PythagorasGoal/scripts/live/edge_watch.py

#!/usr/bin/env python
"""edge_watch.py — sorveglianza dell'EDGE del book live. Riporta e allerta; non tocca nulla.

IL BUCO CHE CHIUDE. Il progetto ha gate di kill pre-registrati per i CANDIDATI (DVOLSPREAD 24/10,
XSR01 23/10, STATARB 27/09) e non ne aveva **nessuno per il book che gira con soldi veri**.

DUE CRITERI, PERCHE' I DUE SLEEVE NON SI GIUDICANO ALLO STESSO MODO
(tarati in `scripts/research/r0726_edge_death.py`, 4.000 percorsi bootstrap):

  A) RITORNO (book nel suo insieme) — **Sharpe rolling a 36 mesi sotto −0.5**.
     Tarato sul nullo: falso kill **1.8% in 10 anni** con edge intatto. Controllo positivo: se
     l'edge e' davvero morto lo riconosce nel **91%** dei casi, in **3.8 anni** mediani.
     ⚠️ La lentezza NON e' un difetto della regola, e' statistica: a 12 mesi la stessa regola
     ucciderebbe un edge VIVO nell'80% dei casi. Non esiste una versione veloce e onesta.

  B) PROTEZIONE (TP01, che e' DIFENSIVO) — in un anno con **drawdown buy&hold > 10%**, il
     drawdown di TP01 deve restare **sotto il 75%** di quello. Storico: 8 anni con sinistro,
     **8/8 superati** (protezione da 1.8x a 34.4x).
     ⚠️ Serve un criterio separato perche' il leave-one-out del 26/07 ha misurato il contributo
     hold-out di TP01 **negativo nel 99.1%** delle configurazioni d'ancora: e' la firma
     dell'assicurazione, che paga premio negli anni senza incendio. **"Non ha guadagnato" non e'
     evidenza di morte per uno sleeve difensivo** — la sua morte e' non proteggere nel sinistro.
     Negli anni SENZA sinistro il criterio non si valuta: non c'e' informazione.

Regola di kill dichiarata ORA per non doverla decidere nel momento sbagliato:
  * (A) scatta -> il book NON si spegne da solo: si apre una revisione con `weights_tilt_null`
    e si ricalcola il deflated-Sharpe sui dati nuovi. Spegnere e' una decisione dell'operatore.
  * (B) fallito in **due anni di sinistro consecutivi** -> TP01 non assicura piu', e il suo peso
    va rimesso in discussione (e' l'unico motivo per cui e' nel book al 75%).

    uv run python scripts/live/edge_watch.py            # report
    uv run python scripts/live/edge_watch.py --quiet    # solo se qualcosa scatta (cron)
"""
from __future__ import annotations

import sys
from pathlib import Path

import numpy as np
import pandas as pd

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

from src.live.notifier import notify                     # noqa: E402
from src.portfolio.portfolio import combine_outer        # noqa: E402
from src.portfolio.sleeves import deribit_book_sleeves, tp01_sleeve  # noqa: E402

# --- soglie CONGELATE (cambiarle invalida la taratura di r0726_edge_death.py) ---
WIN_MONTHS = 36
SHARPE_KILL = -0.5
SINISTRO_DD = 0.10        # un anno "conta" come sinistro se il buy&hold perde piu' di questo
PROTECT_MAX = 0.75        # DD di TP01 ammesso, in frazione del DD buy&hold


def book_daily() -> pd.Series:
    sl = deribit_book_sleeves()
    return combine_outer({s.name: s.daily() for s in sl}, {s.name: s.weight for s in sl})


def buyhold_daily() -> pd.Series:
    from src.data.downloader import load_data
    from src.strategies.trend_portfolio import resample_1d, simple_returns
    cols = {}
    for a in ("BTC", "ETH"):
        df = resample_1d(load_data(a, "1h"))
        cols[a] = pd.Series(simple_returns(df["close"].values.astype(float)),
                            index=pd.to_datetime(df["datetime"]))
    J = pd.concat(cols, axis=1, join="inner").fillna(0.0)
    return pd.Series(0.5 * J["BTC"].values + 0.5 * J["ETH"].values, index=J.index)


