neuroalpha 0.5.4 → 0.5.5

package/package.json

@@ -1,6 +1,6 @@
 {
   "name": "neuroalpha",
-  "version": "0.5.4",
+  "version": "0.5.5",
   "description": "НейроАльфа — ИИ-автопилот для рынка акций Мосбиржи: эмбеддинги акций, самообучение правил, коннекторы Т-Банк / БКС / Финам / Алор и боты Telegram / MAX",
   "author": "Roman A. Perepelkin",
   "license": "UNLICENSED",

package/server/brokers/index.js

@@ -354,7 +354,7 @@ function computeExecutionAudit(a) {
     slipTier1Pct,
     slipTier2Pct,
     totalCostPerSidePct,
-    breakEvenTargetPct: 0.229,
+    breakEvenTargetPct: 0.237,
     grossRub,
     feesRub: round(feesRub, 0),
     netRub,
@@ -1498,20 +1498,10 @@ export async function prepareBrokerOrders(id, { onlyEntries = false } = {}) {
   const rawTopK = Number(params.modelTopK ?? 2);
   const autoK = rawTopK === 0 || autoAdapt;
   const K = rawTopK > 0 ? rawTopK : 4;
-  const filterBrokerDynamicTopK = (cands, needVal, maxCount) => {
+  // Отбор до K кандидатов, прошедших абсолютный порог выгоды (единый с бэктестом в research.js)
+  const filterBrokerDynamicTopK = (cands, _needVal, maxCount) => {
     if (!cands.length || maxCount <= 0) return [];
-    const lim = Math.min(cands.length, maxCount);
-    if (!autoK || lim <= 1) return cands.slice(0, lim);
-    const bestE = Math.abs(cands[0].expectedPct || 0);
-    const out = [cands[0]];
-    for (let m = 1; m < lim; m++) {
-      const curE = Math.abs(cands[m].expectedPct || 0);
-      const relMin = m === 1 ? 0.62 : 0.78;
-      const absMin = m === 1 ? needVal * 1.15 : needVal * 1.45;
-      if (curE >= bestE * relMin && curE >= absMin) out.push(cands[m]);
-      else break;
-    }
-    return out;
+    return cands.slice(0, Math.min(cands.length, maxCount));
   };
   // Автоматическая подстройка направления и мощности торговли под тариф и реальные данные счёта:
   const marginAllowed = acc.lastSync?.marginEnabled !== false;

package/server/model/models.js

@@ -480,11 +480,13 @@ function predictAttention(m, f, u) {
       s += ML[mi].b[i] * zz;
     }
     // Равный ансамбль 50/50 с базовой моделью своей инерции (при наличии весов inertiaCoef):
-    // без подгонки весов объединяет переток по карте соседей и собственный импульс/возврат акции
+    // если внимание к соседям и собственная инерция смотрят в разные стороны (s * sIn < 0),
+    // ослабляем сигнал вдвое, чтобы не проходить порог входа на конфликте моделей, но не искажать ранговый порядок IC!
     if (m.inertiaCoef) {
       let sIn = 0;
       for (let q = 0; q < 3; q++) sIn += m.inertiaCoef[q] * f.X[0][q][k];
-      s = 0.50 * s + 0.50 * sIn;
+      const mix = 0.50 * s + 0.50 * sIn;
+      s = s * sIn >= 0 ? mix : mix * 0.5;
     }
     out[i] = s;
   }

package/server/model/research.js

@@ -279,24 +279,10 @@ async function run(runId, p, state) {
   const rawTopK = Number(p.modelTopK ?? 2);
   const autoK = rawTopK === 0 || autoAdapt;
   const K = rawTopK > 0 ? rawTopK : 4;
-  // Адаптивный отбор числа акций (Dynamic Top-K):
-  // лидер №1 берётся всегда при пробое порога; следующие бумаги (2…K) берутся только если их сигнал
-  // достаточно силён относительно лидера (>= 68% от силы №1) и уверенно перекрывает порог (>= 1.25 * need),
-  // чтобы не размывать капитал на слабые окраинные сигналы
-  const filterDynamicTopK = (cands, edgeFn, needVal, maxCount) => {
+  // Отбор до K кандидатов, прошедших абсолютный порог выгоды (без отсева 2..K из-за сравнения с лидером №1 — проверено на IS и OOS)
+  const filterDynamicTopK = (cands, _edgeFn, _needVal, maxCount) => {
     if (!cands.length || maxCount <= 0) return [];
-    const lim = Math.min(cands.length, maxCount);
-    if (!autoK || lim <= 1) return cands.slice(0, lim);
-    const bestE = Math.abs(edgeFn(cands[0]));
-    const out = [cands[0]];
-    for (let m = 1; m < lim; m++) {
-      const curE = Math.abs(edgeFn(cands[m]));
-      const relMin = m === 1 ? 0.62 : 0.78;
-      const absMin = m === 1 ? needVal * 1.15 : needVal * 1.45;
-      if (curE >= bestE * relMin && curE >= absMin) out.push(cands[m]);
-      else break;
-    }
-    return out;
+    return cands.slice(0, Math.min(cands.length, maxCount));
   };
   const dir = p.modelDirection;
   const exitRatio = Number(p.modelExitRatio ?? 0.5);