diff --git a/docs/report/strategie_attive.html b/docs/report/strategie_attive.html
index 8acaaa9..3c04c1a 100644
--- a/docs/report/strategie_attive.html
+++ b/docs/report/strategie_attive.html
@@ -21,7 +21,7 @@ font-size:13px;margin-top:10px}
PythagorasGoal — Strategie attive
Portafoglio live PORT06 (17 sleeve, capitale pool €2.000, leva 2x) ·
-v1.1.9 · generato 2026-06-07 16:55 UTC · backtest canonico: FULL Sharpe 6.61 / DD 3.58% — OOS Sharpe 8.77 / DD 1.34%
+v1.1.9 · generato 2026-06-07 17:31 UTC · backtest canonico: FULL Sharpe 6.61 / DD 3.58% — OOS Sharpe 8.77 / DD 1.34%
Tre famiglie principali quasi scorrelate fra loro (fade↔honest ~0.05, pairs ~0.02-0.09,
shape ~0.08): la diversificazione è la leva anti-drawdown. Pesi equal con tetti per famiglia,
@@ -39,15 +39,15 @@ non si fada un crollo/parabolica), EXIT-16 (stop solo sul close confermat
MR01 — Bollinger Fade (BTC, ETH)
FADEESECUZIONE REALE (testnet)
Quando il close chiude fuori dalla banda ±2.5σ attorno alla SMA50, entra CONTRO il
movimento (short sopra, long sotto). TP alla media (il prezzo "torna a casa"), SL a 2·ATR,
-time-limit 24 barre. Edge OOS validato: BTC +201% / ETH +1238% (fee incluse).
+time-limit 24 barre. Edge OOS validato: BTC +201% / ETH +1238% (fee incluse).
| anno | BTC | ETH |
|---|
| trd | PnL% | DD% | trd | PnL% | DD% |
|---|
| 2018 | 48 | -78 | 10 | 42 | -85 | 14 |
| 2019 | 57 | -84 | 12 | 46 | +21 | 7 |
| 2020 | 68 | -29 | 14 | 55 | -35 | 9 |
| 2021 | 82 | +326 | 8 | 60 | +238 | 12 |
| 2022 | 108 | +567 | 5 | 76 | +749 | 6 |
| 2023 | 122 | +318 | 4 | 73 | +248 | 2 |
| 2024 | 113 | +413 | 11 | 126 | +888 | 7 |
| 2025 | 90 | +368 | 2 | 86 | +361 | 8 |
| 2026 | 29 | +69 | 4 | 24 | -9 | 7 |
| TOT | 717 | +1870 | 32 | 588 | +2376 | 23 |
PnL = Σ rendimenti netti per trade (%, leva 3x, fee 0.10% RT, convenzione test; il live gira a leva 2x); DD = max drawdown nell'anno (equity compounding pos 0.15); riga TOT: DD dell'intero periodo. NB: la finestra canonica di valutazione del portafoglio parte dal 2021 — gli anni 2018-2020 (regime microstrutturale diverso, spesso negativi) sono mostrati per onestà storica.
MR02 — Donchian Fade (BTC, ETH)
FADEESECUZIONE REALE (testnet)
Fada la rottura degli estremi del canale Donchian a 20 barre (max/min recenti):
short sulla rottura del massimo, long sulla rottura del minimo. TP al centro del canale.
-Stessa tesi di MR01 con trigger diverso → si combinano bene.
+Stessa tesi di MR01 con trigger diverso → si combinano bene.
| anno | BTC | ETH |
|---|
| trd | PnL% | DD% | trd | PnL% | DD% |
|---|
| 2018 | 127 | +69 | 8 | 127 | +10 | 13 |
| 2019 | 118 | +18 | 16 | 114 | +120 | 8 |
| 2020 | 112 | +100 | 14 | 135 | -94 | 23 |
| 2021 | 136 | +332 | 18 | 127 | +160 | 23 |
| 2022 | 106 | +728 | 5 | 91 | +650 | 12 |
| 2023 | 96 | +235 | 3 | 146 | +524 | 6 |
| 2024 | 149 | +868 | 5 | 180 | +1952 | 4 |
| 2025 | 136 | +386 | 4 | 151 | +931 | 6 |
| 2026 | 37 | +88 | 4 | 41 | +25 | 8 |
| TOT | 1017 | +2823 | 19 | 1112 | +4278 | 31 |
PnL = Σ rendimenti netti per trade (%, leva 3x, fee 0.10% RT, convenzione test; il live gira a leva 2x); DD = max drawdown nell'anno (equity compounding pos 0.15); riga TOT: DD dell'intero periodo. NB: la finestra canonica di valutazione del portafoglio parte dal 2021 — gli anni 2018-2020 (regime microstrutturale diverso, spesso negativi) sono mostrati per onestà storica.
