Review-Durchlauf: Telemetrie-Epochen, doppeltes Verdict, Doku-Korrektur

Erster vollstaendiger Durchlauf von docs/review-prompt.md. KEINE
Strategie-Aenderung - alles Telemetrie, Doku und toter Code.

1) analyze_divergence.py kannte keine Epochen und war damit selbst
   driftanfaellig. D0 mischte Vorhersagen des alten und des am 31.07.
   nachtrainierten P(break)-Modells und meldete dessen Fehlkalibrierung als
   aktuellen Alarm (das neue Modell hat n=0, Markt seit Fr zu). B las die
   Prae-Migrations-NULLs von block_reason als blinden Fleck. C druckte bei
   0 Zeilen ein "OK", obwohl es fehlende Daten waren. Neu: _EPOCHS + _clamp().

2) Konsens-Pfeil AR;K: der MQL5-Export rechnete im ~5-s-Takt ein komplettes
   zweites _verdict(), obwohl der Indikator die Zeile seit v1.33 per Default
   verwirft. Neu [trading] export_consensus_arrow (Default false).
   Verifiziert ueber die exportierte CSV: AR;K weg, AR;L und AR;S bleiben.

3) /api/autosqueeze loggt jetzt die Herkunft ([WEB] ...) wie /api/autosignal.
   Vorher war ein Zustandswechsel nicht als Nutzeraktion belegbar.

4) CLAUDE.md: die Reversal-Kennzahl "OR +0,185 / PF 1,35 / 70 %" stand
   unkorrigiert an der Fundstelle, die Widerlegung 2000 Zeilen weiter im
   Legacy-Recheck. Korrektur an die Fundstelle geholt.

5) core/notify.py: zwei tote "import datetime" entfernt (beide Funktionen
   nutzen _time), funktional nachgetestet.

Geprueft und sauber: 0 fehlende Frontend-IDs von 86, nur 2 Config-Schluessel
ohne Leser (beide dokumentiert dormant), Snapshot-Median 13 ms und alle
DB-Abfragen <13 ms -> keine Performance-Massnahme, 124 Datei- und 83
Funktionsreferenzen in CLAUDE.md stimmen.

Zwischenverdacht zurueckgezogen: "block_reason erklaert nur 33 % der WARTEN"
war ein Migrations-Artefakt; seit 01.08. 100 % Abdeckung.

Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>

CLAUDE.md

@@ -439,10 +439,18 @@ dort bereits nachvalidiert, ØR +0,305.) **Eine** Oberfläche:
   **Winkel-Richtung, gegen die EMA** (überverkauft + Winkel auf → LONG; überkauft +
   Winkel ab → SHORT). Setup `WAVE_REV_*`, Grund „🔄 Reversal"; hebt Anti-Überdehnung
   **und** M30-Filter bewusst auf. **Schwelle 3,5→3,0 gesenkt** (User wollte mehr
-  Bounces; `backtest_bounce.py`): Ø-R **+0,185**, PF 1,35, Treffer 70 %, Worst −2×ATR
-  (SL-gedeckelt), ~1,5× mehr Bounces als 3,5 — profitabel, aber **schwächer als
-  Trend** & **regime-anfällig** (trägt in Seitwärts/Mean-Reversion, blutet in starken
-  Trends). Nachrangiges, markiertes Setup. **Bounce-Status — Multi-TF** im Wave-
+  Bounces; `backtest_bounce.py`): Ø-R +0,185, PF 1,35, Treffer 70 %, Worst −2×ATR
+  (SL-gedeckelt), ~1,5× mehr Bounces als 3,5.
+  ⚠⚠ **DIESE ZAHLEN GELTEN NICHT MEHR** (Legacy-Recheck 2026-07-31, hier eingetragen
+  am 2026-08-02): `backtest_bounce.py` nutzt den **vereinfachten Exit OHNE Kosten**
+  (`LEGACY_SIMPLE`: kein Breakeven, kein Lock, kein Time-Stop). Mit dem **echten**
+  Exit + Echtkosten liegt das Setup bei ~**Breakeven** (PF 0,93/1,06) — es ist
+  **kein +0,185-Ertragsbringer**. Was HÄLT, ist die *relative* Aussage: Reversal
+  schlägt Trend in beiden Hälften (+0,140/+0,102). Deshalb bleibt es ein sinnvolles
+  **nachrangiges, markiertes Zweitsignal** (so ist es live auch eingebaut), aber
+  nicht mehr als das. Details im Abschnitt „LEGACY-RECHECK".
+  Weiterhin gültig: **schwächer als Trend** & **regime-anfällig** (trägt in
+  Seitwärts/Mean-Reversion, blutet in starken Trends). Nachrangiges, markiertes Setup. **Bounce-Status — Multi-TF** im Wave-
   Snapshot (`wave.bounce = {state, dir, tf}`): scannt **M1/M5/M15/M30** (`_bounce_one`,
   Aggregat in `refresh_market`, ~15 s-Throttle via TF-Ampel-Fetch), nimmt den
   **stärksten** (aktiv>erwartet, dann größte Überdehnung). **`expected`** = überdehnt
@@ -2531,6 +2539,54 @@ konstant; (d) es gab **keine Telemetrie über die Entscheidung selbst**.
 in ~20 min gefunden; die Trefferquote spricht für weitere. `analyze_divergence.py`
 regelmäßig laufen lassen (Kandidat für den Wochenreport).
 
