基于恐惧贪婪指数的低频仓位再平衡系统 — 从三层信号到纯 F&G，从硬编码到配置化
加密货币市场极度情绪化——恐惧时无人敢买，贪婪时无人愿卖。传统的技术分析（MA 金叉/死叉/RSI）在趋势市中有效，但在极端行情中完全失效。
核心假设：恐惧贪婪指数（Fear & Greed Index）是一个被低估的反向指标——当 F&G ≤ 25（极度恐惧）时，往往是历史最佳买入点；当 F&G ≥ 85（极度贪婪）时，是系统性卖出信号。用代码执行这个简单的规则，可以克服人性的情绪偏差。
重要约束：Bot 只输出信号，不自动下单。最终交易决策始终在人——工具解决纪律问题，不解决判断问题。
最初设计了三层过滤：
Layer 1: 周线 MA50/200 金叉/死叉 → 牛市/熊市判定 Layer 2: F&G 恐惧贪婪指数 → 仓位倍数 (0x / 0.5x / 1x / 1.5x / 2.5x) Layer 3: F&G ≥ 85 持续 → 极端卖出
回测 2017-2026（457周）：FG-Trend +5.4% vs HODL +1810% vs DCA +347%。根因：MA200 需要 200 周数据 → 2021 年前无买入信号，完美错过了整个牛市。Death cross 在 BTC 39K→24K 后才触发，卖出过晚。
结论：MA 趋势过滤在 BTC 上是反优化——它阻止了恐惧底部的买入。
去掉 MA 过滤层，改为日线级别纯 F&G 驱动的仓位目标：
F&G ≤ 25 → target = base × 2.5 (极度恐惧, 全力买入) 26 ≤ F&G ≤ 44 → target = base × 1.5 (恐惧, 积极加仓) 45 ≤ F&G ≤ 74 → target = base × 1.0 (中性, 保持) 75 ≤ F&G ≤ 84 → target = base × 0.5 (贪婪, 减半) F&G ≥ 85 → target = 0 (极度贪婪, 暂停) F&G ≥ 85 连续 5 天 → 额外减仓 20%
回测结果（日线，2018-2026）：
| 策略 | CAGR | Sharpe | MaxDD |
|---|---|---|---|
| HODL (持有不动) | — | — | — |
| 纯 F&G 仓位目标 | 16.8% | 0.52 | — |
| F&G + MA 过滤 | 10.4% | 0.39 | — |
| F&G + 死叉清仓 | 5.4% | 0.10 | 75.2% |
F&G 指数：alternative.me（主力）→ 失败时自动 fallback → CoinMarketCap（备用）。价格数据：Binance API 日线 OHLCV。因子模块：CoinGecko BTC 主导率 + 自算 RSI-14 + 成交量趋势。
F&G → multiplier → target_allocation。多币种支持：BTC（base=85%）、ETH（base=75%）、SOL（base=60%）——高波动币种基准仓位更低。所有参数在 config.yaml 集中管理。
综合评分 0-100：F&G（40%）+ RSI（25%）+ BTC 主导率（15%）+ 成交量趋势（20%）。权重可配置。评分仅作参考，不干预 F&G 仓位目标的主逻辑。
Qwen3.5-9B (QLoRA) 训练 96 条金融研判样本。输入：BTC 价格 + F&G + RSI + BTC.D + 成交量 → 输出：判断（恐惧/贪婪/中性）+ 建议 + 理由。LLM 替代手工因子加权，提供多因子综合研判。
每天 00:00 自动运行信号计算，仅当 F&G 区间变化 ≥ 15 或极端信号（极度恐惧/极度贪婪）时推送通知到 QQ。策略纪律 ≥ 频繁交易。
方法：不是收集真实交易数据，而是基于 12 条手工构造的金融研判模板，在规则边界内随机扰动指标数值。
原始 12 条模板（5 个 F&G 区间 × 不同 RSI/量/BTC.D 组合）
↓ 规则变换（同区间内随机扰动）
96 条变体（极端恐惧 24 + 恐惧 24 + 中性 16 + 贪婪 16 + 极贪 16）
本质：教模型"读盘规则"——F&G=28 恐惧 → 该买——而不是背"BTC $77K 该买"这个具体数字。每条变体保留判断逻辑一致但指标数据不同。
signal_bot.py — 主信号引擎。--assets BTC,ETH,SOL/ALL，双数据源 fallback，config.yaml 驱动factors.py — 因子模块。BTC Dominance / RSI-14 / 成交量趋势 / CMC F&G 冗余backtest.py — 日线/周线回测。--asset BTC/ETH/SOL，三策略对比config.yaml — 统一参数管理。F&G 阈值/仓位倍数/因子权重/币种配置data_augment.py — 金融研判数据扩充（12→96条），Qwen QLoRA 训练用expanded_finllm_data.json — 96 条扩充训练数据