01
مسئله مهندسی
اتکا به یک تطبیق Rule یا یک پیشبینی مدل بهتنهایی شکننده است. تصمیم زنده باید میزان هماهنگی ستاپ تاریخی، احتمالهای طبقهبندی، جهت رگرسیون، تایمفریم بالاتر، تازگی داده و Gateهای ایمنی را همزمان در نظر بگیرد.
02
راهکار سامانه
برنامه از میزان تطبیق داده زنده با ستاپها یک Rule Vote میسازد، خروجی Classification و Regression را میخواند، وزنها و Higher-TF Anchor را اعمال میکند و امتیاز نهایی Hybrid را میسازد. جزئیات اجزای تصمیم در مسیر Audit ثبت میشوند و فقط سیگنالهایی که Gateهای لازم را عبور کنند وارد خروجی قابل استفاده برنامه بعدی میشوند.
03
دامنه مهندسی
- مقایسه تعداد زیادی Setup از پیش تعریفشده روی یک Snapshot بازار و منطق ارزیابی مشترک.
- شواهد وزندار Setup براساس Support، Reward، Distribution، SSI و معیار انتخاب Setup.
- Inference همزمان مدلهای کلاسیک Classification/Regression و Deep Time-Series همراه با Metadata آموزش برای Feature، Encoder، Label، Target و Horizon.
- Threshold قابل تنظیم برای جهت، Support، Reward، Distribution، SSI، تعداد Match، Probability و اندازه Regression.
- Fusion Gate، Regime Gate، Higher-TF Ensemble Gate، Agreement، Freshness و TTL.
- ترکیب سه منبع Setup Vote، Classification Vote و Regression Vote با Weight، Confidence، Consensus Boost و Transformهای Regression.
- نمای Final Debug برای Prediction خام، Voteها، Score نهایی، Flagهای Pass/Fail، Approval و دلیل رد.
- Backtest تاریخی با Equity، تعداد معامله، Win Rate، Sharpe، Maximum Drawdown و مقایسه Threshold.
04
لایههای معماری و مسئولیت
لایه تعریف سیگنال
Setup، منطق Match، آمار Support/Distribution/Reward و شواهد Rule وزندار را نگهداری میکند.
لایه Forecast
Classification، Regression، Regime و Deep Time-Series را روی یک ورودی همتراز اجرا میکند.
لایه Decision Fusion
Voteها را با Threshold، Weight، Confidence، Consensus، Regime و کنترل تایمفریم بالاتر ترکیب میکند.
لایه ارزیابی
Debug، خروجی Approved، خروجی تشخیصی و Backtest تاریخی را فراهم میکند.
05
گردشکار عملیاتی
- تعریف Setup و پوشه مدلها بارگذاری میشود.
- یک CSV زنده یا Exportشده با ستونهای پایدار و Timestamp مرتب متصل میشود.
- Rule Setupها با هر ردیف جدید Match میشوند.
- Classifier، Regressor، Regime و Time-Series فعال روی Featureهای همتراز اجرا میشوند.
- Probability، Regression، Support، Reward، Distribution، SSI و Freshness بررسی میشود.
- Threshold، Fusion، Regime، Higher-TF، Agreement و TTL اعمال میشود.
- Hybrid Score وزندار ساخته و به Buy، Sell یا No Trade تبدیل میشود.
- Final Debug و دلیل دقیق Block یا Approval بررسی میشود.
- رفتار تاریخی با تنظیم فعلی در Backtest مرور میشود.
- Signal تأییدشده و Debug ردیفبهردیف برای برنامه بعدی صادر میشود.