+## Gesamtprüfung 2026-08-02 (nach `docs/review-prompt.md`)
+
+Erster vollständiger Durchlauf des Review-Prompts. **Keine Strategie-Änderung** — alle
+Fixes betreffen Telemetrie, Doku und toten Code.
+
+**Behoben:**
+1. **`analyze_divergence.py` kannte keine Epochen** — und war damit selbst
+   driftanfällig. D0 mischte Vorhersagen des ALTEN und des am 31.07. nachtrainierten
+   P(break)-Modells und meldete dessen Fehlkalibrierung als aktuellen Alarm (das neue
+   Modell hatte **n=0**, weil der Markt seit Fr 22:55 zu ist); B las die
+   Prä-Migrations-`NULL`s von `block_reason` als blinden Fleck („None 66,8 %"); C
+   druckte bei 0 Zeilen ein „OK", obwohl es fehlende Daten waren. Neu: `_EPOCHS` +
+   `_clamp()` schneiden jede Auswertung auf den Beginn ihrer eigenen Datenlage.
+   ⚠ **Beim Nachtrainieren eines Modells das Datum in `_EPOCHS` mitziehen** — sonst
+   schlägt der Wächter wochenlang Fehlalarm, und ein Wächter, der immer warnt, wird
+   ignoriert.
+2. **Konsens-Pfeil: doppelte Arbeit für eine unsichtbare Linie.** Der MQL5-Export
+   rechnete im ~5-s-Takt ein **komplettes zweites `_verdict()`** für `AR;K` — der
+   Indikator verwirft die Zeile aber seit v1.33 per Default (`InpShowConsensus=false`).
+   Neu `[trading] export_consensus_arrow` (Default **false**, spiegelt den Indikator).
+   Nebeneffekt beseitigt: das zweite Verdict konnte vom Verdict im Snapshot abweichen.
+3. **`/api/autosqueeze` loggt jetzt die Herkunft** (`[WEB] …`) wie `/api/autosignal`.
+   Vorher war bei einem Zustandswechsel nicht belegbar, ob Dashboard oder Code —
+   bei einem Schalter für autonome Echtgeld-Einstiege zu wenig.
+4. **Reversal-Kennzahl an der Fundstelle korrigiert.** „ØR +0,185 · PF 1,35 · 70 %
+   Treffer" stand unverändert in der Reversal-Sektion, die Widerlegung 2 000 Zeilen
+   später im Legacy-Recheck. Wer die Sektion liest, sah die Korrektur nie.
+5. Zwei tote `import datetime` in `core/notify.py` entfernt (beide Funktionen nutzen
+   `_time`), funktional nachgetestet.
+
+**Geprüft und sauber:** 0 fehlende Frontend-IDs (von 86) · nur 2 Config-Schlüssel ohne
+Leser (beide dokumentiert dormant) · Snapshot-Median **13 ms**, alle DB-Abfragen <13 ms,
+Indizes vorhanden → **keine Performance-Maßnahme nötig** · 124 Datei- und 83
+Funktionsreferenzen in CLAUDE.md stimmen · Asset- und Indikator-Version konsistent.
+
+**Zwischenverdacht zurückgezogen:** „`block_reason` erklärt nur 33 % der WARTEN" war
+ein reines Migrations-Artefakt (Spalte kam am 31.07.); seit 01.08. **100 % Abdeckung**.
+
+**Offen (nicht behoben, bewusst):**
+- **`auto_flip_close=true` läuft ohne jede UI-Anzeige.** Ein Exit, der gemessen in
+  BEIDEN Hälften Geld kostet (−92/−160 R), schließt echte Trades; `flip_close`,
+  `flip_close_min_r` und `flip_close_count` haben keinen Frontend-Konsumenten. Nur
+  Log + Telegram. Entweder anzeigen oder abschalten — Entscheidung des Users.
+- **`breakout_k=0,3` ruht weiter auf dem `LEGACY_BE10`-Exit** (Breakeven 1,0 statt
+  live 1,3). Der Legacy-Recheck hat EIA und Dead-Hours nachgerechnet, `breakout_k`
+  nicht. Kandidat für den nächsten Recheck.
+- Die 5 Zähler-Snapshot-Felder (`close_alert_count` usw.) werden von nichts abgefragt.
+
 ## Ausstehende Messungen — Erinnerung per Timer
 
