Adriano Dal Pastro
ad65a0b344
23 famiglie esplorate (harness condiviso exit_lab, train/OOS embargo nov-2023, tutto lo storico 1h 2018-2026) + 10 verifiche avversariali + test PORT06. 'Cavalcare il prezzo' non esiste (4a conferma: oltre il TP=media non c'e' coda). Scoperta: lo SL intrabar fisso e' il distruttore di valore n.1 delle fade (stop da wick = falsi negativi). Forma robusta: SL solo su CHIUSURA oltre sl0±0.5·ATR14 — PORT06 FULL Sharpe 6.47→7.84 DD 4.10→2.60, OOS 8.82→10.06. Collaterali: bias gap-through dell'engine sugli stop stretti; ramo -2% del worker morto con sl=0. Diario: docs/diary/2026-06-04-exit-lab.md Co-Authored-By: Claude Opus 4.8 (1M context) <noreply@anthropic.com>
80 lines
2.7 KiB
Python
80 lines
2.7 KiB
Python
"""EXIT-10 — tp_moving_mean: il TP INSEGUE la media corrente (non quello fisso).
|
|
|
|
PRIOR (vincolante): le fade puntano alla MEDIA. Oggi il TP e' CONGELATO all'entrata
|
|
(tp0 = SMA_n(close) al close[i-1]). Ma la media SI MUOVE durante il trade: se il
|
|
prezzo ci mette qualche barra a rientrare, la media si e' gia' spostata. Idea:
|
|
ridefinire il TP come la SMA_n corrente -> tp(j) = SMA_n(close)[j-1]. Il target
|
|
"segue" la media verso cui la fade punta, invece di mirare a una media stantia.
|
|
|
|
long (d=+1): si compra sotto la media -> tp(j) = SMA_n[j-1] (sopra entry, di norma).
|
|
short (d=-1): si vende sopra la media -> tp(j) = SMA_n[j-1] (sotto entry, di norma).
|
|
|
|
CAP ONESTO (anti exit-in-perdita): se la media si muove CONTRO (long: media scende
|
|
sotto entry; short: media sale sopra entry), il TP diventerebbe un'uscita in perdita
|
|
mascherata. Lo evitiamo:
|
|
long : tp(j) = max(tp(j), entry*(1+0.002))
|
|
short: tp(j) = min(tp(j), entry*(1-0.002))
|
|
0.002 (~ 0.10% RT fee + margine) garantisce che il tocco del TP sia >= breakeven.
|
|
|
|
SL FISSO (sl0) invariato; horizon = max_bars invariato.
|
|
|
|
ANTI-LOOK-AHEAD: prepare() precalcola sma_n = rolling(n).mean() su close (causale,
|
|
ogni valore dipende solo da close <= quel-indice). In levels(j) si legge sma_n[j-1]
|
|
-> solo dati <= j-1, mai il bar j. SL e horizon invariati. OK per costruzione.
|
|
|
|
GRID: n in {20, 50, 100} (3 celle).
|
|
"""
|
|
import sys
|
|
from pathlib import Path
|
|
|
|
import numpy as np
|
|
import pandas as pd
|
|
|
|
sys.path.insert(0, str(Path(__file__).resolve().parents[1]))
|
|
from exit_lab import ExitPolicy, evaluate # noqa: E402
|
|
|
|
|
|
class TpMovingMean(ExitPolicy):
|
|
name = "tp_moving_mean"
|
|
|
|
@classmethod
|
|
def prepare(cls, ctx, **params):
|
|
n = int(params.get("n", 50))
|
|
key = f"sma_{n}"
|
|
if key not in ctx:
|
|
c = ctx["close"]
|
|
ctx[key] = pd.Series(c).rolling(n).mean().values
|
|
|
|
def __init__(self, ctx, i, d, entry, tp0, sl0, mb, **params):
|
|
super().__init__(ctx, i, d, entry, tp0, sl0, mb, **params)
|
|
n = int(params.get("n", 50))
|
|
self.sma = ctx[f"sma_{n}"]
|
|
# cap onesto: il TP non puo' diventare un'uscita in perdita
|
|
if d == 1:
|
|
self.cap = entry * (1.0 + 0.002)
|
|
else:
|
|
self.cap = entry * (1.0 - 0.002)
|
|
|
|
def levels(self, j: int):
|
|
# SOLO dati <= j-1
|
|
m = self.sma[j - 1]
|
|
if not np.isfinite(m):
|
|
# warmup della SMA non ancora pronto -> ricadi sul TP fisso d'entrata
|
|
return self.tp0, self.sl0, 1.0
|
|
if self.d == 1:
|
|
tp = max(m, self.cap)
|
|
else:
|
|
tp = min(m, self.cap)
|
|
return tp, self.sl0, 1.0
|
|
|
|
|
|
GRID = [
|
|
{"n": 20},
|
|
{"n": 50},
|
|
{"n": 100},
|
|
]
|
|
|
|
|
|
if __name__ == "__main__":
|
|
evaluate(TpMovingMean, GRID)
|