diff --git a/CLAUDE.md b/CLAUDE.md index 6be5e2d..9b97071 100644 --- a/CLAUDE.md +++ b/CLAUDE.md @@ -26,15 +26,18 @@ src/strategies/ → classe base Strategy ABC + indicatori condivisi base.py → Strategy, Signal, BacktestResult, YearlyStats indicators.py → keltner_ratio, detect_squeezes, ema, atr, rv, correlation src/live/ → paper trading live multi-strategia - multi_runner.py → orchestratore: carica YAML, fetch candele, tick worker - strategy_worker.py → worker indipendente: capital, trade log, stato persistente. + multi_runner.py → orchestratore: carica YAML (strategies + pairs), fetch candele, tick worker + strategy_worker.py → worker single-leg: capital, trade log, stato persistente. Exit guidati da strategia (TP/SL/max_bars via Signal.metadata), fallback hold_bars/stop -2%. Usa fee_rt della strategia. + pairs_worker.py → worker a 2 GAMBE per PR01 (market-neutral): long A / short B sullo + z-score del log-ratio, exit |z|<=z_exit o max_bars, fee su 2 gambe. strategy_loader.py → import dinamico classi Strategy da scripts/strategies/ cerbero_client.py → client HTTP per Cerbero MCP (Deribit testnet) signal_engine.py → squeeze + ML real-time (legacy ML01, ora in waste) + validazione OOS telegram_notifier.py → notifiche Telegram per trade -scripts/strategies/ → strategie con edge validato OOS (solo MR01_bollinger_fade) +scripts/strategies/ → strategie con edge validato OOS: FADE (MR01/MR02/MR07), + HONEST (DIP01/TR01/ROT02), PAIRS (PR01), TSMOM + portafogli (PORT01/02/03) scripts/waste/ → strategie scartate (W01-W28 + famiglia squeeze SQ/MT/ML/AD/CM/PD) scripts/analysis/ → ricerca/validazione OOS fee-aware (strategy_research, oos_validation, ...) strategies.yml → config multi-strategy paper trader @@ -50,11 +53,13 @@ data/instruments_registry.json → allowlist strumenti validati (gate del downlo uv sync # installa dipendenze uv run python -m src.data.downloader # scarica dati storici (solo strumenti validati) uv run python -m src.data.instruments # (ri)costruisci il registry strumenti validati -uv run python scripts/strategies/MR01_bollinger_fade.py # strategia attiva (mean-reversion) +uv run python scripts/strategies/MR01_bollinger_fade.py # backtest una strategia (es. fade) +uv run python scripts/strategies/PR01_pairs_reversion.py # backtest pairs market-neutral uv run python scripts/analysis/strategy_research.py # ricerca strategie fee-aware OOS uv run python scripts/analysis/oos_validation.py # perche' la famiglia squeeze e' scartata -uv run python scripts/analysis/validate_worker_mr01.py # replay worker reale su MR01 -uv run python -m src.live.multi_runner # paper trading live multi-strategia +uv run python scripts/analysis/report_families.py # report per anno di tutte le famiglie +uv run python scripts/analysis/validate_worker_pairs.py # replay worker 2 gambe == backtest +uv run python -m src.live.multi_runner # paper trading live multi-strategia (strategie + pairs) docker compose up -d # deploy Docker uv run pytest # test ``` @@ -182,7 +187,14 @@ quest'ultima riconferma la dominanza mean-reversion). Due edge reali: (Sharpe 4.36), LTC/ETH (3.08), ADA/ETH (2.69), BTC/LTC (2.36, robusta anche 4h), ETH/SOL (1.96, la più debole). Pattern: sempre alt-liquido vs major. Plateau confermato (heatmap 20/20 Sharpe>1) + walk-forward (ETH/BTC 11/12 finestre+). **BNB/ETH scartata** - (overfit). Corr col mercato ~0.02-0.08. Fee su **2 gambe** (worker da estendere). Verifica: `pairs_research.py`. + (overfit). Corr col mercato ~0.02-0.08. Fee su **2 gambe**: worker live implementato + (`src/live/pairs_worker.py`, sezione `pairs:` in `strategies.yml`). LOGICA validata + (`validate_worker_pairs.py`: replay == backtest ESATTO). LIVE (`live_smoke_pairs.py`, + smoke reale Cerbero): **tutte e 5 le coppie con feed live fresco**. Naming Deribit: + BTC/ETH = `-PERPETUAL` (inverse); alt = `_USDC-PERPETUAL` (lineari USDC, + storia dal 2022). Trappola: `LTC-PERPETUAL`/`SOL-PERPETUAL` danno vuoto/dati errati → + usare sempre `_USDC-PERPETUAL`. Resta da verificare solo liquidità/fill in esecuzione. + Verifica edge: `pairs_research.py`. - **TSM01** (`scripts/analysis/tsmom_research.py`): TSMOM multi-orizzonte 3/6/12m + risk-off, **gross 0.30**, distinto da ROT02 (corr 0.62), DD 15-22%, mai un anno negativo. Robusto (36/36 config OOS+) ma diversificatore, non motore di ritorno (rende meno di ROT02). @@ -192,8 +204,9 @@ grande (`scripts/analysis/combine_v2.py`). **Numeri sobri onesti** (l'OOS singol è regime calmo → ottimistico ~50%): worst-DD su 90g rolling **~6%** (non 2.3%), Sharpe atteso **~5** (mediana semestrale), ogni anno positivo dal 2021, regge **leva 2x + slippage doppio** (CAGR 36%, Sharpe 5.1). Config robusta raccomandata: **MASTER-esteso -equal-weight, leva 2x, cap pairs ~30-35%** (i pairs sono ~57% del rischio e non ancora -validati col worker live a 2 gambe). La confluenza multi-TF è stata SCARTATA (overfit). +equal-weight, leva 2x, cap pairs ~30-35%** (i pairs sono ~57% del rischio; worker live a +2 gambe implementato, validato e con feed live su tutte e 5 le coppie — resta da +verificare liquidità/fill in esecuzione reale). La confluenza multi-TF è stata SCARTATA (overfit). **Metodologia obbligatoria per ogni nuova strategia** (per non ripetere l'errore squeeze): 1. Ingresso eseguibile: direzione e prezzo decisi con dati **fino a `close[i]`**, mai `close[i-1]` con direzione da `i`. @@ -213,10 +226,14 @@ queste fade, ma va confermato col paper trader live