Adriano/PythagorasGoal
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

merge: edge watch — criteri di kill pre-registrati per il book live

Browse Source
This commit is contained in:
Adriano Dal Pastro
2026-07-26 21:14:53 +00:00
parent 1296fa2d96 a1b4416ac0
commit e320e3c2ba
5 changed files with 597 additions and 0 deletions
Download Patch File Download Diff File Expand all files Collapse all files
docs/diary/2026-07-26-edge-death.md
+112
View File
@@ -0,0 +1,112 @@
# 2026-07-26 — "come faccio a capire se l'edge è morto?"
Domanda dell'operatore dopo la misura del decadimento. Scopre un buco: il progetto ha gate di kill
**pre-registrati per i candidati** (DVOLSPREAD 24/10, XSR01 23/10, STATARB 27/09) e **nessuno per
il book che gira con soldi veri**. La risposta implicita era "si vedrà" — cioè esattamente ciò che
il progetto non accetta dai candidati.
**Script:** `r0726_edge_death.py` (taratura) + `scripts/live/edge_watch.py` (sorveglianza, cablata
in `cron_daily.sh`). **Test:** `tests/test_edge_watch.py` (11). **Book/pesi/config INVARIATI.**
---
## 1. La risposta scomoda: non puoi saperlo in fretta
Con Sharpe ~1.6 e vol ~8%, un anno di risultati non distingue nulla. Distribuzione dello Sharpe
rolling su 4.000 percorsi bootstrap, con edge **vivo** e con edge **morto** (drift a zero, stessa vol):
```
finestra VIVO (p5..p50..p95) MORTO (p5..p50..p95) sovrapposizione
6m -1.06 1.60 4.15 -3.24 -0.10 2.71 67.8%
12m -0.24 1.62 3.43 -2.20 -0.04 1.99 56.0%
24m 0.34 1.64 2.92 -1.51 -0.02 1.44 34.6%
36m 0.57 1.62 2.68 -1.22 -0.03 1.19 21.1%
```
**A 12 mesi il 56% dei casi "morto" è indistinguibile da uno vivo.** Un anno brutto non è
informazione, è rumore.
## 2. La taratura: falsi kill contro velocità
*"Sharpe rolling a N mesi scende sotto S almeno una volta in 10 anni"*, con edge **intatto** —
cioè quanto spesso la regola ucciderebbe una strategia che funziona:
```
finestra S<-0.5 S<0.0 S<+0.5
6m 100.0% 100.0% 100.0%
12m 80.5% 95.9% 99.5%
24m 14.1% 43.7% 78.8%
36m 1.8% 12.3% 43.2%
```
Con il controllo positivo (edge davvero morto) accanto:
| finestra | soglia | falso kill | lo prende | rilevamento mediano |
|---|---|---|---|---|
| 12m | −0.5 | 80.5% | 100% | 1.1 anni |
| 24m | −0.5 | 14.1% | 98.5% | 2.5 anni |
| **36m** | **−0.5** | **1.8%** | **90.8%** | **3.8 anni** |
**→ CRITERIO A: Sharpe rolling 36 mesi sotto −0.5.** Falso kill 1.8% in 10 anni, riconosce l'edge
morto nel 91% dei casi, in **3.8 anni** mediani.
⚠️ **La lentezza non è un difetto della regola: è statistica.** Una versione a 12 mesi ucciderebbe
un edge vivo nell'80% dei casi. **Non esiste una versione veloce e onesta.**
## 3. TP01 non si giudica così — e questo è il punto
Il leave-one-out del 26/07 ha misurato il contributo hold-out di TP01 **negativo nel 99.1% delle
configurazioni d'ancora**. È la firma dell'assicurazione: paga premio negli anni senza incendio.
**"Non ha guadagnato" non è evidenza di morte per uno sleeve difensivo** — la sua morte è *non
proteggere quando serve*.
