btc_price_anany/PLAN.md

BTC 全数据深度分析扩展计划

目标

充分利用全部 15 个 K 线数据文件（1m~1mo），新增 8 个分析模块 + 增强 5 个现有模块，覆盖目前完全未触及的分钟级微观结构、多尺度统计标度律、极端风险等领域。

---

一、新增 8 个分析模块

1. microstructure.py — 市场微观结构分析

使用数据: 1m, 3m, 5m

• Roll 价差估计（基于收盘价序列相关性）
• Corwin-Schultz 高低价价差估计
• Kyle's Lambda（价格冲击系数）
• Amihud 非流动性比率
• VPIN（基于成交量同步的知情交易概率）
• 图表: 价差时序、流动性热力图、VPIN 预警图

2. intraday_patterns.py — 日内模式分析

使用数据: 1m, 5m, 15m, 30m, 1h

• 日内成交量 U 型曲线（按小时/分钟聚合）
• 日内波动率微笑模式
• 亚洲/欧洲/美洲交易时段对比
• 日内收益率自相关结构
• 图表: 时段热力图、成交量/波动率日内模式、三时区对比

3. scaling_laws.py — 统计标度律分析

使用数据: 全部 15 个文件

• 波动率标度: σ(Δt) ∝ (Δt)^H，拟合 H 指数
• Taylor 效应: |r|^q 的自相关衰减与 q 的关系
• 收益率聚合特性（正态化速度）
• Epps 效应（高频相关性衰减）
• 图表: 标度律拟合、Taylor 效应矩阵、正态性 vs 时间尺度

4. multi_scale_vol.py — 多尺度已实现波动率

使用数据: 5m, 15m, 30m, 1h, 2h, 4h, 6h, 8h, 12h, 1d

• 已实现波动率 (RV) 在各尺度上的计算
• 波动率签名图 (Volatility Signature Plot)
• HAR-RV 模型 (Corsi 2009) — 用 5m RV 预测日/周/月 RV
• 多尺度波动率溢出 (Diebold-Yilmaz)
• 图表: 签名图、HAR-RV 拟合、波动率溢出网络

5. entropy_analysis.py — 信息熵分析

使用数据: 1m, 5m, 15m, 1h, 4h, 1d

• Shannon 熵跨时间尺度比较
• 样本熵 (SampEn) / 近似熵 (ApEn)
• 排列熵 (Permutation Entropy) 多尺度
• 转移熵 (Transfer Entropy) — 时间尺度间信息流方向
• 图表: 熵 vs 时间尺度、滚动熵时序、信息流向图

6. extreme_value.py — 极端值与尾部风险

使用数据: 1h, 4h, 1d, 1w

• 广义极值分布 (GEV) 区组极大值拟合
• 广义 Pareto 分布 (GPD) 超阈值拟合
• 多尺度 VaR / CVaR 计算
• 尾部指数估计 (Hill estimator)
• 极端事件聚集检验
• 图表: 尾部拟合 QQ 图、VaR 回测、尾部指数时序

7. cross_timeframe.py — 跨时间尺度关联分析

使用数据: 5m, 15m, 1h, 4h, 1d, 1w

• 跨尺度收益率相关矩阵
• Lead-lag 领先/滞后关系检测
• 多尺度 Granger 因果检验
• 信息流方向（粗粒度 → 细粒度 or 反向？）
• 图表: 跨尺度相关热力图、领先滞后矩阵、信息流向图

8. momentum_reversion.py — 动量与均值回归多尺度检验

使用数据: 1m, 5m, 15m, 1h, 4h, 1d, 1w, 1mo

• 各尺度收益率自相关符号分析
• 方差比检验 (Lo-MacKinlay)
• 均值回归半衰期 (Ornstein-Uhlenbeck 拟合)
• 动量/反转盈利能力回测
• 图表: 方差比 vs 尺度、自相关衰减、策略 PnL 对比