prima di rischiare capitale Orchestratore che esegue N strategie in parallelo su dati live Cerbero, ognuna con €1000 USDC virtuali indipendenti. -**Config:** `strategies.yml` — lista strategie con asset, tf, sizing, parametri. Attualmente solo MR01 (BTC/ETH 1h). -**Persistenza:** `data/paper_trades/{strategy}___{asset}__{tf}/` con `trades.jsonl` (append-only) + `status.json` (resume al restart, include tp/sl/max_bars). +**Config:** `strategies.yml` — due sezioni: `strategies` (single-leg: fade/honest) e +`pairs` (a 2 gambe). Attive: 6 fade (MR01/MR02/MR07 × BTC/ETH) + 5 coppie PR01. +**Due worker:** `strategy_worker.py` (single-leg) e `pairs_worker.py` (2 gambe, +long A / short B sullo z-score del log-ratio, fee su 2 gambe). +**Persistenza:** `data/paper_trades/{worker_id}/` con `trades.jsonl` (append-only) + `status.json` (resume al restart). **Hot-add:** aggiungi riga YAML → `docker compose restart` → storico intatto. -**Exit strategia:** se un `Signal` porta `tp`/`sl`/`max_bars` in `metadata` (come MR01), il worker esce su take-profit/stop-loss/time-limit a quei livelli; altrimenti usa il fallback `hold_bars`/stop -2%. +**Exit strategia:** se un `Signal` porta `tp`/`sl`/`max_bars` in `metadata` (come le fade), il worker esce su take-profit/stop-loss/time-limit; i pairs escono su |z|≤z_exit o max_bars. +**Naming Deribit (feed live):** major = `-PERPETUAL` (inverse); alt = `_USDC-PERPETUAL` (lineari USDC). Vedi INSTRUMENT_MAP in `multi_runner.py`. **Notifiche:** Telegram per ogni trade (richiede `.env` con `TELEGRAM_BOT_TOKEN` e `TELEGRAM_CHAT_ID`). ## Convenzioni diff --git a/README.md b/README.md index 2c79097..256fa4c 100644 --- a/README.md +++ b/README.md @@ -4,7 +4,7 @@ Sistema di riconoscimento pattern frattali e predizione per il trading di cripto ## Obiettivo -Partendo da un capitale iniziale di €1.000, raggiungere un profitto medio di €50 al giorno entro 6–8 mesi, tramite strategie algoritmiche che combinano analisi frattale, squeeze di volatilità e machine learning. +Partendo da un capitale iniziale di €1.000, raggiungere un profitto medio di €50 al giorno entro 6–8 mesi, tramite un portafoglio di strategie algoritmiche poco correlate fra loro — mean-reversion, trend/rotazione e spread market-neutral — validate out-of-sample e fee-aware. ## Risultati @@ -15,18 +15,40 @@ Partendo da un capitale iniziale di €1.000, raggiungere un profitto medio di > ingresso onesto (`close[i]`) e fee reali, l'edge sparisce e tutte perdono, anche > a fee zero. Dettagli e prove: `scripts/analysis/oos_validation.py`. -Dopo una validazione **out-of-sample, fee-aware** di tutte le famiglie, l'unica con -edge netto reale è il **mean-reversion** (i breakout *rientrano*, non continuano): +Dopo una validazione **out-of-sample, fee-aware** di molte famiglie di strategie, +emergono quattro famiglie con edge netto reale, tutte radicate nella stessa lezione +(in cripto la **mean-reversion** funziona, la continuazione no) o nella diversificazione: -| Codice | Strategia | Mercato | Edge OOS netto | Max DD | Robustezza | -|--------|-----------|---------|----------------|--------|------------| -| **MR01** | Bollinger Fade (mean-reversion) | BTC 1h | **+196 / +201%** | 15% | ✅ | -| **MR01** | Bollinger Fade (mean-reversion) | ETH 1h | **+251%** | ~25% | ⚠️ DD alto | +| Famiglia | Meccanismo | Strategie | Profilo (netto OOS) | +|----------|-----------|-----------|---------------------| +| **FADE** | mean-reversion intraday 1h (long/short, BTC/ETH) | MR01 Bollinger, MR02 Donchian, MR07 Return-reversal | Acc 52-55%, DD 18-34% | +| **HONEST** | long-only multi-regime multi-crypto | DIP01 dip-buy, TR01 EMA-trend, ROT02 dual-momentum | CAGR 31-56%, DD 15-27% | +| **PAIRS** | spread reversion *market-neutral* (2 gambe) | PR01 ETH/BTC, LTC/ETH, ADA/ETH, BTC/LTC, ETH/SOL | Sharpe 2.0-4.4, corr col mercato ~0.05 | +| **TSMOM** | time-series momentum multi-orizzonte | TSM01 (3/6/12m + risk-off) | diversificatore, DD 15-22% | -Netto dopo **fee realistiche Deribit 0.10% RT** (taker), leva 3x, pos 15%, su finestra -held-out (nov 2023→mag 2026). MR01 è positivo su **tutta** la griglia parametri -(`n∈{14,20,30,50}` × `k∈{2.0,2.5,3.0}`) e per **ogni** livello di fee 0.00-0.20% RT — -margine di sicurezza ampio, niente parametro fortunato. Ri-validato col worker live reale. +Tutti i numeri sono **netti** dopo fee realistiche (Deribit 0.10% RT single-leg, 0.20% +RT/coppia sui pairs), leva 3x, su finestra held-out. Le strategie sono robuste su griglia +parametri, sweep fee 0.00-0.20% RT e — per i pairs — validate con **walk-forward** e +config universale (niente cherry-picking). + +### Portafoglio combinato (la vera leva anti-drawdown) + +Le famiglie sono **quasi scorrelate fra loro** (~0.05). Combinandole in un unico +portafoglio equipesato il drawdown crolla sotto quello di ogni singola sleeve: + +| Portafoglio | CAGR | Max DD | Sharpe | +|-------------|------|--------|--------| +| FADE (6 sleeve) | ~46% | 8% | 3.9 | +| HONEST (3 sleeve) | ~46% | 13% | 2.2 | +| **MASTER** (FADE + HONEST, 9) | ~47% | **5%** | 4.2 | +| **MASTER + PAIRS + TSM01** (15) | ~67% | ~5% | ~6 | + +> 🔎 **Numeri sobri (anti-overfit).