Adriano Dal Pastro
2c3882b60c
Tre questioni che il progetto aveva lasciato aperte e decidibili oggi. T1 — ESECUZIONE SKH01. Testato l'unico meccanismo che non e' un cron: ordini resting on-book (TP=limit al livello per costruzione + fee maker, SL=stop-market). A offset 0 recupera il 94% del degrado, ma l'audit 02/07 aveva de-luckato i numeri headline di SKH01 e NON il degrado. Sulla banda appaiata dei 23 offset il degrado recuperabile e' +0.054 Sh di book, non -0.35 di sleeve. Errore di metodo corretto in sessione: mediana(A)-mediana(B) fra offset confronta offset diversi; serve la mediana delle DIFFERENZE appaiate. Col fix il verdetto si ribalta: solo TP a limite = +0.054 FULL / +0.061 HOLD, positivo in 19/23 e 21/23 offset; lo SL on-book PEGGIORA (mediana -0.010, positivo in 11/23) perche' cristallizza la perdita mentre l'exit ritardata incassa il rimbalzo. Raccomandazione NON eseguita: TP a limite si, SL strategico on-book no. T2 — DVOLSPREAD esce dal limbo (fermo dal 21/06). Passato ai due gate che allora non esistevano. La griglia dichiarata "72 celle" ne contiene 729: valutate tutte. Plateau reale (729/729 hold-out positivo). Selection-on-holdout confermata ma mite: cella pubblicata 83a/729 sull'hold-out, 471a/729 in-sample. Cella onesta FULL 0.68 / HOLD 0.69 (non 0.93) e DSR 0.953 PASS; la pubblicata fallisce 0.947. Promosso a forward-monitor coi parametri onesti, NON nel book (hold-out attivo 1.6 anni, DSR sul filo, weights_tilt_null mai affrontato). T3 — XSR01 non generalizza. Meccanismo congelato su 9 settoriali (1998+) e 28 ETF (30 anni), versione DEMEANATA (il test del 25/07 era a coppie). Lordo +0.24 p=0.193 e -0.14 p=0.747 vs null a fee zero. Il risultato che conta e' l'ampiezza: il demean fa 4.5->37.4 (8x) sul crypto ma 5.3->6.2 (1.2x) sulle azioni, perche' sul crypto il residuo-vs-BTC lascia un enorme fattore comune e sulle azioni il residuo-vs-SPY e' gia' indipendente. XSR01 e' crypto-specifico; NON e' falso. Soglie del gate 23/10 non toccate. Book/pesi/cron INVARIATI. Suite 245 verdi. Co-Authored-By: Claude Opus 5 (1M context) <noreply@anthropic.com>
347 lines
17 KiB
Python
347 lines
17 KiB
Python
#!/usr/bin/env python
|
|
"""r0726_skh_onbook — T1 dell'ondata 2026-07-26: il -0.35 Sharpe del path live di SKH01
|
|
e' recuperabile con ORDINI RESTING ON-BOOK invece dell'exit software del cron?
|
|
|
|
CONTESTO. Il book live Deribit (TP01 0.75 + SKH01 0.25) gira SKH01 col cron ORARIO e uscite
|
|
SOFTWARE: il codice guarda il prezzo una volta all'ora e, se il livello SL/TP e' stato superato,
|
|
chiude a mercato. Costo misurato (audit 2026-07-02, riconfermato il 24/07): alla lente 50/50 il
|
|
book passa FULL 1.46 -> 1.19, HOLD 1.64 -> 1.15, DD 18% -> 25%. E' il **buco singolo piu' grande
|
|
del progetto** (~ -0.35 di Sharpe), e il 24/07 ha gia' stabilito che **un cron piu' veloce non lo
|
|
recupera** ("nessun cron riporta l'exit software sul livello SL dentro una barra che gappa";
|
|
allineare la cadenza a 230m vale ~ +0.01/+0.02 Sharpe = rumore).
|
|
|
|
L'ANGOLO MAI TESTATO: l'unico meccanismo che non e' un cron — gli **ordini resting on-book**.
|
|
E li' c'e' un'ASIMMETRIA che nessuno ha sfruttato:
|
|
|
|
* il **TP e' un LIMIT order** appoggiato sul book al livello. Se il prezzo ci arriva, il fill
|
|
e' AL LIVELLO **per costruzione** (sei tu il maker: il prezzo non puo' attraversare il tuo
|
|
limite senza eseguirlo). -> il lato TP e' **integralmente recuperabile**, e per giunta a
|
|
fee MAKER invece che taker.