 `measurement_reminder.py` + Windows-Task **`OilMeasurementReminder`** (täglich 18:00)

analyze_divergence.py

@@ -38,6 +38,36 @@ LOG = "oil_widget.log"
 _EXP_WAIT = 43.0          # backtest_dist.py: ~57 % LONG/SHORT, ~43 % WARTEN
 _EXP_WAIT_TOL = 15.0      # ab dieser Abweichung wird geflaggt (Pp)
 
+# ── EPOCHEN ───────────────────────────────────────────────────────────────────
+# ⚠ Ergänzt 2026-08-02 (Review-Durchgang 2). Der Wächter rechnete über ein starres
+# Zeitfenster und wusste NICHT, ab wann ein Modell bzw. eine Telemetrie gilt.
+# Dadurch meldete er zwei FEHLALARME, die beide nur Artefakte des Fensters waren:
+#   · D0 mischte Vorhersagen des ALTEN und des am 31.07. nachtrainierten
+#     P(break)-Modells (Alarm „Δ +15 Pp" stammte zu 100 % aus dem alten; das neue
+#     hatte n=0, weil der Markt seit Fr 22:55 zu ist).
+#   · B zeigte „block_reason: None 66,8 %" — die Spalte existiert aber erst seit
+#     dem 31.07., davor ist NULL schlicht „nicht erhoben", kein blinder Fleck.
+# Ein Wächter, der nach jedem Nachtraining wochenlang Alarm schlägt, wird
+# ignoriert — und dann fängt er den echten Fall auch nicht mehr.
+# Beim Ändern eines Modells/einer Telemetrie hier das Datum mitziehen.
+_EPOCHS = {
+    # P(break) auf live-spiegelnder Stichprobe neu gefittet (neue _PB_MU/_SD/_W)
+    "pbreak_model": "2026-07-31",
+    # `recommendations.block_reason` eingeführt (DB-Migration)
+    "block_reason": "2026-07-31",
+}
+
+
+def _epoch_ts(name: str) -> float:
+    return datetime.fromisoformat(_EPOCHS[name]).timestamp()
+
+
+def _clamp(t0: float, epoch: str) -> tuple[float, bool]:
+    """→ (effektiver Startzeitpunkt, wurde beschnitten?). Sorgt dafür, dass eine
+    Auswertung nie über den Beginn ihrer eigenen Epoche hinausreicht."""
+    e = _epoch_ts(epoch)
+    return (max(t0, e), e > t0)
+
 
