v0.3.0 · MULTI-PERCEPTION

多感知資產配置模型

輸入歷史價格序列，一次過輸出整個組合嘅配置權重、風險同預期收益。Bi-LSTM 序列編碼配合 Cross-Attention 與市場狀態感知。目前覆蓋 100 隻美股 同 15 隻加密貨幣。

Model Spec

模型規格

以下數字全部由 checkpoint 直接讀取，唔經任何估計或回測。兩個市場各自獨立訓練，唔共享參數。

市場	資產	參數量	特徵	序列	權重檔	VRAM
美股Enterprise	100	1,868,917,524	1,611	120 → 10	3.48 GBfp16	~8 GB
加密貨幣2017-11 起 8.1 年	15	23,011,136	251	120 → 10	92 MBfp32	~1 GB

權重以 .wm 容器封裝，內含架構旗標同校驗和。語言模型（Apache-2.0）首次使用時可選下載，唔打包喺權重檔內。

Capabilities

核心技術

Gamma / Skew / Kurtosis / Hyper / Ultra 六階對角近似，配平滑 norm 截斷。數值以 80 位 mpmath 參考驗證，誤差 ~1e-16。目前部署嘅 checkpoint 訓練時未啟用（sens_interval: 0）。

市場狀態檢測（牛 / 熊 / 橫行）以 FiLM 調制主幹，配合 8 頭 Cross-Attention 同資產相關性頭。市況樣本外準確度 73.2%。

美股用 252 交易日、加密貨幣用 365 日曆日，各自獨立模型。混用會令週末特徵缺失。

輸出第 i 個數字對應訓練時第 i 個標的。順序即身份，餵錯順序唔會報錯但標籤全錯。.wm 內存權威清單。

任何語言接入，YAML 配置驅動，附 curl 同 Python 範例。

完整 seed 控制。同一個 config 同一個 seed 得出逐位元相同嘅模型。

Transparency

目前狀態

市況判斷係「當前狀態」，唔係預測。regime 標籤用同時性定義（過去 10 日報酬 ÷ 過去 63 日波動），因為 FiLM 調制嘅用途係「而家個市係點，調整策略」。樣本外準確度 73.2%（majority baseline 41.8%）。唔可以當成「之後會係牛市」咁用。
美股模型冇可複現嘅預測信號。橫截面 IC 喺 3 個唔同 seed 之間由 −0.029 散到 +0.073（標準差係平均嘅 3 倍），即係噪聲主導。樣本外回測跑輸標普 500。
加密貨幣模型嘅信號可複現。5 個 seed 嘅 IC 全部為正（+0.078 ~ +0.105，標準差只係平均嘅 13%）。但——
加密貨幣只測過一個窗口。2024-06 → 2025-12（18 個月、43 個非重疊窗口），而且係大牛市。熊市表現完全未知。原始回報只有 3/5 個 seed 贏買入持有基準；風險調整後（Sharpe 0.829 vs 0.689、回撤 −33.9% vs −40.5%）5/5 較好。
高階正則化未啟用。六階引擎已實作並通過驗證，但訓練時 sens_interval: 0，論文 §4.3 嘅正則項恆等於零。原因係一次計算需 22 分鐘以上，成本上不可行。
新聞情緒特徵全為零。特徵矩陣最後 4 欄由頭到尾都係 0.0。餵真實數值會係分佈外輸入。
宏觀指標未接入特徵。VIX / US10Y / DXY 嘅下載器已實作，但未接入 FeatureEngineer。
以上全部都唔構成投資建議。