koishi-plugin-monetary-bourse 1.1.2-Alpha.6 → 1.1.2-Alpha.7

package/lib/index.js

@@ -377,21 +377,18 @@ function apply(ctx, config) {
     }
     const createAutoState = /* @__PURE__ */ __name(async () => {
       const durationHours = 7 * 24;
-      const fluctuation = 0.3;
+      const fluctuation = 0.25;
       const targetRatio = 1 + (Math.random() * 2 - 1) * fluctuation;
-      let targetPrice = currentPrice * targetRatio;
-      const upperTarget = currentPrice * 1.5;
-      const lowerTarget = currentPrice * 0.5;
-      targetPrice = Math.max(lowerTarget, Math.min(upperTarget, targetPrice));
+      let targetPrice2 = currentPrice * targetRatio;
+      targetPrice2 = Math.max(currentPrice * 0.5, Math.min(currentPrice * 1.5, targetPrice2));
       const endTime = new Date(now.getTime() + durationHours * 3600 * 1e3);
-      const minutes = durationHours * 60;
-      const trendFactor = (targetPrice - currentPrice) / minutes;
       const newState = {
         key: "macro_state",
         lastCycleStart: now,
         startPrice: currentPrice,
-        targetPrice,
-        trendFactor,
+        targetPrice: targetPrice2,
+        trendFactor: 0,
+        // 不再使用线性趋势因子
         mode: "auto",
         endTime
       };
@@ -415,10 +412,10 @@ function apply(ctx, config) {
       switchKLinePattern("随机时间");
     }
     const basePrice = state.startPrice;
+    const targetPrice = state.targetPrice;
     const totalDuration = state.endTime.getTime() - state.lastCycleStart.getTime();
-    const elapsed = Math.min(totalDuration, now.getTime() - state.lastCycleStart.getTime());
+    const elapsed = now.getTime() - state.lastCycleStart.getTime();
     const cycleProgress = Math.max(0, Math.min(1, elapsed / totalDuration));
-    const trendPrice = basePrice + (state.targetPrice - basePrice) * cycleProgress;
     const dayStart = new Date(now);
     dayStart.setHours(config.openHour, 0, 0, 0);
     const dayEnd = new Date(now);
@@ -426,13 +423,32 @@ function apply(ctx, config) {
     const dayDuration = dayEnd.getTime() - dayStart.getTime();
     const dayElapsed = now.getTime() - dayStart.getTime();
     const dayProgress = Math.max(0, Math.min(1, dayElapsed / dayDuration));
+    const expectedPrice = basePrice + (targetPrice - basePrice) * cycleProgress;
+    const deviation = (expectedPrice - currentPrice) / currentPrice;
+    const meanReversionStrength = 0.02;
+    const driftReturn = deviation * meanReversionStrength;
+    const getVolatility = /* @__PURE__ */ __name((progress) => {
+      const morningVol = Math.exp(-8 * progress);
+      const afternoonVol = Math.exp(-8 * (1 - progress));
+      const baseVol = 0.3;
+      return baseVol + morningVol * 0.5 + afternoonVol * 0.4;
+    }, "getVolatility");
+    const volatility = getVolatility(dayProgress);
+    const u1 = Math.random();
+    const u2 = Math.random();
+    const normalRandom = Math.sqrt(-2 * Math.log(u1)) * Math.cos(2 * Math.PI * u2);
+    const baseVolatilityPerTick = 15e-4;
+    const randomReturn = normalRandom * baseVolatilityPerTick * volatility;
     const patternFn = kLinePatterns[currentDayPattern];
-    const dailyFactor = patternFn(dayProgress) * 0.03;
-    const waveFrequency = macroWaveCount;
-    const weeklyAmplitudeRatio = macroWeeklyAmplitudeRatio;
-    const waveFactor = Math.sin(2 * Math.PI * waveFrequency * cycleProgress) * weeklyAmplitudeRatio;
-    const noiseFactor = (Math.random() * 2 - 1) * 1e-3;
-    let newPrice = trendPrice * (1 + dailyFactor + waveFactor + noiseFactor);
+    const patternValue = patternFn(dayProgress);
+    const prevPatternValue = patternFn(Math.max(0, dayProgress - 0.01));
+    const patternTrend = (patternValue - prevPatternValue) * 0.5;
+    const patternBias = patternTrend * 3e-3;
+    const wavePhase = 2 * Math.PI * macroWaveCount * cycleProgress;
+    const prevWavePhase = 2 * Math.PI * macroWaveCount * Math.max(0, cycleProgress - 1e-3);
+    const waveTrend = (Math.sin(wavePhase) - Math.sin(prevWavePhase)) * macroWeeklyAmplitudeRatio;
+    const totalReturn = driftReturn + randomReturn + patternBias + waveTrend;
+    let newPrice = currentPrice * (1 + totalReturn);
     const dayBase = dailyOpenPrice ?? basePrice;
     const weekUpper = basePrice * 1.5;
     const weekLower = basePrice * 0.5;
@@ -440,6 +456,14 @@ function apply(ctx, config) {
     const dayLower = dayBase * 0.5;
     const upperLimit = Math.min(weekUpper, dayUpper);
     const lowerLimit = Math.max(weekLower, dayLower);
+    if (newPrice > upperLimit * 0.95) {
+      const overshoot = (newPrice - upperLimit * 0.95) / (upperLimit * 0.05);
+      newPrice = upperLimit * 0.95 + upperLimit * 0.05 * Math.tanh(overshoot);
+    }
+    if (newPrice < lowerLimit * 1.05) {
+      const undershoot = (lowerLimit * 1.05 - newPrice) / (lowerLimit * 0.05);
+      newPrice = lowerLimit * 1.05 - lowerLimit * 0.05 * Math.tanh(undershoot);
+    }
     newPrice = Math.max(lowerLimit, Math.min(upperLimit, newPrice));
     if (newPrice < 1) newPrice = 1;
     newPrice = Number(newPrice.toFixed(2));