 def _flag(ok: bool) -> str:
     return "OK " if ok else "⚠ "
@@ -65,8 +95,16 @@ def sec_a(c, t0):
 
 def sec_b(c, t0):
     print("\n" + "=" * 84)
-    print("  B) WELCHES GATE BLOCKT? (block_reason, seit 2026-07-31)")
+    print(f"  B) WELCHES GATE BLOCKT? (block_reason, seit {_EPOCHS['block_reason']})")
     print("=" * 84)
+    # ⚠ Fenster auf die Epoche beschneiden: vor der Migration ist block_reason
+    # NULL, weil die Spalte nicht existierte — nicht, weil kein Gate gegriffen
+    # hätte. Ungeschnitten meldete der Report „None 66,8 %" und legte damit einen
+    # blinden Fleck nahe, den es nicht gibt (nachgeprüft: seit 01.08. 100 % Abdeckung).
+    t0, cut = _clamp(t0, "block_reason")
+    if cut:
+        print(f"  (Fenster auf den Beginn der Telemetrie gekürzt — davor wurde der "
+              f"Grund nicht erhoben)")
     try:
         c.execute("SELECT block_reason, COUNT(*) FROM recommendations "
                   "WHERE timestamp>=? AND signal='WARTEN' GROUP BY block_reason "
@@ -111,7 +149,13 @@ def sec_c(t0):
     except FileNotFoundError:
         print("  kein Log gefunden"); return
     if not sw:
-        print("  keine TF-Wechsel im Zeitraum  OK"); return
+        # ⚠ Kein „OK" mehr (2026-08-02): 0 Wechsel heißt bei geschlossenem Markt
+        # schlicht „keine Daten". Das als Entwarnung zu drucken, wäre genau die
+        # Sorte stiller Fehlschluss, die dieser Report aufdecken soll.
+        print("  0 TF-Wechsel gefunden — das ist KEINE Entwarnung, sondern")
+        print("  möglicherweise fehlende Evidenz (Markt zu / Log rotiert / Bot aus).")
+        print("  Aussagekräftig ist dieser Abschnitt nur über Handelszeiten.")
+        return
     days = max(1.0, (datetime.now().timestamp() - t0) / 86400)
     gaps = sorted((sw[i][0] - sw[i - 1][0]).total_seconds() for i in range(1, len(sw)))
     med = gaps[len(gaps) // 2] / 60 if gaps else 0
@@ -137,12 +181,24 @@ def sec_d0(c, t0):
     print("\n" + "=" * 84)
     print("  D0) MODELL-KALIBRIERUNG — sagt es voraus, was eintritt?")
     print("=" * 84)
+    # ⚠ NUR Vorhersagen des AKTUELLEN Modells auswerten (Epochen-Schnitt, 2026-08-02).
+    # Ungeschnitten mischte diese Sektion die Vorhersagen des alten und des am
+    # 31.07. nachtrainierten Modells und meldete dessen Fehlkalibrierung als
+    # aktuellen Alarm — obwohl das neue Modell noch gar keine ausgewertete
+    # Vorhersage hatte. Nach einem Nachtraining hätte der Wächter so wochenlang
+    # falsch Alarm geschlagen, bis die Altdaten aus dem Fenster gerollt wären.
+    t0, cut = _clamp(t0, "pbreak_model")
+    if cut:
+        print(f"  (nur Vorhersagen seit dem Nachtraining am {_EPOCHS['pbreak_model']})")
     c.execute("""SELECT AVG(p_break), AVG(CASE WHEN outcome='break' THEN 100.0 ELSE 0 END),
                         COUNT(*) FROM pbreak_predictions
                  WHERE ts>=? AND outcome IS NOT NULL""", (t0,))
     pm, rm, n = c.fetchone()
     if not n or n < 30:
-        print(f"  nur {n or 0} ausgewertete Vorhersagen — zu wenig"); return
+        print(f"  nur {n or 0} ausgewertete Vorhersagen seit dem Nachtraining — zu wenig.")
+        print(f"  (Das ist KEIN Entwarnungssignal, sondern fehlende Evidenz. "
+              f"Fälligkeit: Messung `pbreak_accuracy_v2`, ≥800 Vorhersagen.)")
+        return
     gap = (rm or 0) - (pm or 0)
     print(f"  n={n}   Ø-Vorhersage {pm:.1f} %   echte Rate {rm:.1f} %   "
           f"Δ {gap:+.1f} Pp   {_flag(abs(gap) <= 8)}")