06
رابطهای داده و فرمان
| رابط | جهت | کاربرد |
|---|---|---|
| CSV Snapshot بازار | داده زنده/Export → Hybrid | ردیف مرتب شامل نماد، OHLC/Volume، Feature و ستونهای موردنیاز مدل را فراهم میکند. |
| تعریف Setup | Artifact پژوهش → لایه Signal | شرایط Rule، Support، Distribution، Reward، SSI و Weight را فراهم میکند. |
| پوشه مدل و Metadata | Model Store → Forecast | Classifier، Regressor، Time-Series، Regime، Encoder، Scaler، Label، Target و Horizon را بارگذاری میکند. |
| Signal Export | Hybrid → مرکز تصمیمگیری | Vote اجزا، Score نهایی، Decision و Approval را در ردیف خروجی ثبت میکند. |
| Debug و Backtest Output | Hybrid → Audit/Research | Probability، Prediction، Gate، دلیل رد، Summary تاریخی و Equity Series را نگهداری میکند. |
07A
خروجیهای سامانه
- شواهد Match و Setup منتخب
- خروجی Classification، Regression، Time-Series و Regime
- Voteهای نرمالشده و Hybrid Score وزندار
- تصمیم Buy، Sell یا No Trade همراه Gate و Approval
- Signal CSV و Debug ردیفبهردیف
- خلاصه Backtest و شواهد Equity/Drawdown
07B
لایههای ایمنی و کنترل
- Feature مورد انتظار و Metadata Preprocessing بررسی میشوند تا Mismatch آموزش و Inference بدون هشدار رخ ندهد.
- Freshness و TTL میتوانند خروجی قدیمی مدل را از تصمیم جاری حذف کنند.
- Fusion و Higher-TF Gate میتوانند Agreement بخواهند، Signal محلی را Veto کنند یا جهت را محدود کنند.
- خروجی Hybrid هنوز ورودی تحلیلی است و دستور بروکر نیست و کنترلهای پورتفولیو و اجرا را دور نمیزند.
08
شواهد اعتبارسنجی
- گزارش Public Demo موفقیت Python Compile، Smoke Test رابط Tkinter، وجود دقیق ۸ Tab، هشت ردیف Dashboard/Strong Setup/Final Debug و Shutdown تمیز را ثبت کرده است.
- Security Scan نبود Model Artifact، CSV/Log زمان اجرا، Network/Subprocess Import، Private Source Import، Secret آشکار، نشانگر کلید رمزنگاری و مسیر مطلق کاربر Windows را ثبت کرده است.
- مدل Production، دیتاست واقعی، اتصال Broker/Terminal، Live Export و نمایش بومی همه سیستمعاملها عمداً در Demo تست نشدهاند.
09
مرز اطلاعات عمومی و خصوصی
شواهد منتشرشده
ساختار دو بخشی Rule + ML، اجرای هشت نماد، رأی اجزا، امتیاز Hybrid، کنترل تایمفریم بالاتر، مسیرهای Audit و خروجی، و تصاویر مستندشده برنامه.
پیادهسازی محافظتشده
مدلهای آموزشدیده، جدول Rule Setup، ویژگیهای اختصاصی، وزنهای دقیق ترکیب، آستانهها، Profileها، دیتاستها و تنظیمات زمان اجرای تولیدی.
10
نحوه تفسیر و محدودیتها
- خروجی Hybrid یک ورودی ارزیابیشده برای تصمیمگیری است و هنوز دستور بروکر نیست.
- کیفیت خروجی به اعتبار مدل، تازگی داده، همترازی ویژگیها، Profileها و تنظیم صحیح Gateها وابسته است.
- مدلها، جدول ستاپها، ویژگیها، وزنها، آستانهها و تنظیمات تولیدی خصوصی باقی میمانند.
11
شواهد تکمیلی رابط
شواهد استخراجشده از بکاپ GitHub
این تصاویر مستقیماً از بکاپ GitHub ارسالی استخراج شدهاند و بدون بخش مخفی، در همین صفحه نمایش داده میشوند.
جزئیات منبع
منبع: hybrid-setup-comparison-dashboard/images/02-ml-forecast-classification-regression.pngجزئیات منبع
منبع: hybrid-setup-comparison-dashboard/images/03-ml-forecast-multi-models.pngجزئیات منبع
منبع: hybrid-setup-comparison-dashboard/images/04-backtest-equity-curve.pngجزئیات منبع
منبع: hybrid-setup-comparison-dashboard/images/05-signal-settings-and-gates.pngجزئیات منبع
منبع: hybrid-setup-comparison-dashboard/images/public-demo.pngشواهد قبلی پورتفولیو