package/package.json

@@ -1,6 +1,6 @@
 {
   "name": "koishi-plugin-monetary-bourse",
-  "version": "1.1.2-Alpha.6",
+  "version": "1.1.2-Alpha.7",
   "main": "lib/index.js",
   "typings": "lib/index.d.ts",
   "files": [

package/readme.md

@@ -19,8 +19,17 @@
 
 ## 更新记录
 
+- **Alpha.7**：
+  - **采用真实股票模型**：使用几何布朗运动 + 均值回归模型，更贴近真实股票走势。
+  - 新增：均值回归机制——价格会自然向"预期价格"回归，而非硬性跳变。
+  - 新增：动态波动率——开盘和收盘波动大，午盘相对平静（U型波动率曲线）。
+  - 新增：正态分布随机项——使用Box-Muller变换生成更真实的随机波动。
+  - 新增：软着陆限幅——接近涨跌幅限制时逐渐减缓，避免硬切导致的不自然走势。
+  - 优化：K线形态改为提供方向性偏置，而非直接决定价格位置。
+  - 优化：周期波浪改为增量式叠加，更平滑自然。
+
 - **Alpha.6**：
-  - **重大重构**：改用百分比波动模式，所有波动（K线、周波浪、噪音）以百分比形式叠加在趋势价格上，彻底解决振幅失控问题。
+  - **再次重构**：改用百分比波动模式，所有波动（K线、周波浪、噪音）以百分比形式叠加在趋势价格上，彻底解决振幅失控问题。
   - 修复：手动宏观调控不再重置周期基准价和起点，保持现有波动机制持续生效。
   - 优化：K线波动幅度调整为±3%，周波浪和噪音也改为百分比计算，波动更符合真实股票特性。
   - 性能：新的百分比合成模式更稳定，长期运行不会出现价格失控或波动失效。
@@ -137,10 +146,6 @@
   - 开发测试：推进价格更新若干次并返回当前价格。
   - 参数 `ticks`: 推进次数，默认 1，最大 500。
 
-- 【默认不开启】**`bourse.test.clamp <percent>`**
-  - 开发测试：尝试目标涨跌幅并查看限幅结果。
-  - 参数 `percent`: 期望涨跌百分比，例如 `60` 或 `-40`。
-
 ## 💡 常见问题
 
 **Q：Alpha版本有什么区别？**
@@ -156,17 +161,28 @@ A: 本插件设计了基于交易金额的动态冻结机制。交易额越大
 ---
 
 **Q: 股价是如何波动的？**
-A: 股价采用**百分比波动模式**（Alpha.6），由以下部分合成：
+A: 股价采用**几何布朗运动 + 均值回归**模型（Alpha.7），更贴近真实股票：
+
+**核心公式：** `新价格 = 当前价格 × (1 + 总收益率)`
+
+**总收益率由以下部分组成：**
+
+1. **均值回归项（Drift）**：价格会自然向"预期价格"回归
+   - 预期价格 = 周期起始价 → 目标价的线性插值
+   - 偏离越大，回归力越强（每次回归2%的偏差）
 
-1. **宏观趋势**：周期内从起始价线性向目标价移动的基准价格。
-2. **日内K线形态**：12种剧本产生的波动因子，以±3%的百分比形式叠加在趋势上。
-3. **周内波浪**：正弦曲线的波动因子，以周波浪幅度百分比（6%–12%）形式叠加。
-4. **微小噪音**：±0.1%的随机扰动避免价格过于规律。
+2. **随机波动项（Random Walk）**：模拟市场的随机性
+   - 使用正态分布随机数（Box-Muller变换）
+   - 基础波动率约0.15%/tick
 
-**最终价格 = 趋势价格 × (1 + K线因子 + 波浪因子 + 噪音因子)**
+3. **动态波动率**：模拟日内波动率变化
+   - 开盘：波动率高（活跃交易）
+   - 午盘：波动率低（相对平静）
+   - 尾盘：波动率再次升高
 
-这种百分比合成方式更符合真实股票特性，所有波动相对于当前价格保持合理比例，避免绝对值叠加导致的振幅失控。
+4. **K线形态偏置**：12种日内形态提供微小的方向性偏好
+   - 不再直接决定价格位置，而是影响涨跌概率
 
-在Alpha.5版本以前，股价仍由四部分叠加而成，新旧引擎的效果相同，仅仅是在算法上进行优化与修复。
+5. **周期波浪**：中期波动，模拟市场情绪周期
 
-此外，为保证市场稳定性，应用了**涨跌幅硬性限制**：相对于周周期起始价与当日开盘价的双重基准，股价的涨跌幅不得超过 ±50%。当随机或手动设置的目标超出限幅时，将自动截断至限幅边界。
+**限幅机制：** 相对于周期起始价和日开盘价的±50%，采用软着陆方式避免硬切。