行一次“纯信号回测”记录策略在每个已收盘 K 线上的should_long()/should_short()信号然后在去除市场趋势去漂移后对零中心化的“下一根 K 线规则收益”序列执行平稳自助法stationary bootstrap最终给出入场信号是否存在真实边际优势的 p 值。本文以 jesse/mcp/resources/significance_test.md 为骨架结合 Jesse 仓库的 MCP 工具层、模式运行器与研究算法源码完整讲解 RST 的适用场景、结果解读、MCP 工具接口、标准工作流与常见错误处理使读者能够通过 Agent / MCP 客户端独立完成信号验证 → 决策 → 记录结论的闭环。什么是规则显著性检验原理解读RST 要回答的问题非常具体某个入场规则是否具备“下一根 K 线”的预测能力还是其观察到的收益只是偶然。它与传统回测有三个本质区别只记录信号不下任何订单。策略被完整实例化与正常回测完全一致但订单提交与撮合全部被跳过以“规则收益”为统计对象。每根 K 线信号1/-1/0与“下一根去漂移后的对数收益”相乘得到一个规则收益序列用平稳自助法构造零假设分布。零假设 H0 是“规则的期望下一根去漂移收益不为正”p 值 模拟均值 ≥ 观测均值的比例。从源码看rule_significance_test()分为两阶段见 jesse/research/rule_significance_testing/rule_significance.py阶段一信号收集串行。通过run_signal_only_backtest()复用 Jesse 正常回测的蜡烛引擎与时间戳重放计划但关闭订单执行在每个已完成的路由 K 线上调用策略的_execute_for_signal_test()只运行before() / should_long() / should_short() / after()见 jesse/research/rule_significance_testing/simulator.py。simulator.py中明确注释order_service.update_active_orders()与execute_simulated_market_orders()被有意省略——没有订单提交自然没有订单需要处理。阶段二自助模拟并行批处理。run_bootstrap_test()以几何分布随机块长默认均值 10 根对零中心化后的规则收益序列做平稳重采样构建零假设下的模拟均值分布p_value fraction of simulated means ≥ the observed mean见 jesse/research/rule_significance_testing/bootstrap.py。去漂移detrending是关键细节在计算规则收益前会先减去整个窗口的均值对数收益这样即使行情处于单边趋势没有边际优势的规则期望收益也会归零见rule_significance.py中mean_log_return log_returns.mean()与detrended log_returns - mean_log_return。中性 K 线信号为 0贡献 0 收益但仍计入观测数。另外在通过 MCP 触发时运行器会以fee0、杠杆 1、起始资金 10000 的纯信号配置构造实验见 jesse/modes/significance_test_mode/SignificanceTestRunner.py因为手续费、余额与杠杆不影响这种纯信号计算。何时使用 RST它是诊断不是必经步骤原文档明确指出只有用户主动要求时才运行 RST。它是可选的诊断工具不是编写、回测或改进策略前的必需步骤。典型触发场景用户问这个入场信号到底行不行、验证一下这个信号、跑一个显著性检验 → 将信号包装成一个最小的仅入场策略如果没有现成的话在一个有意义的日期窗口上做 RST并报告 p 值用户有一个结果平庸的完整策略想判断入场信号本身弱而不是出场逻辑弱用户主动要求验证某个交易假设。两条重要边界不要在用户没有要求时擅自运行 RST不要因为 RST 的结果而中断策略工作——它只评估下一根 K 线的入场边际不代表对完整策略或多根 K 线持仓行为的裁决。解读结果p 值的三档判读与必报指标原文档给出了明确的判读表p_value含义 0.05存在统计显著的下一根 K 线入场边际证据0.05 – 0.10边界情况。把数字呈现给用户标记为尚无定论可考虑扩大日期窗口或提高n_simulations 0.10没有可靠的下一根 K 线入场边际。这不是对完整策略或多根 K 线持仓行为的裁决在 jesse/mcp/tools/significance_test.py 的工具文档字符串中MCP 层对 0.10 的描述更强硬视为 HARD STOP与随机无异不应默默继续完整回测。但永远要把 p 值本身完整、如实汇报给用户由用户做最终决策。无论结果如何都必须向用户报告以下五个指标这也正是results中保存的全部内容见SignificanceTestRunner.py的safe_resultobserved_mean—— 规则的下一根 K 线平均对数收益annualized_return—— 按实际经过的日历时间年化后的收益p_value—— 显著性n_simulations—— 实际完成的自助模拟次数n_observations—— 去 NaN 后参与统计的 K 线数量。关于annualized_return的实现可参考 jesse/research/rule_significance_testing/common.py它通过_elapsed_annualization_factor()用实际时间跨度observation_count * 365 * 86_400_000 / elapsed_ms年化而非推断交易时段。MCP 工具参考完整接口清单RST 通过 Jesse MCP 服务器暴露了 8 个工具注册逻辑见 jesse/mcp/tools/significance_test.py其服务实现见 jesse/mcp/tools/services/significance_test.py。这套工具面刻意镜像了 backtest 的 draft / run / poll 工作流方便 Agent 复用已知模式。create_significance_test_draft() —— 创建草稿会话创建一个可后续运行的草稿会话。参数及默认值与源码中mcp.tool()签名一致参数类型 / 默认值说明exchangestr默认Binance Perpetual Futures交易所名称routesJSON 字符串数组必须恰好包含一个路由对象形如[{exchange:...,strategy:...,symbol:...,timeframe:...}]data_routesJSON 字符串数组默认[]纯数据路由可任意数量start_date,finish_dateYYYY-MM-DD检验窗口n_simulationsint默认2000建议2000自助模拟次数越多 p 值越稳定random_seed可选 int固定随机种子以保证可复现性title,description可选不传则自动生成strategy_summary,hypothesis,rationale可选用于填充 Markdown 描述返回值示例{ status: success, session_id: uuid, draft_state: { form: {...