```
anno DD buy&hold DD TP01 protezione
2019 56.4% 10.3% 5.5x
2020 59.2% 8.4% 7.0x
2021 52.0% 6.8% 7.6x
2022 68.4% 2.8% 24.2x
2023 22.0% 12.3% 1.8x <- il peggiore, e passa comunque
2024 35.6% 7.1% 5.0x
2025 45.1% 6.8% 6.6x
2026 46.6% 1.4% 34.4x
```
**→ CRITERIO B: in un anno con DD buy&hold > 10%, il DD di TP01 deve restare sotto il 75% di
quello.** Storico: **8 anni di sinistro, 8/8 superati**. Negli anni **senza** sinistro il criterio
non si valuta: non c'è informazione.
Questo criterio è **veloce** dove l'altro è lento — si pronuncia a ogni anno con un crash, che nel
campione è ogni anno.
## 4. Cosa succede se scattano
Dichiarato ora per non doverlo decidere nel momento sbagliato:
* **(A) scatta** → il book **non si spegne da solo**. Si apre una revisione: `weights_tilt_null` +
deflated-Sharpe ricalcolato sui dati nuovi. Spegnere è una decisione dell'operatore.
* **(B) fallito in due anni di sinistro consecutivi** → TP01 non assicura più, e il suo peso (75%)
va rimesso in discussione: proteggere è **l'unico motivo** per cui sta lì.
Cablato in `cron_daily.sh`, allerta Telegram, non tocca l'esecuzione. Stato al 2026-07-26:
**Sharpe 36m +1.51**, protezione **8/8**.
## 5. Il limite, di nuovo
Il criterio A misura se l'edge è morto **dopo** che è morto, con ~4 anni di ritardo. Questo non è
riparabile con una regola migliore — è il contenuto informativo dei dati. La difesa vera non è la
rilevazione: è che **il piano regge a un edge dimezzato** (misurato: traguardo da 11.6 a 15.8 anni,
P(entro 20a) ancora 77%) e che i rischi *veloci* — venue, esecuzione, feed — hanno sorveglianze
proprie che scattano in ore.
## 6. Regole trasferibili
1. **Se si pretende un gate di kill dai candidati, se ne deve avere uno per ciò che gira.**
L'asimmetria era invisibile finché non è stata nominata.
2. **Un criterio di kill si tara sul nullo e si valida su un controllo positivo** — identico al
tripwire di venue costruito lo stesso giorno. "Non è mai scattato" non è una buona notizia
finché non si è provato che sa scattare.
3. **Uno sleeve difensivo richiede un criterio DIVERSO**, o lo si uccide per aver fatto il suo
mestiere. Il criterio giusto guarda il sinistro, e negli anni senza sinistro **non si valuta**.
4. **Quando la rilevazione è strutturalmente lenta, dirlo e spostare la difesa altrove** invece di
accorciare la finestra fino a ottenere una risposta veloce e falsa.
scripts/cron_daily.sh
+3
View File
@@ -25,5 +25,8 @@ mkdir -p logs
uv run python scripts/live/paper_combo.py # avanza paper combo (forward-only) uv run python scripts/live/paper_combo.py # avanza paper combo (forward-only)
# --- REPORT GIORNALIERO Telegram (sola lettura): rompe il silenzio quando il libro e' flat --- # --- REPORT GIORNALIERO Telegram (sola lettura): rompe il silenzio quando il libro e' flat ---
uv run python scripts/live/telegram_daily.py # stato conto + perche' non opera + gate uv run python scripts/live/telegram_daily.py # stato conto + perche' non opera + gate
# Sorveglianza dell'EDGE del book live (criteri di kill pre-registrati,
# tarati in scripts/research/r0726_edge_death.py). Riporta e allerta, non spegne nulla.
uv run python scripts/live/edge_watch.py --quiet || true
echo "===== done $(date -u '+%H:%M:%SZ') =====" echo "===== done $(date -u '+%H:%M:%SZ') ====="
} >> logs/cron_daily.log 2>&1 } >> logs/cron_daily.log 2>&1
scripts/live/edge_watch.py
+148
View File
@@ -0,0 +1,148 @@
#!/usr/bin/env python
"""edge_watch.py — sorveglianza dell'EDGE del book live. Riporta e allerta; non tocca nulla.
IL BUCO CHE CHIUDE. Il progetto ha gate di kill pre-registrati per i CANDIDATI (DVOLSPREAD 24/10,
XSR01 23/10, STATARB 27/09) e non ne aveva **nessuno per il book che gira con soldi veri**.