|
|
* lo **SL e' uno STOP-MARKET**: al trigger diventa un ordine a mercato. In condizioni normali
|
|
riempie a ~pochi bps dal livello; **in un gap riempie molto peggio**. -> il lato SL e'
|
|
recuperabile solo IN PARTE, e il gap resta (com'e' giusto: e' un rischio vero, non un
|
|
artefatto di modello).
|
|
|
|
Da cui l'ipotesi da falsificare: **il grosso del -0.35 e' sul lato TP, quindi e' recuperabile
|
|
senza prendersi nessun rischio nuovo.** Se invece il grosso e' sul lato SL, la conclusione del
|
|
24/07 ("il degrado e' strutturale") si estende anche agli ordini on-book e non c'e' niente da fare.
|
|
|
|
MODALITA' SIMULATE (stesse trade boundaries, cambia SOLO il prezzo d'esecuzione)
|
|
canonical : entry a close[i], exit AL LIVELLO -> il BACKTEST (riferimento ottimista)
|
|
hourly : entry/exit al close 5m del prossimo multiplo orario -> il PATH LIVE DI OGGI
|
|
onbook : entry al prossimo multiplo orario (l'ingresso resta una decisione del cron:
|
|
e' un segnale a chiusura di barra, non si puo' appoggiare in anticipo), ma:
|
|
- TP -> fill AL LIVELLO, fee MAKER (limit resting)
|
|
- SL -> stop-market: fill al livello se la barra 5m del trigger lo ATTRAVERSA;
|
|
fill all'OPEN della barra 5m se la barra ci GAPPA dentro (open gia'
|
|
oltre il livello), in entrambi i casi meno SLIPPAGE dichiarato
|
|
- time-> resta al prossimo multiplo orario (e' il cron che decide)
|
|
onbook_tp : contro-fattuale che ISOLA il lato TP (TP on-book, SL e time come oggi) -> dice
|
|
quanta parte del recupero viene dal lato che NON aggiunge rischio.
|
|
|
|
ONESTA'
|
|
* la rilevazione del gap e' a risoluzione **5m** (il gap vero e' piu' fine) -> il fill SL
|
|
modellato e' un OTTIMISMO residuo su quel lato; il lato TP invece non ha questo problema
|
|
(un limit resting non ha bisogno di risoluzione: o il prezzo tocca il livello o no).
|
|
* si ignora la POSIZIONE IN CODA sul limit TP: a $300 di nozionale su BTC perp e' una
|
|
semplificazione benigna (size irrilevante rispetto al book), ma e' dichiarata.
|
|
* risultati riportati sull'off 0 E sulla **banda dei 23 offset** a priori: il progetto ha gia'
|
|
stabilito che l'off 0 e' al 93-98 pctl (best-of-23) -> la mediana di banda e' la lente onesta.
|
|
* niente file di produzione toccato. Se il risultato regge, la modifica al live e' una
|
|
RACCOMANDAZIONE, non un fatto compiuto.
|
|
|
|
Uso: `uv run python scripts/research/r0726_skh_onbook.py` (~5-10 min: 23 offset x 2 asset)
|
|
"""
|
|
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"))
|
|
sys.path.insert(0, str(ROOT / "scripts" / "research" / "alt"))
|
|
|
|
import r0702_anchor_skh01 as r02 # noqa: E402
|
|
from src.portfolio.portfolio import metrics # noqa: E402
|
|
|
|
MSH = 3_600_000
|
|
MS_LTF = r02.MS_LTF
|
|
FEE_TAKER_SIDE = 0.0005 # Deribit taker ~0.05%/lato (il RT 0.10% del progetto)
|
|
FEE_MAKER_SIDE = 0.0000 # limit resting: maker (Deribit futures ~0, a volte rebate)
|
|
SL_SLIP = 0.0005 # slippage dichiarata sullo stop-market (5 bps)
|
|
HOLDOUT = "2025-01-01"
|
|
|
|
|
|
# --------------------------------------------------------------------------- simulazione
|
|
|
|
def sim_equity_exec(ltf: pd.DataFrame, ent: list, mode: str,
|
|
ts5_close: np.ndarray, o5: np.ndarray, h5: np.ndarray,
|
|
l5: np.ndarray, c5: np.ndarray) -> np.ndarray:
|
|
"""Come r0702.sim_equity ma con le modalita' d'esecuzione ON-BOOK.
