价格与同步指标
当前范围 · 高低点明细
发生时刻与可确认时刻分开列示。确认时刻可能在所选显示范围之外。
当前范围 · 本股高低点特征
分母为当前股票、当前模式与日期时段内该类型事件中字段非缺失的样本，不代表信号精确率。
整批样本 · 发现与验证
下面使用固定样本分组，随「日内 / 多日」切换；不受左侧单股、日期或时段筛选影响。
规则先在发现组中固定，再在对应分组中统计。精确率、召回率和误报率各有不同分母。
百分点差值 = 全部有效事件出现率 − 全部有效普通位置出现率。区间仅对应此未匹配差值，由引擎按股票与日期双向分组重采样估计；空值表示无法估计。簇数为有观察值的「股票 × 日期」组合数。
有效事件少于 30 个时只作小样本描述。当少量事件的特征值全部为 0 或全部为 1 时，重采样无法产生未观察到的失败，窄区间也不能证明规律稳定。
仅保留同时存在事件和普通位置的「股票 × 日期 × 15 分钟时段」分层，两侧均按这些分层的事件数量加权。覆盖率为被纳入匹配的有效事件占比。匹配差值没有独立估计区间，不套用上表的未匹配差值区间。
本模式固定规则与选取过程
失败案例
误报表示信号未匹配目标邻域；漏报表示高低点未被覆盖。案例沿用固定分组评价口径。
逐股覆盖与事件数量
点击股票切换查看。不同股票的价格尺度、资金规模与有效样本数可能有明显差异。
数据质量与来源约束
保留数据校验结果；不足的数据不会通过图表包装成已验证结论。
抓取来源、逐股核验与资金清洗记录
如何阅读这份研究
先确认标签、分组和检验口径，再解读出现率和命中情况。
高低点、特征与信号是三个概念
高低点依据完整历史价格识别，是用于研究的事后标签。特征描述事件附近资金与指标的状态。固定规则将可计算特征组合成信号，再用固定匹配窗口做检验。事后附近关联、可提前性与交易收益需要分别评价。
精确率、召回率与误报率
精确率 = 匹配目标邻域的信号数 ÷ 信号总数；召回率 = 被至少一个信号覆盖的高低点数 ÷ 可评价高低点数。误报率通常以不属于目标邻域的可评价位置为分母，具体以本次引擎的 evaluation_note 为准。重复信号和不同窗口尺度会改变分母，不能只看单个百分比。