** L'OOS singolo cade nel regime favorevole 2024-25: +> i valori di Sharpe/DD sopra sono ottimistici di circa il 50%. Da pianificare per le +> decisioni: **Sharpe atteso ~5**, **worst-drawdown su 90 giorni ~6%**, profilo che regge +> a leva 2x con slippage raddoppiato. Configurazione raccomandata: equal-weight, leva 2x, +> con un cap sull'allocazione ai pairs (~30-35%, poiché concentrano ~57% del rischio). +> Tutto resta da confermare nel paper trading live. ## Come funziona @@ -42,6 +64,21 @@ di prezzo **rientrano verso la media** più di quanto proseguano: Nessun look-ahead: direzione e livelli sono calcolati con dati fino a `close[i]`. +### Le altre famiglie + +- **FADE** (oltre MR01): MR02 fada la rottura del canale Donchian verso il centro; + MR07 fada il movimento di barra estremo misurato in deviazioni standard dei + rendimenti. Stessa logica di reversione, indicatori indipendenti. +- **HONEST** (long-only, multi-crypto): DIP01 compra i dip estremi e rivende al + recupero; TR01 segue il trend con incrocio di EMA su un paniere; ROT02 ruota ogni + giorno sui tre asset col momentum più forte, andando in cash quando BTC è sotto la + sua media (risk-off). Coprono i regimi di trend e rotazione, complementari alle fade. +- **PAIRS** (market-neutral): scommette sul rientro verso la media del log-ratio fra + due cripto (z-score). Long su una, short sull'altra: l'esposizione netta al mercato è + quasi nulla (correlazione ~0.02), il che la rende un diversificatore eccellente. +- **TSMOM**: tiene gli asset con momentum positivo persistente su più orizzonti + (3/6/12 mesi), con overlay risk-off. Rende meno ma è poco correlato, utile in ensemble. + ### Perché lo squeeze breakout è stato abbandonato L'ipotesi originale era opposta — *continuazione* dopo la compressione di volatilità @@ -71,16 +108,17 @@ PythagorasGoal/ │ │ ├── base.py # Strategy, Signal, BacktestResult, YearlyStats │ │ └── indicators.py # keltner_ratio, detect_squeezes, ema, atr, rv, corr │ └── live/ # Paper trading live su Deribit testnet -│ ├── multi_runner.py # Orchestratore multi-strategia -│ ├── strategy_worker.py # Worker indipendente con stato persistente +│ ├── multi_runner.py # Orchestratore multi-strategia (strategie + pairs) +│ ├── strategy_worker.py # Worker single-leg con stato persistente +│ ├── pairs_worker.py # Worker a 2 gambe per i pairs (market-neutral) │ ├── strategy_loader.py # Import dinamico classi Strategy │ ├── cerbero_client.py # Client HTTP per Cerbero MCP │ ├── signal_engine.py # Squeeze + ML real-time (legacy) + validazione OOS │ └── telegram_notifier.py ├── scripts/ -│ ├── strategies/ # Strategie con edge validato OOS (solo MR01_bollinger_fade) -│ ├── waste/ # Strategie scartate (W01-W28 + famiglia squeeze SQ/MT/ML/AD/CM/PD) -│ └── analysis/ # Ricerca/validazione OOS fee-aware (strategy_research, oos_validation, ...) +│ ├── strategies/ # Strategie con edge validato OOS (FADE, HONEST, PAIRS, TSMOM + portafogli) +│ ├── waste/ # Strategie scartate (squeeze SQ/MT/ML/AD/CM/PD, MR03, ROT01, W01-W28) +│ └── analysis/ # Ricerca/validazione OOS fee-aware, gestione rischio, report ├── strategies.yml # Config multi-strategy paper trader ├── data/ │ └── raw/ # Parquet OHLCV (gitignored, ~70 MB) @@ -94,32 +132,65 @@ PythagorasGoal/ ## Strategie attive -Tutte le strategie estendono `src.strategies.base.Strategy` (`generate_signals() → backtest()`). +Le strategie single-asset estendono `src.strategies.base.Strategy` +(`generate_signals() → backtest()`); i pairs hanno un worker dedicato a 2 gambe. -| Codice | Script | Tipo | Descrizione | -|--------|--------|------|-------------| -| **MR01** | `MR01_bollinger_fade.py` | Mean-reversion | Fada la banda di Bollinger, TP alla media, SL ad ATR. Unica con edge netto validato OOS. | +| Codice | Script | Famiglia | Descrizione | +|--------|--------|----------|-------------| +| **MR01** | `MR01_bollinger_fade.py` | FADE | Fada la banda di Bollinger, TP alla media, SL ad ATR | +| **MR02** | `MR02_donchian_fade.py` | FADE | Fada la rottura del canale Donchian, TP al centro | +| **MR07** | `MR07_return_reversal.py` | FADE | Fada il movimento di barra estremo (z dei rendimenti) | +| **DIP01** | `DIP01_dip_reversion.py` | HONEST | Dip-buy long-only su z-score estremo | +| **TR01** | `TR01_ema_trend.py` | HONEST | EMA 20/100 trend-following su paniere cripto (4h) | +| **ROT02** | `ROT02_dual_momentum.py` | HONEST | Rotazione cross-sectional top-3 + risk-off (1d) | +| **PR01** | `PR01_pairs_reversion.py` | PAIRS | Spread reversion market-neutral su 5 coppie | +| **TSM01** | `tsmom_research.py` | TSMOM | Time-series momentum multi-orizzonte + risk-off | -La famiglia squeeze (SQ01-04, ML01, MT01, PD01, CM01, AD01) è in `scripts/waste/`: -edge storico = artefatto di look-ahead (vedi sezione *Come funziona*). +Le fade applicano un **filtro trend** opzionale (`trend_max`/`ema_long`): saltano i +segnali quando il prezzo è troppo esteso rispetto alla EMA200 — alza l'accuratezza e +abbassa il drawdown. Portafogli pronti: `PORT01` (honest), `PORT02` (fade), `PORT03` +(master fade+honest). -Per eseguire il backtest della strategia: +**Scartate** (in `scripts/waste/`): la famiglia squeeze (SQ01-04, ML01, MT01, PD01, +CM01, AD01 — artefatto di look-ahead), MR03 Keltner (debole/ridondante con MR01) e +ROT01 (dominata da ROT02). + +### Comandi utili ```bash +# Backtest di una strategia uv run python scripts/strategies/MR01_bollinger_fade.py -``` +uv run python scripts/strategies/PR01_pairs_reversion.py -Per la ricerca/validazione fee-aware out-of-sample: +# Ricerca e validazione fee-aware out-of-sample +uv run python scripts/analysis/strategy_research.py # screening famiglie + deep-dive fade +uv run python scripts/analysis/strategy_research_v2.py # MR02 / MR03 / MR07 +uv run python scripts/analysis/oos_validation.py # perche' la famiglia squeeze e' scartata +uv run python scripts/analysis/pairs_research.py # ricerca + verifica no-look-ahead dei pairs -```bash -uv run python scripts/analysis/strategy_research.py # screening famiglie + deep-dive MR01 -uv run python scripts/analysis/oos_validation.py # perche' la famiglia squeeze e' scartata -uv run python scripts/analysis/validate_worker_mr01.py # replay del worker live su MR01 +# Gestione rischio, combinazione, report +uv run python scripts/analysis/risk_management.py # filtro trend + portafoglio fade +uv run python scripts/analysis/combine_portfolio.py # combinare fade + honest +uv run python scripts/analysis/combine_v2.py # master esteso con pairs + TSM01 +uv run python scripts/analysis/report_families.py # report per anno di tutte le famiglie + +# Validazione dei worker live (replay == backtest) +uv run python scripts/analysis/validate_worker_mr01.py # worker single-leg su MR01 +uv run python scripts/analysis/validate_worker_pairs.py # worker a 2 gambe sui pairs +uv run python scripts/analysis/live_smoke_pairs.py # smoke test feed live reale dei pairs ``` ## Paper Trading Live -Il multi-strategy runner esegue N strategie in parallelo su dati live da Cerbero MCP, ognuna con €1000 USDC virtuali indipendenti. Se un `Signal` porta `tp`/`sl`/`max_bars` in `metadata` (come MR01), il worker chiude su take-profit alla media / stop-loss ad ATR / time-limit; altrimenti usa il fallback `hold_bars`/stop -2%. +Il multi-strategy runner esegue N strategie in parallelo su dati live da Cerbero MCP, +ognuna con €1000 USDC virtuali indipendenti. Gestisce due tipi di worker: + +- **Single-leg** (`strategy_worker.py`): per le strategie direzionali. Se un `Signal` + porta `tp`/`sl`/`max_bars` in `metadata` (come le fade), chiude su take-profit / + stop-loss / time-limit; altrimenti usa il fallback `hold_bars`/stop -2%. +- **Due gambe** (`pairs_worker.py`): per i pairs market-neutral. Apre long su una gamba + e short sull'altra, esce sul rientro dello z-score o per time-limit, conta le fee su + entrambe le gambe. Validato: il replay storico coincide *esattamente* col backtest. ### Avvio @@ -141,19 +212,24 @@ defaults: position_size: 0.15 leverage: 3 -strategies: +strategies: # strategie single-leg - name: MR01_bollinger_fade asset: BTC tf: 1h enabled: true - params: - bb_window: 50 - k: 2.5 - sl_atr: 2.0 - max_bars: 24 + params: { bb_window: 50, k: 2.5, sl_atr: 2.0, max_bars: 24, trend_max: 3.0, ema_long: 200 } + +pairs: # strategie a 2 gambe (market-neutral) + - name: PR01_pairs_reversion + a: ETH + b: BTC + tf: 1h + enabled: true + params: { n: 50, z_in: 2.0, z_exit: 0.75, max_bars: 72, jump_max: 0.08 } ``` -Per aggiungere una strategia: nuova riga in `strategies.yml`, poi `docker compose restart`. Lo storico delle strategie esistenti rimane intatto. +Per aggiungere una strategia: nuova riga in `strategies.yml` (sezione `strategies` o +`pairs`), poi `docker compose restart`. Lo storico delle strategie esistenti rimane intatto. ### Persistenza @@ -194,13 +270,19 @@ uv run python -m src.live.multi_runner ## Dati -| Asset | Timeframe | Candele | Copertura | -|-------|-----------|---------|-----------| -| BTC | 5m / 15m / 1h | 883K / 294K / 74K | 2018-01 → oggi | -| ETH | 5m / 15m / 1h | 882K / 294K / 74K | 2018-01 → oggi | -| SOL / LTC / ADA | 1h | ~37K each | 2022 → oggi | +| Asset | Timeframe | Copertura | +|-------|-----------|-----------| +| BTC, ETH | 5m / 15m / 1h | 2018-01 → oggi | +| SOL, LTC, ADA, XRP, BNB, DOGE | 15m / 1h | 2019-2022 → oggi (variabile per asset) | -Fonte primaria: Deribit perpetual via Cerbero MCP. Fallback: Binance spot via ccxt. Formato: Apache Parquet. +Fonte primaria: perpetual Deribit via Cerbero MCP. Fallback: Binance spot via ccxt. +Formato: Apache Parquet (in `data/raw/`, gitignored). + +> **Nota sul naming Deribit (per il feed live).** I major sono perpetui *inverse* +> (`BTC-PERPETUAL`, `ETH-PERPETUAL`); gli altcoin sono perpetui *lineari USDC* +> (`SOL_USDC-PERPETUAL`, `LTC_USDC-PERPETUAL`, …) con storia dal 2022. Attenzione: +> `LTC-PERPETUAL`/`ADA-PERPETUAL` non esistono e `SOL-PERPETUAL` restituisce dati +> errati — per gli altcoin usare sempre la forma `_USDC-PERPETUAL`. ### Discovery & validazione strumenti diff --git a/scripts/analysis/live_smoke_pairs.py b/scripts/analysis/live_smoke_pairs.py new file mode 100644 index 0000000..a9f16a7 --- /dev/null +++ b/scripts/analysis/live_smoke_pairs.py @@ -0,0 +1,87 @@ +"""Smoke test REALE dei pairs: fetch live da Cerbero + un tick vero per coppia. + +A differenza di validate_worker_pairs.py (replay su parquet storici), questo verifica +la PIPELINE LIVE end-to-end: chiama Cerbero per entrambe le gambe, controlla che lo +strumento esista e sia fresco, fa un tick reale del PairsWorker e riporta lo stato. + +Serve a scoprire i problemi che il backtest nasconde (es. un perp alt non disponibile +sull'endpoint Deribit). NON apre ordini reali: e' solo paper/lettura. +""" +from __future__ import annotations + +import sys +import shutil +import tempfile +from datetime import datetime, timezone, timedelta +from pathlib import Path + +import numpy as np +import pandas as pd + +PROJECT_ROOT = Path(__file__).resolve().parents[2] +sys.path.insert(0, str(PROJECT_ROOT)) + +from src.live.cerbero_client import CerberoClient +from src.live.multi_runner import INSTRUMENT_MAP +from src.live.pairs_worker import PairsWorker +from scripts.strategies.PR01_pairs_reversion import PAIRS + + +def fetch(cli, asset, start, end): + inst = INSTRUMENT_MAP.get(asset, f"{asset}-PERPETUAL") + try: + cs = cli.get_historical(inst, start.strftime("%Y-%m-%d"), end.strftime("%Y-%m-%d"), "60") + if not cs: + return inst, None, "VUOTO (strumento assente sull'endpoint)" + df = pd.DataFrame(cs) + df["timestamp"] = df["timestamp"].astype("int64") + df = df.sort_values("timestamp").reset_index(drop=True) + last = pd.to_datetime(df["timestamp"].iloc[-1], unit="ms", utc=True) + age = (datetime.now(timezone.utc) - last).total_seconds() / 3600 + return inst, df, f"{len(df)} barre, ultima {last:%Y-%m-%d %H:%M} ({age:.1f}h fa)" + except Exception as e: + return inst, None, f"ERRORE {type(e).