DUE CRITERI, PERCHE' I DUE SLEEVE NON SI GIUDICANO ALLO STESSO MODO
(tarati in `scripts/research/r0726_edge_death.py`, 4.000 percorsi bootstrap):
A) RITORNO (book nel suo insieme) — **Sharpe rolling a 36 mesi sotto −0.5**.
Tarato sul nullo: falso kill **1.8% in 10 anni** con edge intatto. Controllo positivo: se
l'edge e' davvero morto lo riconosce nel **91%** dei casi, in **3.8 anni** mediani.
⚠️ La lentezza NON e' un difetto della regola, e' statistica: a 12 mesi la stessa regola
ucciderebbe un edge VIVO nell'80% dei casi. Non esiste una versione veloce e onesta.
B) PROTEZIONE (TP01, che e' DIFENSIVO) — in un anno con **drawdown buy&hold > 10%**, il
drawdown di TP01 deve restare **sotto il 75%** di quello. Storico: 8 anni con sinistro,
**8/8 superati** (protezione da 1.8x a 34.4x).
⚠️ Serve un criterio separato perche' il leave-one-out del 26/07 ha misurato il contributo
hold-out di TP01 **negativo nel 99.1%** delle configurazioni d'ancora: e' la firma
dell'assicurazione, che paga premio negli anni senza incendio. **"Non ha guadagnato" non e'
evidenza di morte per uno sleeve difensivo** — la sua morte e' non proteggere nel sinistro.
Negli anni SENZA sinistro il criterio non si valuta: non c'e' informazione.
Regola di kill dichiarata ORA per non doverla decidere nel momento sbagliato:
* (A) scatta -> il book NON si spegne da solo: si apre una revisione con `weights_tilt_null`
e si ricalcola il deflated-Sharpe sui dati nuovi. Spegnere e' una decisione dell'operatore.
* (B) fallito in **due anni di sinistro consecutivi** -> TP01 non assicura piu', e il suo peso
va rimesso in discussione (e' l'unico motivo per cui e' nel book al 75%).
uv run python scripts/live/edge_watch.py # report
uv run python scripts/live/edge_watch.py --quiet # solo se qualcosa scatta (cron)
"""
from __future__ import annotations
import sys
from pathlib import Path
import numpy as np
import pandas as pd
ROOT = Path(__file__).resolve().parents[2]
sys.path.insert(0, str(ROOT))
from src.live.notifier import notify # noqa: E402
from src.portfolio.portfolio import combine_outer # noqa: E402
from src.portfolio.sleeves import deribit_book_sleeves, tp01_sleeve # noqa: E402
# --- soglie CONGELATE (cambiarle invalida la taratura di r0726_edge_death.py) ---
WIN_MONTHS = 36
SHARPE_KILL = -0.5
SINISTRO_DD = 0.10 # un anno "conta" come sinistro se il buy&hold perde piu' di questo
PROTECT_MAX = 0.75 # DD di TP01 ammesso, in frazione del DD buy&hold
def book_daily() -> pd.Series:
sl = deribit_book_sleeves()
return combine_outer({s.name: s.daily() for s in sl}, {s.name: s.weight for s in sl})
def buyhold_daily() -> pd.Series:
from src.data.downloader import load_data
from src.strategies.trend_portfolio import resample_1d, simple_returns
cols = {}
for a in ("BTC", "ETH"):
df = resample_1d(load_data(a, "1h"))
cols[a] = pd.Series(simple_returns(df["close"].values.astype(float)),
index=pd.to_datetime(df["datetime"]))
J = pd.concat(cols, axis=1, join="inner").fillna(0.0)
return pd.Series(0.5 * J["BTC"].values + 0.5 * J["ETH"].values, index=J.index)
def maxdd(s: pd.Series) -> float:
e = (1.0 + s).cumprod()
return float((1.0 - e / e.cummax()).max())
def trailing_sharpe(s: pd.Series, months: int = WIN_MONTHS) -> float | None:
"""Sharpe annualizzato sulla finestra piu' recente. None se la storia non basta —
e 'non basta' NON e' 'va bene': si riporta a parte."""