MR07 — Return Reversal (BTC, ETH)
FADEESECUZIONE REALE (testnet)
Guarda il rendimento della singola barra: se lo z-score supera ±3.5 (movimento
estremo in un'ora), fada il movimento. Exit in multipli di ATR. È la fade più selettiva
-(esposizione ~8% del tempo).
| anno | BTC | ETH |
|---|
| trd | PnL% | DD% | trd | PnL% | DD% |
|---|
| 2018 | 38 | -12 | 7 | 25 | +15 | 14 |
| 2019 | 52 | +55 | 7 | 35 | -40 | 15 |
| 2020 | 53 | -11 | 12 | 43 | +39 | 5 |
| 2021 | 45 | +245 | 7 | 24 | +72 | 5 |
| 2022 | 82 | +446 | 5 | 58 | +472 | 7 |
| 2023 | 67 | +168 | 4 | 58 | +337 | 1 |
| 2024 | 75 | +377 | 5 | 87 | +645 | 6 |
| 2025 | 60 | +190 | 2 | 55 | +226 | 17 |
| 2026 | 17 | +58 | 2 | 17 | +40 | 4 |
| TOT | 489 | +1517 | 12 | 402 | +1806 | 23 |
PnL = Σ rendimenti netti per trade (%, leva 3x, fee 0.10% RT, convenzione test; il live gira a leva 2x); DD = max drawdown nell'anno (equity compounding pos 0.15); riga TOT: DD dell'intero periodo. NB: la finestra canonica di valutazione del portafoglio parte dal 2021 — gli anni 2018-2020 (regime microstrutturale diverso, spesso negativi) sono mostrati per onestà storica.
EXIT-16 — perché lo stop scatta solo sul CLOSE
MECCANISMO COMUNE
Scoperta chiave della ricerca exit (34 agenti, 23 famiglie): gli stop intrabar da wick
sono falsi negativi — l'overshoot che buca lo stop e rientra è esattamente il movimento che
@@ -58,28 +58,28 @@ portafoglio: OOS Sharpe 8.82→10.06. Esteso oggi anche a DIP01 (grid 36/36).
DIP01 — Dip Buy (BTC)
HONESTESECUZIONE REALE (testnet)
Compra il dip: quando lo z-score del prezzo incrocia sotto −2.5 (sell-off rapido),
entra long. TP alla SMA50, EXIT-16 sul SL, max 24 barre. È l'unico sleeve BTC con round-trip
-reali su Deribit testnet (TP limit resting + disaster-stop a −30% sul book).
| anno | BTC |
|---|
| trd | PnL% | DD% |
|---|
| 2018 | 79 | -78 | 28 |
| 2019 | 62 | -104 | 17 |
| 2020 | 56 | +67 | 14 |
| 2021 | 69 | +315 | 11 |
| 2022 | 83 | +407 | 11 |
| 2023 | 83 | +228 | 5 |
| 2024 | 81 | +332 | 5 |
| 2025 | 85 | +303 | 3 |
| 2026 | 29 | +7 | 6 |
| TOT | 627 | +1476 | 37 |
PnL = Σ rendimenti netti per trade (%, leva 3x, fee 0.10% RT, convenzione test; il live gira a leva 2x); DD = max drawdown nell'anno (equity compounding pos 0.15); riga TOT: DD dell'intero periodo. NB: la finestra canonica di valutazione del portafoglio parte dal 2021 — gli anni 2018-2020 (regime microstrutturale diverso, spesso negativi) sono mostrati per onestà storica.
TR01 — Basket Trend (4h)
HONESTSIMULATO
Trend-following difensivo: long quando EMA20>EMA100 sulle 4 ore, flat altrimenti,
su un paniere equal-weight di 5 asset (BNB, BTC, DOGE, SOL, XRP). Cattura i trend lunghi che
-le fade per costruzione non prendono. Valuta solo barre 4h COMPLETE.
| anno | TR01 (paniere 5) |
|---|
| trd | PnL% | DD% |
|---|
| 2021 | — | +3 | 6 |
| 2022 | — | -9 | 12 |
| 2023 | — | +45 | 5 |
| 2024 | — | +38 | 19 |
| 2025 | — | -15 | 19 |
| 2026 | — | -10 | 11 |
| TOT | — | +51 | 30 |
PnL = ritorno % dell'anno dall'equity giornaliera canonica (2021-2026, leva 3x convenzione test); DD = max drawdown nell'anno; trd non applicabile (ribilancio giornaliero del book).