__name__}: {str(e)[:60]}" + + +def main(): + cli = CerberoClient() + end = datetime.now(timezone.utc) + start = end - timedelta(days=60) + assets = sorted({a for a, _, _ in PAIRS} | {b for _, b, _ in PAIRS}) + + print("=" * 80) + print(" SMOKE TEST LIVE PAIRS — fetch reale Cerbero + tick (no ordini reali)") + print("=" * 80) + data = {} + for a in assets: + inst, df, msg = fetch(cli, a, start, end) + data[a] = df + print(f" {a:<4s} [{inst:<16s}] {msg}") + + print("\n tick reale per coppia:") + tmp = Path(tempfile.mkdtemp()) + try: + for a, b, p in PAIRS: + if data.get(a) is None or data.get(b) is None: + print(f" {a}/{b:<4s}: SKIP (manca feed live di una gamba) -> non tradabile live ora") + continue + w = PairsWorker(a, b, "1h", params=p, fee_rt=0.001, data_dir=tmp) + w._log = lambda *x, **k: None + w._notify = lambda *x, **k: None + m = data[a][["timestamp", "close"]].merge( + data[b][["timestamp", "close"]], on="timestamp", how="inner") + if len(m) < p["n"] + 2: + print(f" {a}/{b:<4s}: merge {len(m)} barre < n+2 ({p['n']+2}) -> dati insufficienti") + continue + z, _ = w._zscore(m["close_x"].values, m["close_y"].values) + w.tick(data[a], data[b]) + state = ("IN POS " + ("LONG " + a if w.direction == 1 else "SHORT " + a) + if w.in_position else "FLAT") + print(f" {a}/{b:<4s}: OK merge {len(m)} barre, z_ora={z[-1]:+.2f} -> {state}") + finally: + shutil.rmtree(tmp, ignore_errors=True) + print("\n Solo le coppie con entrambe le gambe fresche su Cerbero sono tradabili live.") + + +if __name__ == "__main__": + main() diff --git a/scripts/analysis/validate_worker_pairs.py b/scripts/analysis/validate_worker_pairs.py new file mode 100644 index 0000000..84dcf1d --- /dev/null +++ b/scripts/analysis/validate_worker_pairs.py @@ -0,0 +1,74 @@ +"""Valida il PairsWorker: replay bar-per-bar sui dati storici == backtest pairs_sim? + +Come validate_worker_mr01 per MR01: alimenta il PairsWorker con finestre trailing +crescenti (simula il feed live) e confronta trade/capitale finale col backtest di +riferimento scripts/analysis/pairs_research.pairs_sim. Se combaciano, la semantica +live (z-score causale, exit |z|<=z_exit o max_bars, fee 2 gambe) e' fedele. +""" +from __future__ import annotations + +import shutil +import sys +import tempfile +from pathlib import Path + +import pandas as pd + +PROJECT_ROOT = Path(__file__).resolve().parents[2] +sys.path.insert(0, str(PROJECT_ROOT)) + +from src.live.pairs_worker import PairsWorker +from scripts.analysis.pairs_research import aligned, pairs_sim +from scripts.strategies.PR01_pairs_reversion import PAIRS + +WINDOW = 60 # finestra trailing minima (>= n+2): z[i] corretto, replay veloce + + +def replay(a: str, b: str, params: dict, data_dir: Path) -> PairsWorker: + m = aligned(a, b) + df_a = m[["timestamp"]].copy(); df_a["close"] = m["close_a"].values + df_b = m[["timestamp"]].copy(); df_b["close"] = m["close_b"].values + w = PairsWorker(a, b, "1h", params=params, fee_rt=0.001, data_dir=data_dir) + # replay veloce: niente I/O su file / log / notifiche ad ogni tick (servono solo le metriche finali) + w._save_state = lambda: None + w._log = lambda *a, **k: None + w._notify = lambda *a, **k: None + n = w.n + for k in range(n + 2, len(m) + 1): + lo = max(0, k - WINDOW) + w.tick(df_a.iloc[lo:k], df_b.iloc[lo:k]) + # chiudi eventuale posizione aperta a fine serie (come fa il backtest col troncamento) + return w + + +def main(): + print("=" * 96) + print(" VALIDAZIONE PairsWorker — replay live vs backtest pairs_sim (fee 0.20% RT/coppia)") + print("=" * 96) + print(f" {'coppia':<10s}{'WORKER cap':>12s}{'trd':>5s}{'win%':>6s} | {'BACKTEST cap':>13s}{'trd':>5s}{'win%':>6s} match?") + print(" " + "-" * 88) + # Sottoinsieme rappresentativo: il codice del worker e' identico per ogni coppia, + # quindi 2 coppie con strutture diverse (alt/major e major/alt) bastano a provare + # l'equivalenza. ~135s/coppia su 73k barre orarie. Per validarle tutte: usa PAIRS. + subset = [pp for pp in PAIRS if (pp[0], pp[1]) in {("ETH", "BTC"), ("BTC", "LTC")}] + tmp = Path(tempfile.mkdtemp(prefix="pairs_validate_")) + try: + for a, b, p in subset: + w = replay(a, b, p, tmp) + bt = pairs_sim(a, b, **p) + bt_cap = 1000.0 * (1 + bt["ret"] / 100) + cap_match = abs(w.capital - bt_cap) / bt_cap < 0.02 if bt_cap else False + trd_match = abs(w.total_trades - bt["trades"]) <= max(2, bt["trades"] * 0.02) + ok = "OK" if (cap_match and trd_match) else "DIFF" + ww = w.total_wins / w.total_trades * 100 if w.total_trades else 0 + print(f" {a+'/'+b:<10s}{w.capital:>12.0f}{w.total_trades:>5d}{ww:>6.1f} | " + f"{bt_cap:>13.0f}{bt['trades']:>5d}{bt['win']:>6.1f} {ok}") + finally: + shutil.rmtree(tmp, ignore_errors=True) + print(" " + "-" * 88) + print(" match = capitale entro 2% e trade entro 2% del backtest. Differenze minime sono") + print(" attese (gestione bar finale/troncamento), ma la semantica deve coincidere.") + + +if __name__ == "__main__": + main() diff --git a/scripts/strategies/PR01_pairs_reversion.py b/scripts/strategies/PR01_pairs_reversion.py index 77462e7..a3d05a4 100644 --- a/scripts/strategies/PR01_pairs_reversion.py +++ b/scripts/strategies/PR01_pairs_reversion.py @@ -26,10 +26,15 @@ Validazione anti-overfit (netto, fee 0.20% RT/coppia a 2 gambe, leva 3x, OOS = u - Correlazione con BTC daily ~0.02-0.08 -> market-neutral. - SCARTATA BNB/ETH: robusta solo coi suoi parametri (overfit), crolla con la universale. -LIMITE OPERATIVO: e' una strategia a 2 gambe (long un perp + short l'altro), il worker -attuale e' single-leg. Per tradarla serve: (a) eseguibilita' short del perp B su -Deribit/Bybit, (b) gestione 2 ordini + fee doppie. Finche' il worker non supporta -2 gambe, PR01 resta validata in backtest ma non wired nel paper trader. +WORKER LIVE: implementato `src/live/pairs_worker.py` (2 gambe, fee doppie, stato +persistente) e wired in `multi_runner` (sezione `pairs:` in strategies.yml). Validato: + - LOGICA: `validate_worker_pairs.py` -> replay storico == backtest pairs_sim ESATTO + (ETH/BTC: capitale, n.trade, win% identici). + - LIVE: `live_smoke_pairs.py` (smoke reale Cerbero) -> tutte e 5 le coppie con feed + live fresco. Naming Deribit corretto: BTC/ETH = "-PERPETUAL" (inverse), + alt = "_USDC-PERPETUAL" (lineari USDC, storia dal 2022). Trappola: usare + "LTC-PERPETUAL"/"SOL-PERPETUAL" da' vuoto/dati sbagliati -> SEMPRE _USDC-PERPETUAL. + Resta da verificare in trading reale solo la liquidita'/fill in esecuzione. """ from __future__ import annotations diff --git a/src/live/multi_runner.py b/src/live/multi_runner.py index 080489f..b94a852 100644 --- a/src/live/multi_runner.py +++ b/src/live/multi_runner.py @@ -11,6 +11,7 @@ import pandas as pd from src.live.cerbero_client import CerberoClient from src.live.strategy_loader import load_strategy from src.live.strategy_worker import StrategyWorker +from src.live.pairs_worker import PairsWorker from src.live.signal_engine import SignalEngine from src.live.telegram_notifier import send_telegram @@ -18,9 +19,20 @@ PROJECT_ROOT = Path(__file__).resolve().parents[2] DATA_DIR = PROJECT_ROOT / "data" / "paper_trades" RESOLUTION_MAP = {"15m": "15", "1h": "60", "5m": "5"} +# Convenzione Deribit (verificata via Cerbero, 2026-05-29): +# - BTC/ETH = perpetui INVERSE (margine coin): "-PERPETUAL" +# - altcoin = perpetui LINEARI USDC (margine USDC): "_USDC-PERPETUAL", storia dal 2022 +# Trappola: "LTC-PERPETUAL"/"ADA-PERPETUAL" = 0 candele; "SOL-PERPETUAL" = contratto vecchio +# con dati sbagliati. Per gli alt usare SEMPRE la forma _USDC-PERPETUAL. INSTRUMENT_MAP = { "BTC": "BTC-PERPETUAL", "ETH": "ETH-PERPETUAL", + "SOL": "SOL_USDC-PERPETUAL", + "LTC": "LTC_USDC-PERPETUAL", + "ADA": "ADA_USDC-PERPETUAL", + "XRP": "XRP_USDC-PERPETUAL", + "BNB": "BNB_USDC-PERPETUAL", + "DOGE": "DOGE_USDC-PERPETUAL", } @@ -130,6 +142,26 @@ def build_workers(config: dict) -> tuple[list[StrategyWorker], list[MLWorkerWrap return regular_workers, ml_workers +def build_pairs_workers(config: dict) -> list[PairsWorker]: + """Crea i PairsWorker (2 gambe) dalla sezione `pairs:` dello YAML.""" + defaults = config.get("defaults", {}) + workers: list[PairsWorker] = [] + for entry in config.get("pairs", []): + if not entry.get("enabled", True): + continue + workers.append(PairsWorker( + asset_a=entry["a"], asset_b=entry["b"], tf=entry.get("tf", "1h"), + params=entry.get("params", {}), + capital=entry.get("capital", defaults.get("capital", 1000)), + position_size=entry.get("position_size", defaults.get("position_size", 0.15)), + leverage=entry.get("leverage", defaults.get("leverage", 3)), + fee_rt=entry.get("fee_rt", 0.001), + name=entry.get("name", "PR01_pairs_reversion"), + data_dir=DATA_DIR, + )) + return workers + + def run(): config_path = PROJECT_ROOT / "strategies.yml" if not config_path.exists(): @@ -143,7 +175,8 @@ def run(): train_lookback_days = 365 regular_workers, ml_workers = build_workers(config) - all_worker_count = len(regular_workers) + len(ml_workers) + pairs_workers = build_pairs_workers(config) + all_worker_count = len(regular_workers) + len(ml_workers) + len(pairs_workers) if all_worker_count == 0: print("Nessuna strategia abilitata in strategies.yml") @@ -162,6 +195,8 @@ def run(): print(f" • {w.status_summary}") for mw in ml_workers: print(f" • {mw.worker.status_summary} [ML]") + for pw in pairs_workers: + print(f" • {pw.status_summary} [PAIRS]") send_telegram(f"🚀 Multi-Strategy avviato: {all_worker_count} strategie") @@ -172,6 +207,9 @@ def run(): keys.add((w.asset, w.tf)) for mw in ml_workers: keys.add((mw.worker.asset, mw.worker.tf)) + for pw in pairs_workers: # entrambe le gambe del pair + keys.add((pw.asset_a, pw.tf)) + keys.add((pw.asset_b, pw.tf)) return keys # Training iniziale ML @@ -253,6 +291,15 @@ def run(): except Exception as e: print(f" [{mw.worker.worker_id}] ERRORE: {e}") + # Tick pairs workers (2 gambe) + for pw in pairs_workers: + ka, kb = (pw.asset_a, pw.tf), (pw.asset_b, pw.tf) + if ka in candle_cache and kb in candle_cache: + try: + pw.tick(candle_cache[ka], candle_cache[kb]) + except Exception as e: + print(f" [{pw.worker_id}] ERRORE: {e}") + # Status