w = int(months * 30.44)
v = s.dropna().values[-w:]
if len(v) < w or v.std() <= 0:
return None
return float(v.mean() / v.std() * np.sqrt(365))
def protection_by_year(tp: pd.Series, bh: pd.Series) -> list[dict]:
"""Per ogni anno con SINISTRO, il rapporto di protezione. Gli anni senza sinistro sono
esclusi: non contengono informazione sull'assicurazione."""
common = tp.index.intersection(bh.index)
tp, bh = tp.loc[common], bh.loc[common]
out = []
for y, g in bh.groupby(bh.index.year):
d_bh = maxdd(g)
if d_bh <= SINISTRO_DD:
continue
d_tp = maxdd(tp.loc[g.index])
out.append(dict(year=int(y), dd_bh=d_bh, dd_tp=d_tp,
ratio=d_tp / d_bh, ok=(d_tp / d_bh) <= PROTECT_MAX))
return out
def run() -> dict:
book = book_daily()
sh = trailing_sharpe(book)
prot = protection_by_year(tp01_sleeve(weight=1.0).daily(), buyhold_daily())
# due anni di SINISTRO CONSECUTIVI falliti (consecutivi fra gli anni con sinistro)
consec = 0
for p in prot:
consec = consec + 1 if not p["ok"] else 0
alerts = []
if sh is not None and sh < SHARPE_KILL:
alerts.append(f"criterio A: Sharpe {WIN_MONTHS}m = {sh:+.2f} < {SHARPE_KILL:+.1f}")
if consec >= 2:
alerts.append(f"criterio B: TP01 non ha protetto in {consec} anni di sinistro consecutivi")
return dict(sharpe=sh, protection=prot, consec_fail=consec, alerts=alerts)
def main() -> int:
r = run()
if "--quiet" not in sys.argv:
print("=" * 78)
print(" EDGE WATCH — il book live sta ancora funzionando?")
print("=" * 78)
s = r["sharpe"]
print(f"\n A) RITORNO — Sharpe rolling {WIN_MONTHS}m: "
f"{f'{s:+.2f}' if s is not None else 'storia insufficiente'}"
f" (kill sotto {SHARPE_KILL:+.1f}; falso kill 1.8%/10a, rilevamento ~3.8a)")
print(f"\n B) PROTEZIONE — TP01 negli anni con sinistro (DD buy&hold > {SINISTRO_DD:.0%}):")
print(f"\n {'anno':>6}{'DD b&h':>10}{'DD TP01':>10}{'protez.':>10}{'esito':>8}")
for p in r["protection"]:
print(f" {p['year']:>6}{p['dd_bh']:>9.1%}{p['dd_tp']:>9.1%}"
f"{1/p['ratio']:>9.1f}x{' OK' if p['ok'] else ' FAIL':>8}")
n_ok = sum(p["ok"] for p in r["protection"])
print(f"\n {n_ok}/{len(r['protection'])} anni di sinistro superati · "
f"fallimenti consecutivi in corso: {r['consec_fail']}")
if r["alerts"]:
notify("🚨 EDGE WATCH — criterio di kill scattato sul book LIVE",
{f"alert {i+1}": a for i, a in enumerate(r["alerts"])})
for a in r["alerts"]:
print(f" ALERT: {a}")
return 2
return 0
if __name__ == "__main__":
raise SystemExit(main())
scripts/research/r0726_edge_death.py
+205
View File
@@ -0,0 +1,205 @@
#!/usr/bin/env python
"""r0726_edge_death.py — "come faccio a capire se l'edge e' morto?"
IL BUCO. Il progetto ha gate di kill PRE-REGISTRATI per i candidati (DVOLSPREAD kill 24/10,
XSR01 23/10, STATARB 27/09) e **nessuno per il book che gira con soldi veri**. TP01 e SKH01 non
hanno una condizione dichiarata sotto la quale si direbbe "ha smesso di funzionare": finora la
risposta implicita e' "si vedra'", che e' esattamente cio' che il progetto non accetta dai
candidati.
