chore(reset): v2.0.0 — storico certificato Deribit mainnet, ripartenza pulita

Reset del progetto su fondamenta verificate dopo la scoperta che l'intera libreria "validata OOS" era artefatto di feed contaminato (print fantasma del feed Cerbero TESTNET + storico Binance/USDT). - Storico ricostruito da Deribit MAINNET (ccxt pubblico, tokenless) e CERTIFICATO (certify_feed.py): BTC/ETH puliti su TUTTA la storia (mediana 2-6 bps vs Coinbase USD), integrita' OHLC + coerenza resample (maxΔ 0.00) + cross-venue OK. Alt esclusi (illiquidi/divergenti: LTC/DOGE 50-82% barre flat; XRP/BNB non certificabili). - Verdetto sul feed pulito: FADE / PAIRS / XS01 / TSM01 morti (ogni portafoglio Sharpe -2.3..-3.0, DD ~40%); solo SH01 e frammenti HONEST con segnale residuo, da ri-validare in isolamento. - Cleanup "restart pulito": strategie, stack live (src/live, src/portfolio, runner/executor, yml, docker), ~100 script ricerca/gate, waste/games/ portfolios, dati non certificati + cache e 60+ diari -> archiviati in Old/ (preservati, non cancellati). Diario consolidato in un unico documento. - Skeleton ricerca tenuto: Strategy ABC + indicatori + src/fractal + src/backtest/engine + load_data; tool dati certificati (rebuild_history, certify_feed, audit_feed, multi_source_check). - Universo dati ATTIVO: solo BTC/ETH (5m/15m/1h); guardrail fisico (load_data su alt -> FileNotFoundError). Esecuzione DISABILITATA, conto flat. Co-Authored-By: Claude Opus 4.8 (1M context) <noreply@anthropic.com>
2026-06-19 15:16:03 +00:00
parent 8401a280b9
commit 14522262e6
383 changed files with 1971 additions and 779 deletions
@@ -0,0 +1,51 @@
+"""Loss-guard Hurst: le fade saltano i segnali in regime persistente/trending (rolling-Hurst >=
+soglia), dove si concentrano stop-loss e perdite. Validato 2026-06-02: filtrare hurst>=0.55
+DIMEZZA il DD del PORT06 alzando lo Sharpe. Filtro CAUSALE (close<=i), default off (None)."""
+import numpy as np
+import pandas as pd
+
+from src.strategies.fade_base import hurst_skip_mask
+
+
+def _df(close):
+    n = len(close)
+    return pd.DataFrame({"timestamp": range(n), "open": close, "high": close,
+                         "low": close, "close": close, "volume": [1.0] * n})
+
+
+def test_mask_off_when_none():
+    df = _df(np.cumsum(np.random.default_rng(0).normal(size=400)) + 100)
+    m = hurst_skip_mask(df, None)
+    assert m.dtype == bool and not m.any()             # None -> nessuno skip
+
+
+def test_mask_flags_persistent_regime():
+    # serie fortemente TRENDING (persistente, Hurst alto) -> deve essere mascherata (skip) molto
+    trend = np.linspace(100, 300, 600)
+    df = _df(trend)
+    m = hurst_skip_mask(df, hurst_max=0.55, window=100)
+    # dopo il warmup, una rampa pulita e' persistente -> gran parte mascherata
+    assert m[150:].mean() > 0.5
+
+
+def test_fade_strategy_filters_signals():
+    """Una fade con hurst_max produce <= segnali del baseline, e tutti i superstiti sono in
+    regime non-persistente (la maschera e' False alla loro barra)."""
+    import importlib
+    rng = np.random.default_rng(1)
+    # serie mean-reverting (anti-persistente) con qualche estensione -> genera fade
+    n = 1200
+    c = 100 + np.cumsum(rng.normal(scale=0.5, size=n))
+    c = 100 + (c - c.mean()) * 0.3                      # comprimi verso la media (mean-revert)
+    df = _df(c)
+    ts = pd.to_datetime(df["timestamp"], unit="s", utc=True)
+    m = importlib.import_module("scripts.strategies.MR01_bollinger_fade")
+    Strat = next(v for k, v in vars(m).items()
+                 if isinstance(v, type) and getattr(v, "__module__", "") == m.__name__
+                 and hasattr(v, "generate_signals"))
+    s = Strat()
+    base = s.generate_signals(df, ts, bb_window=50, k=2.0, sl_atr=2.0)
+    filt = s.generate_signals(df, ts, bb_window=50, k=2.0, sl_atr=2.0, hurst_max=0.55)
+    assert len(filt) <= len(base)                       # il filtro non aggiunge mai segnali
+    skip = hurst_skip_mask(df, 0.55, 100)
+    assert all(not skip[sig.idx] for sig in filt)       # nessun superstite in regime persistente