|
|
|
|
Le trade boundaries (barra d'ingresso, barra di trigger, non-overlap) sono IDENTICHE al
|
|
canonico in ogni modalita': cambia solo il prezzo a cui si esegue e la fee del lato.
|
|
"""
|
|
c = ltf["close"].values.astype(float)
|
|
h = ltf["high"].values.astype(float)
|
|
lo = ltf["low"].values.astype(float)
|
|
n = len(c)
|
|
close_ts = ltf["timestamp"].values.astype(np.int64) + MS_LTF
|
|
|
|
def px_hour(t: int) -> float:
|
|
hb = ((t + MSH - 1) // MSH) * MSH
|
|
j = np.searchsorted(ts5_close, hb, side="left")
|
|
return c5[min(j, len(c5) - 1)]
|
|
|
|
def stop_fill(t_start: int, t_end: int, level: float, direction: int) -> float:
|
|
"""Prezzo di fill di uno STOP-MARKET on-book fra due timestamp, a risoluzione 5m.
|
|
|
|
Trova la prima barra 5m che tocca il livello: se ci GAPPA dentro (open gia' oltre)
|
|
il fill e' l'open (il gap e' un rischio vero, non un artefatto); altrimenti e' il
|
|
livello. In entrambi i casi meno la slippage dichiarata.
|
|
"""
|
|
a = int(np.searchsorted(ts5_close, t_start, side="left"))
|
|
b = int(np.searchsorted(ts5_close, t_end, side="right"))
|
|
for j in range(a, min(b + 1, len(c5))):
|
|
touched = (l5[j] <= level) if direction == 1 else (h5[j] >= level)
|
|
if touched:
|
|
gapped = (o5[j] < level) if direction == 1 else (o5[j] > level)
|
|
px = o5[j] if gapped else level
|
|
return px * (1.0 - SL_SLIP * direction)
|
|
return level * (1.0 - SL_SLIP * direction) # non trovato a 5m: cap al livello
|
|
|
|
initial = 1000.0
|
|
capital = initial
|
|
equity = np.full(n, capital, dtype=float)
|
|
busy_until = -1
|
|
stats = dict(sl=0, tp=0, time=0, gap_sl=0)
|
|
for i in range(n):
|
|
e = ent[i] if i < len(ent) else None
|
|
if e is None or e.get("dir", 0) == 0 or i <= busy_until:
|
|
equity[i] = capital
|
|
continue
|
|
direction = int(e["dir"])
|
|
tp = e.get("tp"); sl = e.get("sl")
|
|
max_bars = int(e.get("max_bars") or 24)
|
|
|
|
entry = c[i] if mode == "canonical" else px_hour(close_ts[i])
|
|
fee_entry = FEE_TAKER_SIDE
|
|
|
|
# --- detection identica al canonico (SL prioritario)
|
|
exit_idx = min(i + max_bars, n - 1)
|
|
exit_lvl = c[exit_idx]
|
|
kind = "time"
|
|
for j in range(i + 1, min(i + max_bars + 1, n)):
|
|
hit_sl = sl is not None and (
|
|
(direction == 1 and lo[j] <= sl) or (direction == -1 and h[j] >= sl))
|
|
hit_tp = tp is not None and (
|
|
(direction == 1 and h[j] >= tp) or (direction == -1 and lo[j] <= tp))
|
|
if hit_sl:
|
|
exit_lvl, exit_idx, kind = sl, j, "sl"
|
|
break
|
|
if hit_tp:
|
|
exit_lvl, exit_idx, kind = tp, j, "tp"
|
|
break
|
|
exit_lvl, exit_idx = c[j], j
|
|
stats[kind] += 1
|
|
|
|
# --- prezzo d'uscita per modalita'
|
|
if mode == "canonical":
|
|
exit_price, fee_exit = exit_lvl, FEE_TAKER_SIDE
|
|
elif mode == "hourly":
|
|
exit_price, fee_exit = px_hour(close_ts[exit_idx]), FEE_TAKER_SIDE
|
|
elif mode in ("onbook", "onbook_tp"):
|
|
if kind == "tp":
|
|
exit_price, fee_exit = tp, FEE_MAKER_SIDE # limit resting: al livello
|
|
elif kind == "sl" and mode == "onbook":
|
|
t0 = int(ltf["timestamp"].values[exit_idx])
|
|
exit_price = stop_fill(t0, t0 + MS_LTF, sl, direction)
|
|
fee_exit = FEE_TAKER_SIDE
|
|
if (direction == 1 and exit_price < sl * (1 - SL_SLIP) - 1e-9) or \
|
|
(direction == -1 and exit_price > sl * (1 + SL_SLIP) + 1e-9):
|
|
stats["gap_sl"] += 1
|
|
else: # sl in onbook_tp, o time
|
|
exit_price, fee_exit = px_hour(close_ts[exit_idx]), FEE_TAKER_SIDE
|
|
else:
|
|
raise ValueError(mode)
|
|
|
|
gross = (exit_price - entry) / entry * direction
|
|
net = gross - (fee_entry + fee_exit)
|
|
capital = max(capital + capital * net, 1.0)
|
|
equity[i:exit_idx + 1] = capital
|
|
busy_until = exit_idx
|
|
return equity, stats
|
|
|
|
|
|
def skh_series(off: int, mode: str) -> tuple[pd.Series, dict]:
|
|
"""Rendimenti daily dello sleeve SKH01 (50/50 BTC+ETH) a un offset e una modalita'."""
