abu UMP 主裁判罚 · ump_main judge
普通回测有个隐含假设：所有信号都同等可信。但实际不是——有些信号出现在"高风险环境"（高波动、连涨后追高），历史上这种环境亏得多。回测不知道，照样下单。
UMP（UmpMainJudge，主裁判罚器）就是补这个判断的。它的工作分两步：
本质上是用机器学习给回测加一个"风险否决权"。回测说"该买"，UMP 说"这种环境买的都亏了，红牌"——这笔就不做。长期看，被 UMP 拦截的交易确实平均亏损，拦截让总收益更稳。
下面模拟 UMP。每笔交易有特征（涨跌幅、波动率、距前高、换手率），UMP 用训练好的模型打分。点交易看 UMP 判罚：通过（绿）或拦截（红）。"开 UMP"对比开关前后的回测收益。
UMP 用哪些特征判罚？abu 默认用交易发生时的几个"环境特征"：
买入时距前 N 日的涨幅。追高（涨太多）的交易历史上亏得多。
买入时的近期波动。高波动环境的交易风险大、胜率低。
当前价距近期高点的距离。接近前高（突破）vs 远离前高（回调），盈亏分布不同。
买入时的成交活跃度。异常放量常是出货信号。
判罚逻辑：UMP 把这些特征喂给分类器（abu 默认用 GMM 或 KNN），输出一个"这笔交易属于'坏交易'簇的概率"。设阈值（如 0.6），高于就拦截。
关键提醒：UMP 的判罚依赖训练数据的质量。如果历史回测本身就有未来函数、幸存者偏差，UMP 学到的"好/坏"也是错的。所以 UMP 不是银弹——它是"在干净的回测上加一层否决权"，不能救脏的回测。