PythagorasGoal/scripts/research/r0726_venue_risk.py

#!/usr/bin/env python
"""r0726_venue_risk.py — "tutto su Deribit?": il rischio di VENUE, mai prezzato dal progetto.

CONTESTO. I muri di capitale (25/07, corretti il 26/07) sono calcolati su `book_series("hourly")`
= **TP01+SKH01 75/25 a alloc=$600**, cioe' il book a 2 sleeve eseguibile a bassa taglia. Portare
quella serie fino a $272.061 assume implicitamente due cose mai dichiarate:
  (a) che a $272k si continui a girare il book da $600 (falso: a ~$3k si accende GTAA01, a ~$5k
      XSR01, a ~$20k XS01 — il book a 5 sleeve ha Sharpe piu' alto, quindi il muro vero e' PIU'
      BASSO di quello che ho pubblicato);
  (b) che TUTTO il capitale stia su **un solo exchange**, per 10-20 anni.

Il progetto ha prezzato con cura fee, slippage, min-order, pavimenti di commissione, fortuna
d'ancora e degrado d'esecuzione — e **mai** la probabilita' che il venue sparisca col saldo dentro.
Per un piano di rendita ventennale su un exchange offshore quello e' un rischio di prim'ordine, e
non e' diversificabile con gli sleeve: TP01, SKH01 e VRP01 stanno **tutti** sullo stesso conto.

COSA FA. Monte Carlo dell'accumulo con **jump di venue**: ogni venue fallisce indipendentemente
con probabilita' annua `p` e in quel caso la sua quota di capitale va a **zero** (i depositi futuri
vanno ai superstiti). Confronta:
  * CONC  = tutto su Deribit (TP01+SKH01), cioe' l'ipotesi implicita dei muri;
  * SPLIT = Deribit 65% (TP01+SKH01) / Hyperliquid 15% (XS01) / IB 20% (GTAA01),
            cioe' il book attivo mappato sui venue dove gira davvero.
Bersaglio FISSO ($272.061) in entrambi i casi, per confrontabilita': lo SPLIT ha in realta' un
muro piu' basso (Sharpe piu' alto), quindi il confronto e' conservativo CONTRO lo split.

NON stima `p`. Il record storico degli exchange crypto (Mt.Gox, QuadrigaCX, FTX...) dice che non
e' trascurabile, ma un numero preciso qui sarebbe inventato: si riporta la SENSIBILITA' e la
scelta di `p` resta dichiarata dall'operatore.

    uv run python scripts/research/r0726_venue_risk.py
"""
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 r0725_capcurve as CC       # noqa: E402
import r0726_loo_deluck as L      # noqa: E402
from src.portfolio.portfolio import combine_outer  # noqa: E402

TARGET = 272_061.0
DEP_EUR = 250.0
YEARS = 20
N_PATHS = 4000
P_GRID = (0.0, 0.005, 0.01, 0.02, 0.05)
DELUCK = 0.89


def venue_series() -> dict:
    """Serie giornaliere per VENUE, alle ancore canoniche, de-luckate sul drift."""
    S = L.build_all()
    can = {n: S[n][L.SPEC[n][2]] for n in L.SPEC}
    deribit = combine_outer({k: can[k] for k in ("TP01_trend_1d", "SKH01_skyhook")},
                            {"TP01_trend_1d": 0.75, "SKH01_skyhook": 0.25})
    out = {"Deribit": deribit, "Hyperliquid": can["XS01_xsec_hl"], "IB": can["GTAA01_eq_trend"]}
    return {k: v - (1.0 - DELUCK) * float(v.mean()) for k, v in out.items()}


def simulate(cfg: dict, series: dict, p_annual: float, n_paths: int = N_PATHS,
             years: int = YEARS, seed: int = 726) -> dict:
    """Accumulo da $600 con deposito mensile e jump di venue.

    `cfg`: {venue: peso}. Ogni venue fallisce indipendentemente (hazard giornaliero costante);
    al fallimento la sua quota va a zero e il venue esce (depositi ai superstiti, pesi
    rinormalizzati). Le serie dei venue sono allineate su indice comune per estrarre blocchi
    CONGIUNTI: i venue non sono indipendenti fra loro sui RITORNI, solo sui fallimenti.
    """
    rng = np.random.default_rng(seed)
    n_days = years * 365
    names = list(cfg)
    J = pd.concat({k: series[k] for k in names}, axis=1, join="inner").fillna(0.0)
    R = J.values.astype(float)                      # (T, V) ritorni congiunti
    idx = CC._boot_paths(np.arange(len(R), dtype=float), n_paths, n_days, 20, rng).astype(int)
    dep = DEP_EUR * CC.EURUSD