Stessa disciplina del tripwire di venue costruito oggi: **si tara sul NULLO** (edge intatto -> non
deve scattare) e **si valida su un CONTROLLO POSITIVO** (edge morto -> deve scattare, e si misura
quanto ci mette).
IL PROBLEMA STATISTICO. Con Sharpe ~1.7 e vol ~8%, un anno di risultati non distingue niente:
SE(Sharpe) su N anni ≈ sqrt((1+S²/2)/N), che a N=1 vale ~1.1 — piu' grande dell'edge stesso. Un
criterio di kill onesto deve quindi (a) accettare di essere LENTO, oppure (b) accettare falsi kill.
Qui si misura il compromesso invece di sceglierlo a occhio.
⚠️ E I DUE SLEEVE NON SI GIUDICANO ALLO STESSO MODO. Il leave-one-out del 26/07 ha misurato che
il contributo hold-out di TP01 e' **negativo nel 99.1% delle configurazioni d'ancora**: e' la firma
dell'assicurazione, che paga premio negli anni senza incendio. **Per uno sleeve difensivo "non ha
guadagnato" NON e' evidenza di morte** — la sua morte e' *non proteggere quando serve*. Due
criteri diversi, non uno.
uv run python scripts/research/r0726_edge_death.py
"""
from __future__ import annotations
import sys
from pathlib import Path
import numpy as np
import pandas as pd
ROOT = Path(__file__).resolve().parents[2]
sys.path.insert(0, str(ROOT))
sys.path.insert(0, str(ROOT / "scripts" / "research"))
import r0725_capcurve as CC # noqa: E402
N_PATHS = 4000
BLOCK = 20
SEED = 20260726
YEARS = 10
# Finestre di valutazione in mesi. Sotto i 12 mesi non c'e' potenza, sopra i 36 il kill arriva
# quando il danno e' fatto: la griglia serve a mostrare proprio questo.
WINDOWS_M = (6, 12, 18, 24, 36)
def rolling_sharpe(eq_ret: np.ndarray, win_days: int) -> np.ndarray:
"""Sharpe annualizzato su finestra mobile, per ogni path (path x tempo)."""
n_paths, n = eq_ret.shape
out = np.full((n_paths, n), np.nan)
c1 = np.cumsum(eq_ret, axis=1)
c2 = np.cumsum(eq_ret ** 2, axis=1)
for t in range(win_days, n):
s1 = c1[:, t] - c1[:, t - win_days]
s2 = c2[:, t] - c2[:, t - win_days]
m = s1 / win_days
v = np.maximum(s2 / win_days - m ** 2, 1e-18)
out[:, t] = m / np.sqrt(v) * np.sqrt(365)
return out
def min_rolling(paths: np.ndarray, win_days: int) -> np.ndarray:
"""Il PEGGIOR Sharpe rolling visto lungo ciascun path — la statistica che un criterio di kill
guarda davvero (basta che scenda una volta sotto soglia per far scattare la regola)."""
rs = rolling_sharpe(paths, win_days)
return np.nanmin(rs, axis=1)
def main() -> None:
print("=" * 100)
print(' "come faccio a capire se l\'edge e\' morto?"')
print("=" * 100)
book = CC.book_series("hourly")
r = book.values.astype(float)
mu = float(r.mean())
print(f" book live TP01+SKH01, {len(r):,} giorni, Sharpe storico "
f"{mu/r.std()*np.sqrt(365):.2f}, vol {r.std()*np.sqrt(365):.1%}")
rng = np.random.default_rng(SEED)
n_days = 365 * YEARS
alive = CC._boot_paths(r, N_PATHS, n_days, BLOCK, rng) # NULLO: edge intatto
dead = alive - mu # CONTROPROVA: drift a zero, stessa vol
# ------------------------------------------------------------------ 1. potenza
print("\n" + "=" * 100)
print(" 1. QUANTO SERVE PER DISTINGUERE — la statistica prima delle regole")
print("=" * 100)
print(f"\n {'finestra':>9}{'Sharpe se VIVO (p5..p50..p95)':>36}{'se MORTO (p5..p50..p95)':>32}"
f"{'sovrapposizione':>17}")
for m in WINDOWS_M:
w = int(m * 30.44)
a = rolling_sharpe(alive, w)[:, -1]
d = rolling_sharpe(dead, w)[:, -1]
# quota di casi "morto" che stanno sopra il 5° pctl dei "vivo" = indistinguibili
thr = np.nanpercentile(a, 5)
overlap = float(np.nanmean(d > thr))
print(f" {m:>7}m {np.nanpercentile(a,5):>10.2f}{np.nanpercentile(a,50):>11.2f}"
f"{np.nanpercentile(a,95):>11.2f} {np.nanpercentile(d,5):>10.2f}"
f"{np.nanpercentile(d,50):>10.2f}{np.nanpercentile(d,95):>10.2f}{overlap:>16.1%}")
print("\n 'sovrapposizione' = quota di casi MORTI che un test al 5% NON riconoscerebbe.")