periodico now = datetime.now(timezone.utc) if now.minute == 0 and now.second < poll_seconds: @@ -261,6 +308,8 @@ def run(): lines.append(f" {w.status_summary}") for mw in ml_workers: lines.append(f" {mw.worker.status_summary} [ML]") + for pw in pairs_workers: + lines.append(f" {pw.status_summary} [PAIRS]") send_telegram("\n".join(lines)) except KeyboardInterrupt: @@ -277,6 +326,8 @@ def run(): if df is not None and not df.empty: mw.worker._close_position(float(df["close"].iloc[-1]), "shutdown") mw.worker._save_state() + for pw in pairs_workers: # salva stato; non forzo la chiusura a 2 gambe + pw._save_state() send_telegram("🛑 Multi-Strategy arrestato") break except Exception as e: diff --git a/src/live/pairs_worker.py b/src/live/pairs_worker.py new file mode 100644 index 0000000..56a55a6 --- /dev/null +++ b/src/live/pairs_worker.py @@ -0,0 +1,215 @@ +"""PairsWorker — paper trading a 2 GAMBE per la famiglia PR01 (spread reversion). + +Market-neutral: long asset A / short asset B (o viceversa) sullo z-score del log-ratio. +Distinto dallo StrategyWorker single-leg: gestisce due strumenti, due prezzi di +ingresso, e conta le fee su ENTRAMBE le gambe (2*fee_rt*lev = 0.20% RT/coppia con +fee_rt=0.001). Semantica identica al backtest scripts/analysis/pairs_research.pairs_sim: + + r[i] = log(closeA[i]/closeB[i]); z[i] = (r[i]-SMA_n(r)[i]) / STD_n(r)[i] (causale) + ENTRY a close[i]: z<=-z_in -> LONG ratio (long A / short B); z>=+z_in -> SHORT ratio + EXIT: |z| <= z_exit (rientro) oppure time-limit max_bars + filtro candele sporche: salta l'ingresso se |dr[i]| > jump_max + PnL = (retA - retB) * direction * lev - 2*fee_rt*lev (notional uguale per gamba) + +Stato persistente (resume al restart) e log come StrategyWorker. +""" +from __future__ import annotations + +import json +from datetime import datetime, timezone +from pathlib import Path + +import numpy as np +import pandas as pd + +from src.live.telegram_notifier import notify_event + + +class PairsWorker: + def __init__( + self, + asset_a: str, + asset_b: str, + tf: str, + params: dict | None = None, + capital: float = 1000.0, + position_size: float = 0.15, + leverage: float = 3.0, + fee_rt: float = 0.001, # per gamba RT; la coppia paga 2x + name: str = "PR01_pairs_reversion", + data_dir: Path = Path("data/paper_trades"), + ): + self.asset_a = asset_a + self.asset_b = asset_b + self.tf = tf + self.name = name + p = params or {} + self.n = int(p.get("n", 50)) + self.z_in = float(p.get("z_in", 2.0)) + self.z_exit = float(p.get("z_exit", 0.75)) + self.max_bars = int(p.get("max_bars", 72)) + self.jump_max = float(p.get("jump_max", 0.08)) + + self.initial_capital = capital + self.position_size = position_size + self.leverage = leverage + self.fee_rt = fee_rt + + self.worker_id = f"{name}__{asset_a}_{asset_b}__{tf}" + self.work_dir = data_dir / self.worker_id + self.work_dir.mkdir(parents=True, exist_ok=True) + self.trades_path = self.work_dir / "trades.jsonl" + self.status_path = self.work_dir / "status.json" + + self.capital = capital + self.in_position = False + self.direction = 0 # +1 long ratio (long A/short B), -1 short ratio + self.entry_a = 0.0 + self.entry_b = 0.0 + self.entry_z = 0.0 + self.entry_time = "" + self.bars_held = 0 + self.total_trades = 0 + self.total_wins = 0 + self.last_bar_ts = 0 + self.started_at = datetime.now(timezone.utc).isoformat() + + self._load_state() + self._save_state() + + # ---------------- persistenza ---------------- + def _load_state(self): + if not self.status_path.exists(): + self._log("INIT", {"capital": self.capital, "pair": f"{self.asset_a}/{self.asset_b}", + "tf": self.tf, "params": {"n": self.n, "z_in": self.z_in, + "z_exit": self.z_exit, "max_bars": self.max_bars}}) + return + with open(self.status_path) as f: + s = json.load(f) + self.capital = s.get("capital", self.initial_capital) + self.in_position = s.get("in_position", False) + self.direction = s.get("direction", 0) + self.entry_a = s.get("entry_a", 0.0) + self.entry_b = s.get("entry_b", 0.0) + self.entry_z = s.get("entry_z", 0.0) + self.entry_time = s.get("entry_time", "") + self.bars_held = s.get("bars_held", 0) + self.total_trades = s.get("total_trades", 0) + self.total_wins = s.get("total_wins", 0) + self.last_bar_ts = s.get("last_bar_ts", 0) + self.started_at = s.get("started_at", self.started_at) + self._log("RESUME", {"capital": round(self.capital, 2), + "total_trades": self.total_trades, "in_position": self.in_position}) + + def _save_state(self): + state = { + "capital": round(self.capital, 2), "in_position": self.in_position, + "direction": self.direction, "entry_a": self.entry_a, "entry_b": self.entry_b, + "entry_z": round(self.entry_z, 4), "entry_time": self.entry_time, + "bars_held": self.bars_held, "total_trades": self.total_trades, + "total_wins": self.total_wins, "last_bar_ts": self.last_bar_ts, + "started_at": self.started_at, "last_update": datetime.now(timezone.utc).isoformat(), + } + with open(self.status_path, "w") as f: + json.dump(state, f, indent=2) + + def _log(self, event: str, data: dict | None = None): + entry = {"ts": datetime.now(timezone.utc).isoformat(), "worker": self.worker_id, + "event": event, **(data or {})} + with open(self.trades_path, "a") as f: + f.write(json.dumps(entry) + "\n") + print(f" [{self.worker_id}] {event}: {json.dumps(data or {}, default=str)}") + + def _notify(self, event: str, data: dict | None = None): + notify_event(event, {"worker": self.worker_id, **(data