    w0 = np.array([cfg[k] for k in names], float)
    cap = np.outer(np.full(n_paths, 600.0), w0)     # (P, V) capitale per venue
    alive = np.ones((n_paths, len(names)), bool)
    haz = 1.0 - (1.0 - p_annual) ** (1.0 / 365.0)
    hit = np.zeros(n_paths, bool)
    hit_day = np.full(n_paths, n_days + 1, int)
    for t in range(n_days):
        cap *= (1.0 + R[idx[:, t], :])
        if haz > 0:
            dead = (rng.random((n_paths, len(names))) < haz) & alive
            cap = np.where(dead, 0.0, cap)
            alive &= ~dead
        if t % 30 == 0 and t > 0:
            wa = alive * w0                          # depositi ripartiti fra i superstiti
            tot = wa.sum(axis=1, keepdims=True)
            share = np.divide(wa, tot, out=np.zeros_like(wa), where=tot > 0)
            cap += dep * share
        tot_cap = cap.sum(axis=1)
        newly = (~hit) & (tot_cap >= TARGET)
        hit_day[newly] = t
        hit |= newly
    yrs = np.where(hit, hit_day / 365.0, np.nan)
    fin = yrs[~np.isnan(yrs)]
    return dict(p_reach=float(hit.mean()),
                median_yrs=float(np.median(fin)) if len(fin) > 50 else float("nan"),
                p_any_fail=float((~alive.all(axis=1)).mean()),
                p_all_dead=float((~alive.any(axis=1)).mean()),
                median_end=float(np.median(cap.sum(axis=1))))


def main() -> None:
    print("=" * 100)
    print("  r0726 — \"TUTTO SU DERIBIT?\" — il rischio di venue, mai prezzato")
    print("=" * 100)
    print(f"  accumulo da $600, EUR {DEP_EUR:.0f}/mese, orizzonte {YEARS} anni, "
          f"bersaglio ${TARGET:,.0f}, de-luck ×{DELUCK}")

    S = venue_series()
    for k, v in S.items():
        print(f"    {k:<12} {len(v):>5} barre  {v.index[0].date()} -> {v.index[-1].date()}  "
              f"drift {v.mean()*365.25*100:5.1f}%/a  vol {v.std()*np.sqrt(365.25)*100:5.1f}%")

    CONC = {"Deribit": 1.0}
    SPLIT = {"Deribit": 0.65, "Hyperliquid": 0.15, "IB": 0.20}

    print("\n" + "-" * 100)
    print("  P(raggiungere il bersaglio entro 20 anni), al variare della probabilita' ANNUA")
    print("  che un venue sparisca col saldo dentro")
    print("-" * 100)
    print(f"    {'p annua':<12}{'CONC (100% Deribit)':>24}{'SPLIT (65/15/20)':>22}"
          f"{'differenza':>14}")
    res = {}
    for p in P_GRID:
        a = simulate(CONC, S, p)
        b = simulate(SPLIT, S, p)
        res[p] = (a, b)
        print(f"    {p:<12.1%}{a['p_reach']:>23.0%} {b['p_reach']:>21.0%}"
              f"{b['p_reach']-a['p_reach']:>13.0%}")

    print("\n" + "-" * 100)
    print("  Dettaglio: quanto spesso si viene colpiti, e cosa resta")
    print("-" * 100)
    print(f"    {'p annua':<10}{'':<6}{'P(almeno 1 fallimento)':>24}"
          f"{'P(perso TUTTO)':>18}{'capitale mediano a 20a':>26}")
    for p in P_GRID:
        for lab, r in (("CONC ", res[p][0]), ("SPLIT", res[p][1])):
            print(f"    {p:<10.1%}{lab:<6}{r['p_any_fail']:>23.0%}"
                  f"{r['p_all_dead']:>17.0%}{'$'+format(r['median_end'], ',.0f'):>26}")
        print()

    print("=" * 100)
    print("  LETTURA")
    print("=" * 100)
    print("  * A p=0 lo SPLIT e' gia' diverso dal CONC per composizione (Sharpe/drift diversi),")
    print("    non per il rischio di venue: quella riga e' il termine di paragone.")
    print("  * La differenza CONC-vs-SPLIT CRESCE con p: e' il prezzo della concentrazione.")
    print("  * 'P(perso TUTTO)' e' la riga che conta per una RENDITA: nel CONC coincide con")
    print("    'almeno 1 fallimento' — non c'e' nulla dietro. Nello SPLIT serve che spariscano")
    print("    tre venue indipendenti.")
    print("  * Confronto CONSERVATIVO contro lo split: bersaglio uguale per entrambi, mentre")
    print("    il book diversificato ha Sharpe piu' alto -> muro piu' basso -> arriverebbe prima.")


if __name__ == "__main__":
    main()