print(" A 6-12 mesi e' altissima: un anno brutto non e' informazione, e' rumore.")
# ------------------------------------------------------------------ 2. falsi kill
print("\n" + "=" * 100)
print(" 2. TARATURA SUL NULLO — quanto spesso un edge VIVO verrebbe ucciso per sbaglio")
print("=" * 100)
print(f"\n Regola: 'Sharpe rolling a N mesi scende sotto S almeno una volta in {YEARS} anni'")
print(f"\n {'finestra':>9}" + "".join(f"{f'S<{s:+.1f}':>12}" for s in (-0.5, 0.0, 0.5)))
fp = {}
for m in WINDOWS_M:
w = int(m * 30.44)
worst = min_rolling(alive, w)
cells = []
for s in (-0.5, 0.0, 0.5):
fp[(m, s)] = float(np.mean(worst < s))
cells.append(f"{fp[(m,s)]:>11.1%}")
print(f" {m:>7}m " + "".join(cells))
print(f"\n Questi sono FALSI KILL: l'edge c'e' e la regola lo spegne. Una regola a")
print(f" 6 mesi e' inutilizzabile; a 24-36 mesi diventa gestibile.")
# ------------------------------------------------------------------ 3. controllo positivo
print("\n" + "=" * 100)
print(" 3. CONTROLLO POSITIVO — se l'edge E' morto, quanto ci mette la regola ad accorgersene")
print("=" * 100)
print(f"\n {'finestra':>9}{'soglia':>9}{'falso kill':>13}{'lo prende':>12}"
f"{'mediana rilevamento':>22}")
best = None
for m in WINDOWS_M:
w = int(m * 30.44)
rs_dead = rolling_sharpe(dead, w)
for s in (-0.5, 0.0, 0.5):
below = rs_dead < s
first = np.where(below.any(axis=1), below.argmax(axis=1), -1)
det = first[first >= 0] / 365.0
power = float((first >= 0).mean())
med = float(np.median(det)) if len(det) else np.nan
if fp[(m, s)] <= 0.05 and power >= 0.90:
if best is None or med < best[3]:
best = (m, s, power, med)
print(f" {m:>7}m{s:>9.1f}{fp[(m,s)]:>12.1%}{power:>11.1%}"
f"{med:>19.1f} anni" if not np.isnan(med) else
f" {m:>7}m{s:>9.1f}{fp[(m,s)]:>12.1%}{power:>11.1%}{'mai':>22}")
if best:
m, s, power, med = best
print(f"\n --> REGOLA SCELTA: Sharpe rolling a {m} mesi sotto {s:+.1f}")
print(f" falso kill {fp[(m,s)]:.1%} in {YEARS} anni · lo riconosce nel {power:.0%} dei casi"
f" · rilevamento mediano {med:.1f} anni")
else:
print(f"\n ✋ Nessuna coppia soddisfa insieme falso-kill<=5% e potenza>=90%.")
