diff --git a/CLAUDE.md b/CLAUDE.md index 7795173..ea477e1 100644 --- a/CLAUDE.md +++ b/CLAUDE.md @@ -417,6 +417,88 @@ Prima ondata di ricerca onesta su BTC/ETH certificati (5 track, harness condivis **`SPLIT-NON-AGG`** in `fetch_ib_equities.certify()`, test `tests/test_eq_splits.py` (8 casi). **Regola nuova: ogni soglia di certificazione tarata su un valore tondo va controllata contro il difetto che genera esattamente quel valore** (una soglia a 50% non puo' sorvegliare gli split 2:1). +- ⚠ **RENDITA / CURVA CAPITALE (2026-07-25, 2° filone del giorno) — il muro del 24/07 era ottimista + 2-4x, e 1 DIFETTO DI ESEGUIBILITA' su GTAA01.** Script `r0725_capcurve.py` + `r0725_prop_config.py`, + test `tests/test_capcurve.py` (10 casi); diario `2026-07-25-rendita-capcurve-prop.md`. Book/pesi/cron + **INVARIATI**. + (1) **GTAA01 non e' eseguibile come codificato.** `gtaa.py` modella 2bps proporzionali e lo sleeve e' + documentato "switch mensile/basso turnover": FALSO — il vol-target e' **continuo giornaliero su 6 + gambe**, e IB ha un **pavimento FISSO** `min(max($0.35, $0.0035/az), 1% valore)` per ordine = + ~$530/anno indipendenti dal capitale. A $600: **CAGR −3.5% / Sh −0.55** (vs modellato +5.5%/0.77); + negativo fino a ~$3k; a $50k arriva solo a 0.59. **La banda lo salva**: plateau robusto + **weekly x banda $25-100** → Sh 0.45-0.64 a ogni capitale (a $600: Sh 0.52 / CAGR 3.0%). Due + conseguenze: (a) se GTAA01 va live su IB **deve** avere banda+cadenza cablate; (b) il suo Sharpe + onesto e' **~0.55-0.64, non 0.77** → i numeri headline del book a 5 sleeve vanno citati con questo + haircut (in aggiunta all'anchor-luck). **REGOLA NUOVA: il costo di un venue va modellato nella sua + FORMA (fisso vs proporzionale), non solo nel livello** — due venue a pari "costo medio" danno esiti + OPPOSTI al variare del capitale (il pavimento fisso e' una tassa regressiva). Controprova: su Deribit + (proporzionale, senza pavimento) lo Sharpe realistico di TP01 = modellato da ~$500 in su → conferma + indipendente di "a $600 il min-order $5 e' gia' la banda ottimale". + (2) **La rendita NON e' `capitale x CAGR`.** Il 24/07 calcolava capitale = target/CAGR (€122k a CAGR + 15%), ignorando il rischio di sequenza. Bootstrap a blocchi sui ritorni REALI (SKH01 su **path live**): + rendita **perpetua** (= prelievo con P(cap a 20a >= cap iniziale) >= 90%) del book de-luckato ×0.6 = + **5.98% → $497k**; SWR-20a 7.31% → $406k; lente modellata 13.57% → $219k. **Il muro vero per 50 EUR/g + perpetui e' una BANDA $232k-$497k** (path live nudo → path live + de-luck ×0.6; il ×0.6 sopra il path + live rischia di **contare due volte** la degradazione SKH01 → stima centrale ~$300-400k), non €122k. + Cio' che NON dipende dalla lente: **la rendita perpetua vale ~45-55% del CAGR**, quindi ogni muro + calcolato come `target/CAGR` sbaglia di un fattore ~2. A $600 il book rende **~€0.11/giorno**. Traiettoria (bootstrap, + de-luck): **0 depositi → 0% dei path in 20 anni**; €500/m mediana 19.6a; €1000/m mediana 14.8a. + (3) **Diversificare NON crea reddito a pari nozionale — libera BUDGET DI RISCHIO.** Per tier: + iso-nozionale 2 sleeve 5.98% → 4 sleeve 6.35% (nulla, il diversificatore a basso CAGR toglie vol e + ritorno insieme); a **ISO-RISCHIO** (vol 15%) 7.51%/$395k → **9.25%/$321k (−19% di muro)**. + **REGOLA: un diversificatore a basso CAGR si giudica a ISO-RISCHIO, mai a iso-nozionale** (e' il + null de-levering al contrario). L'ipotesi "piu' capitale → piu' sleeve → CAGR super-lineare" e' + **REFUTATA nella forma forte**: la curva Sharpe del book eseguibile e' PIATTA da $600 a $200k. + (4) ✅ **ASIMMETRIA CAPITALE-PROPRIO vs FUNDED (risultato strategico).** Il 24/07 valuto' il fronte + prop **solo col book a 2 sleeve**; ma su un conto funded il capitale e' $100k → **gli sleeve STAT-MODE + per taglia (XS01, ~$20k) diventano eseguibili**, e le regole prop passano sul **DRAWDOWN, non sul + CAGR**. Finestra comune 2024+, de-luck, crypto-only: P(pass) HYRO 1.0x **44.4%→54.7%**, FTMO 1.5x + **51.9%→70.0%**; **funded HYRO 1.0x P(vivo 1a) 18.9%→57.6% (3x)**, FTMO 1.0x 58.8%→**92.0%**, + E[payout] $8.7k→$9.3k (~€15.7/g atteso). **Si RIBALTA la raccomandazione "funded a 0.75x"**: col book + diversificato 1.0x e' sostenibile. **In una riga: sul capitale proprio diversificare non aumenta il + reddito; su un conto funded si', perche' li' il vincolo binding e' la regola di DD, non il capitale + → gli sleeve "inutili a $600" sono gli asset di maggior valore sull'unico canale che scala.** + ⚠ CAVEAT: MC **close-only** (C-bis 24/07: i wick tagliano 6-37pp) → livelli assoluti = TETTO, il + DELTA e' la misura onesta ed e' conservativo (B ha vol minore); la finestra comune 2024+ e' quella in + cui XS01 e' stato scoperto/affinato → la TAGLIA del guadagno e' ottimista (finestra piena: 56.9%→58.5%), + il MECCANISMO (corr bassa → meno DD → piu' sopravvivenza sotto vincolo di DD) e' robusto. + (5) ✅ **LA VIA: i 600 euro come BIGLIETTO, e il problema della correlazione fra conti** + (`r0725_prop_ladder.py`). I €600 come capitale sono refutati; come **biglietto** no: si compra + un'eval, il funded moltiplica il NOZIONALE senza possedere capitale, i payout comprano altri + biglietti. Il 24/07 si fermava a UN conto (cap $200k/firm → ~€15-30/g); **50 EUR/g richiede piu' + conti**, e li' il problema mai studiato: **N conti sullo STESSO book bustano INSIEME** (corr 1.0) + → la diversificazione fra conti e' illusoria salvo **sleeve diversi su conti diversi**. E' un + problema di portafoglio sotto **barriera di rovina PER-CONTO**. Sim 36 mesi, €600, max 6 conti, + 2 firm, regole vere, payout mensile prelevato subito, fisco 33%, **morte-firm 10%/anno**, + bootstrap CONGIUNTO (corr reali). **Vince il MISTO, non gli estremi** (close-only, leva 1.0x): + MISTO mediana €10.70/g, P(≥50/g) 20.7%, P(zero) 33.4% > CONC-DIV 5.70/17.8%/33.4% > SPARSO + 0.00/16.8%/**66.0%** > **CONC-2SL (= il book live attuale) 0.00/13.1%/55.6% = la PEGGIORE**. + Logica: ogni conto serve Sharpe per sopravvivere alla PROPRIA barriera (uccide SPARSO), ma i + conti servono decorrelati fra loro (penalizza CONC). **Con lente INTRADAY (wick)** tutto crolla: + P(≥50/g) 1.6-2.5%, P(zero) 78-90%. ⚠ Il mio wick e' un **PAVIMENTO**: gap estratto INDIPENDENTE + dal rendimento del giorno (i wick veri sono accoppiati alle giornate brutte) → breach spuri; il + modo giusto e' il bootstrap delle TUPLE (ritorno,gap) di `r0724_goal50_intraday_mc.py`, che pero' + ha il recon solo per TP01+SKH01 → **follow-up dichiarato**. **VERDETTO IN BANDA (risposta al goal): + una via da €600 a €50/g ESISTE (scala di conti funded) con P ~2-21% in 3 anni e P(bruciare i €600) + ~33-78% → scommessa a coda destra, NON una rendita.** Il confronto fra POLITICHE e' robusto (stessa + lente per tutte): **se si apre il fronte prop, NON mandarci il book live attuale**. + (6) **ADDENDUM "e se metto 10K su IB?"** (`r0725_ib10k.py`): allocazione fra venue, non domanda su + GTAA01. Deribit = **motore** (CAGR ~11% de-luck), IB/GTAA01 = **diversificatore** (CAGR ~3.9%). + A $11.5k totali: 0% su IB → **€2.16/g**; 50% → €1.54/g (Sharpe migliore 1.13, DD 15.3→11.2%); + **94% (= i 10k su IB) → €0.93/g = REDDITO PIU' CHE DIMEZZATO**. La via d'uscita (levare per + convertire lo Sharpe in reddito) e' **chiusa dai costi**: su ETF a IB con €10k c'e' Reg-T **2x max** + (portfolio margin da ~$110k) e il margine costa **~5.5%/anno** → contando il finanziamento vince + **tutto-Deribit a 1.33x** (rendita €1.33/g vs €0.92/g a 50/50). **REGOLA: l'argomento iso-rischio + (punto 3) vale solo se la leva e' (a) disponibile e (b) a costo < uplift — su un retail da €10k su + ETF non lo e'.** Confronto che ridimensiona GTAA01: €10k nello sleeve = €0.93/g con maxDD 10.5%, + gli stessi €10k FERMI a ~2% = €0.54/g con maxDD ~0% → **premio ~€0.50/g pagato con un DD del 10%**. + Raccomandazione: i depositi vanno su **Deribit**; al massimo **25% su IB** (costa ~€0.08/g di + rendita, taglia il maxDD 15.3→12.0%, unico split che regge coi costi). ⚠ Il confronto FAVORISCE il + crypto per costruzione (7 anni con 2 bull vs 30 anni di GTAA); tassi e aliquote (26%/33%) sono + assunzioni dichiarate, da confermare col commercialista (non un parere fiscale). + ⚠ Bug catturato in sessione: base di prelievo funded aggiornata giornalmente come HWM mobile → + guadagno al checkpoint ≈ 0 → **payout $230/anno invece di ~$7.000**; regole vere = max-loss STATICO + dal saldo iniziale + base ripristinata dopo il prelievo. Test di regressione cablato. - **Soffitto strutturale BTC/ETH-direzionale ~1.3** superato SOLO espandendo a un meccanismo diverso: cross-sectional su universo Hyperliquid certificato (XS01) → portafoglio Sharpe ~1.55. - **Sweep "strategie alternative" (2026-06-20) — 104 ipotesi / 153 agenti / NIENTE di nuovo regge.** diff --git a/docs/diary/2026-07-25-rendita-capcurve-prop.md b/docs/diary/2026-07-25-rendita-capcurve-prop.md new file mode 100644 index 0000000..78e704e --- /dev/null +++ b/docs/diary/2026-07-25-rendita-capcurve-prop.md @@ -0,0 +1,318 @@ +# 2026-07-25 — Rendita passiva: la curva capitale→book, il muro vero, e l'asimmetria del funded + +**Contesto.** Goal: "altra sessione di ricerca per arrivare allo scopo (rendita passiva, 50 EUR/g), +i 600 euro si possono usare come si vuole". La roadmap del 24/07 aveva già chiuso i *canali* +(prop / vault / copy / legale). Questa ondata attacca i due punti che quella roadmap **assumeva** +invece di calcolare: (a) il tasso di crescita del book è preso come **CAGR fisso 15%**, (b) il +capitale-rendita è calcolato come **target/CAGR**, cioè ignorando il rischio di sequenza. +Entrambe le assunzioni sono risultate sbagliate, e nella stessa direzione: ottimista. + +Script: `scripts/research/r0725_capcurve.py`, `scripts/research/r0725_prop_config.py`. +Test: `tests/test_capcurve.py` (10 casi). **Book live, pesi e config: INVARIATI.** + +--- + +## 1) Difetto di eseguibilità su GTAA01 — il 5° sleeve del book attivo + +`src/portfolio/gtaa.py` modella il costo come **2bps proporzionali** e lo sleeve è documentato +come *"eseguibile su IB a basso capitale (ETF frazionabili, switch mensile/basso turnover)"*. +Entrambe le cose sono false come codificate: + +- il segnale è un vol-target **continuo**: l'esposizione cambia **ogni giorno** su **6 gambe**; +- IB non ha una fee proporzionale ma un **pavimento FISSO per ordine**: + `min(max($0.35, $0.0035/azione), 1% del controvalore)` → ~**$530/anno di commissioni + indipendenti dal capitale**. + +| capitale allocato a GTAA | CAGR reale | Sharpe reale | drag commissioni | +|---|---|---|---| +| $600 | **−3.5%** | **−0.55** | 9.0%/anno | +| $2.000 | −0.7% | −0.09 | 6.2%/anno | +| $5.000 | +1.5% | 0.28 | 4.0%/anno | +| $50.000 | +3.4% | 0.59 | 2.1%/anno | +| *modellato (2bps)* | *+5.5%* | *0.77* | — | + +**La banda lo salva.** Con costo fisso la banda ottimale non è il minimo eseguibile (come su +Deribit) ma un valore molto più alto. Plateau robusto = **cadenza settimanale × banda $25-100** +→ Sharpe 0.45-0.64 a *ogni* capitale; a $600 la config scelta sul plateau (banda $50, weekly) +dà **Sh 0.52 / CAGR 3.0%** invece di −0.55/−3.5%. (La cella argmax a $600 era banda $50 *daily* +a 0.57, ma è isolata — crolla a 0.28 a banda 100 → scartata: il parametro è di costo, si sceglie +sul plateau, non sull'argmax in-sample.) + +**Due conseguenze.** +1. Se GTAA01 va live su IB **deve** avere banda+cadenza cablate. Come sta ora, a $600-2k è un + distruttore di capitale. +2. Lo Sharpe **onesto** di GTAA01 è **~0.55-0.64, non 0.77** → i numeri headline del book a 5 + sleeve vanno citati con questo haircut (in aggiunta all'anchor-luck già documentato). + +**Regola nuova (generale): il costo di un venue va modellato nella sua FORMA — fisso vs +proporzionale — non solo nel suo livello.