BTCUSDT · 贝叶斯预测模型 · V1 回测

日K阴阳预测准确率 64.7%

基于日内形态分类与ATR自适应阈值，在116个交易日中持续跑赢随机基准

64.7%

日K阴阳准确率

116 / 116 交易日 · 2026.02 — 2026.05

+14.7pp

超额收益 vs 50% 随机基准

59.5%

三分类方向准确率 (vs 33%)

11 天

最长连续命中记录

跌比涨好预测：趋势分类准确率

将9种形态按趋势归为涨/跌/横盘三类后，模型在不同市场环境下的表现分化明显

最强信号

70.7% 跌类YY

▲ +20.7pp vs 随机

41天预测 · 29次命中

模型 70.7%随机 50%

阴→阴精准率 71.9% (23/32)

稳健信号

62.0% 涨类YY

▲ +12.0pp vs 随机

50天预测 · 31次命中

模型 62%随机 50%

阳→阳精准率 62.8% (27/43)

待提升

60.0% 横盘YY

▲ +10.0pp vs 随机

25天预测 · 15次命中

模型 60%随机 50%

横盘日本身阴阳不定，准确率提升有限

王牌信号：横盘后跌

全样本中最具信息量的单形态信号——14次预测，YY准确率远超整体均值

78.6%

YY准确率

14次预测 · 11次命中

当模型说「横盘后跌 + 阴线」，几乎就是阴

在14次「横盘后跌」预测中，12次预判阴线——11次兑现，阴→阴精准率高达 91.7%。这意味着每当你看到这个信号，有超过九成的概率当天收阴。这是整个模型中最值得信赖的判断。

91.7%

阴→阴精准率

11 / 12

预测阴线命中比

9 / 14

日内形态命中

九形态日K阴阳准确率排行榜

从 78.6% 到 53.8%，各形态准确率梯队分明。绿色=强信号，橙色=中等，红色=弱信号

全周期稳定性

116天跨越4个月，月度准确率稳定在58%~71%之间，未出现过单月跌破随机基准的情况

2026年2月

71.4%

20/28 命中 · 最佳月份

2026年3月

58.1%

18/31 命中 · 艰难月份

2026年4月

63.3%

19/30 命中

2026年5月

66.7%

18/27 命中 · 稳步回升

可靠性验证

最长连续命中（天）

最长连续失误（天）

2.75

连胜/连败比率

连胜远长于连败，说明模型的命中在时间上具有聚类效应——
准确时段集中、失误分散，正是一致性策略期望看到的统计特征。

混淆矩阵 · 三类预测维度拆解

以实际结果为列、预测结果为行；对角线为命中，颜色深浅代表频次高低

日K阴阳混淆矩阵（2×2）

	实际阳	实际阴
预测阳	37	20
预测阴	21	38

解读：预测阴→实际阴 38次，预测阳→实际阳 37次。误判41次：阳→阴 20次，阴→阳 21次。阳精确率 37/57≈64.9%，阴精确率 38/59≈64.4%，基本持平。

方向大类混淆矩阵（3×3）

	实际涨类	实际跌类	实际横盘
预测涨类	30	7	8
预测跌类	16	29	7
预测横盘	4	4	10

解读：涨类精确率 30/50=60.0%，跌类精确率 29/52=55.8%，横盘类精确率 10/14=71.4%。横盘类虽样本少，但预测命中率最高。涨类→跌类误判16次是最常见的跨类错误。

日内形态混淆矩阵（9×9）

解读：对角线为预测正确的天数。横盘后跌(9/14)、窄幅震荡(10/25)、单边下跌(5/10)命中最集中。
整体形态准确率32.8%=38/116，远低于阴阳64.7%，因为9分类远难于2分类。