產業輪動檢測系統 - 使用指南

🎯 Phase 4 最佳化引數（已內建）

系統已自動應用以下最佳引數：

✓ taker_ratio > 1.0      (買盤優勢 - 最重要)
✓ rank_pct > 0.6         (排名前 40%)
✓ early_methods >= 2     (至少 2/3 早期方法觸發)
✓ combined_score > 0.65  (綜合分數門檻)
✓ top_n = 15             (每日最多 15 個訊號)

這些引數經過 2 年曆史回測驗證，達到 100% 檢出率（6/6 已知事件）。

📋 指令參數說明

`make rotation-detect` 可用參數

參數	說明	預設值	範例
`START_DATE`	檢測開始日期	7 天前	`START_DATE=2026-01-20`
`END_DATE`	檢測結束日期	今天	`END_DATE=2026-01-27`

Phase 4 內建優化參數（不可調整）：

參數	條件	說明
`taker_ratio`	> 1.0	買盤優勢（買盤/賣盤比值）
`rank_pct`	> 0.6	排名前 40%（相對強度）
`early_methods`	>= 2	至少 2/3 早期方法觸發
`combined_score`	> 0.65	綜合分數門檻
`top_n`	= 15	每日最多 15 個信號

使用範例：

# 預設：檢測最近 7 天
make rotation-detect

# 指定日期範圍
make rotation-detect START_DATE=2026-01-20 END_DATE=2026-01-27

# 檢測單日
make rotation-detect START_DATE=2026-01-27 END_DATE=2026-01-27

🚀 快速開始

1️⃣ 檢測最近 7 天（預設）

make rotation-detect

2️⃣ 指定日期範圍

# 檢測特定期間
make rotation-detect START_DATE=2026-01-20 END_DATE=2026-01-27

# 檢測單日
make rotation-detect START_DATE=2026-01-27 END_DATE=2026-01-27

# 檢測最近一個月
make rotation-detect START_DATE=2025-12-27 END_DATE=2026-01-27

📂 輸出檔案

1. `data/rotation_signals_YYYY-MM-DD.csv`

每日發動訊號清單（最重要，直接使用）

欄位詳解

欄位	類型	範圍	說明	重要性
`date`	日期	YYYY-MM-DD	檢測日期	⭐
`industry`	字串	-	產業名稱（如：IC設計指標）	⭐⭐⭐
`signal_type`	字串	strong_outbreak	信號類型（Phase 4 僅輸出強勢買盤信號）	⭐
`combined_score`	浮點數	0.0-1.0	綜合分數（加權平均所有方法分數）	⭐⭐
`taker_ratio`	浮點數	>1.0	內外盤比（買盤/賣盤），數值越大買盤越強	⭐⭐⭐
`z_score`	浮點數	-	標準化分數（與歷史平均的偏離程度）	⭐
`rank_pct`	浮點數	0.0-1.0	排名百分位（0.989 = 前 1.1%）	⭐⭐
`early_methods`	整數	2-3	觸發的早期檢測方法數量（最多 3 種）	⭐⭐
`method1`	整數	0/1/-1	方法 1 異常檢測（1=觸發，0=未觸發）	⭐
`method2`	整數	0/1/-1	方法 2 排名變化（1=觸發，0=未觸發）	⭐
`method3`	整數	0/1/-1	方法 3 變化率（1=觸發，0=未觸發）	⭐

三種早期檢測方法說明

方法	欄位	權重	檢測內容	觸發條件
Method 1	`method1`	40%	異常強度檢測	內外盤比突然暴增（偏離移動平均 >2 倍標準差）
Method 2	`method2`	30%	排名變化檢測	排名快速躍升（3 天內排名提升 >20%）
Method 3	`method3`	20%	變化率檢測	內外盤比加速上升（2 天內變化率 >15%）

註：

method1/2/3 值為 1 表示該方法觸發買盤信號
early_methods = 觸發方法總數（例如：method1=1, method2=1, method3=0 → early_methods=2）
Phase 4 要求至少 2 種方法同時觸發才會產生信號

CSV 範例

date,industry,signal_type,combined_score,taker_ratio,z_score,rank_pct,early_methods,method1,method2,method3
2026-01-27,清潔用品指標,strong_outbreak,0.777,6.88,6.048,0.989,2,0,1,1
2026-01-27,精準醫療指標,strong_outbreak,0.681,7.054,6.226,0.995,2,0,1,1
2026-01-27,IC設計指標,strong_outbreak,0.693,1.753,0.794,0.951,2,0,1,1

解讀範例：

以「清潔用品指標」為例：

taker_ratio = 6.88：買盤是賣盤的 6.88 倍 → 強勢買盤進場 ⭐⭐⭐
rank_pct = 0.989：排名前 1.1%（100% - 98.9%）→ 相對強勢 ⭐⭐
early_methods = 2：2 種早期方法觸發（method2=1, method3=1）→ 中高信心度 ⭐⭐
combined_score = 0.777：綜合分數 77.7% → 優質信號 ⭐⭐
z_score = 6.048：偏離歷史平均 6 倍標準差 → 異常強勢 ⭐

2. `data/industry_taker_stats.csv`

完整統計資料（用於深度分析）

包含所有產業的每日統計，適合：

歷史回測
引數調優
學術研究

📊 實際使用流程

Step 1：執行檢測

make rotation-detect START_DATE=2026-01-20 END_DATE=2026-01-27

Step 2：檢視終端輸出

🚀 【發動產業族群】2026-01-27
================================================================================

1. 清潔用品指標
   綜合分數: 0.80 | 內外盤比: 6.88 | Z-score: 6.05 | 排名: 98.9%
   早期訊號: 3/3 個方法觸發
   觸發方法: 異常檢測(強) + 排名變化(升) + 變化率(加速)

2. 精準醫療指標
   綜合分數: 0.70 | 內外盤比: 7.05 | Z-score: 6.23 | 排名: 99.5%
   早期訊號: 2/3 個方法觸發
   觸發方法: 排名變化(升) + 變化率(加速)

...