|
|
out = {}
|
|
agg = dict(sl=0, tp=0, time=0, gap_sl=0)
|
|
for asset in ("BTC", "ETH"):
|
|
_, _, ltf, ent = r02.run_asset(asset, off)
|
|
df5 = r02.get5m(asset)
|
|
ts5 = df5["timestamp"].values.astype(np.int64) + 300_000
|
|
eq, st = sim_equity_exec(ltf, ent, mode, ts5,
|
|
df5["open"].values.astype(float),
|
|
df5["high"].values.astype(float),
|
|
df5["low"].values.astype(float),
|
|
df5["close"].values.astype(float))
|
|
for k in agg:
|
|
agg[k] += st[k]
|
|
idx = pd.to_datetime(ltf["timestamp"].values + MS_LTF, unit="ms", utc=True)
|
|
s = pd.Series(eq, index=idx).resample("1D").last().ffill()
|
|
out[asset] = s.pct_change().fillna(0.0)
|
|
J = pd.concat(out, axis=1, join="inner").fillna(0.0)
|
|
return pd.Series(0.5 * J["BTC"].values + 0.5 * J["ETH"].values, index=J.index), agg
|
|
|
|
|
|
def book(skh: pd.Series, w: float) -> pd.Series:
|
|
tp = r02.al.tp01_baseline_daily()
|
|
tp = tp.dropna()
|
|
if tp.index.tz is None:
|
|
tp.index = tp.index.tz_localize("UTC")
|
|
tp.index = tp.index.floor("D")
|
|
s = skh.copy()
|
|
s.index = s.index.floor("D")
|
|
J = pd.concat({"tp": tp, "skh": s}, axis=1, join="inner").fillna(0.0)
|
|
return pd.Series((1 - w) * J["tp"].values + w * J["skh"].values, index=J.index)
|
|
|
|
|
|
def sh3(s: pd.Series) -> tuple[float, float, float, float]:
|
|
m_all = metrics(s)
|
|
m_is = metrics(s[s.index < HOLDOUT])
|
|
m_ho = metrics(s[s.index >= HOLDOUT])
|
|
return m_all["sharpe"], m_is["sharpe"], m_ho["sharpe"], m_all["maxdd"]
|
|
|
|
|
|
MODES = ("canonical", "hourly", "onbook_tp", "onbook")
|
|
LABEL = {"canonical": "canonical (backtest, fill-al-livello)",
|
|
"hourly": "hourly (PATH LIVE DI OGGI)",
|
|
"onbook_tp": "onbook_tp (solo TP a limite)",
|
|
"onbook": "onbook (TP limite + SL stop-market)"}
|
|
|
|
|
|
def main() -> None:
|
|
global SL_SLIP
|
|
print("=" * 100)
|
|
print(" T1 — SKH01: il degrado del path live e' recuperabile con ordini RESTING ON-BOOK?")
