research(intraday): fill-haircut PREVDAY a basso capitale -> blocker d'esecuzione BENIGNO
Stima SUBITO (invece di aspettare il forward-monitor) quanto il fill reale a $600 erode il lead
PREVDAY, replicando i due libri di paper_prevday.py su tutto il path 1h (2019-03 -> 2026-06):
- MODELED (continuo) vs REAL-$C (skip ribilanciamenti < $5 min-order), sweep C {600,2k,20k}.
- HAIRCUT $600 = +0.01 Sharpe (FULL e HOLD): saltare il 98.4% dei micro-ribilanciamenti del
vol-target non costa nulla (trade infinitesimi: fee risparmiata e tracking-error entrambi
trascurabili; fee-drag 2.49% -> 2.39%). L'uplift hold-out del blend 80/20 regge +0.56 -> +0.55.
Conseguenza: dei 4 blocker no-deploy, il #4 (fill a basso capitale) e' SMONTATO. Restano i 3
strutturali (hedge-shaped, fallisce il null a corr-zero, tail-luck). PREVDAY resta forward-monitor.
Lezione: eseguire eval_weights_smallcap PRIMA di scartare un lead per 'fill irreale'.
Diario: 2026-06-21-prevday-fill-haircut.md.
Co-Authored-By: Claude Opus 4.8 (1M context) <noreply@anthropic.com>
This commit is contained in:
Adriano Dal Pastro
@@ -0,0 +1,67 @@
|
|||||||
|
# PREVDAY fill-haircut a basso capitale — il blocker d'esecuzione è BENIGNO (1/4 smontato)
|
||||||
|
|
||||||
|
**Data:** 2026-06-21 (follow-up di `2026-06-21-intraday-microstructure.md`)
|
||||||
|
**Script:** `scripts/research/intraday/fill_haircut.py`
|
||||||
|
**Esito:** l'haircut del fill reale a $600 è **+0.01 Sharpe** (trascurabile). Lo scettico
|
||||||
|
d'esecuzione (blocker #4) è **benigno**. Gli altri 3 blocker (hedge / null-corr-zero / tail-luck)
|
||||||
|
restano → PREVDAY resta in **forward-monitor, non deploy**.
|
||||||
|
|
||||||
|
## Domanda
|
||||||
|
|
||||||
|
Lo scettico d'esecuzione dell'onda intraday aveva segnalato: il vol-target di PREVDAY fa ~8500
|
||||||
|
ribilanciamenti/anno per gamba, 97-98% < $1 di nozionale a $600; a quel capitale (min_order $5) NON
|
||||||
|
puoi piazzarli, quindi il libro MODELED (ribilanciamento continuo, frictionless) è una finzione e lo
|
||||||
|
Sharpe modellato è gonfiato. Il forward-monitor traccia MODELED-$2000 vs REAL-$600 per misurarlo nei
|
||||||
|
mesi a venire — qui lo stimiamo SUBITO su tutto lo storico, replicando la STESSA logica dei due libri
|
||||||
|
di `paper_prevday.py` ma sull'intero path 1h (2019-03 → 2026-06, 63.732 barre).
|
||||||
|
|
||||||
|
Due libri identici tranne il fill:
|
||||||
|
- **MODELED**: ribilancia ad ogni barra (fee proporzionale su ogni |Δ|).
|
||||||
|
- **REAL-$C**: salta i ribilanciamenti con nozionale `|Δpos|·leg_cap < $5` (posizione stale →
|
||||||
|
tracking error, ma niente fee sui trade infinitesimi). Sweep C ∈ {600, 2000, 20000}.