ROT02 — Dual Momentum (1d)
HONESTSIMULATO
Rotazione: ogni giorno ordina 8 crypto per momentum a 60 giorni e tiene le top-3
(solo se positive), gross 0.45. Gate di regime: tutto cash se BTC<SMA100. Diversificare su 3
-asset invece di 2 ha quasi dimezzato il DD (40%→26%) alzando il ritorno.
| anno | ROT02 (universo 8) |
|---|
| trd | PnL% | DD% |
|---|
| 2021 | — | +0 | 0 |
| 2022 | — | +0 | 0 |
| 2023 | — | +81 | 10 |
| 2024 | — | +43 | 7 |
| 2025 | — | +13 | 12 |
| 2026 | — | -8 | 9 |
| TOT | — | +130 | 19 |
PnL = ritorno % dell'anno dall'equity giornaliera canonica (2021-2026, leva 3x convenzione test); DD = max drawdown nell'anno; trd non applicabile (ribilancio giornaliero del book).
PAIRS — spread reversion market-neutral (5 coppie × 5.88%, famiglia ≤33%)
PR01 — Pairs Reversion (ETH/BTC, LTC/ETH, ADA/ETH, BTC/LTC, ETH/SOL)
PAIRSSIMULATO
Market-neutral: quando il rapporto fra due asset si allontana troppo dalla sua media
(|z| del log-ratio ≥ 2), compra la gamba debole e shorta la forte; chiude quando il rapporto
rientra (|z| ≤ 0.75) o dopo 72 barre. Config universale per tutte le coppie (niente tuning
per-coppia = anti-overfit). Correlazione col mercato ~0.05: rende anche quando il mercato è fermo.
-Fee su 2 gambe. Senza stop per design → position size ridotto a 0.20 (esposizione ≈ validato).
| anno | ETH/BTC | LTC/ETH | ADA/ETH | BTC/LTC | ETH/SOL |
|---|
| 2018 | -343 (177, dd 45) | — | — | — | — |
| 2019 | +233 (198, dd 8) | — | — | — | — |
| 2020 | +323 (211, dd 25) | — | — | — | — |
| 2021 | +549 (202, dd 12) | — | — | — | — |
| 2022 | +1344 (206, dd 3) | +292 (45, dd 14) | +899 (157, dd 5) | +328 (58, dd 8) | +1243 (147, dd 9) |
| 2023 | +464 (213, dd 4) | +56 (94, dd 5) | +341 (173, dd 10) | +61 (106, dd 14) | +125 (168, dd 24) |
| 2024 | +1661 (253, dd 6) | +1024 (195, dd 9) | +1078 (225, dd 16) | +638 (186, dd 10) | +1302 (199, dd 12) |
| 2025 | +1173 (225, dd 16) | +962 (196, dd 10) | +1046 (187, dd 19) | +686 (178, dd 7) | +1264 (202, dd 11) |
| 2026 | +61 (71, dd 2) | +279 (76, dd 3) | +140 (71, dd 3) | +265 (71, dd 3) | +270 (88, dd 4) |
| TOT | +5464 (1756, dd 48) | +2614 (606, dd 14) | +3504 (813, dd 19) | +1978 (599, dd 21) | +4204 (804, dd 24) |
cella: PnL% anno (n trade, max DD% anno) — Σ rendimenti netti per trade, fee 0.20% RT/coppia (2 gambe), leva 3x convenzione test. NB: la finestra canonica del portafoglio parte dal 2021; gli anni precedenti (spesso negativi) sono mostrati per onestà storica.
TSM — trend-following multi-orizzonte (1 sleeve × 6.47%)
TSM01 — TSMOM (1d)
TSMSIMULATO
Long sugli asset con consenso pieno di momentum su 3 orizzonti (3/6/12 mesi),
gross 0.30, cash totale se BTC<SMA100. Mai un anno negativo nel backtest. Non è un motore di
ritorno: è il diversificatore che lavora nei regimi in cui le fade soffrono.
