Initial commit: BTC 1h prediction model (53.10% accuracy)

🎯 项目成果：
- 准确率: 53.10% (2026年测试集)
- 任务类型: 二分类 (预测涨/跌)
- 特征: OHLCV + RSI + MACD (9个特征)
- 训练数据: 2020-2025年BTC小时数据 (52,351序列)
- 测试数据: 2026年1-29日 (484序列)

📊 性能指标：
- 精确率: 51.79%
- 召回率: 49.36%
- F1分数: 0.5054
- 预测分布: 非常平衡 (偏差仅-11个)

🔬 实验历史：
- 尝试了5种方案 (回归/分类, 不同数据划分)
- 分类任务优于回归任务 (53.10% vs 49.5%)
- 全量训练避免了过拟合问题

📦 主要模型文件：
- models/checkpoints/dlinear_classification_2026/
  - best_model.pt (最佳模型)
  - preprocessor.pkl (预处理器)
  - test_2026_results.json (测试结果)

Co-Authored-By: Claude Sonnet 4.5 <noreply@anthropic.com>

requirements.txt

@@ -0,0 +1,40 @@
+# Core dependencies
+torch>=2.0.0
+torchvision
+torchaudio
+python-binance>=1.0.19
+pandas>=2.0.0
+numpy>=1.24.0
+scikit-learn>=1.3.0
+pytz
+python-dotenv>=1.0.0
+
+# ONNX
+onnx>=1.14.0
+onnxruntime>=1.15.0
+
+# Model-specific dependencies
+darts>=0.27.0
+u8darts[torch]>=0.27.0
+tsfm_public>=0.2.0
+gluonts[torch]>=0.14.0
+
+# API dependencies
+fastapi>=0.104.0
+uvicorn[standard]>=0.24.0
+pydantic>=2.0.0
+python-multipart>=0.0.6
+
+# Technical indicators
+pandas-ta>=0.3.14b
+
+# Development tools
+jupyter>=1.0.0
+matplotlib>=3.7.0
+seaborn>=0.12.0
+pytest>=7.4.0
+black>=23.0.0
+flake8>=6.0.0
+
+# Utilities
+tqdm>=4.66.0