---

二、增强 5 个现有模块

9. fft_analysis.py 增强

• 当前: 仅用 4h, 1d, 1w
• 扩展: 加入 1m, 5m, 15m, 30m, 1h, 2h, 6h, 8h, 12h, 3d, 1mo
• 新增: 全 15 尺度频谱瀑布图

10. hurst_analysis.py 增强

• 当前: 仅用 1h, 4h, 1d, 1w
• 扩展: 全部 15 个粒度的 Hurst 指数
• 新增: Hurst 指数 vs 时间尺度的标度关系图

11. returns_analysis.py 增强

• 当前: 仅用 1h, 4h, 1d, 1w
• 扩展: 加入 1m, 5m, 15m, 30m, 2h, 6h, 8h, 12h, 3d, 1mo
• 新增: 峰度/偏度 vs 时间尺度图，正态化收敛速度

12. acf_analysis.py 增强

• 当前: 仅用 1d
• 扩展: 加入 1h, 4h, 1w 的 ACF/PACF 多尺度对比
• 新增: 自相关衰减速度 vs 时间尺度

13. volatility_analysis.py 增强

• 当前: 仅用 1d
• 扩展: 加入 5m, 1h, 4h 的波动率聚集分析
• 新增: 波动率长记忆参数 d vs 时间尺度

---

三、main.py 更新

在 MODULE_REGISTRY 中注册全部 8 个新模块:

("microstructure", ("市场微观结构",   "microstructure",       "run_microstructure_analysis",   False)),
("intraday",       ("日内模式分析",   "intraday_patterns",    "run_intraday_analysis",         False)),
("scaling",        ("统计标度律",     "scaling_laws",         "run_scaling_analysis",           False)),
("multiscale_vol", ("多尺度波动率",   "multi_scale_vol",      "run_multiscale_vol_analysis",    False)),
("entropy",        ("信息熵分析",     "entropy_analysis",     "run_entropy_analysis",           False)),
("extreme",        ("极端值分析",     "extreme_value",        "run_extreme_value_analysis",     False)),
("cross_tf",       ("跨尺度关联",     "cross_timeframe",      "run_cross_timeframe_analysis",   False)),
("momentum_rev",   ("动量均值回归",   "momentum_reversion",   "run_momentum_reversion_analysis",False)),

---

四、实施策略

• 8 个新模块并行开发（各模块独立无依赖）
• 5 个模块增强并行开发
• 全部完成后更新 main.py 注册 + 运行全量测试
• 每个模块遵循现有 run_xxx(df, output_dir) -> Dict 签名
• 需要多尺度数据的模块内部调用 load_klines(interval) 自行加载

五、数据覆盖验证

数据文件	当前使用	扩展后使用
1m	-	microstructure, intraday, scaling, momentum_rev, fft(增)
3m	-	microstructure, scaling
5m	-	microstructure, intraday, scaling, multi_scale_vol, entropy, cross_tf, momentum_rev, returns(增), volatility(增)
15m	-	intraday, scaling, entropy, cross_tf, momentum_rev, returns(增)
30m	-	intraday, scaling, multi_scale_vol, returns(增), fft(增)
1h	hurst,returns,causality,calendar	+intraday, scaling, multi_scale_vol, entropy, cross_tf, momentum_rev, acf(增), volatility(增)
2h	-	multi_scale_vol, scaling, fft(增), returns(增)
4h	fft,hurst,returns	+multi_scale_vol, entropy, cross_tf, momentum_rev, acf(增), volatility(增), extreme
6h	-	multi_scale_vol, scaling, fft(增), returns(增)
8h	-	multi_scale_vol, scaling, fft(增), returns(增)
12h	-	multi_scale_vol, scaling, fft(增), returns(增)
1d	全部17模块	+所有新增模块
3d	-	scaling, fft(增), returns(增)
1w	fft,hurst,returns	+extreme, cross_tf, momentum_rev, acf(增)
1mo	-	momentum_rev, scaling, fft(增), returns(增)

结果: 全部 15 个数据文件 100% 覆盖使用