** Due venue con lo stesso "costo medio" danno +risultati **opposti** al variare del capitale: la fee proporzionale è neutrale alla taglia, il +pavimento fisso è una tassa regressiva che si mangia i piccoli. Ogni sleeve nuovo va incrociato +col modello di costo del suo venue *prima* di dichiararlo eseguibile. + +**Controprova su Deribit (fee proporzionale, nessun pavimento):** lo Sharpe realistico di TP01 +coincide col modellato da ~$500 in su (1.29 a $1k = 1.29 a $50k) → conferma indipendente della +lezione già a libro *"a $600 il min-order $5 è già la banda ottimale"*. + +--- + +## 2) La rendita NON è `capitale × CAGR` — il muro del 24/07 era ottimista di 2-4× + +Una rendita passiva si preleva **mentre** il book è in drawdown: è rischio di sequenza, e +`target/CAGR` non lo vede. Calcolato col bootstrap a blocchi (20g) dei ritorni **reali** del book +(TP01 75 / SKH01 25, SKH01 sul **path live** orario, non sul backtest): + +| lente | Sharpe | CAGR | SWR 20a (95% sopravv.) | **rendita perpetua** | capitale per 50 EUR/g | +|---|---|---|---|---|---| +| modellato (backtest) | 1.75 | 20.5% | 13.10% | 13.57% | $219k | +| path live | 1.64 | 19.7% | 12.48% | 12.78% | $232k | +| **path live de-luck ×0.6** | **0.98** | **11.1%** | **7.31%** | **5.98%** | **$497k** | + +*"Rendita perpetua"* = prelievo massimo con **P(capitale a 20 anni ≥ capitale iniziale) ≥ 90%**. +È il criterio giusto: "sopravvivere 20 anni" non è una rendita, è un piano di consumo del capitale. + +**Il muro vero per 50 EUR/g perpetui è $300k-$500k**, non i €122k del diario 24/07. L'errore si +componeva di due fattori nella stessa direzione: (a) `capital×CAGR` ignora la sequenza (−45% +circa sul tasso), (b) CAGR 15% invece del de-luckato 11%. + +⚠️ **Sul de-luck, onestà metodologica:** il ×0.6 sul drift è la convenzione ereditata dal 24/07, +ma qui è applicato **sopra** il path live orario, che *già* incorpora la degradazione di SKH01 +(fill al livello → fill orario). C'è quindi un rischio concreto di **doppio conteggio** della +stessa penalità. Il muro va perciò letto come una **banda**, non come un punto: +**$232k (path live, nessun de-luck ulteriore) — $497k (path live + de-luck ×0.6)**, con la stima +centrale ragionevolmente attorno a **$300-400k**. Ciò che NON dipende dal de-luck è il risultato +strutturale: la rendita perpetua vale ~**45-55% del CAGR**, non il 100% — quindi qualunque muro +calcolato come `target/CAGR` è sbagliato per un fattore ~2, indipendentemente dalla lente. + +Al capitale attuale: **$600 → ~€0.11/giorno** di rendimento atteso, ~€0.06/g come rendita perpetua. + +*(Fisco incluso: 50 EUR/g netti = €18.250/anno netti = **$29.690/anno lordi** al 33%.)* + +**Validazione della macchineria** (obbligatoria, 3 casi a risposta nota): asset deterministico +al 10%/anno → rendita perpetua fra 9% e 10% ✓; random walk a drift zero → rendita 0 ✓; book a +prelievo nullo → P(rovina)=0 e mediana 37.6× in 20 anni ≈ 1.197²⁰ ✓. + +--- + +## 3) La diversificazione non crea reddito a pari nozionale — libera budget di rischio + +Il test che conta, per tier di sblocco (tutti de-luck ×0.6, GTAA01 a costo IB reale con banda): + +| tier | Sharpe | vol | rendita @iso-nozionale | capitale | @ISO-RISCHIO (vol 15%) | capitale | +|---|---|---|---|---|---|---| +| $600 — 2 sleeve | 0.98 | 11.4% | 5.98% | $497k | 1.32× → **7.51%** | $395k | +| $2k — + GTAA01 | 1.02 | 9.2% | 5.39% | $551k | 1.64× → 7.92% | $375k | +| $20k — + XS01 | 1.11 | 9.3% | 6.28% | $472k | 1.61× → **9.25%** | **$321k** | +| $20k — + XS01 + VRP01 (contro-fattuale) | 1.15 | 8.8% | 6.35% | $467k | 1.70× → 9.82% | $302k | + +**A pari nozionale il muro NON si abbassa** (5.98% → 6.35%: nulla). Un diversificatore a basso +CAGR toglie vol e ritorno insieme. **A iso-rischio sì**: −19% di muro ($395k → $321k). + +**Regola: un diversificatore a basso CAGR si giudica a ISO-RISCHIO, mai a iso-nozionale.** È il +"null de-levering" del progetto applicato al contrario — lì si smascherava un finto taglio di DD +comprato con la size, qui si smaschera un finto *mancato* guadagno per non aver rilevato la size. + +*(L'ipotesi di partenza — "più capitale → più sleeve → CAGR super-lineare" — è quindi **refutata** +nella forma forte: la curva Sharpe del book eseguibile è **piatta** da $600 a $200k, perché TP01 su +Deribit non ha pavimento di costo e SKH01 nemmeno. Sopravvive solo nella forma debole, via iso-rischio.)* + +--- + +## 4) Traiettoria onesta (bootstrap, de-luck, target $497k) + +| deposito | p10 | mediana | p90 | P(entro 10a) | P(entro 20a) | +|---|---|---|---|---|---| +| €0/mese | — | — | — | 0% | **0%** | +| €250/mese | 18.9a | 22.4a | 24.6a | 0% | 8% | +| €500/mese | 15.6a | 19.6a | 23.4a | 0% | 48% | +| €1.000/mese | 11.6a | 14.8a | 18.7a | 2% | 95% | +| €2.000/mese | 8.1a | 10.1a | 12.8a | 48% | 100% | + +Senza depositi, da $600, la rendita da 50 EUR/g **non arriva mai** (0% dei path in 20 anni). +Il moltiplicatore è il deposito, non il rendimento: è la stessa conclusione del 24/07, ma su un +target 4× più alto e quindi con tempi ~2× più lunghi. + +--- + +## 5) L'ASIMMETRIA — il risultato strategico della sessione + +Il 24/07 ha valutato il fronte prop **solo col book a 2 sleeve** (quello eseguibile a $600). Ma su +un conto funded il capitale non è $600, è **$100k** — e gli sleeve che a casa nostra sono STAT-MODE +*per taglia* (XS01 serve ~$20k) **diventano eseguibili**. Le regole prop, inoltre, passano sul +**drawdown**, non sul CAGR: premiano esattamente ciò che la diversificazione produce. + +Finestra comune 2024+, de-luck ×0.6, crypto-only (niente GTAA01 che è equity su IB, niente VRP01): + +| | P(pass) HYRO 1.0× | P(pass) FTMO 1.5× | **funded HYRO 1.0×: P(vivo 1a)** | funded FTMO 1.0×: P(vivo) | E[payout] FTMO | EUR/g atteso | +|---|---|---|---|---|---|---| +| A: TP01/SKH01 (live oggi) | 44.4% | 51.9% | **18.9%** | 58.8% | $8.655 | 14.58 | +| B: + XS01 (19 alt perp) | **54.7%** | **70.0%** | **57.6%** | **92.0%** | **$9.333** | **15.72** | + +**Il salto è nella sopravvivenza: 18.9% → 57.6% (3×) sul conto funded HYRO a leva 1.0×.** E la +raccomandazione del 24/07 ("funded a 0.75×, mai 1.0×") si **ribalta** col book diversificato: su +FTMO a 1.0× la sopravvivenza è 92%. + +**L'asimmetria in una riga:** sul **capitale proprio** diversificare non aumenta il reddito (il +reddito è `C × tasso`, e il tasso sale poco); su un **conto funded** lo aumenta molto, perché lì +il vincolo binding non è il capitale ma la **regola di drawdown**. → **Gli sleeve "inutili a $600 +perché STAT-MODE" sono esattamente gli asset di maggior valore sull'unico canale che scala in mesi.** +Questo inverte la priorità implicita di dieci ondate di ricerca. + +**Caveat forte, dichiarato.** (1) Il MC è **close-only**: C-bis del 24/07 ha dimostrato che i wick +intraday tagliano 6-37pp → **i livelli assoluti qui sono un TETTO**. Il ricostruttore MTM intraday +esiste solo per TP01+SKH01 (feed 5m); XS01 è 1d nativo su Hyperliquid e il suo intraday non è +ricostruibile dai nostri dati → non l'ho inventato. Il **delta** fra config è la misura onesta ed +è **conservativo** (B ha vol minore → wick minori → haircut minore). (2) La finestra comune 2024+ +è **quella in cui XS01 è stato scoperto e affinato** → la *taglia* del guadagno è ottimista; sulla +finestra piena il delta si riduce (P(pass) 56.9%→58.5%, P(vivo) 14.9%→21.8%) ma quella è +sfavorevole a B per costruzione (pre-2024 B degenera in A). Il **meccanismo** (corr bassa → meno +DD → più sopravvivenza sotto vincolo di DD) è robusto; la sua taglia no. + +--- + +## 6) LA VIA — i 600 euro come BIGLIETTO, non come capitale (`r0725_prop_ladder.py`) + +Se i €600 come *capitale* sono refutati (§2, §4), restano i €600 come **biglietto**: si compra +un'evaluation, il conto funded moltiplica il **nozionale** senza possedere capitale, i payout +comprano altri biglietti. È l'unica leva che non richiede depositi. Il 24/07 si era fermato a +**un** conto ($100k → ~€14.5/g, cap $200k/firm). Ma €50/g richiede **più conti in parallelo** — +e qui c'è il problema che nessuno aveva studiato: + +> **N conti che girano lo stesso book bustano INSIEME.** La diversificazione fra conti è +> illusoria salvo assegnare **sleeve diversi a conti diversi**. + +È un problema di costruzione di portafoglio sotto **barriera di rovina per-conto**, e non è ovvio +quale verso vinca: concentrare alza lo Sharpe *per conto* (sopravvivenza individuale) ma rende le +morti perfettamente correlate; sparpagliare decorrela le morti ma ogni conto ha Sharpe più basso +e quindi buca più spesso la propria barriera. + +Simulazione: 36 mesi, cassa iniziale €600, max 6 conti, 2 firm (cap $200k/$400k), regole vere, +payout mensile 80% prelevato subito, fisco 33%, **rischio-morte firm 10%/anno**, bootstrap a +blocchi **congiunto** dei 3 sleeve (la correlazione fra conti è quella *reale*: TP01–SKH01 +0.10, +TP01–XS01 −0.12, SKH01–XS01 −0.00). + +| politica (leva 1.0×) | EUR/g mediano | p90 | P(≥10/g) | **P(≥50/g)** | P(zero) | +|---|---|---|---|---|---| +| CONC-2SL — ogni conto = book live attuale | 0.00 | 63.2 | 26.1% | 13.1% | 55.6% | +| CONC-DIV — ogni conto = book diversificato | 5.70 | 70.6 | 44.9% | 17.8% | 33.4% | +| SPARSO — 1 sleeve per conto | 0.00 | 76.3 | 26.2% | 16.8% | **66.0%** | +| **MISTO — metà diversificati, metà single** | **10.70** | 75.1 | **50.6%** | **20.7%** | 33.4% | + +*(lente close-only)* + +**Risultato non ovvio: vince il MISTO, non gli estremi.** Ogni conto ha bisogno di abbastanza +Sharpe per sopravvivere alla *propria* barriera (questo uccide SPARSO: P(zero) 66%), ma i conti +hanno anche bisogno di essere decorrelati fra loro (questo penalizza CONC). E il **book live +attuale a 2 sleeve è la politica peggiore** di tutte. + +**La lente onesta però è più dura.** Le regole prop scattano sull'equity *intraday*. Con i wick +(lognormale calibrato sui percentili del recon MTM 1h del 24/07: p50 −0.17pp, p90 −0.90pp, +p99 −3.50pp, scalati sulla vol di ogni config): + +| politica (leva 1.0×, INTRADAY) | EUR/g mediano | p90 | P(≥10/g) | **P(≥50/g)** | P(zero) | +|---|---|---|---|---|---| +| CONC-2SL | 0.00 | 2.18 | 4.8% | 1.7% | 85.1% | +| CONC-DIV | 0.00 | 7.34 | 9.0% | **2.5%** | 78.1% | +| SPARSO | 0.00 | 0.02 | 1.3% | 0.3% | 89.9% | +| MISTO | 0.00 | 4.89 | 6.6% | 1.6% | 78.1% | + +⚠️ **Il mio modello di wick è un PAVIMENTO, non una stima puntuale**: il gap è estratto +**indipendente dal rendimento del giorno**, mentre i wick veri sono *accoppiati* alle giornate +brutte → estrarli indipendenti aggiunge finti tuffi anche nelle giornate buone, cioè breach spuri. +Il modo corretto è il bootstrap delle **tuple (ritorno, gap)** come in `r0724_goal50_intraday_mc.py`, +che però ha il recon solo per TP01+SKH01 (XS01 è 1d nativo su Hyperliquid, intraday non +ricostruibile dai nostri dati) → **follow-up dichiarato, non simulato**. + +**Verdetto in banda (ed è la risposta al goal):** +> Una via da €600 a €50/giorno **esiste** ed è la scala di conti funded. In 3 anni ha una +> probabilità **fra il 2% e il 21%** di arrivarci, e una probabilità **fra il 33% e il 78%** di +> bruciare interamente i €600. Il valore atteso è positivo rispetto ai €600 tenuti come capitale +> (~€0.11/g ⇒ ~€120 in 3 anni), ma è una **scommessa a coda destra, non una rendita**. + +Il confronto fra *politiche* è invece robusto (stessa lente per tutte) e ha un'implicazione +diretta: **se si apre il fronte prop, non mandarci il book live attuale** — è l'ultima delle +quattro politiche in entrambe le lenti. + +--- + +## 7) ADDENDUM — "e se metto 10K su IB?" (`r0725_ib10k.py`) + +Domanda dell'operatore a valle dell'ondata. Non è una domanda su GTAA01: è **allocazione fra due +venue** con profili opposti — Deribit (TP01+SKH01) è il **motore** (CAGR ~11% de-luck, vol 11.3%), +IB (GTAA01) è un **diversificatore** (CAGR ~3.9%, vol ~5%, corr ~+0.10). Tre effetti da contare +insieme: (a) il deposito **sblocca** GTAA01 (il pavimento di commissione passa dall'1-3% per ordine +a ~0.02% → §1 risolto); (b) sposta il baricentro su un venue a CAGR basso; (c) cambia l'**aliquota** +(ETF 26% vs crypto 33%, assunzione dichiarata). + +Capitale totale $11.500 ($600 Deribit + €10k), de-luck ×0.6, SKH01 path live: + +| quota su IB | Sharpe | CAGR | maxDD | €/g atteso | rendita perpetua | +|---|---|---|---|---|---| +| 0% (tutto Deribit) | 0.99 | 11.2% | 15.3% | **2.16** | €1.16/g | +| 25% | 1.06 | 9.3% | 12.0% | 1.85 | €1.08/g | +| 50% | **1.13** | 7.5% | 11.2% | 1.54 | €0.98/g | +| 94% (= i 10k su IB) | 0.84 | 4.4% | 10.5% | **0.93** | €0.61/g | + +**Mettere i 10k su IB più che dimezza il reddito** (€0.93 vs €2.16/g): è la §3 di questo stesso +diario vista dal lato pratico — un diversificatore a basso CAGR diluisce l'income a pari nozionale. + +**E la via d'uscita (levare) è chiusa dai costi.