-Attualmente flat by-design (risk-off).
| anno | TSM01 (universo 8) |
|---|
| trd | PnL% | DD% |
|---|
| 2021 | — | +0 | 0 |
| 2022 | — | +0 | 0 |
| 2023 | — | +0 | 0 |
| 2024 | — | -2 | 2 |
| 2025 | — | +7 | 6 |
| 2026 | — | +0 | 0 |
| TOT | — | +5 | 6 |
PnL = ritorno % dell'anno dall'equity giornaliera canonica (2021-2026, leva 3x convenzione test); DD = max drawdown nell'anno; trd non applicabile (ribilancio giornaliero del book).
SHAPE — ML morfologico (2 sleeve × 2.94%, famiglia ≤5.88%)
SH01 — Shape-ML (BTC, ETH)
SHAPESIMULATO
Una LogisticRegression legge 17 feature della forma delle ultime 24 barre e
@@ -88,7 +88,7 @@ orizzonte. Training walk-forward causale (mai dati futuri). Win-rate ~50%
nell'asimmetria, non nella frequenza. Senza stop-loss by design (ogni stop testato rompe
l'edge): la coda si gestisce dimezzando il peso della famiglia (cap 5.88%).
Fix di oggi (punto-10): il training live usa la storia COMPLETA dal parquet
-locale (il regime corto a 365g non era robusto: trade-rate 22% vs 10% validato).
| anno | BTC | ETH |
|---|
| trd | PnL% | DD% | trd | PnL% | DD% |
|---|
| 2018 | 237 | -66 | 23 | 239 | +74 | 15 |
| 2019 | 318 | +88 | 15 | 365 | -19 | 21 |
| 2020 | 240 | +194 | 10 | 219 | -293 | 53 |
| 2021 | 224 | +301 | 13 | 146 | +67 | 18 |
| 2022 | 142 | +64 | 11 | 91 | +79 | 22 |
| 2023 | 118 | +17 | 5 | 17 | +21 | 5 |
| 2024 | 144 | +110 | 8 | 47 | +108 | 6 |
| 2025 | 85 | +77 | 5 | 108 | +540 | 7 |
| 2026 | 23 | +59 | 2 | 25 | -30 | 7 |
| TOT | 1531 | +845 | 23 | 1257 | +547 | 61 |
PnL = Σ rendimenti netti per trade (%, leva 3x, fee 0.10% RT, convenzione test; il live gira a leva 2x); DD = max drawdown nell'anno (equity compounding pos 0.15); riga TOT: DD dell'intero periodo. NB: la finestra canonica di valutazione del portafoglio parte dal 2021 — gli anni 2018-2020 (regime microstrutturale diverso, spesso negativi) sono mostrati per onestà storica.
Metodologia
diff --git a/scripts/analysis/make_strategy_doc.py b/scripts/analysis/make_strategy_doc.py
index 1690bd3..ccc6129 100644
--- a/scripts/analysis/make_strategy_doc.py
+++ b/scripts/analysis/make_strategy_doc.py
@@ -398,6 +398,172 @@ def chart_weights():
return b64(fig)
+# ------------------------------------------------------- statistiche per anno
+POS_T, LEV_T, FEE_T = 0.15, 3.0, 0.001 # convenzione TEST (canonica)
+
+
+def yearly_stats(trades, ts):
+ """trades [(i, j, ret_netto_leveraged)] -> ({anno: n/pnl/dd}, dd_totale).
+ n e PnL per anno di ENTRY (Σ rendimenti netti per trade ×100); DD per anno
+ sul path di equity compounding (pos 0.15), peak resettato a inizio anno."""
+ years: dict[int, dict] = {}
+ cap, peak, tot_peak, tot_dd = 1000.0, 1000.0, 1000.0, 0.0
+ cur = None
+ for i, j, ret in sorted(trades, key=lambda t: t[1]):
+ ey, xy = ts.iloc[i].year, ts.iloc[j].year
+ d = years.setdefault(ey, {"n": 0, "pnl": 0.0, "dd": 0.0})
+ d["n"] += 1
+ d["pnl"] += ret * 100
+ cap = max(cap + cap * POS_T * ret, 10.0)
+ if cur != xy:
+ cur, peak = xy, cap
+ peak = max(peak, cap)
+ tot_peak = max(tot_peak, cap)
+ tot_dd = max(tot_dd, (tot_peak - cap) / tot_peak * 100)
+ dx = years.setdefault(xy, {"n": 0, "pnl": 0.0, "dd": 0.0})
+ dx["dd"] = max(dx["dd"], (peak - cap) / peak * 100)
+ return years, tot_dd
+
+
+def equity_yearly(eq: pd.Series):
+ """Equity giornaliera -> {anno: pnl(ret% anno)/dd}, dd_totale (per i multi-asset)."""
