Adriano Dal Pastro
9879b46688
L'analisi out-of-sample fee-aware ha dimostrato che l'intera famiglia squeeze-breakout (SQ01-04, MT01, ML01, AD01, CM01, PD01) non ha edge: le accuratezze storiche 76-82% erano un artefatto di look-ahead (ingresso a close[i-1] con direzione decisa da close[i]). Sotto ingresso onesto a close[i] e fee reali tutte perdono, anche a fee zero. - nuova MR01_bollinger_fade (mean-reversion): edge netto validato OOS, robusto su griglia parametri e fino a 0.20% fee RT. BTC 1h n50 k2.5: +201% OOS, DD 15% - 9 strategie squeeze spostate in scripts/waste/ - strategy_loader + strategies.yml: solo MR01 (BTC/ETH 1h) - signal_engine.train: validazione OOS (accuratezza test + signal precision) - scripts/analysis/strategy_research.py: harness di ricerca fee-aware NOTA: lo StrategyWorker va aggiornato per usare gli exit TP/SL passati in metadata prima di tradare MR01 dal vivo (ora esce solo a hold_bars/stop fisso). Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>
88 lines
2.7 KiB
Python
88 lines
2.7 KiB
Python
"""SQ02 — Squeeze Breakout + Anti-Fakeout + Volume Confirmation.
|
||
|
||
Migliora SQ01 con due filtri:
|
||
1. Anti-fakeout: scarta breakout dove la candela ritraccia >60% del range
|
||
2. Volume confirm: volume al breakout deve essere >1.3× la media durante squeeze
|
||
|
||
IN:
|
||
- OHLCV DataFrame
|
||
- Parametri: bb_window (14), sq_threshold (0.8), retrace_limit (0.6),
|
||
vol_multiplier (1.3)
|
||
|
||
OUT:
|
||
- Lista di Signal filtrati
|
||
- BacktestResult
|
||
|
||
Risultati tipici:
|
||
BTC 15m: 79.7% acc, 1250 trades, DD 6.5%, €5.23/day — SOLIDO 9/9 anni
|
||
ETH 15m: 78.6% acc, 942 trades, DD 3.4%, €4.33/day
|
||
BTC 1h: 78.0% acc, 473 trades, DD 3.5%, Sharpe 6.57
|
||
"""
|
||
from __future__ import annotations
|
||
import sys
|
||
sys.path.insert(0, ".")
|
||
|
||
import numpy as np
|
||
import pandas as pd
|
||
|
||
from src.strategies.base import Strategy, Signal
|
||
from src.strategies.indicators import keltner_ratio, detect_squeezes
|
||
|
||
|
||
class SqueezeAntifakeVol(Strategy):
|
||
name = "SQ02_antifake_vol"
|
||
description = "Squeeze + antifakeout + volume confirmation"
|
||
default_assets = ["BTC", "ETH"]
|
||
default_timeframes = ["15m", "1h"]
|
||
|
||
def generate_signals(self, df: pd.DataFrame, ts: pd.DatetimeIndex,
|
||
**params) -> list[Signal]:
|
||
c = df["close"].values
|
||
h = df["high"].values
|
||
l = df["low"].values
|
||
v = df["volume"].values
|
||
n = len(c)
|
||
|
||
bb_w = params.get("bb_window", 14)
|
||
sq_thr = params.get("sq_threshold", 0.8)
|
||
retrace_limit = params.get("retrace_limit", 0.6)
|
||
vol_mult = params.get("vol_multiplier", 1.3)
|
||
|
||
kcr = keltner_ratio(c, h, l, bb_w)
|
||
events = detect_squeezes(c, h, l, kcr, sq_thr)
|
||
|
||
signals = []
|
||
for ev in events:
|
||
i = ev["idx"]
|
||
if i < 1 or i >= n:
|
||
continue
|
||
first_ret = (c[i] - c[i - 1]) / c[i - 1] if c[i - 1] > 0 else 0
|
||
if abs(first_ret) < 0.001:
|
||
continue
|
||
|
||
br = h[i] - l[i]
|
||
if br > 0:
|
||
if c[i] > c[i - 1]:
|
||
if (h[i] - c[i]) / br > retrace_limit:
|
||
continue
|
||
else:
|
||
if (c[i] - l[i]) / br > retrace_limit:
|
||
continue
|
||
|
||
avg_v = np.mean(v[ev["sq_start"]:i])
|
||
if avg_v > 0 and v[i] <= avg_v * vol_mult:
|
||
continue
|
||
|
||
signals.append(Signal(
|
||
idx=i,
|
||
direction=1 if first_ret > 0 else -1,
|
||
entry_price=c[i - 1],
|
||
metadata={"dur": ev["dur"], "vol_ratio": v[i] / avg_v if avg_v > 0 else 0},
|
||
))
|
||
return signals
|
||
|
||
|
||
if __name__ == "__main__":
|
||
strategy = SqueezeAntifakeVol()
|
||
strategy.report()
|