# ------------------------------------------------------------------ 4. lo sleeve difensivo
print("\n" + "=" * 100)
print(" 4. ⚠️ TP01 NON SI GIUDICA COSI' — uno sleeve difensivo si valuta sul SINISTRO")
print("=" * 100)
from src.portfolio.sleeves import tp01_sleeve
tp = tp01_sleeve(weight=1.0).daily()
from src.data.downloader import load_data
from src.strategies.trend_portfolio import resample_1d, simple_returns
bh = {}
for a in ("BTC", "ETH"):
df = resample_1d(load_data(a, "1h"))
bh[a] = pd.Series(simple_returns(df["close"].values.astype(float)),
index=pd.to_datetime(df["datetime"]))
J = pd.concat(bh, axis=1, join="inner").fillna(0.0)
hold = pd.Series(0.5 * J["BTC"].values + 0.5 * J["ETH"].values, index=J.index)
common = tp.index.intersection(hold.index)
tp, hold = tp.loc[common], hold.loc[common]
def dd(s):
e = (1 + s).cumprod()
return float((1 - e / e.cummax()).max())
print(f"\n Il LOO del 26/07 ha misurato: contributo hold-out di TP01 NEGATIVO nel 99.1% delle")
print(f" configurazioni d'ancora. E' la firma dell'assicurazione — paga premio negli anni")
print(f" senza incendio. Quindi 'non ha guadagnato' NON e' evidenza di morte.")
print(f"\n Cio' che TP01 deve fare, per anno (maxDD suo vs buy&hold 50/50):")
print(f"\n {'anno':>6}{'DD buy&hold':>14}{'DD TP01':>11}{'protezione':>13}")
fails = 0
yrs_tested = 0
for y, g in hold.groupby(hold.index.year):
t = tp.loc[g.index]
d_bh, d_tp = dd(g), dd(t)
if d_bh < 0.10:
continue # anno senza sinistro: non dice niente sull'assicurazione
yrs_tested += 1
ratio = d_tp / d_bh if d_bh > 0 else np.nan
bad = ratio > 0.75
fails += bad
print(f" {y:>6}{d_bh:>13.1%}{d_tp:>10.1%}{1/ratio:>11.1f}x"
f"{' <- NON HA PROTETTO' if bad else ''}")
print(f"\n Anni con sinistro (DD buy&hold > 10%): {yrs_tested}. Fallimenti: {fails}.")
print(f"\n --> CRITERIO PER TP01 (difensivo): non 'quanto rende' ma **in un anno con DD")
print(f" buy&hold > 10%, il DD di TP01 deve restare sotto il 75% di quello**. Due anni")
print(f" di sinistro consecutivi falliti = l'assicurazione non assicura piu'.")
print(f" NB: negli anni senza sinistro il criterio NON si valuta — non c'e' informazione.")
if __name__ == "__main__":
main()
tests/test_edge_watch.py
+129
View File
@@ -0,0 +1,129 @@
"""Test della sorveglianza dell'edge (scripts/live/edge_watch.py).
Due criteri, tarati in scripts/research/r0726_edge_death.py:
A) Sharpe rolling 36m < -0.5 (falso kill 1.8% in 10 anni, rilevamento mediano 3.8 anni)
B) TP01 deve tenere il DD sotto il 75% del buy&hold negli anni con sinistro (DD b&h > 10%)
Il test piu' importante e' `test_un_anno_senza_sinistro_non_viene_valutato`: e' la differenza fra
giudicare un'assicurazione sul premio e giudicarla sul sinistro, ed e' l'errore che il criterio B
esiste per non fare.
"""
from __future__ import annotations
import sys
from pathlib import Path
import numpy as np
import pandas as pd
import pytest
ROOT = Path(__file__).resolve().parents[1]
sys.path.insert(0, str(ROOT))
sys.path.insert(0, str(ROOT / "scripts" / "live"))
import edge_watch as EW # noqa: E402
def _serie(vals, start="2020-01-01"):
return pd.Series(vals, index=pd.date_range(start, periods=len(vals), freq="D", tz="UTC"))
# ===========================================================================
# criterio A — Sharpe rolling
# ===========================================================================
def test_storia_insufficiente_non_e_un_via_libera():
"""None significa 'non misurabile', e il chiamante deve poterlo distinguere da 'va bene'."""
assert EW.trailing_sharpe(_serie([0.001] * 100)) is None
def test_sharpe_rolling_usa_solo_la_finestra_recente():
"""Un passato ottimo non deve mascherare un presente pessimo."""