|
|
print("=" * 100)
|
|
print(f"\n fee: taker {FEE_TAKER_SIDE:.4%}/lato, maker {FEE_MAKER_SIDE:.4%}/lato | "
|
|
f"slippage stop-market {SL_SLIP:.2%} | hold-out {HOLDOUT}")
|
|
|
|
# ------------------------------------------------ offset 0 (la griglia che gira davvero)
|
|
print("\n" + "-" * 100)
|
|
print(" A. OFFSET 0 — la griglia che gira davvero nel live")
|
|
print("-" * 100)
|
|
ser0 = {}
|
|
print(f" {'modalita':>40} {'SKH standalone':>28} {'book 75/25':>26}")
|
|
print(f" {'':>40} {'FULL':>6} {'IS':>6} {'HOLD':>6} {'DD':>6} "
|
|
f"{'FULL':>6} {'IS':>6} {'HOLD':>6} {'DD':>6}")
|
|
stats0 = {}
|
|
for m in MODES:
|
|
s, st = skh_series(0, m)
|
|
ser0[m] = s
|
|
stats0[m] = st
|
|
a = sh3(s)
|
|
b = sh3(book(s, 0.25))
|
|
print(f" {LABEL[m]:>40} {a[0]:>6.2f} {a[1]:>6.2f} {a[2]:>6.2f} {a[3]:>5.1%} "
|
|
f"{b[0]:>6.2f} {b[1]:>6.2f} {b[2]:>6.2f} {b[3]:>5.1%}")
|
|
st = stats0["onbook"]
|
|
tot = st["sl"] + st["tp"] + st["time"]
|
|
print(f"\n composizione delle uscite (off 0, BTC+ETH): {tot} trade — "
|
|
f"SL {st['sl']} ({st['sl']/tot:.0%}) | TP {st['tp']} ({st['tp']/tot:.0%}) | "
|
|
f"time {st['time']} ({st['time']/tot:.0%})")
|
|
print(f" di cui SL con GAP dentro la barra 5m (fill peggiore del livello): "
|
|
f"{st['gap_sl']} = {st['gap_sl']/max(st['sl'],1):.0%} degli SL")
|
|
|
|
# ------------------------------------------------ scomposizione del recupero
|
|
print("\n" + "-" * 100)
|
|
print(" B. DOVE VIVE IL DEGRADO — scomposizione del gap canonical -> live")
|
|
print("-" * 100)
|
|
b_can, b_hr = sh3(book(ser0["canonical"], 0.25)), sh3(book(ser0["hourly"], 0.25))
|
|
b_tp, b_ob = sh3(book(ser0["onbook_tp"], 0.25)), sh3(book(ser0["onbook"], 0.25))
|
|
gap_tot = b_can[0] - b_hr[0]
|
|
print(f" book 75/25, Sharpe FULL: canonical {b_can[0]:.3f} -> live {b_hr[0]:.3f} "
|
|
f"(degrado {gap_tot:+.3f})")
|
|
if abs(gap_tot) > 1e-9:
|
|
print(f" recupero col solo TP a limite : {b_tp[0]-b_hr[0]:+.3f} "
|
|
f"= {(b_tp[0]-b_hr[0])/gap_tot:>5.0%} del degrado [NESSUN rischio nuovo]")
|
|
print(f" recupero TP + SL on-book : {b_ob[0]-b_hr[0]:+.3f} "
|
|
f"= {(b_ob[0]-b_hr[0])/gap_tot:>5.0%} del degrado")
|
|
print(f" residuo NON recuperabile : {b_can[0]-b_ob[0]:+.3f} "
|
|
f"= {(b_can[0]-b_ob[0])/gap_tot:>5.0%} del degrado [gap + entry del cron]")
|
|
|
|
# ------------------------------------------------ banda dei 23 offset (la lente onesta)
|
|
print("\n" + "-" * 100)
|
|
print(" C. BANDA DEI 23 OFFSET — la lente de-luckata (off 0 e' al 93-98 pctl, audit 02/07)")
|
|
print("-" * 100)
|
|
rows = {m: [] for m in MODES}
|
|
for off in r02.OFFSETS:
|
|
for m in MODES:
|
|
s, _ = skh_series(off, m)
|
|
rows[m].append(sh3(book(s, 0.25)))
|
|
print(f" {'modalita':>40} {'FULL med':>9} {'IS med':>8} {'HOLD med':>9} "
|
|
f"{'DD med':>7} {'HOLD min':>9} {'HOLD max':>9}")
|
|
med = {}
|
|
A = {m: np.array(rows[m]) for m in MODES}
|
|
for m in MODES:
|
|
med[m] = np.median(A[m], axis=0)
|
|
print(f" {LABEL[m]:>40} {med[m][0]:>9.2f} {med[m][1]:>8.2f} {med[m][2]:>9.2f} "
|
|
f"{med[m][3]:>6.1%} {A[m][:, 2].min():>9.2f} {A[m][:, 2].max():>9.2f}")