def maxdd(s: pd.Series) -> float:
    e = (1.0 + s).cumprod()
    return float((1.0 - e / e.cummax()).max())


def trailing_sharpe(s: pd.Series, months: int = WIN_MONTHS) -> float | None:
    """Sharpe annualizzato sulla finestra piu' recente. None se la storia non basta —
    e 'non basta' NON e' 'va bene': si riporta a parte."""
    w = int(months * 30.44)
    v = s.dropna().values[-w:]
    if len(v) < w or v.std() <= 0:
        return None
    return float(v.mean() / v.std() * np.sqrt(365))


def protection_by_year(tp: pd.Series, bh: pd.Series) -> list[dict]:
    """Per ogni anno con SINISTRO, il rapporto di protezione. Gli anni senza sinistro sono
    esclusi: non contengono informazione sull'assicurazione."""
    common = tp.index.intersection(bh.index)
    tp, bh = tp.loc[common], bh.loc[common]
    out = []
    for y, g in bh.groupby(bh.index.year):
        d_bh = maxdd(g)
        if d_bh <= SINISTRO_DD:
            continue
        d_tp = maxdd(tp.loc[g.index])
        out.append(dict(year=int(y), dd_bh=d_bh, dd_tp=d_tp,
                        ratio=d_tp / d_bh, ok=(d_tp / d_bh) <= PROTECT_MAX))
    return out


def run() -> dict:
    book = book_daily()
    sh = trailing_sharpe(book)
    prot = protection_by_year(tp01_sleeve(weight=1.0).daily(), buyhold_daily())
    # due anni di SINISTRO CONSECUTIVI falliti (consecutivi fra gli anni con sinistro)
    consec = 0
    for p in prot:
        consec = consec + 1 if not p["ok"] else 0
    alerts = []
    if sh is not None and sh < SHARPE_KILL:
        alerts.append(f"criterio A: Sharpe {WIN_MONTHS}m = {sh:+.2f} < {SHARPE_KILL:+.1f}")
    if consec >= 2:
        alerts.append(f"criterio B: TP01 non ha protetto in {consec} anni di sinistro consecutivi")
    return dict(sharpe=sh, protection=prot, consec_fail=consec, alerts=alerts)


def main() -> int:
    r = run()
    if "--quiet" not in sys.argv:
        print("=" * 78)
        print("  EDGE WATCH — il book live sta ancora funzionando?")
        print("=" * 78)
        s = r["sharpe"]
        print(f"\n  A) RITORNO — Sharpe rolling {WIN_MONTHS}m: "
              f"{f'{s:+.2f}' if s is not None else 'storia insufficiente'}"
              f"   (kill sotto {SHARPE_KILL:+.1f}; falso kill 1.8%/10a, rilevamento ~3.8a)")
        print(f"\n  B) PROTEZIONE — TP01 negli anni con sinistro (DD buy&hold > {SINISTRO_DD:.0%}):")
        print(f"\n     {'anno':>6}{'DD b&h':>10}{'DD TP01':>10}{'protez.':>10}{'esito':>8}")
        for p in r["protection"]:
            print(f"     {p['year']:>6}{p['dd_bh']:>9.1%}{p['dd_tp']:>9.1%}"
                  f"{1/p['ratio']:>9.1f}x{'  OK' if p['ok'] else '  FAIL':>8}")
        n_ok = sum(p["ok"] for p in r["protection"])
        print(f"\n     {n_ok}/{len(r['protection'])} anni di sinistro superati · "
              f"fallimenti consecutivi in corso: {r['consec_fail']}")
    if r["alerts"]:
        notify("🚨 EDGE WATCH — criterio di kill scattato sul book LIVE",
               {f"alert {i+1}": a for i, a in enumerate(r["alerts"])})
        for a in r["alerts"]:
            print(f"  ALERT: {a}")
        return 2
    return 0


if __name__ == "__main__":
    raise SystemExit(main())