|
||||||
|
|
||||||
|
## Risultati
|
||||||
|
|
||||||
|
| libro | FULL Sh | HOLD Sh | CAGR | DD | rebal/yr | skip% | fee-drag/yr |
|
||||||
|
|-------|---------|---------|------|----|---------:|------:|------------:|
|
||||||
|
| MODELED ($∞) | +1.23 | +1.27 | +24.3% | −27% | 17.484 | 0.0% | 2.49% |
|
||||||
|
| REAL-$20k | +1.23 | +1.27 | +24.4% | −27% | 3.747 | 78.6% | 2.47% |
|
||||||
|
| REAL-$2000 | +1.23 | +1.27 | +24.4% | −27% | 677 | 96.1% | 2.42% |
|
||||||
|
| REAL-$600 | +1.22 | +1.26 | +24.2% | −27% | 277 | 98.4% | 2.39% |
|
||||||
|
|
||||||
|
**HAIRCUT $600 (MODELED − REAL): FULL Sharpe +0.01, HOLD-OUT +0.01.**
|
||||||
|
|
||||||
|
Domanda-soldi (l'uplift del blend regge col fill reale?):
|
||||||
|
|
||||||
|
| PV | w | FULL (uplift) | HOLD (uplift) |
|
||||||
|
|----|---|---------------|---------------|
|
||||||
|
| MODELED | 20% | 1.58 (+0.28) | 0.86 (+0.56) |
|
||||||
|
| MODELED | 30% | 1.65 (+0.36) | 1.08 (+0.78) |
|
||||||
|
| **REAL-$600** | 20% | 1.58 (+0.28) | 0.86 (**+0.55**) |
|
||||||
|
| **REAL-$600** | 30% | 1.65 (+0.35) | 1.08 (**+0.77**) |
|
||||||
|
|
||||||
|
(TP01 solo: FULL +1.30, HOLD +0.31.) L'uplift hold-out sopravvive **quasi intatto**.
|
||||||
|
|
||||||
|
## Lettura
|
||||||
|
|
||||||
|
Saltare il **98.4%** dei micro-ribilanciamenti a $600 non costa quasi nulla perché quei trade sono
|
||||||
|
*individualmente infinitesimi*: sia la fee risparmiata sia il tracking-error introdotto sono
|
||||||
|
trascurabili. Il PnL è dominato dai ~50 flip di direzione/anno + la deriva lenta del vol-target, che
|
||||||
|
il libro $600 cattura comunque sui movimenti grandi (la fee-drag passa solo da 2.49% a 2.39%). La
|
||||||
|
"finzione della fee sub-dollaro" è quindi **benigna**: non gonfia lo Sharpe modellato (MODELED e
|
||||||
|
REAL-$600 coincidono a ±0.01). NB: lo Sharpe **non si degrada** scendendo di capitale → l'edge
|
||||||
|
modellato di PREVDAY è eseguibile alla taglia reale; il blocker era altrove.
|
||||||
|
|
||||||
|
## Conseguenza sul verdetto
|
||||||
|
|
||||||
|
Dei 4 blocker che tenevano PREVDAY fuori dal deploy, il **#4 (fill a basso capitale) è SMONTATO**.
|
||||||
|
Restano in piedi i 3 strutturali (dall'onda intraday, non rivalutati qui):
|
||||||
|
1. **hedge-shaped** — l'uplift viene dai regimi TP01-down (uplift +0.79 TP01-down vs +0.20 TP01-up);
|
||||||
|
2. **fallisce il null a corr-zero** — uplift pre-2025 al 20-24° pctl del null di un asset random
|
||||||
|
scorrelato (aggiunge MENO del rumore);
|
||||||
|
3. **tail-luck** — top-5 giorni = 76-83% del PnL delle gambe revert, <10 eventi/anno.
|
||||||
|
|
||||||
|
PREVDAY resta il lead **più solido sull'esecuzione** di tutta la ricerca post-reset (il dubbio più
|
||||||
|
"fisico" è caduto), ma **forward-monitor, non deploy**, finché il track record forward non scioglie
|
||||||
|
hedge/coda/null. Lezione harness: `eval_weights_smallcap` (il gate min-order) va sempre eseguito
|
||||||
|
PRIMA di scartare un lead per "fill irreale" — qui avrebbe evitato di sopravvalutare il blocker #4.
