**रिसर्च डिस्क्लोजर:** यह आर्टिकल एक असली, काम करने वाले रिसर्च बिल्ड को डॉक्यूमेंट करता है — कोई मुनाफे का दावा नहीं। इस सिस्टम का सबसे अच्छा बैकटेस्ट **प्रॉफिट फैक्टर 0.53** पर पहुंचा, यानी वो अभी भी घाटे में थी। हम इसे ईमानदारी से छाप रहे हैं ताकि दूसरे क्वांट रिसर्चर्स आर्किटेक्चर *और* नाकामयाबी दोनों सीख सकें।

MTF RVOL का मतलब क्या है

MTF RVOL का मतलब है **मल्टी-टाइमफ्रेम रिलेटिव वॉल्यूम**। आइडिया सीधा है: वॉल्यूम बताता है कि पार्टिसिपेंट्स कमिटेड हैं या नहीं। रिलेटिव वॉल्यूम (RVOL) आज के बार के वॉल्यूम को उसके 20-बार औसत से तुलना करता है। जब RVOL ऊपर जाता है, कुछ हो रहा है। जब फ्लैट रहता है, बार शोर है।

"MTF" वाला हिस्सा कॉन्टेक्स्ट जोड़ता है: 15-मिनट का सिग्नल तभी मायने रखता है जब 1-घंटे और 4-घंटे का ट्रेंड सहमत हो। 15m बार पर बाय सिग्नल जबकि 4h ट्रेंड नीचे है — वो एक ट्रैप है जो इंतजार कर रहा है।

डेटा इंजन (85+ फीचर्स)

बिल्ड NIFTY 15-मिनट OHLCV बार्स (7067 बार्स) DuckDB स्टोर से लेता है, प्लस:

इनसे फीचर इंजन **117 कॉलम** बनाता है 12 फैमिलीज़ में:

1. **प्राइस एक्शन (25):** rvol, ATR(14), effort = `rvol × (close−open)/range`, close location, wick bias, range high/low, accept/retest/failed-auction फ्लैग्स।

2. **माइक्रोस्ट्रक्चर (12):** close quality, inside-bar breaks, velocity, trend, pressure।

3. **ऑर्डर फ्लो (10):** harmony, efficiency ratio, absorption (up/down), aggressive/passive flow।

4. **ऑपरेटर एनालिसिस (4):** expand/absorb सिग्नल्स।

5. **S/R और ब्रेकआउट (6):** sr_score [0-100], break_prob [5-95], bull/bear power, trap_risk।

6. **टाइम (2):** hour_sin, hour_cos (cyclic encoding)।

7. **लैग (6):** prev_return_1/3/5, prev_vol_1/3/5, prev_range_1/3/5।

8. **मल्टी-टाइमफ्रेम (4):** h1 close vs SMA, range ratio, vol ratio, h1 trend।

9. **वोलैटिलिटी रीजिम (3):** vol_regime, contraction, expansion।

10. **साइड स्कोर (12):** alignment, active side, CE/PE trade scores, gate states।

11. **ऑप्शंस (3):** pc_vol_ratio, pc_oi_ratio, total_premium।

12. **ऑपरेटर ऐंकर (12):** ऐंकर स्कोर, accept zones, liquidity levels, state codes।

ट्रिपल बैरियर लेबलिंग

तीन वेरिएंट टेस्ट किए गए, हर एक long-only: `-1` = घाटा, `0` = नो-ट्रेड, `+1` = जीत:

| वेरिएंट | SL | TP1 | TP2 | +1 / −1 / 0 |

||||||

| label_atr | 0.6 ATR | 1.8 ATR | 3.0 ATR | 18.6% / 65.8% / 15.7% |

| label_sr | range_low | range_high | — | 37.2% / 37.7% / 25.1% |

| label_blended | min(0.6ATR, range_low) | max(1.8ATR, range_high) | — | 23.3% / 41.3% / 35.4% |

क्लास इम्बैलेंस भयंकर है — ज्यादातर बार्स "नो-ट्रेड" हैं। ये रियलिस्टिक है लेकिन ट्रेनिंग मुश्किल करता है।