+ out = {}
+ for y, g in eq.groupby(eq.index.year):
+ pk = g.cummax()
+ out[int(y)] = {"n": None, "pnl": (g.iloc[-1] / g.iloc[0] - 1) * 100,
+ "dd": float(((pk - g) / pk).max() * 100)}
+ pk = eq.cummax()
+ return out, float(((pk - eq) / pk).max() * 100)
+
+
+def yearly_table(per_market: dict, note="") -> str:
+ """{mercato: (years_dict, tot_dd)} -> tabella HTML anno × (trd, PnL%, DD%)."""
+ yrs = sorted({y for ym, _ in per_market.values() for y in ym})
+ head = "".join(f'| {m} | ' for m in per_market)
+ sub = "".join("trd | PnL% | DD% | " for _ in per_market)
+ rows = []
+ for y in yrs:
+ cells = ""
+ for ym, _ in per_market.values():
+ d = ym.get(y)
+ if d:
+ n = "—" if d["n"] is None else d["n"]
+ cells += f"{n} | {d['pnl']:+.0f} | {d['dd']:.0f} | "
+ else:
+ cells += "— | — | — | "
+ rows.append(f"| {y} | {cells}
")
+ cells = ""
+ for ym, tot_dd in per_market.values():
+ ns = [d["n"] for d in ym.values() if d["n"] is not None]
+ n = sum(ns) if ns else "—"
+ pnl = sum(d["pnl"] for d in ym.values())
+ cells += f"{n} | {pnl:+.0f} | {tot_dd:.0f} | "
+ rows.append(f'| TOT | {cells}
')
+ base = ("PnL = Σ rendimenti netti per trade (%, leva 3x, fee 0.10% RT, convenzione test; "
+ "il live gira a leva 2x); DD = max drawdown nell'anno (equity compounding pos 0.15); "
+ "riga TOT: DD dell'intero periodo. NB: la finestra canonica di valutazione del "
+ "portafoglio parte dal 2021 — gli anni 2018-2020 (regime microstrutturale "
+ "diverso, spesso negativi) sono mostrati per onestà storica.")
+ return (f'| anno | {head}
|---|
{sub}
'
+ + "".join(rows) + f'
{note or base}
')
+
+
+def stats_fades():
+ """Per-anno delle 3 fade × BTC/ETH col PATH LIVE (EXIT-16 + trend 3.0)."""
+ from scripts.analysis.risk_management import strats_for
+ from scripts.analysis.trendmax_port06_impact import build_trades_variant
+ out = {}
+ for asset in ("BTC", "ETH"):
+ df = load_data(asset, "1h")
+ ts = pd.to_datetime(df["timestamp"], unit="ms", utc=True)
+ for nm, (fn, params) in strats_for(asset).items():
+ tr = build_trades_variant(fn(df, **params), df, mode="exit16", trend_max=3.0)
+ out.setdefault(nm, {})[asset] = yearly_stats(tr, ts)
+ return out
+
+
+def stats_dip():
+ from scripts.analysis.dip01_exit16_impact import dip_entries, dip_trades
+ df = load_data("BTC", "1h")
+ ts = pd.to_datetime(df["timestamp"], unit="ms", utc=True)
+ tr = dip_trades(dip_entries(df), df, "exit16")
+ return {"BTC": yearly_stats(tr, ts)}
+
+
+def stats_pairs():
+ """Tabella compatta: per anno 'PnL% (n)' per coppia + righe TOT/DD."""
