"""CROSS-MARKET COMBO — la sleeve equity-trend DIVERSIFICA il portafoglio crypto? (2) dopo EQ-GTAA01. La via che alza il Sharpe COMPLESSIVO senza cercare nuovo alpha: combinare due book scorrelati su mercati diversi. crypto = portafoglio attivo TP01+XS01+VRP01 (src.portfolio); equity = GTAA lf vt12% (la migliore sleeve equity, corr SPY 0.64, maxDD ~15%). Se la correlazione crypto<->equity e' bassa, il blend ha Sharpe > di ciascuno. ALLINEAMENTO ONESTO: crypto e' calendario-giornaliero (7gg), equity giorni di borsa. Compoundo i rendimenti crypto sul grid dei giorni di borsa (cattura i weekend) prima di combinare. Finestra = era crypto (TP01 dal 2019). Esecuzione split Deribit+IB (lo noto: e' un portafoglio cross-venue). """ import sys from pathlib import Path import numpy as np, pandas as pd ROOT = Path(__file__).resolve().parents[2] sys.path.insert(0, str(ROOT)); sys.path.insert(0, str(ROOT / "scripts" / "research")) from eq_sector_momentum import _sh, _cagr, _dd from eq_gtaa_trend import gtaa from eq_spy_trend import tsmom_exposure, backtest, _series from src.portfolio.sleeves import active_sleeves from src.portfolio.portfolio import StrategyPortfolio ANN = np.sqrt(252.0) def _ann_vol(r): return float(np.std(np.asarray(r, float)) * ANN) def compound_to_grid(daily: pd.Series, grid: pd.DatetimeIndex) -> pd.Series: """Compounda una serie di rendimenti (calendario) sul grid dato (giorni di borsa): per ogni data del grid, somma-composta i rendimenti dal punto precedente.""" cum = (1.0 + daily).cumprod() cum = cum.reindex(cum.index.union(grid)).ffill().reindex(grid) return (cum / cum.shift(1) - 1.0).dropna() def main(): print("=" * 96) print(" CROSS-MARKET COMBO — equity-trend (GTAA) x crypto (TP01+XS01+VRP01)") print("=" * 96) # crypto blend (rinormalizzato, date diverse) crypto = StrategyPortfolio(active_sleeves()).combined_daily() if crypto.index.tz is None: crypto.index = crypto.index.tz_localize("UTC") # equity sleeve (giorni di borsa) eq = gtaa(target_vol=0.12).dropna() # allinea: compounda crypto sui giorni di borsa dell'equity grid = eq.index[eq.index >= crypto.index[0]] cr = compound_to_grid(crypto, grid) J = pd.concat({"crypto": cr, "equity": eq.reindex(cr.index)}, axis=1).dropna() print(f" finestra comune {J.index[0].date()}..{J.index[-1].date()} ({len(J)} giorni di borsa)\n") c, e = J["crypto"], J["equity"] print(" --- STANDALONE (sulla finestra comune) ---") for nm, r in (("crypto TP01+XS01+VRP01", c), ("equity GTAA vt12", e)): print(f" {nm:24} Sh {_sh(r):>5.2f} CAGR {_cagr(r.values,r.index)*100:>5.1f}% volAnn {_ann_vol(r)*100:>4.1f}% maxDD {_dd(r.values)*100:>4.0f}%") print(f"\n --- CORRELAZIONE crypto <-> equity = {c.corr(e):+.3f} (bassa = diversifica) ---") print("\n --- BLEND (capitale) ---") print(f" {'mix':18} {'Sharpe':>7} {'CAGR%':>6} {'volAnn%':>7} {'maxDD%':>6}") for wc in (1.0, 0.75, 0.5, 0.25, 0.0): b = wc * c + (1 - wc) * e print(f" crypto {int(wc*100):>3}/{int((1-wc)*100):<3} eq {_sh(b):>7.2f} {_cagr(b.values,b.index)*100:>6.1f} {_ann_vol(b)*100:>7.1f} {_dd(b.values)*100:>6.0f}") # risk-parity (peso inverso alla vol) — il blend "giusto" quando le vol differiscono vc, ve = _ann_vol(c), _ann_vol(e) wc_rp = (1/vc) / (1/vc + 1/ve) b_rp = wc_rp * c + (1 - wc_rp) * e print(f"\n --- RISK-PARITY (inv-vol: crypto {wc_rp*100:.0f}% / eq {(1-wc_rp)*100:.0f}%) ---") print(f" Sharpe {_sh(b_rp):.2f} CAGR {_cagr(b_rp.values,b_rp.index)*100:.1f}% volAnn {_ann_vol(b_rp)*100:.1f}% maxDD {_dd(b_rp.values)*100:.0f}%") # verdetto: il blender batte il migliore dei due? best_solo = max(_sh(c), _sh(e)) best_blend = max(_sh(0.5*c+0.5*e), _sh(b_rp)) print(f"\n --- VERDETTO ---") print(f" miglior standalone Sharpe = {best_solo:.2f} | miglior blend Sharpe = {best_blend:.2f} " f"-> {'DIVERSIFICA (blend > solo)' if best_blend > best_solo + 0.03 else 'nessun guadagno netto'}") print(f" (nota: portafoglio cross-venue Deribit+IB; finestra crypto corta ~{len(J)//252}y)") if __name__ == "__main__": main()