KL8 Analysis Skill

概述

KL8 量化预测系统的专项深度分析工具，综合评估算法科学性、信号质量、融合逻辑和回测性能。

依赖

• MCP 服务器:

  sqlite-kl8

  （回测数据），

  filesystem

  （代码读取），

  sequential-thinking

  （结构化思考）

分析维度

1. 算法科学性审计

# 检查每个引擎的文献依据
engines = [
    ("BayesianEngine",        "Agrawal 1993 — Lift关联规则",        "✅ 已验证"),
    ("TransferEntropyEngine", "Schreiber 2000 — 有向信息流",         "✅ 已引入"),
    ("WeibullExtremeEngine",  "Weibull 1951 — 生存分析",             "✅ 已验证"),
    ("EntropyAnomalyEngine",  "Shannon 1948 — 条件熵",               "✅ 已验证"),
    ("MarkovStateEngine",     "Markov 1906 — 状态转移",              "⚠️ 宏观近似"),
    ("RepeatShiftEngine",     "时序统计 — 连续重号",                 "✅ 经验有效"),
    ("ChaosEngine",           "Rosenstein 1993 + GP 1983",           "✅ 已修复"),
    ("PhysicsEngine Hurst",   "Hurst 1951 多尺度 R/S",              "✅ 已升级"),
    ("SpatialClusterEngine",  "数字命理学",                          "❌ DEPRECATED"),
    ("DeltaFormulaEngine PHI","黄金分割伪科学",                      "❌ 已标记"),
]

2. 融合权重验证

# 验证 v4 融合层权重合计 = 1.0，无冗余信号
weights = {
    "bayesian":        0.20,  # Agrawal Lift
    "transfer_entropy":0.18,  # Schreiber TE
    "weibull":         0.17,  # 生存分析
    "entropy":         0.15,  # 条件熵
    "lag1":            0.13,  # 时序 Lag-1
    "repeat_shift":    0.10,  # 重号链
    "markov":          0.07,  # 马尔可夫
}
assert abs(sum(weights.values()) - 1.0) < 1e-9, "权重必须合计 = 1.0"

3. 统计显著性检查

检查 BH-FDR 校正是否正常工作：

cd backend
python -c "
import sys; sys.path.insert(0,'src')
import random; random.seed(42)
hist = [sorted(random.sample(range(1,81),20)) for _ in range(500)]
from src.services.select2_decision import Select2DecisionEngine
fused = Select2DecisionEngine.build_fused_scores(hist)
print(f'通过 FDR 校正的 pair 数: {len(fused)} / 3160 ({len(fused)/3160*100:.1f}%)')
print(f'预期随机误报率: ~5-10%, 实际: {len(fused)/3160*100:.1f}%')
"

4. 回测数据库分析

通过

sqlite-kl8

MCP 服务器查询：

-- 历史命中率趋势
SELECT 
  date(created_at) as date,
  COUNT(*) as total,
  SUM(hit) as hits,
  ROUND(SUM(hit)*100.0/COUNT(*), 2) as hit_rate
FROM zhuihao_steps
GROUP BY date(created_at)
ORDER BY date DESC
LIMIT 30;

-- 号码对出现频率
SELECT pair_a, pair_b, COUNT(*) as frequency
FROM zhuihao_steps
WHERE hit = 1
GROUP BY pair_a, pair_b
ORDER BY frequency DESC
LIMIT 20;

5. 性能基准测试

import time
# 测试 build_fused_scores 的运行时间
start = time.time()
fused = Select2DecisionEngine.build_fused_scores(hist[-400:])
end = time.time()
print(f"融合计算时间: {end-start:.2f}s (期望 < 10s)")

分析报告格式

## KL8 系统分析报告 [日期]

### 算法科学性: A+/A/B/C/F
[各引擎状态汇总]

### 信号质量: 
FDR 通过率: XX% (期望 5-15%)

### 性能指标:
- 融合层计算时间: Xs
- 内存占用: XMB

### 发现的问题:
[具体问题列表]

### 建议改进:
[优先级排序的改进建议]