+ from scripts.analysis.pairs_research import pairs_sim
+ from scripts.strategies.PR01_pairs_reversion import PAIRS as PAIRS_CFG
+ cols, data = [], {}
+ for a, b, p in PAIRS_CFG:
+ r = pairs_sim(a, b, **p)
+ tag = f"{a}/{b}"
+ cols.append(tag)
+ s = pd.Series(r["eq_v"], index=pd.to_datetime(r["eq_ts"], utc=True))
+ ydd = {int(y): float(((g.cummax() - g) / g.cummax()).max() * 100)
+ for y, g in s.groupby(s.index.year)}
+ data[tag] = dict(yearly=r["yearly"], n=r["yearly_n"], dd=r["dd"],
+ trades=r["trades"], ydd=ydd)
+ yrs = sorted({y for d in data.values() for y in d["yearly"]})
+ rows = []
+ for y in yrs:
+ cells = "".join(
+ (f"{data[c]['yearly'][y]:+.0f} ({data[c]['n'].get(y,0)}"
+ f", dd {data[c]['ydd'].get(y,0):.0f}) | ")
+ if y in data[c]["yearly"] else "— | " for c in cols)
+ rows.append(f"| {y} | {cells}
")
+ tot = "".join(f"{sum(data[c]['yearly'].values()):+.0f} "
+ f"({data[c]['trades']}, dd {data[c]['dd']:.0f}) | "
+ for c in cols)
+ rows.append(f'| TOT | {tot}
')
+ head = "".join(f"{c} | " for c in cols)
+ return (f'| anno | {head}
|---|
' + "".join(rows) + "
"
+ 'cella: PnL% anno (n trade, max DD% anno) — Σ rendimenti netti '
+ "per trade, fee 0.20% RT/coppia (2 gambe), leva 3x convenzione test. NB: la "
+ "finestra canonica del portafoglio parte dal 2021; gli anni precedenti "
+ "(spesso negativi) sono mostrati per onestà storica.
")
+
+
+def stats_multi():
+ """TR01/ROT02/TSM01: per-anno ret/DD dall'equity giornaliera canonica (2021+)."""
+ from scripts.analysis.combine_portfolio import IDX
+ from scripts.analysis.honest_improve2 import _tr_basket_daily, _rot_daily_equity
+ from scripts.analysis.tsmom_research import tsmom_sim
+ from scripts.analysis.report_families import daily_from
+ tr = _tr_basket_daily(["BNB", "BTC", "DOGE", "SOL", "XRP"], IDX)
+ rot = _rot_daily_equity(IDX)
+ t = tsmom_sim()
+ tsm = daily_from(t["eq_ts"], t["eq_v"])
+ note = ("PnL = ritorno % dell'anno dall'equity giornaliera canonica (2021-2026, leva 3x "
+ "convenzione test); DD = max drawdown nell'anno; trd non applicabile (ribilancio "
+ "giornaliero del book).")
+ return (yearly_table({"TR01 (paniere 5)": equity_yearly(tr)}, note),
+ yearly_table({"ROT02 (universo 8)": equity_yearly(rot)}, note),
+ yearly_table({"TSM01 (universo 8)": equity_yearly(tsm)}, note))
+
+
+def stats_sh01():
+ """SH01 per-anno dal walk-forward EXPANDING (il regime validato e ora live)."""
+ from scripts.analysis.shape_ml_research import ml_wf_entries
+ out = {}
+ for asset in ("BTC", "ETH"):
+ df = load_data(asset, "1h")
+ ts = pd.to_datetime(df["timestamp"], unit="ms", utc=True)
+ c = df["close"].values
+ ents = ml_wf_entries(df, W=24, H=12, model="logit", thresh=0.58)
+ tr, last = [], -1
+ for e in ents:
+ i, d, mb = e["i"], e["d"], e["max_bars"]
+ j = min(i + mb, len(c) - 1)
+ if i <= last or j <= i:
+ continue
+ ret = (c[j] - c[i]) / c[i] * d * LEV_T - FEE_T * LEV_T
+ tr.append((i, j, ret))
+ last = j
+ out[asset] = yearly_stats(tr, ts)
+ return out
+
+
# ----------------------------------------------------------------- HTML
CSS = """
body{font-family:-apple-system,Segoe UI,Roboto,sans-serif;margin:0;background:#f4f5f7;color:#222}
@@ -433,6 +599,14 @@ def main():
print("genero grafici (episodi reali)...")
panel = _daily_panel()
+ print("calcolo statistiche per anno (engine canonici/live-path)...")
+ st_fade = stats_fades()
+ st_dip = stats_dip()
+ t_pairs = stats_pairs()
+ t_tr, t_rot, t_tsm = stats_multi()
+ print(" SH01 walk-forward expanding (il piu' lento)...")
