NYAM OHLCV 統計分析研究

2026-06-17 · Research Harness · Claudestyle

NYAM OHLCV 統計分析研究

把現有 NQ / NYAM 1m OHLCV 資料先做成可驗證的研究底座，再評估 TimesFM 是否能提供 forecast error 或 regime feature 增益。

✅ 已驗證 · SQLite + rclone 已上傳

SSoT DB: nq-ict-scout/data/nq_ict_scout.db

Raw CSV: nq-ict-scout/data/raw/ · 雲端: gdrive:data/nyam-ohlcv/

HTML 目的：快速檢查資料、方法、同步與下一步。

📄 相關研究計畫（博士論文 proposal）：線上閱讀 · 在 Obsidian 開啟

Vault 正本：2026_SuperPortia/40-Knowledge/Research/2026-06-16_nq_ict_scout_research_proposal.md（CLAUDE STYLE 版明天規畫）

主表 bars501,776ohlcv_1m

主表交易日3722025-01-02 → 2026-06-16

Databento bars483,657359 trade dates

Drive 已上傳275 MiBDB hash 驗證 0 diff

資料現況

資料表	筆數	工作日	日期範圍	判讀
`ohlcv_1m`	501,776	372	2025-01-02 → 2026-06-16	研究主表，TV/manual ingest 1m OHLCV。
`ohlcv_databento`	483,657	359	2025-01-02 → 2026-06-05	Databento 歷史/週批資料，符號 `NQ.c.0`。
`ohlcv_yfinance`	83,405	63	2026-03-19 → 2026-06-16	每日下載備援，符號 `NQ=F`。

狀態說明：✅ 可驗證；⚠️ yfinance 僅適合備援與對照；Databento 應作為品質基準。

📍 資料位置（Raw Location）

本機 SSoT DB	`~/Documents/nq-ict-scout/data/nq_ict_scout.db`	三表全量 OHLCV（250 MB）
本機 Raw CSV	`~/Documents/nq-ict-scout/data/raw/`	9 個 databento CSV（1m + 15m，2025-01 → 2026-03）
本機備份	`~/Documents/nq-ict-scout/data/backups/`	6 份 DB 每日快照（1.4 GB，尚未上雲）
雲端備份	`gdrive:data/nyam-ohlcv/`	DB + raw/ + stats，275 MiB，2026-06-17 上傳，`rclone check` 0 diff

Google Drive 同步

✅ 已上傳 · rclone

目標：gdrive:data/nyam-ohlcv/

2026-06-17 已上傳 12 物件 / 275 MiB（DB 一致快照 + raw CSV + stats）。rclone check 對 DB hash 比對 0 diff。1.4 GB 歷史備份尚未上雲。

⚠️ 不推薦主用 · gws

gws 已安裝，但自檢顯示授權/Discovery 不穩。資料檔同步用 rclone 更直接。

資料管線

SourceDatabento / TV ingest / yfinance

Schema CheckOHLCV 欄位、timestamp、trade_date

Quality Scan缺口、異常值、重複、DST

Featuresreturn、range、ATR、volume z-score

TestsBus Terminal × NYAM state

Findingsexpectancy、CI、leakage audit

方法矩陣

✅ 統計

描述統計

分布、range、return、volume profile。先回答資料長什麼樣。

✅ 統計

Walk-forward classifier

用 session-level label 測 state 是否提升 conditional expectancy。

⚠️ 風險

Leakage audit

每個 feature timestamp 必須早於 prediction timestamp。

⚠️ 風險

Bootstrap CI

避免只看 hit rate；檢查 expectancy 是否穩定。

ℹ️ TimesFM

Forecast baseline

先和 naive baseline 比，不直接當多空裁判。

ℹ️ TimesFM

Forecast error feature

市場偏離預測時，作為 regime 或 anomaly 特徵。

泳道流程

Data

✅ DB count

✅ raw CSV

⚠️ source align

⚠️ DST audit

ℹ️ snapshot

Stats

✅ bars/days

⚠️ NYAM window

⚠️ features

ℹ️ bootstrap

ℹ️ lift test

Visualization

✅ report shell

ℹ️ filters

ℹ️ linked evidence

ℹ️ export hooks

⚠️ QA

Review

✅ sources

⚠️ TimesFM docs

⚠️ no leakage

ℹ️ cross-review

ℹ️ publish

發現與證據

✅ 已驗證

資料量足夠做 baseline

先做統計與狀態標籤，不急著模型化。

✅ 已上傳

OHLCV 已上雲備份

rclone 比 gws 更適合檔案同步。

⚠️ 待複核

TimesFM 應延後

先當 benchmark / forecast error feature。

主 DB 已有 501,776 根 1m bars、372 個交易日；可支撐 6-12 個月 retrospective harness。

研究里程碑

✅ 已驗證

資料盤點

DB / raw CSV / 表筆數。

✅ 已上傳

Drive 備份

rclone copy 275 MiB，hash 0 diff。

⚠️ 下一步

NYAM canonical

固定 ET 09:30-10:59 六根 15m bars。

⚠️ 下一步

State labels

trend / sweep reversal / range chop。

ℹ️ 第二階段

TimesFM 2.5

forecast baseline 與 error feature。

ℹ️ 第二階段

Review

bootstrap CI、leakage audit、publication。