"""ACCEL50 — Ricerca acceleratori verso l'obiettivo €50/giorno (2026-06-12).

Domanda: quali strategie/leve portano PIU' VELOCEMENTE a €50/g partendo da ~€2k?
Diario: docs/diary/2026-06-12-accel50.md. Esiti:

1. LEVA su PORT06 (acceleratore dominante, zero ricerca nuova).
   La frontiera (scala lineare dei daily return canonici, fee pro-quota) mostra
   che a Sharpe ~7-10 il vincolo non e' il rischio ma la taglia: lev 2->4 porta
   gli anni-a-target da 3.3 a 1.2 con FULL DD 3.5->6.9%. Vedi lev_frontier().

2. FADE 15m (candidata NUOVA, validazione preliminare PASSATA).
   MR01/MR02/MR07 a 15m con i parametri live 1h (trend_max=3, ema_long=200,
   sl_confirm_atr=0.5, fee 0.10% RT): tutti e 6 gli sleeve positivi, OOS
   2025-26 positivo ovunque (spesso > del 1h: 4x trade = compounding piu'
   rapido), reggono fee 2x (Sh 1.6-2.9). BTC 15m MIGLIORA il 1h (MR01 Sh
   3.37 vs 2.76 con meta' DD). Prossimo passo obbligato: gate PORT06
   (correlazione col gemello 1h, parita' worker — infra 15m gia' esistente
   dal BLEND pairs). Vedi fade15m_probe().

3. PAIRS NUOVE: BOCCIATE (stale-print illusion).
   Lo sweep delle 19 coppie mai testate (config universale pre-registrata)
   dava 8 candidate con Sharpe 1.5-4.3, MA le gambe alt hanno 88-98% di barre
   flat (LTC 97%, ADA 98%, DOGE 91%, XRP 88%, BNB 88%) e con flat_skip=True
   (fill solo su barre pulite) muoiono quasi tutte (BTC/ADA 4.33->0.17,
   ETH/DOGE 3.79->0.46). Migliore superstite ETH/XRP a 1.34: inferiore alle
   5 deployate -> niente. Stessa classe di illusione del XEX su DOGE/SOL
   (vedi xex_divergence_research.py). PAXG idem: 92% flat su Deribit.

4. CAPITALE: a config attuale servono ~€24k per €50/g; ogni € aggiunto
   accorcia linearmente (non e' una strategia ma domina ogni altra leva).
"""
from __future__ import annotations

import sys
from pathlib import Path

import numpy as np

PROJECT_ROOT = Path(__file__).resolve().parents[2]
sys.path.insert(0, str(PROJECT_ROOT))


def lev_frontier() -> None:
    """Frontiera di leva su PORT06: CAGR/DD/Sharpe e anni-a-€50/g per lev 1-6.
    Modello: scala lineare dei daily return del backtest canonico (strumenti
    lineari, fee proporzionali al notional). NON modella margine/code grasse."""
    from scripts.portfolios._defs import PORTFOLIOS
    from scripts.analysis.combine_portfolio import port_returns, SPLIT
    from src.portfolio.sleeves import all_sleeve_equities, sleeve_returns_df

    p = PORTFOLIOS["PORT06"]
    eq = all_sleeve_equities()
    members = {sid: eq[sid] for sid in p.sleeve_ids}
    w = p.weight_vector(sleeve_returns_df(p.sleeve_ids))
    base = port_returns(members, w)  # == live a lev 2 (parita' validata)

    def dd(x):
        c = (1 + x).cumprod()
        return ((c - c.cummax()) / c.cummax()).min() * 100

    def cagr(x):
        c = (1 + x).cumprod()
        return ((c.iloc[-1]) ** (365 / len(x)) - 1) * 100

    print("lev  CAGR_full%  DD_full%  CAGR_oos%  DD_oos%  K_per_50/g  anni_da_2k")
    for f, lev in [(0.5, 1), (1.0, 2), (1.5, 3), (2.0, 4), (2.5, 5), (3.0, 6)]:
        r = base * f
        roos = r.iloc[SPLIT:]
        co = cagr(roos)
        daily = (1 + co / 100) ** (1 / 365) - 1
        k = 50 / daily if daily > 0 else float("inf")
        anni = np.log(k / 2020) / np.log(1 + co / 100) if co > 0 else float("inf")
        print(f"{lev:>3} {cagr(r):>11.0f} {dd(r):>9.2f} {co:>10.0f} {dd(roos):>8.2f} "
              f"{k:>11,.0f} {max(anni, 0):>11.1f}")


def fade15m_probe() -> None:
    """MR01/02/07 a 15m vs 1h, parametri live, fee 0.10% e stress 2x."""
    import importlib.util
    import inspect
    from src.strategies.base import Strategy

    LIVEP = dict(trend_max=3.0, ema_long=200, sl_confirm_atr=0.5)
    paths = {
        "MR01": "scripts/strategies/MR01_bollinger_fade.py",
        "MR02": "scripts/strategies/MR02_donchian_fade.py",
        "MR07": "scripts/strategies/MR07_return_reversal.py",
    }
    for code, rel in paths.items():
        spec = importlib.util.spec_from_file_location(code.lower(), PROJECT_ROOT / rel)
        m = importlib.util.module_from_spec(spec)
        spec.loader.exec_module(m)
        cls = next(o for _, o in vars(m).items()
                   if inspect.isclass(o) and issubclass(o, Strategy) and o.__module__ == m.__name__)
        s = cls()
        for asset in ("BTC", "ETH"):
            line = f"{code} {asset}: "
            for tf in ("1h", "15m"):
                r = s.backtest(asset, tf, **LIVEP)
                if r is None:
                    line += f"{tf}: no-sig | "
                    continue
                oos = sum(y.pnl for y in r.yearly if y.year >= 2025)
                old = s.fee_rt
                s.fee_rt = 0.002
                r2 = s.backtest(asset, tf, **LIVEP)
                s.fee_rt = old
                line += (f"{tf}: Sh{r.sharpe:5.2f} DD{r.max_dd:5.1f}% n={r.trades:4d} "
                         f"oos25-26={oos:+8.0f} fee2x_Sh{r2.sharpe:5.2f} | ")
            print(line)


if __name__ == "__main__":
    print("=== 1. Frontiera di leva PORT06 ===")
    lev_frontier()
    print("\n=== 2. Fade 15m probe ===")
    fade15m_probe()