|
||||||
@@ -0,0 +1,153 @@
|
|||||||
|
"""fill_haircut — quanto il fill REALE a basso capitale erode il lead PREVDAY (e TP01)?
|
||||||
|
|
||||||
|
Lo scettico d'esecuzione (diario 2026-06-21) ha segnalato che il vol-target di PREVDAY fa ~8500
|
||||||
|
ribilanciamenti/anno, di cui 97-98% < $1 di nozionale a $600: a quel capitale NON puoi piazzare
|
||||||
|
quegli ordini (min_order $5), quindi il libro MODELED (ribilanciamento continuo, frictionless) è
|
||||||
|
una finzione. Il forward-monitor traccia MODELED-$2000 vs REAL-$600 per misurare il gap nei mesi
|
||||||
|
a venire — qui lo stimiamo SUBITO su tutto lo storico, replicando la STESSA logica di paper_prevday.
|
||||||
|
|
||||||
|
Due libri, identici tranne il fill:
|
||||||
|
MODELED : ribilancia ad ogni barra alla posizione-bersaglio (fee proporzionale su ogni |Δ|).
|
||||||
|
REAL-$C : capitale C, salta i ribilanciamenti con nozionale |Δpos|*leg_cap < min_order ($5)
|
||||||
|
(posizione resta "stale" -> tracking error, ma niente fee sui trade infinitesimi).
|
||||||
|
|
||||||
|
Sweep capitale {600, 2000, 20000} per mostrare a quanto l'haircut svanisce. Poi la domanda-soldi:
|
||||||
|
il blend 80%TP01+20%PREVDAY conserva l'uplift hold-out (+0.56 modellato) usando PREVDAY-REAL-$600?
|
||||||
|
|
||||||
|
uv run python scripts/research/intraday/fill_haircut.py
|
||||||
|
"""
|
||||||
|
import sys
|
||||||
|
from pathlib import Path
|
||||||
|
|
||||||
|
import numpy as np
|
||||||
|
import pandas as pd
|
||||||
|
|
||||||
|
ROOT = Path(__file__).resolve().parents[3]
|
||||||
|
sys.path.insert(0, str(ROOT))
|
||||||
|
from src.backtest.harness import load # noqa: E402
|
||||||
|
from src.strategies.prevday_breakout import target as pv_target # noqa: E402
|
||||||
|
from src.portfolio.portfolio import to_daily # noqa: E402
|
||||||
|
from src.portfolio.sleeves import _tp01_returns # noqa: E402
|
||||||
|
|
||||||
|
HOLD = pd.Timestamp("2025-01-01", tz="UTC")
|
||||||
|
FEE_SIDE = 0.0005 # 0.05%/side = 0.10% RT
|
||||||
|
MIN_ORDER = 5.0
|
||||||
|
WEIGHT = 0.5
|
||||||
|
ASSETS = ["BTC", "ETH"]
|
||||||
|
|
||||||
|
|
||||||
|
def _sh(x):
|
||||||
|
x = x.dropna()
|
||||||
|
return float(x.mean() / x.std() * np.sqrt(365.25)) if len(x) > 2 and x.std() > 0 else 0.0
|
||||||
|
|
||||||
|
|
||||||
|
def _dd(x):
|
||||||
|
eq = (1 + x.fillna(0)).cumprod()
|
||||||
|
return float(((eq - eq.cummax()) / eq.cummax()).min())
|
||||||
|
|
||||||
|
|
||||||
|
def simulate(targets: dict, rets: dict, idx_dt, capital):
|
||||||
|
"""Bar-by-bar 50/50 book. capital=None -> MODELED (continuous). Returns (daily_ret, stats)."""