मॉडल आर्किटेक्चर

एक सिंगल XGBoost (regression + classification) Optuna ट्यूनिंग के साथ। कॉन्फिग: `TRAIN_PCT=0.60, VAL_PCT=0.20` (60/20/20 स्प्लिट), CUSUM फिल्टर सिर्फ ट्रेनिंग पर, `MAX_TRADES_PER_DAY=2`।

**रिग्रेशन रिजल्ट्स:** test correlation 0.031, लेकिन **top-10% डेसाइल +7.63% औसत फॉरवर्ड रिटर्न 60.5% विन रेट पर** हासिल करता है। वो असली डायरेक्शनल स्किल है — मॉडल को पता है कौन से बार मूव करेंगे।

**क्लासिफिकेशन (label_sr):** Precision 0.427, Recall 0.827, F1 0.563 — तीनों में सबसे अच्छा।

क्रूर हिस्सा: डायरेक्शन ≠ प्रॉफिट

यही ईमानदार रिजल्ट है। रिग्रेशन मॉडल टॉप डेसाइल में **60.5% एक्युरेसी** से डायरेक्शन प्रेडिक्ट करता है, फिर भी सबसे अच्छा बैकटेस्ट सिर्फ **प्रॉफिट फैक्टर 0.53** (win rate 15.4%, avg R:R ठीक 3.0) तक पहुंचता है।

क्यों? **मार्केट माइक्रोस्ट्रक्चर, प्रेडिक्शन नहीं।** 0.6/1.8 ATR स्टॉप/टारगेट के साथ, प्राइस स्टॉप को छू लेता है टारगेट के रिवर्स होने से पहले। औसत R:R 3.0 है (कॉन्फिग मैच), लेकिन 3:1 पर ब्रेक-ईवन के लिए ~25% विन रेट चाहिए — और सिस्टम सिर्फ 15.4% जीतती है।

यही सबसे बड़ी सीख है: *एक मॉडल जो डायरेक्शन सही बताता है, वो फिर भी पैसा गंवा सकता है अगर एग्जिट लॉजिक पाथ से लड़े।*

हमारे असली बग (ताकि आप न दोहराएं)

1. **25-बार लेबल शिफ्ट:** इंडेक्स मिसमैच ने लेबल्स को 25 बार शिफ्ट कर दिया। फिक्स्ड PnL −42% से −6.26% गया।

2. **एन्सेबल मेटा-मॉडल मिसमैच:** डायमेंशन एरर ने एन्सेबल मारा (val पर F1=0)। डिसेबल्ड।

3. **"वॉक-फॉरवर्ड" जो नहीं था:** पाइपलाइन "वॉक-फॉरवर्ड" प्रिंट करती थी पर सिंगल फिक्स्ड स्प्लिट इस्तेमाल करती थी।

4. **max_hold मिसमैच:** लेबल्स 6 बार, बैकटेस्ट 8 — साइलेंट इनकंसिस्टेंसी।

आगे क्या

PF 1.0 से ऊपर लाने के लिए: SL को 1.0 ATR तक चौड़ा करें, dynamic/trailing stops, एन्सेबल री-एनेबल, online learning, फुल ऑप्शंस सरफेस (skew, IV term structure)।

निष्कर्ष

MTF RVOL Pro एक **असली, रिप्रोड्यूसिबल रिसर्च सिस्टम** है ईमानदार रिजल्ट्स के साथ। ये साबित करता है कि डायरेक्शनल एज मौजूद है (टॉप-डेसाइल 60.5% एक्युरेसी) लेकिन ये भी साबित करता है कि एज अकेले काफी नहीं। अगर आप अपना NIFTY ML सिस्टम बना रहे हैं, फीचर इंजन और लेबल डिज़ाइन से शुरू करें — और किसी भी डायरेक्शनल मॉडल पर भरोसा करने से पहले स्टॉप-लॉस मैथ को रिस्पेक्ट करें।

*यह सिर्फ रिसर्च है। निवेश सलाह नहीं। पिछले रिजल्ट्स फ्यूचर परफॉर्मेंस प्रेडिक्ट नहीं करते।*

शक्ति तिवारी से और