Adriano
d159075182
Phase 1 v0 usava `max(0, dsr - 0.5*max_dd)` che azzerava brutalmente la fitness quando max_dd > 2*dsr. Real run v4 aveva 55/55 strategie a fitness=0 (DSR ~0.001, max_dd > 0.5), zero pressione selettiva sul GA. v1: base = 0.5*dsr + 0.5*0.5*(tanh(sharpe)+1) in [0,1], modulata da penalty moltiplicativa 1/(1+k*max_dd) in (0,1]. Hard kill (no-trade, HIGH adversarial) preservati. Fitness sempre >0 per strategie con almeno 1 trade -> il GA puo' preferire "meno cattivo" a "catastrofico" anche su sharpe negativo. Tests: +3 nuovi (continuous mediocre, bounded, monotonic drawdown), 4 esistenti restano verdi. Suite 138 -> 141 passed. ruff + mypy strict puliti. Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>
Multi_Swarm_Coevolutive — Phase 1
Lean spike del PoC. Vedi docs/superpowers/specs/2026-05-09-decisione-strategica-design.md
per il razionale e docs/superpowers/plans/2026-05-09-phase1-lean-spike.md per il
piano implementativo.
Setup
uv sync
cp .env.example .env # compilare token e API key
uv run pytest # verifica che tutto installi
Cerbero locale
Phase 1 backtest legge dataset OHLCV cached, ma alcune feature di indicatore sono delegate a Cerbero. Avviare Cerbero locale prima di eseguire un run:
cd /home/adriano/Documenti/Git_XYZ/CerberoSuite/Cerbero_mcp
docker compose up -d
Comandi principali
uv run pytest # tutti i test
uv run pytest tests/unit -v # solo unit
uv run pytest tests/integration -v -m integration # solo integration
uv run python scripts/run_phase1.py # run completo Phase 1
uv run streamlit run src/multi_swarm/dashboard/streamlit_app.py