行业洞察 · 市场决策工具
鱼价雷达：水产价格追踪与趋势观察
以公开行情、价格趋势与预测参考，帮助养殖者判断出鱼窗口；数据结论只作经营方向辅助，成交前请结合规格、运距与实际询价复核。
行情趋势价格预测卖鱼建议
游客模式：公开行情、价格趋势、预测与卖鱼推荐可直接使用；持续跟踪、预警、经营分析与个人工作台已集成至渔芯 AI 平板。
了解渔芯 AI 平板
总览
养殖行业信息量化预测 · 对虾/草鱼双品种在产 · 数据自动进 → 因子自动挖 → 好坏闸门判 → 模型对决换 → 预测自动验
双品种最新预测（生产在产）
五层流水线
架构与实现逻辑
五层职责与关键代码入口 —— 全部有单测与生产验证
① 数据层 collectors/
12 个采集器统一基类：fetch → transform → upsert 入库；原始响应落 raw/、清洗落 cleaned/、台账落 sources_ledger；self-heal 连败 3 轮自动跳 3 轮。
fishradar/collectors/base.py↓
② 因子层 factors.py + species.py
日价 → W-FRI 周均价；六组因子（动量/规格价差/成本链/ONI/季节/国际锚）；铁律 t 周特征只用 ≤ t 周五数据，截断对比单测兜底；品种注册表 SSOT 定义前缀隔离（对虾无前缀 / 草鱼 gc_ / 鲫鱼 jc_）。
fishradar/factors.py · species.py↓
③ 模型层 model.py + backtest.py
LightGBM 浅树慢学习（leaves=7 / lr=0.02 / 500 树，周度百级样本实测优于深树）；方向二分类 + 分位回归 0.25/0.5/0.75；expanding 滚动回测 vs naive 随机游走，方向与 MAPE 双指标。
fishradar/model.py · backtest.py↓
④ 自进化层 mine + registry + monitor + champion
模板算子挖掘（DSL+AST 白名单）→ 准入三关 → 注册表状态机（candidate/active/probation/retired）→ 周度体检 → Champion-Challenger 对决晋升。
fishradar/mine.py · registry.py · monitor.py · champion.py↓
⑤ 输出层 predictions + prediction_scores
三 horizon 周度预测入库（entity 隔离品种）；目标周到期自动按实际价打分（da_hit/MAPE/RMSE）—— 实盘证据持续积累。
fishradar/backtest.py::make_live_predictions运行时拓扑
代码
~/6-产品研发/渔芯科技/08-鱼价雷达/（git）· 运行时 ~/rkr_staging/fishradar/（venv/PG16@5433/raw/cleaned/logs/state）
· launchd 五任务（采集 08:23/17:43 · 追踪项目 08:50/17:50 · 周体检六 09:47 · 月挖掘 1 号 06:33 · 控制台常驻 :8305 崩溃自愈）
数据层
12 采集器 + 定时调度 + self-heal —— 采集台账实时读取 sources_ledger
采集器健康
| 采集器 | 内容 | 状态 | 最近行数 | 最近运行 |
|---|
定时调度（launchd）
| 任务 | 时间 | 命令 |
|---|
数据资产（生产库实时）
| 表 | 说明 | 行数 | 起点 | 最新 |
|---|
因子层
注册表实时读取 factor_registry —— 品种前缀隔离：对虾无前缀 / 草鱼 gc_ / 鲫鱼 jc_
六组手工因子：价格动量/波动（px_ret、px_vol、zscore_52w）· 规格价差（spec_spread=大规格/小规格-1，存塘结构信号）·
成本链（meal/corn/rapeseed 动量、料价比）· 环境（ONI±13w）· 季节（week_sin/cos、春节 dummy）·
国际锚（intl_vn/id/mean_ret_4w，对虾专属）。草鱼独享 long_history 组（生猪/豆粕 52 周 zscore，n=80 教训留档 candidate）。
注册表状态分布
因子明细
| 因子 | 家族 | 状态 | 最近评估 |
|---|
自进化闭环（M2）
自动挖掘 → 三关准入 → 体检淘汰 → 对决晋升 —— 全程无人值守，闸门说了算
因子生命周期状态机
candidate 候选
── 三关全过 ──→
active 在产
── 近8周IC<-0.05 ──→
probation 观察
── 连续3负 ──→
retired 退役
probation 复查 IC>0.05 可恢复 active（图中回路）。对决晋升：Challenger 须全 horizon 不劣 + 至少一处严格优才接管生产配置（防平局）。
准入三关（缺一不可）
① 样本外 IC 关
7:3 切分 OOS Spearman IC > 0.05，且与全样本 IC 同号。拦「数据窥探」型假因子。
② 相关性关
与全部 active 因子最大 |ρ| < 0.7。拦「换个马甲的重复信息」。
③ LGBM 增量关
同配置加入后 OOS 方向命中提升 ≥ 0.5pp。拦「信号强但信息已被覆盖」——国际锚、长历史因子均倒在此关。
闸门纪律：四次实战拦截
| 案例 | 表面信号 | 拦截机制 | 结果 |
|---|---|---|---|
| VMD 分解路线 | 「先进」的分解+深度学习 | 回测完败 naive（63% vs 82%） | 不立项 |
| 国际锚 vn/id | IC 0.08 过线 · 领先 ρ 0.27 | 增量关：与动量重叠 | candidate 留档 |
| 草鱼小样本挖掘 | 候选 IC 高达 ±0.40 | 增量关全拦（n=81 虚高） | 0 准入 |
| 长历史成本因子 | 全样本 IC -0.48 | OOS 段符号反转 + 增量零 | candidate 留档 |
最近一轮流水线报告（logs 实时）
模型与回测
LightGBM 浅树慢学习 · expanding 滚动回测 vs naive 随机游走 · 双指标验收（方向 + MAPE）
超参：
num_leaves=7 · learning_rate=0.02 · n_estimators=500 · min_child_samples=30
（周度百级样本实测：深树版 h4 方向 61.8% 输 naive，浅树版 64.2% 胜 —— 模型复杂度与样本量匹配是纪律）。
验收口径：rolling origin 逐周向前，训练窗只增不减，目标周 = origin 后第 h 周，杜绝任何未来信息。
双品种回测成绩（最近一轮对决报告实数）
验收史
| 品种 | 面板 | h1 | h2 | h4 | 结论 |
|---|---|---|---|---|---|
| 南美白对虾 | 129 周 | 82.9% vs 72.9% | 74.8% vs 70.1% | 64.2% vs 62.6% | 三 horizon 全胜 |
| 草鱼 | 81 周 | 71.4% vs 60.7% | 73.1% vs 65.4% | 68.2% vs 63.6% | 全胜（统计性待复验） |
| 鲫鱼（暂缓） | ~80 周 | 平 | — | 54.5% vs 72.7% | h4 大输，等因子适配 |
预测中心
生产预测实时读取 predictions 表 · 打分闭环自动积累实盘证据
打分记录（到期预测 vs 实际价）
| 品种 | horizon | 目标周 | 方向 | 预测价 | 实际价 | 命中 | MAPE |
|---|
卖到哪最划算
输入养殖位置、品种与成本假设，公开试算风险调整后净收益 Top 3 市场。结果不保存。
填到县/市级即可；不在联想列表里的写法系统也会尽量识别。
试算只用于方向判断，不保存本次填写内容。