+ st_sh = stats_sh01()
+
g_w = chart_weights()
g_mr01 = chart_fade("scripts.strategies.MR01_bollinger_fade", "BTC",
dict(trend_max=3.0, ema_long=200), mr01_bands,
@@ -460,17 +634,20 @@ def main():
c_mr01 = card("MR01 — Bollinger Fade (BTC, ETH)", B("fade", "FADE") + real, """
Quando il close chiude fuori dalla banda ±2.5σ attorno alla SMA50, entra CONTRO il
movimento (short sopra, long sotto). TP alla media (il prezzo "torna a casa"), SL a 2·ATR,
-time-limit 24 barre. Edge OOS validato: BTC +201% / ETH +1238% (fee incluse).
""", g_mr01)
+time-limit 24 barre. Edge OOS validato: BTC +201% / ETH +1238% (fee incluse).""", g_mr01,
+ yearly_table({"BTC": st_fade["MR01"]["BTC"], "ETH": st_fade["MR01"]["ETH"]}))
c_mr02 = card("MR02 — Donchian Fade (BTC, ETH)", B("fade", "FADE") + real, """
Fada la rottura degli estremi del canale Donchian a 20 barre (max/min recenti):
short sulla rottura del massimo, long sulla rottura del minimo. TP al centro del canale.
-Stessa tesi di MR01 con trigger diverso → si combinano bene.
""", g_mr02)
+Stessa tesi di MR01 con trigger diverso → si combinano bene.""", g_mr02,
+ yearly_table({"BTC": st_fade["MR02"]["BTC"], "ETH": st_fade["MR02"]["ETH"]}))
c_mr07 = card("MR07 — Return Reversal (BTC, ETH)", B("fade", "FADE") + real, """
Guarda il rendimento della singola barra: se lo z-score supera ±3.5 (movimento
estremo in un'ora), fada il movimento. Exit in multipli di ATR. È la fade più selettiva
-(esposizione ~8% del tempo).
""", g_mr07)
+(esposizione ~8% del tempo).""", g_mr07,
+ yearly_table({"BTC": st_fade["MR07"]["BTC"], "ETH": st_fade["MR07"]["ETH"]}))
c_e16 = card("EXIT-16 — perché lo stop scatta solo sul CLOSE", B("fade", "MECCANISMO COMUNE"), """
Scoperta chiave della ricerca exit (34 agenti, 23 famiglie): gli stop intrabar da wick
@@ -482,17 +659,17 @@ portafoglio: OOS Sharpe 8.82→10.06. Esteso oggi anche a DIP01 (grid 36/36).
Compra il dip: quando lo z-score del prezzo incrocia sotto −2.5 (sell-off rapido),
entra long. TP alla SMA50, EXIT-16 sul SL, max 24 barre. È l'unico sleeve BTC con round-trip
-reali su Deribit testnet (TP limit resting + disaster-stop a −30% sul book).""", g_dip)
+reali su Deribit testnet (TP limit resting + disaster-stop a −30% sul book).""", g_dip, yearly_table(st_dip))
c_tr = card("TR01 — Basket Trend (4h)", B("honest", "HONEST") + sim, """
Trend-following difensivo: long quando EMA20>EMA100 sulle 4 ore, flat altrimenti,
su un paniere equal-weight di 5 asset (BNB, BTC, DOGE, SOL, XRP). Cattura i trend lunghi che
-le fade per costruzione non prendono. Valuta solo barre 4h COMPLETE.
""", g_tr)
+le fade per costruzione non prendono. Valuta solo barre 4h COMPLETE.""", g_tr, t_tr)
c_rot = card("ROT02 — Dual Momentum (1d)", B("honest", "HONEST") + sim, """
Rotazione: ogni giorno ordina 8 crypto per momentum a 60 giorni e tiene le top-3
(solo se positive), gross 0.45. Gate di regime: tutto cash se BTC<SMA100. Diversificare su 3
-asset invece di 2 ha quasi dimezzato il DD (40%→26%) alzando il ritorno.
""", g_rot)
+asset invece di 2 ha quasi dimezzato il DD (40%→26%) alzando il ritorno.""", g_rot, t_rot)
c_pr = card("PR01 — Pairs Reversion (ETH/BTC, LTC/ETH, ADA/ETH, BTC/LTC, ETH/SOL)",
B("pairs", "PAIRS") + sim, """
@@ -500,13 +677,13 @@ asset invece di 2 ha quasi dimezzato il DD (40%→26%) alzando il ritorno.""
(|z| del log-ratio ≥ 2), compra la gamba debole e shorta la forte; chiude quando il rapporto
rientra (|z| ≤ 0.75) o dopo 72 barre. Config universale per tutte le coppie (niente tuning
per-coppia = anti-overfit). Correlazione col mercato ~0.05: rende anche quando il mercato è fermo.