}, results: {...} }, notes: { title: ..., description: ..., strategy_code_keys: [...], strategy_codes_captured: 1 }, dashboard_url: ..., message: Significance test draft created with ID: uuid }源码层面的几个行为值得注意见services/significance_test.py草稿会校验routes/data_routes必须是合法 JSON 数组且len(routes_list) ! 1时直接报错Rule Significance Test requires exactly one trading route.创建时自动生成标题MCP Rule Significance Test: Strategy on Symbol Timeframe与包含策略、假设、理由、周期、交易所、模拟次数、随机种子等信息的 Markdown 描述创建草稿的同时会从strategies/StrategyName/__init__.py读取策略代码快照_collect_strategy_codes()以便后续追溯当初测试的到底是哪份代码。update_significance_test_draft(session_id, state)用新的 JSON 字符串state整体替换已有草稿的state表单 结果。采用与update_backtest_draft相同的读-改-写模式get_significance_test_session(session_id)取出当前状态修改state.form中需要调整的字段调用update_significance_test_draft(session_id, json.dumps(current_state))。update_significance_test_notes(session_id, title?, description?, strategy_codes?)在检验结束后更新标题 / 描述 / 策略代码快照。典型用途是记录结论例如update_significance_test_notes(sid, descriptionp_value0.012 → edge confirmed.)strategy_codes需为 JSON 对象字符串键为exchange-symbol源码会对非 dict 的strategy_codes返回错误。get_significance_test_session(session_id)获取会话完整详情包括status与完成后的results。响应结构原文档示例{ data: { session: { id: uuid, status: finished, state: { form: {...}, results: {...} }, results: { observed_mean: 0.0021, annualized_return: 0.53, p_value: 0.012, n_simulations: 2000, n_observations: 84 } } }, error: null, message: Significance test session retrieved successfully }注意会话模型jesse/models/SignificanceTestSession.py中除了status、state、results还包含title、description、strategy_codes、chart_path检验图 PNG 路径、exception/traceback失败诊断等字段results存的是 JSON 序列化的安全结果原始 numpy 数组simulated_means不会入库见SignificanceTestRunner.py中相关注释。get_significance_test_sessions(limit?, offset?, title_search?, status_filter?, date_filter?)列出会话最新在前。limit默认 50offset分页偏移title_search对标题做不区分大小写的子串匹配status_filter取值draft、running、finished、stopped、terminateddate_filter取值7_days、30_days、90_days。run_significance_test(session_id)触发即返回fire-and-poll。服务器接受请求HTTP 202时立即返回{ status: started, session_id: ... }然后需要每隔几秒轮询get_significance_test_session直到status finished或stopped/terminated。该工具在 MCP 层带有gated(weightCREDIT_WEIGHTS[run_significance_test])装饰器是 8 个工具中唯一消耗配额的操作默认权重为 1可通过环境变量MCP_CREDIT_WEIGHT_SIGNIFICANCE_TEST覆盖见 jesse/mcp/usage_limits.py。启动前服务层会再次校验会话必须已存在、state.form必须存在、routes必须恰好 1 条HTTP 409 表示该会话已在运行或已完成需要新建草稿而不是复用 ID。cancel_significance_test(session_id)取消一个正在运行的检验。服务层发送POST /significance-test/cancelHTTP 202 表示取消请求已被接受。运行器内部通过_raise_if_cancelled()在活动执行路径中检查取消状态并抛出Termination见SignificanceTestRunner.py。purge_significance_test_sessions(days_old?)删除旧的检验会话。如果省略days_old将删除全部会话不可逆。删除成功后返回deleted_count。标准工作流从草稿到结论的完整代码原文档给出了可直接套用的完整 Python 工作流在 MCP 环境中可完整运行结合write_strategy等配套工具# 1. 确保候选策略存在于磁盘strategies/StrategyName/__init__.py write_strategy(RSIOversoldEntry, codeminimal_signal_only_code) # 2. 