Step 3：讀取 CSV 檔案（可選）

# 檢視訊號
cat data/rotation_signals_2026-01-27.csv

# 或用 Excel/LibreOffice 開啟

🎓 訊號解讀指南

⭐⭐⭐ 最強訊號（優先關注）

特徵：

taker_ratio > 3.0（買盤 > 3 倍賣盤）
combined_score > 0.75
early_methods = 3（全方法觸發）
rank_pct > 0.95（排名前 5%）

範例：2026-01-27 清潔用品指標

taker_ratio: 6.88 ⭐
combined_score: 0.802 ⭐
early_methods: 3/3 ⭐
rank_pct: 0.989 ⭐

⭐⭐ 中等訊號（可追蹤）

特徵：

taker_ratio > 1.5
combined_score > 0.70
early_methods >= 2
rank_pct > 0.90

範例：2026-01-27 IC設計指標

taker_ratio: 1.75
combined_score: 0.717
early_methods: 2/3
rank_pct: 0.951

⭐ 弱訊號（觀察為主）

特徵：

taker_ratio > 1.0 但 < 1.5
combined_score > 0.65
early_methods = 2
rank_pct > 0.85

🔍 常見問題

Q1：為何今天沒有檢測到訊號？

A：可能原因：

市場整體平靜（沒有明顯輪動）
Phase 4 最佳化門檻較嚴格（信噪比優先）
建議擴大檢測範圍（例如最近 7 天）

Q2：如何調整引數？

A：不建議手動調整引數。Phase 4 引數已經過 2 年回測最佳化，達到最佳平衡：

✅ 100% 檢出率（6/6 已知事件）
✅ 平均提前 2 天檢出
✅ 信噪比提升 2.5 倍

如果需要更多訊號，請聯絡技術支援。

Q3：如何解讀 `early_methods`？

A：

3/3：3 種早期方法全觸發 → 高信心度 ⭐⭐⭐
2/3：2 種早期方法觸發 → 中信心度 ⭐⭐
1/3：已被系統過濾（不會出現在結果中）

3 種早期方法：

異常檢測（Method 1）：內外盤比突然暴增
排名變化（Method 2）：排名快速躍升
變化率（Method 3）：內外盤比加速上升

Q4：為何某些強勢產業沒有出現？

A：Phase 4 最佳化會過濾掉：

❌ 賣盤優勢產業（taker_ratio < 1.0）→ 下跌訊號
❌ 排名較低產業（rank_pct < 0.6）→ 相對弱勢
❌ 單一方法觸發（early_methods < 2）→ 誤判風險高

系統哲學：寧缺毋濫，只給高質量訊號。

📈 實戰建議

1️⃣ 每日檢測流程

早盤前（08:30 前）：

# 檢測昨日收盤
make rotation-detect START_DATE=$(date -d "1 day ago" +%Y-%m-%d) END_DATE=$(date -d "1 day ago" +%Y-%m-%d)

盤中追蹤：

觀察訊號中的產業是否持續強勢
結合技術面（K線、量價）確認

收盤後（13:40 後）：

# 檢測今日
make rotation-detect START_DATE=$(date +%Y-%m-%d) END_DATE=$(date +%Y-%m-%d)

2️⃣ 週末覆盤

# 檢測整週輪動
make rotation-detect START_DATE=$(date -d "7 days ago" +%Y-%m-%d) END_DATE=$(date +%Y-%m-%d)

3️⃣ 歷史驗證

# 驗證歷史事件
make rotation-detect START_DATE=2025-01-01 END_DATE=2025-01-10

🛠️ 進階用法

批次檢測指令碼

建立 batch_detect.sh：

#!/bin/bash
# 批次檢測最近 30 天，每 7 天一段

END_DATE=$(date +%Y-%m-%d)

for i in {0..3}; do
    START=$(date -d "$((i*7+7)) days ago" +%Y-%m-%d)
    END=$(date -d "$((i*7)) days ago" +%Y-%m-%d)

    echo "=========================================="
    echo "檢測期間: $START ~ $END"
    echo "=========================================="

    make rotation-detect START_DATE=$START END_DATE=$END

    echo ""
    sleep 1
done

執行：

chmod +x batch_detect.sh
./batch_detect.sh

📚 相關文件

Phase 4 最佳化報告：data/phase4_optimization_report.md
完整回測報告：data/backtest_final_report.md
專案計劃：../plan.md

💡 核心原則

Phase 4 系統優勢

✅ 早期檢測：平均提前 2 天發現輪動 ✅ 高精度：100% 檢出率（6/6 已知事件） ✅ 低噪音：信噪比提升 2.5 倍（12 個/天 vs 30 個/天） ✅ 買盤優勢：只選「主力進場」訊號，過濾「崩盤反轉」

使用建議

每日執行：養成早盤檢測習慣
結合基本面：系統提供「技術訊號」，需結合產業訊息
追蹤驗證：記錄訊號並追蹤後續表現
風險控管：任何訊號都不保證 100% 獲利，需設定停損

最後更新：2026-01-27 系統版本：Phase 4 Smart Dual-Filter 維護者：Tick Strategy Team

Keyboard shortcuts

Jason's Notes