** Lo Sharpe migliore (1.13 a 50/50) si converte in +reddito solo con leva; ma su ETF a IB con €10k c'è la **Reg-T (2× max**, il portfolio margin parte +da ~$110k) e il margine costa **~5.5%/anno**. Contando il finanziamento: + +| quota IB | leva attuabile | CAGR lordo | costo leva | CAGR netto | rendita | +|---|---|---|---|---|---| +| **0%** | 1.33× | 14.8% | 0.7% | **14.1%** | **€1.33/g** | +| 25% | 1.71× | 15.9% | 2.0% | 13.9% | €1.25/g | +| 50% | 2.27× | 17.1% | 4.8% | 12.4% | €0.92/g | +| 94% | 2.06× | 9.0% | 5.6% | 3.4% | €0.00/g | + +→ **con leva attuabile E costo del margine, vince tutto-Deribit a 1.33×.** Il diversificatore +permetterebbe di levare di più, ma il finanziamento costa più di quanto aggiunge. +**Regola: l'argomento iso-rischio (§3) vale solo se la leva è (a) disponibile e (b) a costo +inferiore all'uplift — su un conto retail da €10k su ETF non lo è.** + +**Il confronto che ridimensiona GTAA01:** €10k in GTAA01 = **€0.93/g con maxDD 10.5%**; gli stessi +€10k **fermi** a interesse ~2% = **€0.54/g con maxDD ~0%**. Il premio dello sleeve sopra la +liquidità è **~€0.50/g pagato con un drawdown del 10%** — in isolamento un cattivo affare (e un +monetario/BTP EUR renderebbe più del 2% assunto). + +**Raccomandazione:** se arrivano €10k, il posto produttivo è **Deribit**. Chi vuole meno drawdown +può tenere **25% su IB**: costa ~€0.08/g di rendita e taglia il maxDD dal 15.3% al 12.0% — è +l'unico split che regge anche coi costi di finanziamento. Il 94% su IB no. + +⚠️ **Caveat che rende il confronto meno netto di come appare:** il CAGR crypto (11%) viene da ~7 +anni che contengono **due bull market**; il 3.9% di GTAA01 da ~30 anni con dentro più orsi. Il +confronto **favorisce il crypto per costruzione** — il numero crypto ha più probabilità di deludere. +Tassi (margine 5.5%, liquidità 2%) e aliquote (26%/33%) sono assunzioni dichiarate; le aliquote +vanno confermate col commercialista (**non è un parere fiscale**). + +--- + +## Bug catturato in sessione + +**Modello funded, base di prelievo aggiornata ogni giorno come un HWM mobile** → al checkpoint +mensile `eq > hwm` è quasi sempre falso → guadagno misurato ≈ 0 → **payout $230/anno invece di +~$7.000**. Le regole vere sono a max-loss **statico dal saldo iniziale**, con la base ripristinata +dopo ogni prelievo. Corretto e bloccato da `test_funded_payout_non_e_zero_regressione_hwm`. +Famiglia nota: numero plausibile, meccanismo sbagliato — si prende solo con una sanity a risposta nota. + +--- + +## Decisioni e non-decisioni + +**Cablato:** nulla sul path live. Book, pesi, config, cron: **invariati**. + +**Raccomandazioni all'operatore (non automatizzabili):** +1. **Se si apre il fronte prop** (l'unico canale che scala in mesi): mandarci il book + **diversificato** TP01+SKH01+XS01, non il book a 2 sleeve. È la differenza fra P(vivo) 19% e + 58% a leva 1.0×. Richiede una venue con i 19 alt perp (Bybit sub-account HyroTrader li ha). + E se si arriva a più conti, **politica MISTA** (§6): metà conti col book diversificato, metà + con singoli sleeve decorrelati. Budget mentale onesto: **P(perdere tutto) 33-78%**. +2. **GTAA01 su IB**: non andare live senza banda+cadenza (weekly, banda ~$50/gamba). È un cambio + al modello dello sleeve → passa dai gate, non lo cablo in questa sessione. +3. **Aspettativa onesta ricalibrata**: rendita perpetua da 50 EUR/g = **$300k-$500k** di capitale + (non €122k). A $600 il book rende ~**€0.11/giorno**. + +**Cosa NON fare (confermato):** niente cambio pesi senza `weights_tilt_null`; niente leva "per +accelerare" sul capitale proprio (il muro si sposta del 20%, non dell'ordine di grandezza). diff --git a/scripts/research/r0725_capcurve.py b/scripts/research/r0725_capcurve.py new file mode 100644 index 0000000..2e2c79c --- /dev/null +++ b/scripts/research/r0725_capcurve.py @@ -0,0 +1,646 @@ +"""r0725_capcurve — LA CURVA CAPITALE -> BOOK ESEGUIBILE (2026-07-25). + +Perche' questo script esiste. Il modello di crescita del 2026-07-24 (`r0724_goal50_math.py` +parte A) usa un **CAGR FISSO 15%** per stimare il tempo da $600 a 50 EUR/g. Ma il CAGR del +book NON e' una costante: a $600 girano 2 sleeve su 6 (TP01+SKH01 su Deribit), a $5k si +aggiunge XSR01, a ~$20k XS01, e GTAA01 (6 ETF su IB) ha un COSTO FISSO PER ORDINE che a +capitale piccolo se lo mangia. Il tasso di crescita e' quindi **funzione dello stato** +(equity), e la traiettoria vera e' super-lineare: piu' capitale -> piu' diversificazione -> +piu' Sharpe -> piu' CAGR. + +Tre parti: + A) COST-FLOOR PER SLEEVE — Sharpe/CAGR realistici di ogni sleeve in funzione dei dollari + ALLOCATI a quello sleeve, con il modello di costo del SUO venue: + - Deribit (TP01, SKH01): fee proporzionale 0.05%/lato, min order $5 (skip, non trade). + - IB (GTAA01): commissione = min(max($0.35, $0.0035/azione), 1% del controvalore) + -> **pavimento FISSO per ordine**, mai modellato prima (gtaa.py usa 2bps proporzionali). + - Hyperliquid (XSR01): fee 0.045%/lato, min order $5, 50 gambe. + Novita' vs tutto il lavoro precedente: la curva GTAA, cioe' a che capitale il 3o sleeve + smette di essere un costo. + B) FRONTIERA — per ogni capitale totale C, il MIGLIOR sottoinsieme di sleeve eseguibili + (pesi canonici rinormalizzati), con Sharpe/CAGR/DD del book risultante. Da qui la + funzione CAGR(C) che sostituisce il 15% fisso. + C) CRESCITA STATE-DEPENDENT — traiettoria da $600 con CAGR(C), depositi mensili e fisco + italiano 2026 (33% sulle plusvalenze), vs il modello a CAGR fisso. Piu' il "premio di + sblocco": quanto vale anticipare un deposito che fa scattare una soglia. + +ONESTA': (1) i rendimenti di SKH01 sono modellati equity-daily-step; il path live e' peggiore +(FULL 1.19/HOLD 1.15/DD 25% vs 1.46/1.64/18%) -> parte B gira anche in modalita' de-luck. +(2) Le soglie XS01/VRP01 sono quelle gia' documentate (non ricalcolate qui). (3) Il fisco e' +applicato come 33% sul realizzato annuo: e' l'ipotesi peggiore (nessuna compensazione). + +Uso: `uv run python scripts/research/r0725_capcurve.py` +""" +from __future__ import annotations + +import sys +from functools import lru_cache +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.data.downloader import load_data # noqa: E402 +from src.portfolio.gtaa import EQ_UNIVERSE, _close, _exposure # noqa: E402 +from src.portfolio.portfolio import combine_outer, metrics # noqa: E402 +from src.portfolio.sleeves import _skyhook_returns, _tp01_returns # noqa: E402 +from src.strategies.trend_portfolio import CANONICAL, TrendPortfolio, resample_1d, simple_returns # noqa: E402 + +EURUSD = 1.09 +TARGET_EUR_DAY = 50.0 +TAX_RATE = 0.33 # L.199/2025: capital gain crypto 33% dal 2026, esenzione abolita +ASSETS = ("BTC", "ETH") + +# --- modelli di costo per VENUE ------------------------------------------------- +DERIBIT_FEE_SIDE = 0.0005 # taker 0.05%/lato (0.10% RT) - gia' il default del progetto +DERIBIT_MIN_ORDER = 5.0 +IB_MIN_COMM = 0.35 # USD per ordine (IBKR Pro tiered, US stocks/ETF) +IB_PER_SHARE = 0.0035 # USD per azione +IB_MAX_FRAC = 0.01 # cap: 1% del controvalore dell'ordine +IB_MIN_TRADE = 1.0 # ordine frazionale minimo sensato in USD +HL_FEE_SIDE = 0.00045 +HL_MIN_ORDER = 5.0 +VOL_BUDGET = 0.15 # budget di rischio del confronto ISO-RISCHIO (vol annua) + +CAP_GRID = (100.0, 200.0, 400.0, 600.0, 1_000.0, 2_000.0, 5_000.0, 10_000.0, + 20_000.0, 50_000.0, 100_000.0, 200_000.0) + + +# ============================================================== A) COST FLOOR +@lru_cache(maxsize=64) +def _tp01_realistic_cached(alloc: float) -> pd.Series: + """TP01 con capitale ALLOCATO `alloc` (meta' per asset): un ribilanciamento il cui + nozionale |Dw|*cap_asset e' sotto min order NON si esegue (si tiene la posizione).""" + cap_asset = alloc / len(ASSETS) + tp = TrendPortfolio(**CANONICAL) + series = {} + for a in ASSETS: + df = resample_1d(load_data(a, "1h")) + r = simple_returns(df["close"].values.astype(float)) + tgt = np.nan_to_num(np.asarray(tp.target_series(df), float)) + held_tgt = np.empty(len(tgt)) + cur = 0.0 + for i in range(len(tgt)): + if abs(tgt[i] - cur) * cap_asset >= DERIBIT_MIN_ORDER: + cur = tgt[i] + held_tgt[i] = cur + pos = np.zeros(len(held_tgt)) + pos[1:] = held_tgt[:-1] # causale: deciso a i-1, tenuto in i + net = pos * r - DERIBIT_FEE_SIDE * np.abs(np.diff(pos, prepend=0.0)) + net[0] = 0.0 + series[a] = pd.Series(np.clip(net, -0.99, None), index=pd.to_datetime(df["datetime"])) + J = pd.concat(series, axis=1, join="inner").fillna(0.0) + out = pd.Series(0.5 * J["BTC"].values + 0.5 * J["ETH"].values, index=J.index) + if out.index.tz is None: + out.index = out.index.tz_localize("UTC") + return out + + +@lru_cache(maxsize=64) +def _gtaa_realistic_cached(alloc: float, universe=EQ_UNIVERSE) -> pd.Series: + """GTAA con capitale ALLOCATO `alloc`, costo IB REALE (pavimento fisso per ordine). + + gtaa.py modella 2bps proporzionali: a $600 su 6 gambe l'ordine tipico e' ~$10-30 e la + commissione IB minima ($0.35) e' l'**1-3%** del controvalore, cioe' 15-150x il modello. + Qui ogni gamba e' un conto separato: si ribilancia solo se il nozionale supera il minimo + frazionale, e si paga min(max(0.35, 0.0035*azioni), 1%*valore) A OGNI ordine. + """ + n = len(universe) + cap_leg = alloc / n + legs = {} + for sym in universe: + close = _close(sym) + ex = np.nan_to_num(np.asarray(_exposure(close).values, float)) + px = close.values.astype(float) + ret = np.zeros(len(px)) + ret[1:] = px[1:] / px[:-1] - 1.0 + held = np.empty(len(ex)) + cur = 0.0 + comm = np.zeros(len(ex)) + for i in range(len(ex)): + notional = abs(ex[i] - cur) * cap_leg + if notional >= IB_MIN_TRADE: + shares = notional / px[i] + c = min(max(IB_MIN_COMM, IB_PER_SHARE * shares), IB_MAX_FRAC * notional) + comm[i] = c / cap_leg # commissione in frazione del capitale-gamba + cur = ex[i] + held[i] = cur + pos = np.zeros(len(held)) + pos[1:] = held[:-1] + net = pos * ret - comm + net[0] = 0.0 + legs[sym] = pd.Series(net, index=close.index) + r = pd.concat(legs, axis=1, sort=True).sort_index().mean(axis=1, skipna=True).dropna() + if r.index.tz is None: + r.index = r.index.tz_localize("UTC") + days = pd.date_range(r.index.min().normalize(), r.index.max().normalize(), freq="1D", tz="UTC") + return r.reindex(days).fillna(0.0) + + +@lru_cache(maxsize=256) +def _gtaa_banded_cached(alloc: float, band_usd: float, every: int = 1, + universe=EQ_UNIVERSE) -> pd.Series: + """GTAA con BANDA di ribilanciamento e cadenza: si guarda il target solo ogni `every` + barre, e si esegue solo se il nozionale supera `band_usd`. Con un costo FISSO per ordine + la banda ottimale non e' il minimo eseguibile (come su Deribit) ma un valore molto piu' + alto: ogni ordine costa $0.35 a prescindere dalla taglia.""" + n = len(universe) + cap_leg = alloc / n + legs = {} + for sym in universe: + close = _close(sym) + ex = np.nan_to_num(np.asarray(_exposure(close).values, float)) + px = close.values.astype(float) + ret = np.zeros(len(px)) + ret[1:] = px[1:] / px[:-1] - 1.0 + held = np.empty(len(ex)) + cur = 0.0 + comm = np.zeros(len(ex)) + for i in range(len(ex)): + if i % every == 0: + notional = abs(ex[i] - cur) * cap_leg + if notional >= max(band_usd, IB_MIN_TRADE): + shares = notional / px[i] + c = min(max(IB_MIN_COMM, IB_PER_SHARE * shares), IB_MAX_FRAC * notional) + comm[i] = c / cap_leg + cur = ex[i] + held[i] = cur + pos = np.zeros(len(held)) + pos[1:] = held[:-1] + net = pos * ret - comm + net[0] = 0.0 + legs[sym] = pd.Series(net, index=close.index) + r = pd.concat(legs, axis=1, sort=True).sort_index().mean(axis=1, skipna=True).dropna() + if r.index.tz is None: + r.index = r.index.tz_localize("UTC") + days = pd.date_range(r.index.min().normalize(), r.index.max().normalize(), freq="1D", tz="UTC") + return r.reindex(days).fillna(0.0) + + +def part_a2() -> dict: + """La banda salva GTAA? Sweep banda x cadenza per capitale. Il