暂存检验 draft create_significance_test_draft( exchangeBinance Perpetual Futures, routes[{exchange:Binance Perpetual Futures,strategy:RSIOversoldEntry,symbol:BTC-USDT,timeframe:4h}], start_date2022-01-01, finish_date2024-01-01, n_simulations2000, hypothesisBuying BTC 4h when RSI(14) 30 produces above-random forward returns., ) sid draft[session_id] # 3. 触发 run_significance_test(sid) # 4. 轮询直到结束 while True: s get_significance_test_session(sid) status s[data][session][status] if status in (finished, stopped, terminated): break time.sleep(3) # 5. 检查并记录结论 session s[data][session] if status finished: r session[results] edge confirmed if r[p_value] 0.05 else not confirmed update_significance_test_notes( sid, descriptionfp_value{r[p_value]:.3f} → edge {edge}., )工作流中的每个环节都能在源码中找到对应实现信号策略只需实现should_long() / should_short()。测试用例 tests/test_rule_significance_testing.py 中的NoiseSignal与SuperTrendSignal两个策略给出了典型形态前者发出与价格无关的随机信号用于检验 H0 下 p 值应偏高后者用 Jesse 的ta.supertrend()趋势信号做正向对照两者的go_long() / go_short()均留空——印证了纯信号、不下单的执行方式运行期状态流转由 jesse/modes/significance_test_mode/init.py 中的run()负责设置significance-test交易模式、router.initiate()、validate_routes()、加载 K 线含预热 K 线、实例化SignificanceTestRunner并执行测试 tests/test_significance_test_session.py 覆盖了会话状态与结果存取逻辑进度与结果呈现运行器每 0.5 秒节流发布进度条完成后调用plot_significance_test()生成主题化light / dark的 bootstrap 分布直方图保存到storage/significance-test-charts/绘图实现见 jesse/research/rule_significance_testing/plots.py图中以红色阴影标出 ≥ 观测均值的拒绝区域并标注显著性星级p ≤ 0.001三星、≤ 0.01二星、≤ 0.05一星、≤ 0.10波浪线、 0.10打叉。约束与常见错误排查以下是原文档列出的四条硬约束与对应排查方法必须恰好一条交易路由——控制器MCP 服务层与运行器significance_test_mode/run()与rule_significance_test()都会拒绝 0 条或多条路由。请检查routesJSON 数组的元素个数策略必须已存在于磁盘——strategies/StrategyName/__init__.py必须存在否则草稿无法捕获策略代码、运行期路由无法实例化策略。先调用create_strategy()/write_strategy创建策略再创建草稿缺少 K 线——如果日期窗口内没有 K 线运行器会报错。需要先执行import_candles()且建议在start_date前约 2 个月开始导入用于满足预热 K 线需求significance_test_mode/run()中关于缺 K 线的错误消息也提示需要start_date之前约warmup_candles_num根预热 K 线。此外Jesse 的rule_significance_test()对少于MIN_OBSERVATIONS30 根的观测会发出结果可能不可靠的警告见common.py运行时报 409 冲突——说明该 ID 对应的会话不是 draft 状态已运行或已完成。不要复用 ID直接创建新草稿。小结规则显著性检验把这个信号靠不靠谱从一个主观问题变成了一个可复现的统计问题Jesse 通过信号专用回测 去漂移 平稳自助法给出observed_mean、annualized_return、p_value等硬指标而 MCP 层则提供了 draft / run / poll / notes 的完整生命周期管理。实践中请记住三条铁律只在用户要求时运行p 值大于 0.10 不等于策略无效但也不应默默当它有效永远把 p 值、模拟次数与观测数如实呈现给用户。如需进一步深入可继续阅读 jesse/research/rule_significance_testing/init.py 下的rule_significance.py算法入口、bootstrap.py自助法实现、simulator.py信号回测引擎以及 tests/test_rule_significance_testing.py正反对照测试。赞分享金融科技数据分析后端AI 应用【免费下载链接】jesseAn advanced crypto trading bot written in Python项目地址https://gitcode.com/gh_mirrors/je/jesse点击查看免费下载相关推荐Exiled Exchange 2流放之路2玩家的智能交易决策助手Exiled Exchange 2流放之路2玩家的智能交易决策助手 在《流放之路2》的复杂经济体系中准确判断物品价值是每个玩家面临的共同挑战。ExiledWin11DisableRoundedCorners终极指南如何快速禁用Windows 11窗口圆角Win11DisableRoundedCorners终极指南如何快速禁用Windows 11窗口圆角 Win11DisableRoundedCorners是一操作系统逆向工程vit-pytorch模型验证统计显著性测试vit pytorch模型验证统计显著性测试 引言为什么需要统计显著性测试 在深度学习模型开发中我们经常面临一个关键问题 模型性能的提升是真实的改进人工智能计算机视觉深度学习上一篇TypeScript 7 原生工具链整合tsgo 名称退场、代码库回归主仓库与 VS Code 扩展捆绑下一篇探索高效代码审核MegaLinter - 您的全方位代码检查工具创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考