|
||||||
|
n = len(idx_dt)
|
||||||
|
held = {a: 0.0 for a in ASSETS}
|
||||||
|
net = np.zeros(n)
|
||||||
|
exec_ct = {a: 0 for a in ASSETS}
|
||||||
|
skip_ct = {a: 0 for a in ASSETS}
|
||||||
|
fee_tot = 0.0
|
||||||
|
for i in range(n):
|
||||||
|
step = 0.0
|
||||||
|
for a in ASSETS:
|
||||||
|
tgt = float(targets[a][i]); r = float(rets[a][i]); h = held[a]
|
||||||
|
if capital is None: # MODELED: always rebalance
|
||||||
|
new_h = tgt; traded = abs(tgt - h)
|
||||||
|
exec_ct[a] += 1 if traded > 1e-9 else 0
|
||||||
|
else: # REAL-$C: skip sub-min_order
|
||||||
|
leg_cap = capital * WEIGHT
|
||||||
|
if abs(tgt - h) * leg_cap >= MIN_ORDER:
|
||||||
|
new_h = tgt; traded = abs(tgt - h); exec_ct[a] += 1
|
||||||
|
else:
|
||||||
|
new_h = h; traded = 0.0; skip_ct[a] += 1
|
||||||
|
fee = FEE_SIDE * traded
|
||||||
|
fee_tot += WEIGHT * fee
|
||||||
|
step += WEIGHT * (h * r - fee) # earn on position HELD into bar, pay fee on rebalance
|
||||||
|
held[a] = new_h
|
||||||
|
net[i] = step
|
||||||
|
s = pd.Series(net, index=idx_dt)
|
||||||
|
daily = s.groupby(s.index.floor("1D")).sum()
|
||||||
|
yrs = (idx_dt[-1] - idx_dt[0]).days / 365.25
|
||||||
|
ex = sum(exec_ct.values()); sk = sum(skip_ct.values())
|
||||||
|
stats = dict(execs_per_yr=ex / yrs, skip_frac=sk / (ex + sk) if (ex + sk) else 0.0,
|
||||||
|
fee_drag_per_yr=fee_tot / yrs)
|
||||||
|
return daily, stats
|
||||||
|
|
||||||
|
|
||||||
|
def build_targets():
|
||||||
|
targets, rets, ts_sets = {}, {}, {}
|
||||||
|
dts = {}
|
||||||
|
for a in ASSETS:
|
||||||
|
df = load(a, "1h").reset_index(drop=True)
|
||||||
|
c = df["close"].values.astype(float)
|
||||||
|
r = np.zeros(len(c)); r[1:] = c[1:] / c[:-1] - 1.0
|
||||||
|
targets[a] = pv_target(df); rets[a] = r
|
||||||
|
ts = df["timestamp"].values.astype("int64")
|
||||||
|
ts_sets[a] = ts
|
||||||
|
dts[a] = pd.to_datetime(df["datetime"], utc=True).values
|
||||||
|
common = sorted(set(ts_sets["BTC"]).intersection(ts_sets["ETH"]))
|
||||||
|
pos = {a: {int(t): i for i, t in enumerate(ts_sets[a])} for a in ASSETS}
|
||||||
|
T, R = {a: [] for a in ASSETS}, {a: [] for a in ASSETS}
|
||||||
|
dt_out = []
|
||||||
|
for t in common:
|
||||||
|
i_btc = pos["BTC"][int(t)]
|
||||||
|
dt_out.append(dts["BTC"][i_btc])
|
||||||
|
for a in ASSETS:
|
||||||
|
i = pos[a][int(t)]
|
||||||
|
T[a].append(targets[a][i]); R[a].append(rets[a][i])
|
||||||
|
idx = pd.to_datetime(dt_out, utc=True)
|
||||||
|