-Fee su 2 gambe. Senza stop per design → position size ridotto a 0.20 (esposizione ≈ validato).""", g_pr)
+Fee su 2 gambe. Senza stop per design → position size ridotto a 0.20 (esposizione ≈ validato).""", g_pr, t_pairs)
c_tsm = card("TSM01 — TSMOM (1d)", B("tsm", "TSM") + sim, """
Long sugli asset con consenso pieno di momentum su 3 orizzonti (3/6/12 mesi),
gross 0.30, cash totale se BTC<SMA100. Mai un anno negativo nel backtest. Non è un motore di
ritorno: è il diversificatore che lavora nei regimi in cui le fade soffrono.
-Attualmente flat by-design (risk-off).
""", g_tsm)
+Attualmente flat by-design (risk-off).""", g_tsm, t_tsm)
c_sh = card("SH01 — Shape-ML (BTC, ETH)", B("shape", "SHAPE") + sim, """
Una LogisticRegression legge 17 feature della forma delle ultime 24 barre e
@@ -515,7 +692,7 @@ orizzonte. Training walk-forward causale (mai dati futuri). Win-rate ~50%
nell'asimmetria, non nella frequenza. Senza stop-loss by design (ogni stop testato rompe
l'edge): la coda si gestisce dimezzando il peso della famiglia (cap 5.88%).
Fix di oggi (punto-10): il training live usa la storia COMPLETA dal parquet
-locale (il regime corto a 365g non era robusto: trade-rate 22% vs 10% validato).
""", g_sh)
+locale (il regime corto a 365g non era robusto: trade-rate 22% vs 10% validato).""", g_sh, yearly_table(st_sh))
html = f"""
PythagorasGoal — Strategie attive PORT06
diff --git a/scripts/analysis/pairs_research.py b/scripts/analysis/pairs_research.py
index cf0af7b..883c8ed 100644
--- a/scripts/analysis/pairs_research.py
+++ b/scripts/analysis/pairs_research.py
@@ -51,7 +51,7 @@ def pairs_sim(a, b, tf="1h", n=50, z_in=2.0, z_exit=0.5, max_bars=72,
split = int(N * split_frac)
fee = 2 * fee_rt * lev # 2 gambe
cap = peak = 1000.0; dd = 0.0; last = -1
- trades = wins = 0; rets = []; yearly = {}
+ trades = wins = 0; rets = []; yearly = {}; yearly_n = {}
eq_ts: list = []; eq_v: list = []
for i in range(n + 1, N - 1):
if i < split or np.isnan(z[i]) or dr[i] > jump_max:
@@ -81,6 +81,7 @@ def pairs_sim(a, b, tf="1h", n=50, z_in=2.0, z_exit=0.5, max_bars=72,
trades += 1; wins += ret > 0; rets.append(ret * pos); last = j
eq_ts.append(ts.iloc[j]); eq_v.append(cap)
yearly[ts.iloc[i].year] = yearly.get(ts.iloc[i].year, 0.0) + ret * 100
+ yearly_n[ts.iloc[i].year] = yearly_n.get(ts.iloc[i].year, 0) + 1
yrs_span = (ts.iloc[-1] - ts.iloc[max(split, 0)]).days / 365.25 or 1
sharpe = float(np.mean(rets) / np.std(rets) * np.sqrt(BARS_YEAR / np.mean([max_bars])) ) if len(rets) > 1 and np.std(rets) > 0 else 0.0
# Sharpe annualizzato sul tempo reale: usa rendimenti per-trade scalati alla frequenza media
@@ -90,7 +91,8 @@ def pairs_sim(a, b, tf="1h", n=50, z_in=2.0, z_exit=0.5, max_bars=72,
ret_tot = (cap / 1000 - 1) * 100
cagr = ((cap / 1000) ** (1 / yrs_span) - 1) * 100 if cap > 0 else -100
return dict(trades=trades, win=wins / trades * 100 if trades else 0, ret=ret_tot, cagr=cagr,
- dd=dd * 100, sharpe=sharpe, yearly=yearly, eq_ts=eq_ts, eq_v=eq_v)
+ dd=dd * 100, sharpe=sharpe, yearly=yearly, yearly_n=yearly_n,
+ eq_ts=eq_ts, eq_v=eq_v)
def check_no_lookahead():