parametro e' di COSTO + (non di segnale): la scelta si fa sul costo atteso, non sullo Sharpe in-sample.""" + print("\n" + "=" * 100) + print(" A2) GTAA01 — la BANDA di ribilanciamento puo' salvarlo? (costo fisso IB $0.35/ordine)") + print("=" * 100) + from src.portfolio.gtaa import gtaa_returns + g_model = gtaa_returns() + if g_model.index.tz is None: + g_model.index = g_model.index.tz_localize("UTC") + print(f" riferimento MODELLATO (2bps propor., ribil. continuo): " + f"Sh {metrics(g_model)['sharpe']:.2f} CAGR {metrics(g_model)['cagr']:.1%}") + + best = {} + for alloc in (600.0, 2_000.0, 5_000.0, 20_000.0): + print(f"\n --- capitale allocato a GTAA: ${alloc:,.0f} (per gamba ${alloc/6:,.0f}) ---") + print(f" {'banda$':>8} {'cadenza':>9} {'Sharpe':>8} {'CAGR':>8} {'maxDD':>8} {'ord/anno':>9}") + rows = [] + for every, lbl in ((1, "daily"), (5, "weekly"), (21, "monthly")): + for band in (1.0, 5.0, 25.0, 50.0, 100.0): + if band > alloc / 6: # banda piu' grande della gamba = mai trade + continue + s = gtaa_banded(alloc, band, every) + m = metrics(s) + # ordini/anno stimati dal drag: ricostruiti come costo/anno / 0.35 + rows.append((band, lbl, every, m, s)) + for band, lbl, every, m, s in rows: + yrs = len(s) / 365.25 + print(f" {band:>8.0f} {lbl:>9} {m['sharpe']:>8.2f} {m['cagr']:>8.1%} " + f"{m['maxdd']:>8.1%} {'':>9}") + top = max(rows, key=lambda r: r[3]["sharpe"]) + best[alloc] = dict(band=top[0], every=top[2], label=top[1], + metrics=top[3], series=top[4]) + print(f" -> migliore: banda ${top[0]:.0f} {top[1]} Sh {top[3]['sharpe']:.2f} " + f"CAGR {top[3]['cagr']:.1%}") + return best + + +def _sh(s: pd.Series, lo=None) -> dict: + x = s if lo is None else s[s.index >= lo] + return metrics(x) + + + +# --- wrapper pubblici: le implementazioni sopra sono memoizzate e lru_cache ritorna lo STESSO +# oggetto a ogni hit -> si consegna sempre una COPIA, cosi' una mutazione in place di un +# chiamante non puo' corrompere in silenzio i risultati successivi. +def tp01_realistic(alloc: float) -> pd.Series: + return _tp01_realistic_cached(float(alloc)).copy() + + +def gtaa_realistic(alloc: float, universe=EQ_UNIVERSE) -> pd.Series: + return _gtaa_realistic_cached(float(alloc), universe).copy() + + +def gtaa_banded(alloc: float, band_usd: float, every: int = 1, + universe=EQ_UNIVERSE) -> pd.Series: + return _gtaa_banded_cached(float(alloc), float(band_usd), int(every), universe).copy() + + +def part_a() -> dict: + print("=" * 100) + print(" A) COST-FLOOR PER SLEEVE — Sharpe reale vs dollari ALLOCATI a quello sleeve") + print("=" * 100) + + alloc_grid = (50.0, 100.0, 200.0, 500.0, 1_000.0, 2_000.0, 5_000.0, 10_000.0, 50_000.0) + out = {"TP01": {}, "GTAA01": {}} + + print("\n TP01 (Deribit, 2 gambe, fee 0.05%/lato, min order $5)") + print(f" {'alloc':>10} {'Sharpe':>8} {'CAGR':>8} {'maxDD':>8} {'vs modellato':>14}") + base_tp = _tp01_returns() + if base_tp.index.tz is None: + base_tp.index = base_tp.index.tz_localize("UTC") + m_model = metrics(base_tp) + for a in alloc_grid: + s = tp01_realistic(a) + m = metrics(s) + out["TP01"][a] = s + print(f" {a:>10,.0f} {m['sharpe']:>8.2f} {m['cagr']:>8.1%} {m['maxdd']:>8.1%}" + f" {m['sharpe'] - m_model['sharpe']:>+14.2f}") + print(f" {'MODELLATO':>10} {m_model['sharpe']:>8.2f} {m_model['cagr']:>8.1%} {m_model['maxdd']:>8.1%}") + + print("\n GTAA01 (IB, 6 ETF, commissione min $0.35/ordine — PAVIMENTO FISSO)") + print(f" {'alloc':>10} {'Sharpe':>8} {'CAGR':>8} {'maxDD':>8} {'drag comm/anno':>15}") + from src.portfolio.gtaa import gtaa_returns + g_model = gtaa_returns() + if g_model.index.tz is None: + g_model.index = g_model.index.tz_localize("UTC") + mg_model = metrics(g_model) + for a in alloc_grid: + s = gtaa_realistic(a) + m = metrics(s) + out["GTAA01"][a] = s + drag = mg_model["cagr"] - m["cagr"] + print(f" {a:>10,.0f} {m['sharpe']:>8.2f} {m['cagr']:>8.1%} {m['maxdd']:>8.1%}" + f" {drag:>15.2%}") + print(f" {'MODELLATO':>10} {mg_model['sharpe']:>8.2f} {mg_model['cagr']:>8.1%} {mg_model['maxdd']:>8.1%}" + f" {'(2bps propor.)':>15}") + out["_models"] = dict(TP01=m_model, GTAA01=mg_model) + return out + + +# ============================================================== B) FRONTIERA +# Config GTAA scelta sul PLATEAU (non sulla cella max): cadenza settimanale + banda $50. +# La banda e' un parametro di COSTO, non di segnale — si sceglie sul plateau robusto +# (weekly/monthly x banda 25-100 danno 0.45-0.64 a ogni capitale), non sull'argmax +# in-sample (banda 50 daily a $600 = 0.57 e' una cella isolata, crolla a 0.28 a banda 100). +GTAA_BAND_USD, GTAA_EVERY = 50.0, 5 + + +def part_b(deluck: float = 1.0) -> dict: + """Per ogni capitale totale C: il book eseguibile migliore e il suo CAGR/Sharpe. + + A $600 il book live e' TP01+SKH01 su Deribit. La domanda nuova: conviene SPEZZARE il + capitale (una parte su IB per GTAA01)? Il costo dello split e' il pavimento IB; il + beneficio e' un 3o sleeve a corr ~+0.10. + deluck: moltiplicatore sul DRIFT (0.6 = convenzione de-luck del progetto), la vol resta. + """ + tag = "MODELLATO" if deluck == 1.0 else f"DE-LUCK x{deluck}" + print("\n" + "=" * 100) + print(f" B) FRONTIERA CAPITALE -> BOOK ESEGUIBILE [{tag}]") + print("=" * 100) + + skh = _skyhook_returns() + if skh.index.tz is None: + skh.index = skh.index.tz_localize("UTC") + + def _dl(s: pd.Series) -> pd.Series: + if deluck == 1.0: + return s + return s - (1.0 - deluck) * float(s.mean()) + + print(f"\n {'capitale':>9} {'book':>28} {'ShFULL':>7} {'ShHOLD':>7} {'CAGR':>7} " + f"{'maxDD':>7} {'EUR/g':>7}") + rows = [] + for C in (600.0, 1_000.0, 2_000.0, 5_000.0, 10_000.0, 20_000.0, 50_000.0, 100_000.0, 200_000.0): + cands = [] + # --- 1) solo Deribit (book live attuale) + for wg in (0.0, 0.10, 0.20, 0.30): + w_der = 1.0 - wg + alloc_tp, alloc_gt = C * w_der * 0.75, C * wg + cols = {"TP01": _dl(tp01_realistic(alloc_tp)), "SKH01": _dl(skh)} + wts = {"TP01": w_der * 0.75, "SKH01": w_der * 0.25} + if wg > 0: + cols["GTAA01"] = _dl(gtaa_banded(alloc_gt, GTAA_BAND_USD, GTAA_EVERY)) + wts["GTAA01"] = wg + combo = combine_outer(cols, wts, lo=pd.Timestamp("2019-03-14", tz="UTC")) + m = metrics(combo) + mh = metrics(combo[combo.index >= pd.Timestamp("2025-01-01", tz="UTC")]) + name = "TP01+SKH01 (Deribit)" if wg == 0 else f"+GTAA01 {wg:.0%} (IB split)" + cands.append((name, m, mh, wg)) + best = max(cands, key=lambda r: r[1]["sharpe"]) + for name, m, mh, wg in cands: + mark = " *" if name == best[0] else " " + eur = C * m["cagr"] * (1 - TAX_RATE) / EURUSD / 365.0 + print(f" {C:>9,.0f} {name:>28} {m['sharpe']:>7.2f} {mh['sharpe']:>7.2f} " + f"{m['cagr']:>7.1%} {m['maxdd']:>7.1%} {eur:>7.2f}{mark}") + rows.append((C, best)) + print() + return dict(rows=rows) + + +# ============================================================== C) RENDITA +def book_series(lens: str = "hourly", with_gtaa: float = 0.0, + alloc: float = 600.0) -> pd.Series: + """Serie giornaliera del BOOK ESEGUIBILE. + lens='hourly' -> SKH01 sul PATH LIVE (fill al close 5m del prossimo multiplo orario: + e' la stima onesta di cio' che il cron esegue davvero). + lens='canonical' -> SKH01 modellato (fill AL LIVELLO SL/TP): e' il backtest, non il live. + """ + sys.path.insert(0, str(ROOT / "scripts" / "research")) + import r0724_skh_live_weight as skl # noqa: E402 (riusa la macchineria d'audit gia' validata) + + skh = skl.skh_book(0, lens) + if skh.index.tz is None: + skh.index = skh.index.tz_localize("UTC") + cols = {"TP01": tp01_realistic(alloc * 0.75), "SKH01": skh} + wts = {"TP01": 0.75, "SKH01": 0.25} + if with_gtaa > 0: + cols = {"TP01": tp01_realistic(alloc * (1 - with_gtaa) * 0.75), "SKH01": skh, + "GTAA01": gtaa_banded(alloc * with_gtaa, GTAA_BAND_USD, GTAA_EVERY)} + wts = {"TP01": (1 - with_gtaa) * 0.75, "SKH01": (1 - with_gtaa) * 0.25, + "GTAA01": with_gtaa} + return combine_outer(cols, wts, lo=pd.Timestamp("2019-03-14", tz="UTC")) + + +def _boot_paths(r: np.ndarray, n_paths: int, n_days: int, block: int, + rng: np.random.Generator) -> np.ndarray: + """Block bootstrap (blocchi di `block` giorni) — preserva la dipendenza seriale + (momentum/vol-clustering) che un bootstrap iid distruggerebbe, gonfiando la sopravvivenza.""" + n_blocks = int(np.ceil(n_days / block)) + starts = rng.integers(0, len(r) - block, size=(n_paths, n_blocks)) + idx = (starts[:, :, None] + np.arange(block)[None, None, :]).reshape(n_paths, -1) + return r[idx[:, :n_days]] + + +def survival(r: np.ndarray, cap0: float, draw_usd_yr: float, years: int, + k: float, n_paths: int = 4000, block: int = 20, + index_rate: float = 0.0, seed: int = 725) -> dict: + """P(il capitale sopravvive `years` anni prelevando `draw_usd_yr`/anno) con leva `k`. + Prelievo giornaliero pro-rata (una rendita si preleva in continuo, non a fine anno). + """ + rng = np.random.default_rng(seed) + n_days = int(years * 365) + paths = _boot_paths(r, n_paths, n_days, block, rng) * k + cap = np.full(n_paths, cap0, float) + alive = np.ones(n_paths, bool) + daily_draw = draw_usd_yr / 365.0 + ruin_day = np.full(n_paths, n_days + 1, int) + for t in range(n_days): + d = daily_draw * (1.0 + index_rate) ** (t / 365.0) + cap = np.where(alive, cap * (1.0 + paths[:, t]) - d, cap) + newly = alive & (cap <= 0) + ruin_day[newly] = t + alive &= cap > 0 + return dict(p_survive=float(alive.mean()), + median_end=float(np.median(np.where(alive, cap, 0.0))), + p10_end=float(np.percentile(np.where(alive, cap, 0.0), 10)), + median_ruin_yr=float(np.median(ruin_day[~alive]) / 365.0) if (~alive).any() else np.nan) + + +def part_c() -> dict: + """La RENDITA sostenibile del book. Il muro del 24/07 usava capitale = target/CAGR, + che ignora il RISCHIO DI SEQUENZA: prelevare da un book volatile mentre e' in drawdown + consuma capitale che non torna. Qui il muro vero, a 95% di sopravvivenza.""" + print("\n" + "=" * 100) + print(" C) RENDITA SOSTENIBILE — quanto capitale serve DAVVERO per 50 EUR/g") + print("=" * 100) + + out = {} + for lens, deluck in (("canonical", 1.0), ("hourly", 1.0), ("hourly", 0.6)): + b = book_series(lens) + if deluck != 1.0: + b = b - (1.0 - deluck) * float(b.mean()) # taglia il DRIFT, lascia la vol + m = metrics(b) + r = b.values.astype(float) + vol = float(r.std() * np.sqrt(365)) + lbl = ("MODELLATO (backtest)" if lens == "canonical" else "PATH LIVE (cron orario)") + if deluck != 1.0: + lbl += f" DE-LUCK drift x{deluck}" + print(f"\n --- book TP01 75 / SKH01 25 — {lbl} ---") + print(f" Sharpe {m['sharpe']:.2f} CAGR {m['cagr']:.1%} vol {vol:.1%} " + f"maxDD {m['maxdd']:.1%} ({m['n']} giorni)") + + # tasso di prelievo massimo sostenibile al 95% di sopravvivenza, per leva k + print(f"\n {'leva':>5} {'vol':>7} {'CAGR':>7} {'SWR20a':>8} {'SWR30a':>8} " + f"{'capitale per 50EUR/g netti':>28}") + rows = {} + for k in (0.5, 0.75, 1.0, 1.5, 2.0): + # SWR = massimo tasso di prelievo (% del capitale iniziale) con P(vivo) >= 95% + swr = {} + for years in (20, 30): + lo, hi = 0.0, 0.40 + for _ in range(14): # bisezione sul tasso + mid = (lo + hi) / 2 + p = survival(r, 1_000_000.0, 1_000_000.0 * mid, years, k, + n_paths=2000)["p_survive"] + if p >= 0.95: + lo = mid + else: + hi = mid + swr[years] = lo + gross_needed = TARGET_EUR_DAY * 365 * EURUSD / (1 - TAX_RATE) + cap_needed = gross_needed / swr[20] if swr[20] > 0.001 else float("inf") + print(f" {k:>5.2f} {vol*k:>7.1%} {m['cagr']*k:>7.1%} {swr[20]:>8.2%} " + f"{swr[30]:>8.2%} ${cap_needed:>26,.0f}") + rows[k] = dict(swr20=swr[20], swr30=swr[30], cap=cap_needed) + out[(lens, deluck)] = dict(metrics=m, vol=vol, rows=rows, series=b) + best_k = max(rows, key=lambda k: rows[k]["swr20"]) + print(f" -> leva che massimizza la rendita: {best_k:.2f}x " + f"(SWR {rows[best_k]['swr20']:.2%}, capitale ${rows[best_k]['cap']:,.0f})") + return out + + +# ====================================================== C2) RENDITA PERPETUA +def part_c2() -> dict: + """'Survive 20 anni' NON e' una rendita: e' un piano di consumo del capitale. Una rendita + passiva vera vuole il capitale INTATTO (altrimenti a 20 anni il reddito finisce). Qui il + criterio giusto: prelievo massimo con P(capitale a 20a >= capitale iniziale) >= 90%.""" + print("\n" + "=" * 100) + print(" C2) RENDITA PERPETUA — prelievo che PRESERVA il capitale (P(cap_20a >= cap_0) >= 90%)") + print("=" * 100) + + gross_needed = TARGET_EUR_DAY * 365 * EURUSD / (1 - TAX_RATE) + print(f" 50 EUR/g netti = EUR {TARGET_EUR_DAY*365:,.0f}/anno netti " + f"= ${gross_needed:,.0f}/anno LORDI (fisco {TAX_RATE:.0%})\n") + print(f" {'lente':>34} {'leva':>5} {'SWR-20a':>8} {'PERPETUA':>9} " + f"{'capitale (perpetua)':>21}") + out = {} + for lens, deluck in (("canonical", 1.0), ("hourly", 1.0), ("hourly", 0.6)): + b = book_series(lens) + if deluck != 1.0: + b = b - (1.0 - deluck) * float(b.mean()) + r = b.values.astype(float) + lbl = ("MODELLATO" if lens == "canonical" else "PATH LIVE") + if deluck != 1.0: + lbl += f" de-luck x{deluck}" + for k in (1.0, 1.5, 2.0): + lo, hi = 0.0, 0.40 + for _ in range(13): + mid = (lo + hi) / 2 + s = survival(r, 1_000_000.0, 1_000_000.0 * mid, 20, k, n_paths=2000) + # criterio PERPETUO: il 90mo percentile dei path deve finire >= capitale iniziale + keep = s["p10_end"] >= 1_000_000.0 + if keep: + lo = mid + else: + hi = mid + swr20 = None + lo2, hi2 = 0.0, 0.40 + for _ in range(13): + mid = (lo2 + hi2) / 2 + if survival(r, 1e6, 1e6 * mid, 20, k, n_paths=2000)["p_survive"] >= 0.95: + lo2 = mid + else: + hi2 = mid + swr20 = lo2 + cap = gross_needed / lo if lo > 0.002 else float("inf") + print(f" {lbl:>34} {k:>5.2f} {swr20:>8.2%} {lo:>9.2%} " + f"{('$' + format(cap, ',.0f')) if np.isfinite(cap) else 'IRRAGGIUNGIBILE':>21}") + out[(lens, deluck, k)] = dict(swr20=swr20, perp=lo, cap=cap) + print() + return out + + +# ============================================================== D) TRAIETTORIA +def part_d(perp_rate: float, cap_needed: float) -> None: + """Quanto tempo per accumulare il capitale della rendita — STOCASTICO (il 24/07 era + deterministico: un CAGR fisso nasconde che meta' dei path arriva dopo).""" + print("\n" + "=" * 100) + print(f" D) TRAIETTORIA — da $600 a ${cap_needed:,.0f} (rendita perpetua {perp_rate:.2%})") + print("=" * 100) + b = book_series("hourly") + b = b - 0.4 * float(b.mean()) # de-luck x0.6: la lente della decisione + r = b.values.astype(float) + rng = np.random.default_rng(725) + n_days = 365 * 25 + paths = _boot_paths(r, 3000, n_days, 20, rng) + + print(f"\n {'deposito/mese':>14} {'p10':>8} {'mediana':>9} {'p90':>8} " + f"{'P(entro 10a)':>12} {'P(entro 20a)':>12}") + for dep_eur in (0, 250, 500, 1_000, 2_000, 5_000): + dep = dep_eur * EURUSD + cap = np.full(3000, 600.0) + hit = np.full(3000, -1, int) + for t in range(n_days): + cap = cap * (1.0 + paths[:, t]) + if t % 30 == 0 and t > 0: + cap += dep + newly = (hit < 0) & (cap >= cap_needed) + hit[newly] = t + yrs = np.where(hit >= 0, hit / 365.0, np.nan) + finite = yrs[~np.isnan(yrs)] + p10 = np.percentile(finite, 10) if len(finite) > 100 else np.nan + p50 = np.percentile(finite, 50) if len(finite) > 100 else np.nan + p90 = np.percentile(finite, 90) if len(finite) > 100 else np.nan + p10y = float((yrs <= 10).sum() / len(yrs)) + p20y = float((yrs <= 20).sum() / len(yrs)) + f = lambda v: f"{v:.1f}a" if np.isfinite(v) else " —" # noqa: E731 + print(f" {dep_eur:>10,.0f}/m {f(p10):>8} {f(p50):>9} {f(p90):>8} " + f"{p10y:>12.0%} {p20y:>12.0%}") + print("\n (bootstrap a blocchi dei ritorni REALI del book, de-luck x0.6; i depositi") + print(" sono in EUR/mese. 'P(entro Na)' = quota di path che tocca il capitale-rendita.)") + + +# ================================================ E) IL MURO SI ABBASSA? +def part_e() -> dict: + """L'ipotesi di partenza: piu' capitale -> piu' sleeve eseguibili -> piu' Sharpe -> muro + piu' basso. Per il book eseguibile-OGGI e' FALSA (parte B: Sharpe piatto da $600 a $200k). + Ma attraverso le SOGLIE di sblocco (XSR01 ~$5k, XS01 ~$20k) puo' essere vera. Qui il + conto onesto, con GTAA01 al suo costo IB REALE e SKH01 sul path live. + + Regole di ammissione rispettate: VRP01 ESCLUSO (regola permanente 'niente short-vol da + modello in deploy'); XSR01 escluso dal book deployable (gate pre-registrato 2026-10-23, + oggi in forward-monitor) ma mostrato come contro-fattuale. + """ + print("\n" + "=" * 100) + print(" E) IL MURO SI ABBASSA COL CAPITALE? — book per tier di sbloccо") + print("=" * 100) + from src.portfolio.sleeves import _vrp_combo_returns, _xsec_returns + + sys.path.insert(0, str(ROOT / "scripts" / "research")) + import r0724_skh_live_weight as skl + + skh = skl.skh_book(0, "hourly") + if skh.index.tz is None: + skh.index = skh.index.tz_localize("UTC") + + def _d(s): + s = s.dropna().sort_index() + if s.index.tz is None: + s.index = s.index.tz_localize("UTC") + return s + + xs = _d(_xsec_returns()).resample("1D").apply(lambda x: (1 + x).prod() - 1) + vrp = _d(_vrp_combo_returns()).resample("1D").apply(lambda x: (1 + x).prod() - 1) + + gross_needed = TARGET_EUR_DAY * 365 * EURUSD / (1 - TAX_RATE) + tiers = [ + ("$600 — 2 sleeve (Deribit)", 600.0, + {"TP01": 0.75, "SKH01": 0.25}), + ("$2k — + GTAA01 (IB, banda)", 2_000.0, + {"TP01": 0.60, "SKH01": 0.20, "GTAA01": 0.20}), + ("$20k — + XS01 (Hyperliquid)", 20_000.0, + {"TP01": 0.45, "SKH01": 0.25, "GTAA01": 0.20, "XS01": 0.10}), + ("$20k — + XS01 + VRP01 (contro-fattuale)", 20_000.0, + {"TP01": 0.40, "SKH01": 0.22, "GTAA01": 0.18, "XS01": 0.10, "VRP01": 0.10}), + ] + print(f"\n {'tier':>42} {'Sharpe':>7} {'CAGR':>7} {'vol':>6} {'maxDD':>7} " + f"{'rendita':>8} {'capitale 50EUR/g':>18}") + out = {} + for name, C, w in tiers: + cols = {"TP01": tp01_realistic(C * w["TP01"]), "SKH01": skh} + if "GTAA01" in w: + cols["GTAA01"] = gtaa_banded(C * w["GTAA01"], GTAA_BAND_USD, GTAA_EVERY) + if "XS01" in w: + cols["XS01"] = xs + if "VRP01" in w: + cols["VRP01"] = vrp + combo = combine_outer(cols, w, lo=pd.Timestamp("2019-03-14", tz="UTC")) + combo = combo - 0.4 * float(combo.mean()) # de-luck x0.6 (lente della decisione) + m = metrics(combo) + r = combo.values.astype(float) + lo, hi = 0.0, 0.40 + for _ in range(13): + mid = (lo + hi) / 2 + if survival(r, 1e6, 1e6 * mid, 20, 1.0, n_paths=2000)["p10_end"] >= 1e6: + lo = mid + else: + hi = mid + cap = gross_needed / lo if lo > 0.002 else float("inf") + vol = float(r.std() * np.sqrt(365)) + # ISO-RISCHIO: e' QUI che la diversificazione paga. A pari nozionale un diversificatore + # a basso CAGR diluisce il ritorno; il suo valore e' che LIBERA BUDGET DI RISCHIO. Si + # confronta portando ogni tier alla STESSA vol (15%), non allo stesso nozionale. + k_iso = min(VOL_BUDGET / vol, 3.0) + lo_i, hi_i = 0.0, 0.60 + for _ in range(13): + mid = (lo_i + hi_i) / 2 + if survival(r, 1e6, 1e6 * mid, 20, k_iso, n_paths=2000)["p10_end"] >= 1e6: + lo_i = mid + else: + hi_i = mid + cap_i = gross_needed / lo_i if lo_i > 0.002 else float("inf") + print(f" {name:>42} {m['sharpe']:>7.2f} {m['cagr']:>7.1%} {vol:>6.1%} " + f"{m['maxdd']:>7.1%} {lo:>8.2%} " + f"{('$' + format(cap, ',.0f')) if np.isfinite(cap) else 'IRRAGG.':>18}" + f" | {k_iso:>4.2f}x {lo_i:>7.2%} " + f"{('$' + format(cap_i, ',.0f')) if np.isfinite(cap_i) else 'IRRAGG.':>18}") + out[name] = dict(perp=lo, cap=cap, metrics=m, k_iso=k_iso, perp_iso=lo_i, cap_iso=cap_i) + print("\n (tutti de-luck x0.6, SKH01 su path live, GTAA01 a costo IB reale con banda.") + print(" 'rendita' = prelievo perpetuo al 90% di preservazione del capitale.)") + return out + + +if __name__ == "__main__": + part_a() + part_a2() + part_b() + part_c() + res = part_c2() + part_e() + key = ("hourly", 0.6, 1.0) + part_d(res[key]["perp"], res[key]["cap"]) diff --git a/scripts/research/r0725_ib10k.py b/scripts/research/r0725_ib10k.py new file mode 100644 index 0000000..9cc4553 --- /dev/null +++ b/scripts/research/r0725_ib10k.py @@ -0,0 +1,217 @@ +"""r0725_ib10k — E SE METTO 10K SU IB? Lo split ottimale Deribit/IB (2026-07-25). + +Domanda dell'operatore, posta dopo l'ondata rendita: "se metto 10K in IB?". +Non e' una domanda su GTAA01: e' una domanda di ALLOCAZIONE FRA DUE VENUE, e le due +gambe hanno profili opposti: + + * DERIBIT (TP01+SKH01): Sharpe ~0.98 de-luck, CAGR ~11%, vol 11.4% — e' il MOTORE di reddito. + * IB (GTAA01): Sharpe ~0.6, CAGR ~3.5-5%, vol ~7% — e' un DIVERSIFICATORE (corr ~+0.10), + e a $600 era negativo per il pavimento di commissione; a $10k il pavimento diventa + trascurabile (0.02% per ordine invece dell'1-3%) -> **il deposito SBLOCCA lo sleeve**. + +Tre effetti che si sommano e che vanno contati INSIEME: + 1. sblocco di GTAA01 (il pavimento IB smette di mordere); + 2. spostamento del baricentro su un venue a CAGR basso (se ci va TUTTO, il reddito CALA); + 3. **fisco diverso**: plusvalenze ETF 26% vs crypto 33% (L.199/2025) -> un euro lordo su IB + vale il 10% in piu' netto di un euro lordo su Deribit. + (+ pavimento alternativo: la liquidita' IB non investita rende interesse ~2% EUR / ~4% USD.) + +Output: la curva dello split, giudicata su TRE metriche diverse perche' danno risposte diverse — +reddito atteso netto, rendita perpetua (preservazione del capitale), e reddito a ISO-RISCHIO. + +ONESTA': (a) SKH01 sul path live, de-luck x0.6 (lente di decisione del progetto); +(b) GTAA01 col costo IB REALE (pavimento fisso) e banda/cadenza scelte sul plateau; +(c) le aliquote sono l'assunzione dichiarata 26%/33% — da verificare col commercialista, +NON un parere fiscale; (d) i numeri di GTAA01 sono su ~30 anni, quelli crypto su ~7. + +Uso: `uv run python scripts/research/r0725_ib10k.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")) + +from src.portfolio.portfolio import combine_outer, metrics # noqa: E402 + +import r0724_skh_live_weight as skl # noqa: E402 +from r0725_capcurve import (EURUSD, gtaa_banded, metrics as _m, survival, # noqa: E402 + tp01_realistic) + +TAX_CRYPTO = 0.33 # L.199/2025 dal 1/1/2026 +TAX_EQUITY = 0.26 # plusvalenze su ETF (assunzione dichiarata) +IB_CASH_RATE = 0.02 # interesse su liquidita EUR non investita (IBKR, sopra $10k) +IB_MARGIN_RATE = 0.055 # costo del margine IB in USD (benchmark + spread) — assunzione dichiarata +DERIBIT_FUNDING = 0.02 # funding medio dei perp Deribit (ricerca 24/07: ciclo 0-4%/anno) +DELUCK = 0.6 +DERIBIT_NOW = 600.0 # cio' che c'e' oggi sul conto Deribit +BOOK_START = pd.Timestamp("2019-03-14", tz="UTC") + + +def _d(s: pd.Series) -> pd.Series: + s = s.dropna().sort_index() + if s.index.tz is None: + s.index = s.index.tz_localize("UTC") + return s + + +def _deluck(s: pd.Series) -> pd.Series: + return s - (1.0 - DELUCK) * float(s.mean()) + + +def gtaa_best_band(alloc: float) -> tuple[float, int, dict]: + """Config di costo per GTAA al capitale dato, scelta sul PLATEAU (weekly, banda 25-100): + non e' un parametro di segnale, si sceglie sul costo e si dichiara.""" + best = None + for every in (5, 21): + for band in (25.0, 50.0, 100.0): + if band > alloc / 6: + continue + m = metrics(gtaa_banded(alloc, band, every)) + if best is None or m["sharpe"] > best[2]["sharpe"]: + best = (band, every, m) + if best is None: # capitale troppo piccolo per una banda + best = (1.0, 21, metrics(gtaa_banded(alloc, 1.0, 21))) + return best + + +def build(total: float, f_ib: float) -> dict: + """Book con frazione f_ib del capitale su IB (GTAA01) e il resto su Deribit (TP01/SKH01).""" + a_ib, a_der = total * f_ib, total * (1.0 - f_ib) + skh = _d(skl.skh_book(0, "hourly")) + cols, w = {}, {} + if a_der > 1.0: + cols["TP01"] = _deluck(_d(tp01_realistic(a_der * 0.75))) + cols["SKH01"] = _deluck(skh) + w["TP01"] = (1.0 - f_ib) * 0.75 + w["SKH01"] = (1.0 - f_ib) * 0.25 + band = every = None + if a_ib > 1.0: + band, every, _ = gtaa_best_band(a_ib) + cols["GTAA01"] = _deluck(_d(gtaa_banded(a_ib, band, every))) + w["GTAA01"] = f_ib + combo = combine_outer(cols, w, lo=BOOK_START) + m = metrics(combo) + vol = float(combo.std() * np.sqrt(365)) + # fisco misto: la quota IB e' tassata al 26%, la quota Deribit al 33% + tax_blend = f_ib * TAX_EQUITY + (1.0 - f_ib) * TAX_CRYPTO + eur_day = total * m["cagr"] * (1.0 - tax_blend) / EURUSD / 365.0 + return dict(metrics=m, vol=vol, combo=combo, tax=tax_blend, eur_day=eur_day, + band=band, every=every, a_ib=a_ib, a_der=a_der) + + +def perp_rate(combo: pd.Series, k: float = 1.0, n: int = 1500) -> float: + """Prelievo perpetuo (P(cap a 20a >= cap iniziale) >= 90%).""" + r = combo.values.astype(float) + lo, hi = 0.0, 0.35 + for _ in range(12): + mid = (lo + hi) / 2 + if survival(r, 1e6, 1e6 * mid, 20, k, n_paths=n)["p10_end"] >= 1e6: + lo = mid + else: + hi = mid + return lo + + +def main() -> None: + total = DERIBIT_NOW + 10_000.0 * EURUSD # $600 + EUR 10k + print("=" * 100) + print(f" SE METTO 10K SU IB — capitale totale ${total:,.0f} " + f"(= $600 Deribit + EUR 10.000)") + print("=" * 100) + print(f" fisco assunto: ETF {TAX_EQUITY:.0%} / crypto {TAX_CRYPTO:.0%} | de-luck x{DELUCK} | " + f"SKH01 path live") + print(f" pavimento alternativo: liquidita' IB non investita ~{IB_CASH_RATE:.0%}/anno EUR " + f"= EUR {total/EURUSD*IB_CASH_RATE*(1-TAX_EQUITY)/365:.2f}/g\n") + + print(f" {'quota su IB':>12} {'GTAA banda':>12} {'Sharpe':>7} {'CAGR':>7} {'vol':>6} " + f"{'maxDD':>7} {'fisco':>6} {'EUR/g':>7} {'rendita':>8} {'EUR/g rend.':>12}") + rows = [] + for f_ib in (0.0, 0.25, 0.50, 0.75, 0.90, 0.94, 1.0): + b = build(total, f_ib) + pr = perp_rate(b["combo"]) + eur_perp = total * pr * (1.0 - b["tax"]) / EURUSD / 365.0 + lbl = "—" if b["band"] is None else f"${b['band']:.0f}/{ 'sett' if b['every']==5 else 'mens'}" + print(f" {f_ib:>11.0%} {lbl:>12} {b['metrics']['sharpe']:>7.2f} " + f"{b['metrics']['cagr']:>7.1%} {b['vol']:>6.1%} {b['metrics']['maxdd']:>7.1%} " + f"{b['tax']:>6.0%} {b['eur_day']:>7.2f} {pr:>8.2%} {eur_perp:>12.2f}") + rows.append((f_ib, b, pr)) + print("\n ('quota su IB' 94% = mettere i 10k su IB e lasciare i $600 dove sono;") + print(" 'rendita' = prelievo perpetuo al 90% di preservazione del capitale.)") + + # --- ISO-RISCHIO: e' qui che un diversificatore a basso CAGR si giudica + print("\n" + "-" * 100) + print(" A ISO-RISCHIO (ogni split portato a vol 15% con la leva) — il confronto corretto") + print("-" * 100) + print(f" {'quota su IB':>12} {'leva':>6} {'CAGR iso':>9} {'EUR/g iso':>10} " + f"{'rendita iso':>12} {'EUR/g rend.iso':>15}") + best = None + for f_ib, b, _ in rows: + k = min(0.15 / b["vol"], 3.0) + pr = perp_rate(b["combo"], k=k) + eur = total * b["metrics"]["cagr"] * k * (1.0 - b["tax"]) / EURUSD / 365.0 + eur_p = total * pr * (1.0 - b["tax"]) / EURUSD / 365.0 + print(f" {f_ib:>11.0%} {k:>6.2f}x {b['metrics']['cagr']*k:>9.1%} {eur:>10.2f} " + f"{pr:>12.2%} {eur_p:>15.2f}") + if best is None or eur_p > best[1]: + best = (f_ib, eur_p, k, pr) + print(f"\n -> split che massimizza la RENDITA a iso-rischio: {best[0]:.0%} su IB " + f"(leva {best[2]:.2f}x, rendita {best[3]:.2%} = EUR {best[1]:.2f}/g)") + + # --- ISO-RISCHIO CON VINCOLI DI LEVA REALI ------------------------------- + # La leva che l'iso-rischio chiede non e' sempre ottenibile: su IB un conto da EUR 10k ha + # Reg-T (2x max sugli ETF); il portfolio margin parte da ~$110k. Su Deribit i perp danno + # leva alta. La leva ATTUABILE del book misto e' quindi limitata dalla gamba peggiore. + print("\n" + "-" * 100) + print(" ISO-RISCHIO CON LEVA ATTUABILE (IB Reg-T 2.0x su ETF; Deribit perp 3.0x)") + print("-" * 100) + print(f" {'quota su IB':>12} {'leva max':>9} {'leva usata':>11} {'CAGR':>7} " + f"{'EUR/g':>7} {'rendita':>9} {'EUR/g rend.':>12}") + print(" (COSTO DEL MARGINE INCLUSO: la parte presa a prestito si paga — IB ~5.5%/anno sul") + print(" margine USD, Deribit funding perp ~2%/anno medio. Ignorarlo gonfia ogni riga levata.)") + print(f" {'quota su IB':>12} {'leva max':>9} {'leva usata':>11} {'CAGR lordo':>11} " + f"{'costo leva':>11} {'CAGR netto':>11} {'EUR/g':>7} {'rendita':>9} {'EUR/g rend.':>12}") + best2 = None + for f_ib, b, _ in rows: + k_want = min(0.15 / b["vol"], 3.0) + k_max = f_ib * 2.0 + (1.0 - f_ib) * 3.0 # vincolo pesato per venue + k = min(k_want, k_max) + borrow_rate = f_ib * IB_MARGIN_RATE + (1.0 - f_ib) * DERIBIT_FUNDING + fin = max(k - 1.0, 0.0) * borrow_rate # costo sulla quota presa a prestito + cagr_gross = b["metrics"]["cagr"] * k + cagr_net = cagr_gross - fin + pr = max(perp_rate(b["combo"], k=k) - fin, 0.0) # il costo grava anche sul prelievo + eur_p = total * pr * (1.0 - b["tax"]) / EURUSD / 365.0 + eur = total * cagr_net * (1.0 - b["tax"]) / EURUSD / 365.0 + flag = " (leva TAGLIATA)" if k < k_want - 1e-9 else "" + print(f" {f_ib:>11.0%} {k_max:>8.2f}x {k:>10.2f}x {cagr_gross:>11.1%} " + f"{fin:>11.1%} {cagr_net:>11.1%} {eur:>7.2f} {pr:>9.2%} {eur_p:>12.2f}{flag}") + if best2 is None or eur_p > best2[1]: + best2 = (f_ib, eur_p, k, pr) + print(f"\n -> con leva ATTUABILE E costo del margine il migliore e' {best2[0]:.0%} su IB " + f"(leva {best2[2]:.2f}x, rendita {best2[3]:.2%} = EUR {best2[1]:.2f}/g)") + + # --- il confronto che conta: GTAA vs LIQUIDITA' FERMA --------------------- + print("\n" + "-" * 100) + print(" IL CONFRONTO ONESTO: GTAA01 sui 10k vs la stessa liquidita' FERMA che prende interesse") + print("-" * 100) + b94 = [b for f, b, _ in rows if abs(f - 0.94) < 1e-9][0] + cash_eur_day = total / EURUSD * IB_CASH_RATE * (1 - TAX_EQUITY) / 365 + print(f" 10k investiti in GTAA01 (+ $600 su Deribit) : EUR {b94['eur_day']:.2f}/g " + f"maxDD {b94['metrics']['maxdd']:.1%}") + print(f" 10k FERMI a interesse ~{IB_CASH_RATE:.0%} (+ $600 Deribit): EUR " + f"{cash_eur_day + rows[0][1]['eur_day']*DERIBIT_NOW/total:.2f}/g maxDD ~0%") + print(f" -> il premio di GTAA01 sopra la liquidita' e' ~EUR " + f"{b94['eur_day'] - cash_eur_day:.2f}/g, pagato con un maxDD del " + f"{b94['metrics']['maxdd']:.0%}.") + print(" (tasso liquidita' = assunzione dichiarata; un BTP/monetario EUR renderebbe di piu'.)") + + +if __name__ == "__main__": + main() diff --git a/scripts/research/r0725_prop_config.py b/scripts/research/r0725_prop_config.py new file mode 100644 index 0000000..2cfd829 --- /dev/null +++ b/scripts/research/r0725_prop_config.py @@ -0,0 +1,201 @@ +"""r0725_prop_config — QUALE BOOK mandare su un conto funded (2026-07-25). + +Il 24/07 (`r0724_goal50_math.py` parte C + `r0724_goal50_intraday_mc.py`) ha stabilito che il +conto funded e' l'unico canale che moltiplica il NOZIONALE senza capitale proprio, e ha +quantificato P(pass) e payout — ma sempre e solo per il **book a 2 sleeve** (TP01+SKH01), +perche' e' quello eseguibile a $600 sul conto Deribit. + +Il punto che quell'analisi non ha visto: **su un conto funded il capitale non e' piu' $600, e' +$100k** — quindi gli sleeve che a casa nostra sono STAT-MODE per taglia (XS01 a ~$20k) DIVENTANO +eseguibili. E le regole prop premiano esattamente cio' che la diversificazione produce: passano +sul DRAWDOWN e sulla perdita giornaliera, NON sul CAGR. Un book a Sharpe piu' alto e vol piu' +bassa dovrebbe passare molto piu' spesso, a parita' di tutto il resto. + +Confronta tre configurazioni CRYPTO-ONLY (cio' che un sub-account di prop firm puo' davvero +eseguire — niente GTAA01 che e' equity su IB, niente VRP01 che e' opzioni + regola permanente): + A) TP01 75 / SKH01 25 — il book live attuale (quello valutato il 24/07) + B) A + XS01 — cross-sectional 19 alt perp: eseguibile a $100k, NON a $600 + C) B + XSR01 — contro-fattuale (gate pre-registrato 2026-10-23, non deployato) + +ONESTA' (limiti dichiarati, ereditati e nuovi): + 1. **Close-only**: il MC gira sulle CHIUSURE giornaliere. C-bis del 24/07 ha dimostrato che + i wick intraday tagliano 6-37pp di P(pass) -> **i livelli ASSOLUTI qui sono un TETTO**. + Il ricostruttore MTM intraday esiste solo per TP01+SKH01 (feed 5m); XS01/XSR01 sono 1d + nativi su Hyperliquid e il loro intraday NON e' ricostruibile dai nostri dati -> non lo + invento. Cio' che questo script misura onestamente e' il **DELTA fra configurazioni**, + e il delta e' CONSERVATIVO: i book B/C hanno vol piu' bassa, quindi wick piu' piccoli, + quindi subirebbero un haircut intraday MINORE di A. + 2. **Finestra comune**: XS01 parte dal 2024 -> il confronto principale gira sui giorni in cui + TUTTI gli sleeve esistono (2024+, ~2.5 anni). Riportata anche la finestra piena (outer-join) + dove pre-2024 i book B/C degradano su A. + 3. De-luck x0.6 sul drift (convenzione del progetto) come caso di decisione. + 4. SKH01 sul PATH LIVE (fill orario), non sul backtest. + +Uso: `uv run python scripts/research/r0725_prop_config.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")) + +from src.portfolio.portfolio import combine_outer, metrics # noqa: E402 +from src.portfolio.sleeves import _xsec_returns # noqa: E402 + +import r0724_skh_live_weight as skl # noqa: E402 +from r0725_capcurve import EURUSD, TAX_RATE, tp01_realistic # noqa: E402 + +RNG = np.random.default_rng(20260725) +PROP_NOTIONAL = 100_000.0 +SPLIT = 0.80 # profit split tipico (80% al trader) + +RULES = [ + ("HYRO 1-step tgt10% DD6% dl4%", 0.10, 0.06, 0.04), + ("FTMO Swing tgt10% DD10% dl5%", 0.10, 0.10, 0.05), +] +FUNDED_RULES = [("HYRO max-loss 6%", 0.06, 0.04), + ("FTMO max-loss 10%", 0.10, 0.05)] + + +# ---------------------------------------------------------------- serie book +def _d(s: pd.Series) -> pd.Series: + s = s.dropna().sort_index() + if s.index.tz is None: + s.index = s.index.tz_localize("UTC") + return s + + +def build_configs(deluck: float = 0.6) -> dict: + """Le tre configurazioni, su griglia giornaliera, de-luckate sul drift.""" + skh = _d(skl.skh_book(0, "hourly")) + tp = _d(tp01_realistic(PROP_NOTIONAL * 0.75)) + xs = _d(_xsec_returns()).resample("1D").apply(lambda x: (1 + x).prod() - 1) + + cfgs = { + "A TP01/SKH01 (live oggi)": ({"TP01": tp, "SKH01": skh}, + {"TP01": 0.75, "SKH01": 0.25}), + "B + XS01 (19 alt perp)": ({"TP01": tp, "SKH01": skh, "XS01": xs}, + {"TP01": 0.55, "SKH01": 0.20, "XS01": 0.25}), + } + out = {} + for name, (cols, w) in cfgs.items(): + s = combine_outer(cols, w, lo=pd.Timestamp("2019-03-14", tz="UTC")) + s = s - (1.0 - deluck) * float(s.mean()) + out[name] = dict(full=s, cols=cols, w=w) + return out + + +def common_window(cfgs: dict) -> pd.Timestamp: + """Primo giorno in cui TUTTI gli sleeve di TUTTE le config hanno dato.""" + starts = [] + for v in cfgs.values(): + for s in v["cols"].values(): + starts.append(s.index.min()) + return max(starts) + + +# ------------------------------------------------------------------ MC eval +def _paths(r: np.ndarray, n_days: int, n_paths: int, block: int = 20) -> np.ndarray: + n_blocks = int(np.ceil(n_days / block)) + starts = RNG.integers(0, len(r) - block, size=(n_paths, n_blocks)) + idx = (starts[:, :, None] + np.arange(block)[None, None, :]).reshape(n_paths, -1)[:, :n_days] + return r[idx] + + +def sim_eval(r: np.ndarray, target: float, max_dd: float, daily_loss: float, + k: float, max_days: int = 365, n_paths: int = 8000) -> dict: + R = _paths(r, max_days, n_paths) * k + eq = np.cumprod(1 + R, axis=1) + eq_start = eq / (1 + R) + fail = (eq_start * (1 + R) < (1 - max_dd)) | (R < -daily_loss) + passed = eq >= 1 + target + ff = np.where(fail.any(axis=1), fail.argmax(axis=1), max_days + 1) + fp = np.where(passed.any(axis=1), passed.argmax(axis=1), max_days + 1) + ok = fp < ff + return dict(p_pass=float(ok.mean()), + median_days=float(np.median(fp[ok])) if ok.any() else float("nan")) + + +def sim_funded(r: np.ndarray, max_loss: float, daily_loss: float, k: float, + years: int = 1, n_paths: int = 8000) -> dict: + """Fase funded con regole REALI: max-loss **STATICO** (misurato dal saldo iniziale del + conto, non da un picco mobile) + daily-loss; prelievo mensile dell'80% del profitto, + dopo il quale il saldo torna alla base (e con esso il buffer di perdita). + + NB: la base di prelievo si aggiorna SOLO al prelievo. Aggiornarla giorno per giorno + (come un HWM) azzera per costruzione il guadagno misurato al checkpoint -> payout ~0. + E' l'errore che questo modello ha commesso al primo giro ed e' stato corretto. + """ + n_days = years * 365 + R = _paths(r, n_days, n_paths) * k + eq = np.ones(n_paths) # equity normalizzata alla BASE del conto + alive = np.ones(n_paths, bool) + payout = np.zeros(n_paths) + for t in range(n_days): + eq = np.where(alive, eq * (1 + R[:, t]), eq) + bust = alive & ((eq < 1.0 - max_loss) | (R[:, t] < -daily_loss)) + alive &= ~bust + if (t + 1) % 30 == 0: + gain = np.where(alive & (eq > 1.0), eq - 1.0, 0.0) + payout += gain * SPLIT + eq = np.where(alive & (eq > 1.0), 1.0, eq) # profitto prelevato, base ripristinata + usd = payout * PROP_NOTIONAL + return dict(p_alive=float(alive.mean()), + e_payout=float(usd.mean()), + med_payout=float(np.median(usd)), + eur_day_mean=float(usd.mean() * (1 - TAX_RATE) / EURUSD / 365.0), + eur_day_med=float(np.median(usd) * (1 - TAX_RATE) / EURUSD / 365.0)) + + +def main() -> None: + print("=" * 104) + print(" QUALE BOOK su un conto FUNDED — il 24/07 ha valutato solo il book a 2 sleeve") + print("=" * 104) + cfgs = build_configs() + lo = common_window(cfgs) + print(f"\n finestra comune (tutti gli sleeve esistono): dal {lo.date()}") + print(" NB: livelli ASSOLUTI = TETTO (close-only; C-bis 24/07: i wick tagliano 6-37pp).") + print(" Il DELTA fra config e' la misura onesta, ed e' CONSERVATIVO (B ha vol minore).