return {a: np.array(T[a]) for a in ASSETS}, {a: np.array(R[a]) for a in ASSETS}, idx
|
||||||
|
|
||||||
|
|
||||||
|
def row(label, daily):
|
||||||
|
J = daily.dropna(); JH = J[J.index >= HOLD]
|
||||||
|
yrs = (J.index[-1] - J.index[0]).days / 365.25
|
||||||
|
cagr = (1 + J).prod() ** (1 / yrs) - 1
|
||||||
|
return (f" {label:<18s} FULL Sh {_sh(J):+5.2f} HOLD Sh {_sh(JH):+5.2f} "
|
||||||
|
f"CAGR {cagr*100:+5.1f}% DD {_dd(J)*100:4.0f}%")
|
||||||
|
|
||||||
|
|
||||||
|
def main():
|
||||||
|
print("=" * 92)
|
||||||
|
print(" FILL-HAIRCUT — PREVDAY: libro MODELED (continuo) vs REAL-$C (skip < $5 min-order)")
|
||||||
|
print("=" * 92)
|
||||||
|
T, R, idx = build_targets()
|
||||||
|
print(f" path 1h: {len(idx)} barre {idx[0].date()} -> {idx[-1].date()}\n")
|
||||||
|
|
||||||
|
books = {}
|
||||||
|
for cap, lab in [(None, "MODELED ($∞)"), (20000, "REAL-$20k"), (2000, "REAL-$2000"), (600, "REAL-$600")]:
|
||||||
|
daily, st = simulate(T, R, idx, cap)
|
||||||
|
books[lab] = daily
|
||||||
|
print(row(lab, daily) +
|
||||||
|
f" | rebal/yr {st['execs_per_yr']:6.0f} skip {st['skip_frac']*100:4.1f}% "
|
||||||
|
f"fee-drag/yr {st['fee_drag_per_yr']*100:4.2f}%")
|
||||||
|
|
||||||
|
mod = books["MODELED ($∞)"]; real = books["REAL-$600"]
|
||||||
|
hc_full = _sh(mod.dropna()) - _sh(real.dropna())
|
||||||
|
JHm = mod[mod.index >= HOLD]; JHr = real[real.index >= HOLD]
|
||||||
|
hc_hold = _sh(JHm) - _sh(JHr)
|
||||||
|
print(f"\n >> HAIRCUT $600 (MODELED - REAL): FULL Sharpe {hc_full:+.2f} | HOLD-OUT Sharpe {hc_hold:+.2f}")
|
||||||
|
|
||||||
|
# money question: does the blend uplift survive at REAL-$600?
|
||||||
|
print("\n" + "-" * 92)
|
||||||
|
print(" BLEND 80%TP01 + 20%PREVDAY — sopravvive l'uplift hold-out col fill reale?")
|
||||||
|
tp = to_daily(_tp01_returns())
|
||||||
|
for lab, pv in [("MODELED", mod), ("REAL-$600", real)]:
|
||||||
|
J = pd.concat({"TP": tp, "PV": pv}, axis=1).dropna(); JH = J[J.index >= HOLD]
|
||||||
|
for w in (0.20, 0.30):
|
||||||
|
b = (1 - w) * J["TP"] + w * J["PV"]; bh = (1 - w) * JH["TP"] + w * JH["PV"]
|
||||||
|
print(f" PV={lab:<9s} w={w:.0%} FULL {_sh(b):+.2f} (upl {_sh(b)-_sh(J['TP']):+.2f}) "
|
||||||
|
f"HOLD {_sh(bh):+.2f} (upl {_sh(bh)-_sh(JH['TP']):+.2f})")
|
||||||
|
print(f" [TP01 solo: FULL {_sh(tp.dropna()):+.2f} HOLD {_sh(tp[tp.index>=HOLD]):+.2f}]")
|
||||||
|
print("=" * 92)
|
||||||
|
|
||||||
|
|
||||||
|
if __name__ == "__main__":
|
||||||
|
main()
|
||||||
Reference in New Issue
Block a user