or {})}) + + # ---------------- segnale ---------------- + def _zscore(self, ca: np.ndarray, cb: np.ndarray) -> tuple[np.ndarray, np.ndarray]: + r = np.log(ca / cb) + ma = pd.Series(r).rolling(self.n).mean().values + sd = pd.Series(r).rolling(self.n).std().values + z = (r - ma) / np.where(sd == 0, np.nan, sd) + dr = np.abs(np.diff(r, prepend=r[0])) + return z, dr + + # ---------------- trading ---------------- + def _open(self, d: int, ca: float, cb: float, z: float): + self.in_position = True + self.direction = d + self.entry_a, self.entry_b, self.entry_z = ca, cb, z + self.entry_time = datetime.now(timezone.utc).isoformat() + self.bars_held = 0 + data = {"direction": "long_ratio" if d == 1 else "short_ratio", + "long_leg": self.asset_a if d == 1 else self.asset_b, + "short_leg": self.asset_b if d == 1 else self.asset_a, + "entry_a": round(ca, 4), "entry_b": round(cb, 4), "z": round(z, 3), + "capital": round(self.capital, 2)} + self._log("OPEN", data); self._notify("OPENED", data) + + def _close(self, ca: float, cb: float, z: float, reason: str): + if not self.in_position: + return + ret_a = (ca - self.entry_a) / self.entry_a + ret_b = (cb - self.entry_b) / self.entry_b + gross = (ret_a - ret_b) * self.direction * self.leverage + fee = 2 * self.fee_rt * self.leverage # 2 gambe + net = gross - fee + pnl = self.capital * self.position_size * net + self.capital = max(self.capital + pnl, 0.0) + is_win = net > 0 + self.total_trades += 1 + self.total_wins += is_win + acc = self.total_wins / self.total_trades * 100 if self.total_trades else 0 + data = {"reason": reason, "exit_a": round(ca, 4), "exit_b": round(cb, 4), + "z": round(z, 3), "gross_ret": round(gross * 100, 3), "fee": round(fee * 100, 3), + "net_return": round(net * 100, 3), "pnl": round(pnl, 2), + "capital": round(self.capital, 2), "bars_held": self.bars_held, + "win": bool(is_win), "total_trades": self.total_trades, "accuracy": round(acc, 1)} + self._log("CLOSE", data); self._notify("CLOSED", data) + self.in_position = False + self.direction = 0 + self.entry_a = self.entry_b = self.entry_z = 0.0 + self.bars_held = 0 + + def tick(self, df_a: pd.DataFrame, df_b: pd.DataFrame): + """Chiamato ad ogni poll con gli OHLCV aggiornati delle due gambe.""" + if df_a is None or df_b is None or df_a.empty or df_b.empty: + return + m = df_a[["timestamp", "close"]].rename(columns={"close": "ca"}).merge( + df_b[["timestamp", "close"]].rename(columns={"close": "cb"}), on="timestamp", how="inner" + ).sort_values("timestamp").reset_index(drop=True) + if len(m) < self.n + 2: + return + ca, cb = m["ca"].values, m["cb"].values + z, dr = self._zscore(ca, cb) + i = len(m) - 1 + cur_ts = int(m["timestamp"].iloc[i]) + zi = z[i] + if np.isnan(zi): + self._save_state(); return + + if self.in_position: + if cur_ts > self.last_bar_ts: + self.bars_held += 1 + self.last_bar_ts = cur_ts + if abs(zi) <= self.z_exit: + self._close(float(ca[i]), float(cb[i]), float(zi), "mean_revert") + elif self.bars_held >= self.max_bars: + self._close(float(ca[i]), float(cb[i]), float(zi), "time_limit") + self._save_state() + return + + # flat: cerca ingresso (no look-ahead: z[i] usa solo dati <= i) + if dr[i] <= self.jump_max: + if zi <= -self.z_in: + self._open(1, float(ca[i]), float(cb[i]), float(zi)); self.last_bar_ts = cur_ts + elif zi >= self.z_in: + self._open(-1, float(ca[i]), float(cb[i]), float(zi)); self.last_bar_ts = cur_ts + self._save_state() + + @property + def status_summary(self) -> str: + acc = self.total_wins / self.total_trades * 100 if self.total_trades else 0 + pos = ("LONG " + self.asset_a if self.direction == 1 + else "SHORT " + self.asset_a if self.direction == -1 else "FLAT") + return (f"{self.worker_id}: €{self.capital:.0f} | {self.total_trades}t {acc:.0f}% | {pos}") diff --git a/strategies.yml b/strategies.yml index 5bb8b4a..024e8c7 100644 --- a/strategies.yml +++ b/strategies.yml @@ -90,3 +90,43 @@ strategies: max_bars: 24 trend_max: 3.0 # salta fade contro trend estremo (|close-EMA200|/ATR>3): Acc+ DD- ema_long: 200 + +# --------------------------------------------------------------------------- +# PR01 — PAIRS market-neutral spread reversion (worker a 2 GAMBE: src/live/pairs_worker.py) +# Config UNIVERSALE n50 z2 zx0.75 mb72 (anti-overfit, validata walk-forward). +# fee_rt 0.001/gamba -> 0.20% RT/coppia. +# FEED LIVE (verificato 2026-05-29): tutti i leg disponibili su Deribit via Cerbero con +# il naming corretto -> BTC/ETH = "-PERPETUAL" (inverse), alt = "_USDC-PERPETUAL" +# (lineari USDC, storia dal 2022). Tutte e 5 le coppie tradabili live. ETH/SOL la piu' +# debole (DD ~63%, storia SOL piu' corta) -> peso ridotto consigliato. +pairs: + - name: PR01_pairs_reversion + a: ETH + b: BTC + tf: 1h + enabled: true + params: {n: 50, z_in: 2.0, z_exit: 0.75, max_bars: 72, jump_max: 0.08} + - name: PR01_pairs_reversion + a: LTC + b: ETH + tf: 1h + enabled: true + params: {n: 50, z_in: 2.0, z_exit: 0.75, max_bars: 72, jump_max: 0.08} + - name: PR01_pairs_reversion + a: ADA + b: ETH + tf: 1h + enabled: true + params: {n: 50, z_in: 2.0, z_exit: 0.75, max_bars: 72, jump_max: 0.08} + - name: PR01_pairs_reversion + a: BTC + b: LTC + tf: 1h + enabled: true + params: {n: 50, z_in: 2.0, z_exit: 0.75, max_bars: 72, jump_max: 0.08} + - name: PR01_pairs_reversion # la piu' debole (peso ridotto) + a: ETH + b: SOL + tf: 1h + enabled: true + params: {n: 50, z_in: 2.0, z_exit: 0.75, max_bars: 72, jump_max: 0.08}