|
|
|
|
# ⚠️ gli offset sono coppie APPAIATE: la statistica giusta e' la mediana delle DIFFERENZE
|
|
# per-offset, non la differenza delle mediane (che confronta offset diversi fra loro).
|
|
print("\n differenze APPAIATE per-offset (mediana [min, max] sui 23 offset):")
|
|
print(f" {'':>40} {'dFULL':>22} {'dHOLD':>22} {'dDD':>20}")
|
|
for m in ("canonical", "onbook_tp", "onbook"):
|
|
d0 = A[m][:, 0] - A["hourly"][:, 0]
|
|
d2 = A[m][:, 2] - A["hourly"][:, 2]
|
|
d3 = A[m][:, 3] - A["hourly"][:, 3]
|
|
print(f" {LABEL[m]:>40} "
|
|
f"{np.median(d0):>+7.3f} [{d0.min():+.2f},{d0.max():+.2f}] "
|
|
f"{np.median(d2):>+7.3f} [{d2.min():+.2f},{d2.max():+.2f}] "
|
|
f"{np.median(d3):>+6.2%} [{d3.min():+.1%},{d3.max():+.1%}]")
|
|
|
|
dmax = np.median(A["canonical"][:, 0] - A["hourly"][:, 0])
|
|
dob = np.median(A["onbook"][:, 0] - A["hourly"][:, 0])
|
|
dtp = np.median(A["onbook_tp"][:, 0] - A["hourly"][:, 0])
|
|
print(f"\n degrado recuperabile al massimo (canonical-hourly, mediana appaiata): {dmax:+.3f} FULL")
|
|
if abs(dmax) > 1e-9:
|
|
print(f" recuperato dal solo TP a limite: {dtp:+.3f} = {dtp/dmax:>5.0%}")
|
|
print(f" recuperato da TP + SL on-book : {dob:+.3f} = {dob/dmax:>5.0%}")
|
|
print("\n in quanti dei 23 offset la modalita' MIGLIORA il path live di oggi?")
|
|
for m in ("onbook_tp", "onbook"):
|
|
nf = int((A[m][:, 0] - A["hourly"][:, 0] > 0).sum())
|
|
nh = int((A[m][:, 2] - A["hourly"][:, 2] > 0).sum())
|
|
nd = int((A[m][:, 3] - A["hourly"][:, 3] < 0).sum())
|
|
print(f" {LABEL[m]:>40}: FULL {nf}/23 HOLD {nh}/23 DD {nd}/23")
|
|
# il lato SL da solo = differenza fra onbook (TP+SL) e onbook_tp (solo TP)
|
|
dsl = A["onbook"][:, 0] - A["onbook_tp"][:, 0]
|
|
print(f"\n contributo del SOLO lato SL on-book (onbook - onbook_tp), FULL: "
|
|
f"mediana {np.median(dsl):+.3f} [{dsl.min():+.2f},{dsl.max():+.2f}], "
|
|
f"positivo in {int((dsl > 0).sum())}/23 offset")
|
|
|
|
# ------------------------------------------------ robustezza alla slippage assunta
|
|
print("\n" + "-" * 100)
|
|
print(" D. SENSIBILITA' ALLA SLIPPAGE ASSUNTA sullo stop-market (off 0, book 75/25)")
|
|
print("-" * 100)
|
|
keep = SL_SLIP
|
|
print(f" {'slippage':>10} {'FULL':>7} {'HOLD':>7} {'DD':>7} (live di oggi: "
|
|
f"FULL {b_hr[0]:.2f} / HOLD {b_hr[2]:.2f})")
|
|
for slip in (0.0000, 0.0005, 0.0020, 0.0050, 0.0100):
|
|
SL_SLIP = slip
|
|
s, _ = skh_series(0, "onbook")
|
|
r = sh3(book(s, 0.25))
|
|
flag = "" if r[0] > b_hr[0] else " <- peggio del live"
|
|
print(f" {slip:>9.2%} {r[0]:>7.2f} {r[2]:>7.2f} {r[3]:>6.1%}{flag}")
|
|
SL_SLIP = keep
|
|
print("\n" + "=" * 100)
|
|
|
|
|
|
if __name__ == "__main__":
|
|
main()
|