n = int(EW.WIN_MONTHS * 30.44)
rng = np.random.default_rng(1)
buono = list(rng.normal(0.004, 0.005, n)) # tratto ottimo, poi scartato
cattivo = list(rng.normal(-0.002, 0.005, n))
s = EW.trailing_sharpe(_serie(buono + cattivo))
assert s is not None and s < 0, f"la finestra guarda troppo indietro: {s}"
def test_la_soglia_congelata_non_cambia_per_sbaglio():
"""Le soglie valgono la taratura (falso kill 1.8%/10a): cambiarle la invalida."""
assert EW.WIN_MONTHS == 36
assert EW.SHARPE_KILL == -0.5
assert EW.SINISTRO_DD == 0.10
assert EW.PROTECT_MAX == 0.75
# ===========================================================================
# criterio B — protezione, ed e' qui che vive la lezione
# ===========================================================================
def test_un_anno_senza_sinistro_non_viene_valutato():
"""IL test. In un anno in cui il buy&hold non perde, TP01 non ha niente da dimostrare:
l'anno non deve entrare nella statistica ne' come successo ne' come fallimento."""
calmo = _serie([0.0005] * 365, start="2021-01-01") # b&h sale sempre: nessun sinistro
tp = _serie([-0.001] * 365, start="2021-01-01") # TP01 perde: irrilevante qui
assert EW.protection_by_year(tp, calmo) == []
def test_un_anno_con_sinistro_protetto_passa():
n = 365
bh = np.full(n, 0.001)
bh[100:160] = -0.02 # crash: DD b&h grande
tp = np.full(n, 0.0)
tp[100:105] = -0.01 # TP01 esce quasi subito
out = EW.protection_by_year(_serie(tp, "2021-01-01"), _serie(bh, "2021-01-01"))
assert len(out) == 1 and out[0]["ok"] is True
assert out[0]["ratio"] < EW.PROTECT_MAX
def test_un_anno_con_sinistro_non_protetto_fallisce():
n = 365
bh = np.full(n, 0.001)
bh[100:160] = -0.02
tp = bh.copy() # TP01 subisce tutto il crash
out = EW.protection_by_year(_serie(tp, "2021-01-01"), _serie(bh, "2021-01-01"))
assert len(out) == 1 and out[0]["ok"] is False
assert out[0]["ratio"] == pytest.approx(1.0, rel=0.05)
def test_il_conteggio_dei_fallimenti_e_consecutivo_non_cumulativo():
"""Un fallimento isolato dieci anni fa non deve sommarsi a uno di oggi."""
prot = [dict(ok=False), dict(ok=True), dict(ok=False)]
consec = 0
for p in prot:
consec = consec + 1 if not p["ok"] else 0
assert consec == 1
# ===========================================================================
# controlli positivi: la regola deve SCATTARE quando deve
# ===========================================================================
def test_controllo_positivo_edge_morto_fa_scattare_A():
n = int(EW.WIN_MONTHS * 30.44)
rng = np.random.default_rng(3)
s = EW.trailing_sharpe(_serie(list(rng.normal(-0.0015, 0.004, n))))
assert s is not None and s < EW.SHARPE_KILL
def test_controllo_negativo_edge_vivo_non_fa_scattare_A():
n = int(EW.WIN_MONTHS * 30.44)
rng = np.random.default_rng(4)
s = EW.trailing_sharpe(_serie(list(rng.normal(0.0007, 0.004, n))))
assert s is not None and s > EW.SHARPE_KILL
# ===========================================================================
# stato reale + cablaggio
# ===========================================================================
def test_il_book_reale_supera_oggi_entrambi_i_criteri():
"""Se questo test fallisce non e' il test a essere rotto: e' il book."""
r = EW.run()
assert r["sharpe"] is None or r["sharpe"] >= EW.SHARPE_KILL
assert r["consec_fail"] < 2
assert all(p["ok"] for p in r["protection"]), \
f"anni di sinistro falliti: {[p['year'] for p in r['protection'] if not p['ok']]}"
def test_edge_watch_e_cablato_nel_cron_giornaliero():
sh = (ROOT / "scripts" / "cron_daily.sh").read_text()
assert "edge_watch.py" in sh