\n") + + for win, wlabel in ((lo, "FINESTRA COMUNE (2024+)"), (None, "FINESTRA PIENA (outer-join)")): + print("-" * 104) + print(f" {wlabel}") + print("-" * 104) + stats = {} + for name, v in cfgs.items(): + s = v["full"] if win is None else v["full"][v["full"].index >= win] + m = metrics(s) + vol = float(s.std() * np.sqrt(365)) + stats[name] = (s.values.astype(float), m, vol) + print(f" {name:>28} Sharpe {m['sharpe']:>5.2f} CAGR {m['cagr']:>6.1%} " + f"vol {vol:>5.1%} maxDD {m['maxdd']:>5.1%}") + + for rname, tgt, dd, dl in RULES: + print(f"\n EVAL — {rname}") + print(f" {'config':>28} {'leva':>5} {'P(pass)':>8} {'giorni med':>11}") + for name, (r, m, vol) in stats.items(): + for k in (0.75, 1.0, 1.5): + e = sim_eval(r, tgt, dd, dl, k) + print(f" {name:>28} {k:>5.2f} {e['p_pass']:>8.1%} " + f"{e['median_days']:>11.0f}") + + print(f"\n FUNDED ${PROP_NOTIONAL:,.0f} — 1 anno, split {SPLIT:.0%}, prelievi mensili") + print(f" {'config':>28} {'regola':>20} {'leva':>5} {'P(vivo)':>8} " + f"{'E[payout]':>11} {'EUR/g atteso':>13}") + for name, (r, m, vol) in stats.items(): + for fname, ml, dl in FUNDED_RULES: + for k in (0.5, 0.75, 1.0): + f = sim_funded(r, ml, dl, k) + print(f" {name:>28} {fname:>20} {k:>5.2f} {f['p_alive']:>8.1%} " + f"${f['e_payout']:>10,.0f} {f['eur_day_mean']:>13.2f}") + print() + + +if __name__ == "__main__": + main() diff --git a/scripts/research/r0725_prop_ladder.py b/scripts/research/r0725_prop_ladder.py new file mode 100644 index 0000000..04312ea --- /dev/null +++ b/scripts/research/r0725_prop_ladder.py @@ -0,0 +1,329 @@ +"""r0725_prop_ladder — I 600 EURO COME BIGLIETTO: la scala di conti funded (2026-07-25). + +Domanda del goal: "puoi usare i 600 euro come vuoi, puoi ipotizzare di creare qualcosa". +`r0725_capcurve.py` ha refutato i 600 euro come CAPITALE (rendita 50 EUR/g -> muro $300-500k, +0% dei path in 20 anni senza depositi). Qui i 600 euro sono usati come **biglietto**: si compra +un'evaluation, il conto funded moltiplica il NOZIONALE senza possedere capitale, i payout +comprano altri biglietti. E' l'unica leva che non richiede depositi. + +Il 24/07 si era fermato a UN conto ($100k -> ~EUR 14.5/g atteso, cap $200k per firm). Ma +**50 EUR/g richiede piu' conti in parallelo**, e qui c'e' il problema che nessuno ha ancora +studiato: **N conti che girano lo STESSO book bustano INSIEME** (correlazione 1.0). La +diversificazione fra conti e' illusoria salvo assegnare **sleeve DIVERSI a conti diversi**. + +Da cui la domanda di ricerca vera, che e' un problema di costruzione di portafoglio sotto +barriera di rovina PER-CONTO: + - CONCENTRARE: ogni conto gira il book diversificato (Sharpe alto per conto -> P(vivo) alta + per conto, ma i conti sono perfettamente correlati -> o vivono tutti o muoiono tutti); + - SPARPAGLIARE: ogni conto gira UNO sleeve (Sharpe basso per conto -> P(vivo) piu' bassa, + ma le morti sono INDIPENDENTI -> il reddito aggregato e' molto piu' stabile). +Non e' ovvio quale vinca: la barriera di rovina e' convessa, il reddito e' lineare. + +Modello (tutto dichiarato): + * bootstrap a blocchi CONGIUNTO dei 3 sleeve (stessi indici di blocco per tutti -> la + correlazione fra sleeve e' quella REALE, non imposta); + * finestra comune 2024+ (XS01 nasce li'); de-luck x0.6 sul drift; + * eval -> funded con le regole vere (max-loss STATICO, daily-loss), payout mensile 80%, + prelievo immediato (mai lasciare credito alla firm: regola del 24/07); + * bust = biglietto perso; la cassa ricompra se se lo puo' permettere; + * cap per firm; **rischio controparte**: ogni anno una firm puo' sparire (il settore ha perso + il 13% delle firm nel 2024) -> i conti aperti su quella firm valgono zero; + * fisco 33% sui payout. + +ONESTA' — il risultato va letto come una BANDA, non come un punto. Si gira con due lenti: + * CLOSE-ONLY = **TETTO OTTIMISTA**: le regole prop scattano sull'equity intraday, non sulla + chiusura (C-bis del 24/07: i wick tagliano fino a 37pp di P(pass) e 48pp di P(vivo)). + * INTRADAY = **PAVIMENTO PESSIMISTA**: il gap e' lognormale calibrato sui percentili del recon + MTM 1h, ma estratto **INDIPENDENTE dal rendimento del giorno**. Nella realta' i wick profondi + stanno sulle giornate brutte (sono ACCOPPIATI): estrarli indipendenti aggiunge finti tuffi + anche nelle giornate buone -> breach spuri -> stima troppo severa. Il modo giusto e' il + bootstrap delle TUPLE (ritorno, gap) come in `r0724_goal50_intraday_mc.py`, che pero' ha il + recon solo per TP01+SKH01 (XS01 e' 1d nativo su Hyperliquid, intraday non ricostruibile). + -> FOLLOW-UP dichiarato, non simulato qui. +La verita' sta FRA le due lenti. Il confronto fra POLITICHE, invece, e' robusto: e' la stessa +lente applicata a tutte. La finestra 2024+ e' anche quella di scoperta di XS01 -> le config che +lo contengono sono favorite; "CONC-2SL" (solo TP01/SKH01) e' il controllo pulito. + +Uso: `uv run python scripts/research/r0725_prop_ladder.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")) + +from src.portfolio.portfolio import metrics # noqa: E402 +from src.portfolio.sleeves import _xsec_returns # noqa: E402 + +import r0724_skh_live_weight as skl # noqa: E402 +from r0725_capcurve import EURUSD, TAX_RATE, tp01_realistic # noqa: E402 + +TARGET_EUR_DAY = 50.0 +DELUCK = 0.6 +SPLIT = 0.80 +FIRM_DEATH_PER_YEAR = 0.10 # il settore ha perso il 13% delle firm nel 2024 (ricerca 24/07) +START_EUR = 600.0 +HORIZON_MONTHS = 36 +MAX_CONCURRENT = 6 + +# (nome, [(nozionale, prezzo biglietto)], eval(target,dd,daily), funded(max_loss,daily), cap) +FIRMS = [ + dict(name="HYRO", tickets=[(25_000, 249.0), (50_000, 379.0), (100_000, 579.0)], + ev=(0.10, 0.06, 0.04), fu=(0.06, 0.04), cap=200_000), + dict(name="FTMO", tickets=[(50_000, 345.0), (100_000, 540.0), (200_000, 1_080.0)], + ev=(0.10, 0.10, 0.05), fu=(0.10, 0.05), cap=400_000), +] + + +# ------------------------------------------------------------------ sleeve +def _d(s: pd.Series) -> pd.Series: + s = s.dropna().sort_index() + if s.index.tz is None: + s.index = s.index.tz_localize("UTC") + return s + + +def sleeve_panel() -> tuple[np.ndarray, list[str]]: + """Matrice (giorni x sleeve) sulla finestra comune, de-luckata sul drift.""" + tp = _d(tp01_realistic(100_000 * 0.75)) + skh = _d(skl.skh_book(0, "hourly")) + xs = _d(_xsec_returns()).resample("1D").apply(lambda x: (1 + x).prod() - 1) + J = pd.concat({"TP01": tp, "SKH01": skh, "XS01": xs}, axis=1, join="inner").fillna(0.0) + M = J.to_numpy(float) + M = M - (1.0 - DELUCK) * M.mean(axis=0, keepdims=True) # de-luck: taglia il drift + return M, list(J.columns) + + +# --------------------------------------------------------------- politiche +def policies(names: list[str]) -> dict: + """Ogni politica = lista di vettori-peso sugli sleeve, uno per 'slot' di conto. + Gli slot si riempiono in ordine man mano che la cassa permette biglietti.""" + i = {n: k for k, n in enumerate(names)} + n = len(names) + + def w(**kw): + v = np.zeros(n) + for k, x in kw.items(): + v[i[k]] = x + return v + + book_div = w(TP01=0.55, SKH01=0.20, XS01=0.25) + book_2sl = w(TP01=0.75, SKH01=0.25) + return { + "CONC-2SL ogni conto = book live (TP01/SKH01)": [book_2sl] * MAX_CONCURRENT, + "CONC-DIV ogni conto = book diversificato": [book_div] * MAX_CONCURRENT, + "SPARSO 1 sleeve per conto (a rotazione)": [w(TP01=1.0), w(XS01=1.0), w(SKH01=1.0), + w(TP01=1.0), w(XS01=1.0), w(SKH01=1.0)], + "MISTO meta' diversificati, meta' single": [book_div, w(XS01=1.0), book_div, + w(TP01=1.0), book_div, w(XS01=1.0)], + } + + +# ------------------------------------------------------------------- sim +# --- geometria dei WICK (dal recon MTM 1h del book, r0724_goal50_intraday_mc.py): +# gap = (minimo intraday - chiusura), in punti di equity: p50 -0.17pp, p10 -1.03pp, p1 -2.7pp. +# Le regole prop scattano sull'equity INTRADAY, non sulla chiusura -> ignorarli gonfia P(pass) +# e P(vivo) (C-bis 24/07: fino a -37pp e -48pp). Qui il gap e' lognormale calibrato su quei +# percentili e SCALATO sulla vol della configurazione (un book meno volatile ha wick minori). +WICK_MU, WICK_SIGMA = np.log(0.0017), 1.30 +WICK_REF_VOL = 0.114 # vol annua del book TP01/SKH01 su cui la geometria e' misurata + + +def wick_percentiles() -> dict: + """Percentili impliciti della calibrazione — stampati per essere verificabili.""" + q = {p: float(np.exp(WICK_MU + WICK_SIGMA * np.sqrt(2) * _erfinv(2 * p - 1))) + for p in (0.50, 0.90, 0.99)} + return q + + +def _erfinv(x: float) -> float: + from math import sqrt + from statistics import NormalDist + return NormalDist().inv_cdf((x + 1) / 2) / sqrt(2) + + +def simulate(M: np.ndarray, slots: list[np.ndarray], n_paths: int, lev: float, + seed: int, block: int = 20, intraday: bool = False) -> dict: + """Una politica, n_paths traiettorie di HORIZON_MONTHS mesi. + + Stato per conto: fase (0=eval, 1=funded), equity normalizzata alla base, firm, nozionale. + Il bootstrap dei ritorni degli sleeve e' CONGIUNTO (stesso blocco per tutti gli sleeve e + per tutti i conti dello stesso path) -> due conti che girano lo stesso book sono + perfettamente correlati, due conti su sleeve diversi hanno la correlazione REALE. + """ + rng = np.random.default_rng(seed) + n_days = HORIZON_MONTHS * 30 + n_sl = M.shape[1] + n_blocks = int(np.ceil(n_days / block)) + starts = rng.integers(0, len(M) - block, size=(n_paths, n_blocks)) + idx = (starts[:, :, None] + np.arange(block)[None, None, :]).reshape(n_paths, -1)[:, :n_days] + R = M[idx] # (paths, days, sleeve) + + n_slot = len(slots) + W = np.stack(slots) # (slot, sleeve) + # ritorni per (path, day, slot) = R . W^T, con leva + Rs = np.einsum("pds,ks->pdk", R, W) * lev + # gap intraday per (path, day, slot), scalato sulla vol della config: un book meno volatile + # ha wick proporzionalmente piu' piccoli. Il breach si valuta sul MINIMO (chiusura + gap). + if intraday: + vol_k = Rs.reshape(-1, n_slot).std(axis=0) * np.sqrt(365.0) + scale = np.clip(vol_k / WICK_REF_VOL, 0.0, 3.0) + G = -np.exp(rng.normal(WICK_MU, WICK_SIGMA, size=Rs.shape)) * scale[None, None, :] + else: + G = None + + cash = np.full(n_paths, START_EUR * EURUSD) + phase = np.full((n_paths, n_slot), -1, np.int8) # -1 vuoto, 0 eval, 1 funded + eq = np.ones((n_paths, n_slot)) + firm = np.full((n_paths, n_slot), -1, np.int8) + notional = np.zeros((n_paths, n_slot)) + days_in = np.zeros((n_paths, n_slot), int) + firm_alive = np.ones((n_paths, len(FIRMS)), bool) + cum_payout = np.zeros(n_paths) # netto fisco, USD + payout_last_year = np.zeros(n_paths) + spent = np.zeros(n_paths) + + p_death_day = 1.0 - (1.0 - FIRM_DEATH_PER_YEAR) ** (1 / 365.0) + + for t in range(n_days): + # --- morte di una firm (rischio controparte) + died = rng.random((n_paths, len(FIRMS))) < p_death_day + newly_dead = died & firm_alive + firm_alive &= ~died + if newly_dead.any(): + for fi in range(len(FIRMS)): + kill = newly_dead[:, fi] + if kill.any(): + hit = (firm == fi) & kill[:, None] + phase[hit] = -1 + notional[hit] = 0.0 + + # --- acquisto biglietti negli slot liberi + for k in range(n_slot): + free = (phase[:, k] == -1) + if not free.any(): + continue + for fi, F in enumerate(FIRMS): + used = np.where((firm == fi), notional, 0.0).sum(axis=1) + for (size, price) in sorted(F["tickets"], key=lambda x: -x[0]): + buy = (free & firm_alive[:, fi] & (cash >= price) + & (used + size <= F["cap"])) + if not buy.any(): + continue + cash[buy] -= price + spent[buy] += price + phase[buy, k] = 0 + eq[buy, k] = 1.0 + firm[buy, k] = fi + notional[buy, k] = size + days_in[buy, k] = 0 + free = free & ~buy + if not free.any(): + break + if not free.any(): + break + + # --- dinamica dei conti + r = Rs[:, t, :] # (paths, slot) + act = phase >= 0 + eq_prev = eq + eq = np.where(act, eq * (1.0 + r), eq) + # equity peggiore TOCCATA nella giornata: e' su questa che scattano le regole prop + if G is None: + eq_low, r_low = eq, r + else: + eq_low = np.where(act, eq_prev * (1.0 + r + G[:, t, :]), eq) + r_low = r + G[:, t, :] + days_in += act + + for fi, F in enumerate(FIRMS): + sel = act & (firm == fi) + if not sel.any(): + continue + ev_t, ev_dd, ev_dl = F["ev"] + fu_ml, fu_dl = F["fu"] + in_ev = sel & (phase == 0) + in_fu = sel & (phase == 1) + # breach — valutato sull'equity INTRADAY (eq_low), il target sulla CHIUSURA + bust_ev = in_ev & ((eq_low < 1.0 - ev_dd) | (r_low < -ev_dl)) + bust_fu = in_fu & ((eq_low < 1.0 - fu_ml) | (r_low < -fu_dl)) + bust = bust_ev | bust_fu + phase[bust] = -1 + notional[bust] = 0.0 + # pass eval + passed = in_ev & (eq >= 1.0 + ev_t) & ~bust + phase[passed] = 1 + eq[passed] = 1.0 + + # --- payout mensile (prelievo immediato, base ripristinata) + if (t + 1) % 30 == 0: + fu = phase == 1 + gain = np.where(fu & (eq > 1.0), (eq - 1.0) * notional, 0.0) + gross = gain.sum(axis=1) * SPLIT + net = gross * (1.0 - TAX_RATE) + cum_payout += net + payout_last_year += net + cash += net + eq = np.where(fu & (eq > 1.0), 1.0, eq) + if (t + 1) % 365 == 0 and t + 1 < n_days: + payout_last_year[:] = 0.0 + + eur_day = cum_payout / EURUSD / (n_days / 365.0) / 365.0 + live_notional = np.where(phase == 1, notional, 0.0).sum(axis=1) + return dict(eur_day=eur_day, + p_target=float((eur_day >= TARGET_EUR_DAY).mean()), + p_ge10=float((eur_day >= 10.0).mean()), + p_zero=float((cum_payout <= 0).mean()), + med=float(np.median(eur_day)), + p90=float(np.percentile(eur_day, 90)), + p10=float(np.percentile(eur_day, 10)), + med_notional=float(np.median(live_notional)), + med_spent=float(np.median(spent))) + + +def main() -> None: + M, names = sleeve_panel() + print("=" * 104) + print(" I 600 EURO COME BIGLIETTO — scala di conti funded, e il problema della correlazione") + print("=" * 104) + print(f"\n finestra comune: {len(M)} giorni | sleeve: {names} | de-luck x{DELUCK}") + print(" correlazioni fra sleeve (le morti dei conti sono correlate quanto lo sono queste):") + C = np.corrcoef(M.T) + for i, n in enumerate(names): + print(" " + f"{n:>7} " + " ".join(f"{C[i, j]:>6.2f}" for j in range(len(names)))) + for i, n in enumerate(names): + m = metrics(pd.Series(M[:, i], index=pd.date_range("2024-01-01", periods=len(M), tz="UTC"))) + print(f" {n:>7}: Sharpe {m['sharpe']:>5.2f} CAGR {m['cagr']:>6.1%} maxDD {m['maxdd']:>5.1%}") + + print(f"\n orizzonte {HORIZON_MONTHS} mesi | cassa iniziale EUR {START_EUR:.0f} | " + f"max {MAX_CONCURRENT} conti | rischio-morte firm {FIRM_DEATH_PER_YEAR:.0%}/anno") + print(" NB: livelli ASSOLUTI = TETTO (close-only). Il confronto fra POLITICHE e' la misura onesta.\n") + + q = wick_percentiles() + print(f" wick calibrati: p50 -{q[0.50]*100:.2f}pp p90 -{q[0.90]*100:.2f}pp " + f"p99 -{q[0.99]*100:.2f}pp (target dal recon 24/07: -0.17 / -1.03 / -2.70)") + + pols = policies(names) + for intraday in (False, True): + lens = "INTRADAY (wick: la lente onesta)" if intraday else "CLOSE-ONLY (tetto ottimista)" + for lev in (0.75, 1.0): + print("-" * 104) + print(f" {lens} — LEVA {lev:.2f}x") + print("-" * 104) + print(f" {'politica':>46} {'EUR/g med':>10} {'p10':>7} {'p90':>7} " + f"{'P(>=10/g)':>10} {'P(>=50/g)':>10} {'P(zero)':>8}") + for pname, slots in pols.items(): + r = simulate(M, slots, n_paths=3000, lev=lev, seed=20260725, intraday=intraday) + print(f" {pname:>46} {r['med']:>10.2f} {r['p10']:>7.2f} {r['p90']:>7.2f} " + f"{r['p_ge10']:>10.1%} {r['p_target']:>10.1%} {r['p_zero']:>8.1%}") + print() + + +if __name__ == "__main__": + main() diff --git a/tests/test_capcurve.py b/tests/test_capcurve.py new file mode 100644 index 0000000..28ed9e3 --- /dev/null +++ b/tests/test_capcurve.py @@ -0,0 +1,182 @@ +"""Test della macchineria RENDITA / COST-FLOOR (ondata 2026-07-25). + +Blocca tre cose che, se si rompono in silenzio, producono numeri credibili e sbagliati: + 1. il simulatore di prelievo (survival) — validato contro casi con risposta NOTA; + 2. il modello di costo IB a pavimento fisso — deve penalizzare il capitale piccolo e + deve essere salvato dalla banda (altrimenti GTAA01 sembra eseguibile quando non lo e'); + 3. la regressione del bug HWM nel modello funded (base di prelievo aggiornata ogni giorno + -> payout ~0): e' l'errore realmente commesso in sessione. +""" +from __future__ import annotations + +import importlib.util +import sys +from pathlib import Path + +import numpy as np +import pytest + +ROOT = Path(__file__).resolve().parents[1] +sys.path.insert(0, str(ROOT)) + + +def _load(name: str, rel: str): + spec = importlib.util.spec_from_file_location(name, ROOT / rel) + mod = importlib.util.module_from_spec(spec) + sys.modules[name] = mod + spec.loader.exec_module(mod) + return mod + + +@pytest.fixture(scope="module") +def cc(): + return _load("r0725_capcurve", "scripts/research/r0725_capcurve.py") + + +# --------------------------------------------------------------- 1) survival +def test_survival_asset_deterministico(cc): + """Un asset che rende esattamente 10%/anno senza vol sostiene un prelievo perpetuo + appena sotto il 10% e NON sostiene il 15%.""" + r = np.full(2000, 1.10 ** (1 / 365) - 1.0) + assert cc.survival(r, 1e6, 1e6 * 0.05, 20, 1.0, n_paths=100)["p10_end"] > 1e6 + assert cc.survival(r, 1e6, 1e6 * 0.09, 20, 1.0, n_paths=100)["p10_end"] > 1e6 + # sopra il rendimento dell'asset il capitale si erode, e molto sopra si va in rovina + assert cc.survival(r, 1e6, 1e6 * 0.11, 20, 1.0, n_paths=100)["p10_end"] < 1e6 + assert cc.survival(r, 1e6, 1e6 * 0.15, 20, 1.0, n_paths=100)["p_survive"] < 0.05 + + +def test_survival_drift_zero_non_sostiene_rendita(cc): + """Random walk a drift ZERO: nessun prelievo perpetuo e' sostenibile (il criterio + p10 >= capitale iniziale deve fallire gia' a prelievo ~0).""" + rng = np.random.default_rng(0) + r = rng.normal(0.0, 0.15 / np.sqrt(365), 4000) + assert cc.survival(r, 1e6, 0.0, 20, 1.0, n_paths=500)["p10_end"] < 1e6 + assert cc.survival(r, 1e6, 1e6 * 0.03, 20, 1.0, n_paths=500)["p_survive"] < 0.95 + + +def test_survival_prelievo_nullo_non_fallisce_mai(cc): + """Senza prelievi un book a rendimenti limitati non puo' andare in rovina.""" + rng = np.random.default_rng(1) + r = rng.normal(0.0005, 0.01, 3000) + assert cc.survival(r, 1e6, 0.0, 20, 1.0, n_paths=300)["p_survive"] == 1.0 + + +def test_leva_aumenta_la_vol_dei_path(cc): + """La leva k scala i ritorni: e' l'assunzione dichiarata del confronto iso-rischio.""" + rng = np.random.default_rng(2) + r = rng.normal(0.0003, 0.01, 2000) + p1 = cc._boot_paths(r, 200, 365, 20, np.random.default_rng(3)) + p2 = cc._boot_paths(r, 200, 365, 20, np.random.default_rng(3)) * 2.0 + assert np.isclose(p2.std(), 2.0 * p1.std(), rtol=1e-9) + + +# ------------------------------------------------------ 2) pavimento IB / banda +def test_ib_pavimento_penalizza_il_capitale_piccolo(cc): + """Il costo IB e' FISSO per ordine: a capitale piccolo il drag esplode. Se questo test + fallisce, il modello e' tornato proporzionale e GTAA01 sembrera' eseguibile a $600.""" + small = cc.metrics(cc.gtaa_realistic(600.0)) + big = cc.metrics(cc.gtaa_realistic(50_000.0)) + assert small["cagr"] < big["cagr"], "il pavimento fisso deve penalizzare il piccolo" + assert small["cagr"] < 0.0, "a $600 il ribilanciamento continuo su IB deve essere negativo" + + +def test_la_banda_salva_gtaa_a_capitale_piccolo(cc): + """Con banda + cadenza settimanale, GTAA01 a $600 torna positivo. E' la condizione che + rende il 3o sleeve eseguibile a basso capitale.""" + nudo = cc.metrics(cc.gtaa_realistic(600.0)) + banda = cc.metrics(cc.gtaa_banded(600.0, cc.GTAA_BAND_USD, cc.GTAA_EVERY)) + assert banda["sharpe"] > nudo["sharpe"] + 0.5 + assert banda["cagr"] > 0.0 + + +def test_tp01_deribit_insensibile_al_capitale_sopra_soglia(cc): + """Su Deribit la fee e' proporzionale e non c'e' pavimento: sopra ~$500 lo Sharpe + realistico coincide col modellato (conferma della lezione 'min-order = banda ottimale').""" + a = cc.metrics(cc.tp01_realistic(1_000.0))["sharpe"] + b = cc.metrics(cc.tp01_realistic(50_000.0))["sharpe"] + assert abs(a - b) < 0.02 + + +# --------------------------------------------------- 3) regressione bug HWM funded +@pytest.fixture(scope="module") +def pc(): + return _load("r0725_prop_config", "scripts/research/r0725_prop_config.py") + + +def test_funded_payout_non_e_zero_regressione_hwm(pc): + """REGRESSIONE: aggiornare la base di prelievo ogni giorno (come un HWM mobile) azzera + per costruzione il guadagno misurato al checkpoint mensile -> payout ~0. Con un book + che rende ~20%/anno e split 80% il payout atteso su $100k e' dell'ordine di $10k, NON + di $200. Questo test e' il guardiano di quell'errore.""" + r = np.full(3000, 1.20 ** (1 / 365) - 1.0) # +20%/anno deterministico, mai in perdita + f = pc.sim_funded(r, max_loss=0.10, daily_loss=0.05, k=1.0, years=1, n_paths=200) + assert f["p_alive"] == 1.0, "un asset che sale ogni giorno non puo' bustare" + assert f["e_payout"] > 8_000.0, f"payout implausibilmente basso: {f['e_payout']:.0f}" + assert f["e_payout"] < 20_000.0 + + +def test_funded_bust_su_max_loss_statico(pc): + """Il max-loss e' STATICO dal saldo iniziale: un book che perde costantemente deve + bustare, e il payout deve essere zero.""" + r = np.full(3000, -0.002) + f = pc.sim_funded(r, max_loss=0.06, daily_loss=0.05, k=1.0, years=1, n_paths=200) + assert f["p_alive"] == 0.0 + assert f["e_payout"] == 0.0 + + +def test_eval_target_irraggiungibile_non_passa(pc): + """Sanity dell'eval: un book piatto non raggiunge mai il target di profitto.""" + r = np.zeros(3000) + e = pc.sim_eval(r, target=0.10, max_dd=0.06, daily_loss=0.04, k=1.0, n_paths=200) + assert e["p_pass"] == 0.0 + + +# ------------------------------------------------ 4) scala di conti funded (ladder) +@pytest.fixture(scope="module") +def pl(): + return _load("r0725_prop_ladder", "scripts/research/r0725_prop_ladder.py") + + +def test_wick_calibrato_sui_percentili_del_recon(pl): + """Il gap intraday deve riprodurre l'ordine di grandezza misurato dal recon MTM 1h del + 24/07 (p50 ~-0.17pp, p90 ~-1pp, p99 ~-3pp). Se la calibrazione scivola, i breach diventano + finzione in una direzione o nell'altra.""" + q = pl.wick_percentiles() + assert 0.0010 < q[0.50] < 0.0025 + assert 0.005 < q[0.90] < 0.015 + assert 0.015 < q[0.99] < 0.050 + + +def test_lente_intraday_e_sempre_piu_severa_del_close_only(pl): + """I wick possono solo AGGIUNGERE breach: la lente intraday non puo' produrre piu' reddito + di quella close-only. Se questo si inverte, il gap sta entrando col segno sbagliato.""" + M, names = pl.sleeve_panel() + slots = list(pl.policies(names).values())[1] + close = pl.simulate(M, slots, n_paths=400, lev=1.0, seed=1, intraday=False) + intra = pl.simulate(M, slots, n_paths=400, lev=1.0, seed=1, intraday=True) + assert intra["p_target"] <= close["p_target"] + assert intra["p_zero"] >= close["p_zero"] + + +def test_conti_sullo_stesso_book_sono_perfettamente_correlati(pl): + """Il punto centrale dello studio: N conti che girano lo STESSO book non diversificano. + Verifica strutturale sui pesi, non sull'output del MC.""" + M, names = pl.sleeve_panel() + pols = pl.policies(names) + conc = pols["CONC-DIV ogni conto = book diversificato"] + assert all(np.allclose(s, conc[0]) for s in conc), "CONC deve avere slot identici" + sparso = pols["SPARSO 1 sleeve per conto (a rotazione)"] + assert not np.allclose(sparso[0], sparso[1]), "SPARSO deve avere slot diversi" + + +def test_senza_cassa_nessun_conto_e_nessun_reddito(pl): + """Controllo di sanita' del meccanismo cassa->biglietto: a cassa zero non si compra nulla.""" + M, names = pl.sleeve_panel() + slots = list(pl.policies(names).values())[0] + old = pl.START_EUR + try: + pl.START_EUR = 0.0 + r = pl.simulate(M, slots, n_paths=200, lev=1.0, seed=2) + assert r["p_zero"] == 1.0 + finally: + pl.START_EUR = old