core/engine.py

@@ -385,6 +385,10 @@ class TradingEngine:
         self._export_mql5 = self.cfg["trading"].get("export_mql5_levels", "true").lower() == "true"
         # Kegel im MT5-Chart: per Default AUS, seit die Pfeile ihn ersetzen (2026-07-31).
         self._export_cone = self.cfg["trading"].get("export_cone", "false").lower() == "true"
+        # Konsens-Pfeil (AR;K) — Default AUS, spiegelt `InpShowConsensus=false` im
+        # Indikator. Bei `true` wird je Export ein zweites `_verdict()` gerechnet.
+        self._export_consensus_arrow = self.cfg["trading"].get(
+            "export_consensus_arrow", "false").lower() == "true"
         self._draw_last = {"r": None, "s": None}   # letzte gezeichnete S/R (Hysterese)
         try:      # WHT-Quellensteuer (Broker behält % je GEWINN ein) → Netto-Anzeige
             self._wht_pct = max(0.0, float(self.cfg["trading"].get("wht_pct", "0") or 0))
@@ -2368,6 +2372,16 @@ class TradingEngine:
                                      f"{round(float(_sq['level']) + _sd * 2.0 * _atr5, 3)};"
                                      f"Squeeze {_sq['dir']}")
                     # (K) Konsens — Länge proportional zum Bias-Betrag (max 2×ATR)
+                    # ⚠ NUR berechnen, wenn der Pfeil auch gezeichnet wird
+                    # (Review 2026-08-02): Der Indikator verwirft `AR;K` seit v1.33
+                    # per Default (`InpShowConsensus=false` → `continue`), der Bot
+                    # rechnete dafür aber im ~5-s-Export-Takt ein KOMPLETTES zweites
+                    # `_verdict()` — Arbeit für eine Linie, die niemand zeichnet, plus
+                    # das Risiko, dass dieses zweite Verdict vom Verdict im Snapshot
+                    # abweicht. Der Schalter spiegelt jetzt den Indikator-Default;
+                    # wer `InpShowConsensus=true` setzt, setzt hier `export_consensus
+                    # _arrow=true` dazu.
+                    if self._export_consensus_arrow:
                         _vd = self._verdict(self.data.snapshot(), self.wave.signal(),
                                             self.wave.snapshot(), None,
                                             self.agent.snapshot(), self.elliott.snapshot(),

core/notify.py

@@ -72,7 +72,6 @@ def build_trade_open_message(
         entry_ts: int | None = None,
 ) -> str:
     """Formatiert die Telegram-Nachricht für einen Trade-Einstieg."""
-    import datetime
     dir_str = "LONG" if (direction or "").upper() in ("BUY", "LONG") else "SHORT"
     emoji   = "\U0001f7e2" if dir_str == "LONG" else "\U0001f534"
     setup_str = _SETUP_LABELS.get(setup or "", setup or "—")
@@ -101,7 +100,6 @@ def build_trade_close_message(
         symbol: str | None = None,
 ) -> str:
     """Formatiert die Telegram-Nachricht für einen Trade-Abschluss."""
-    import datetime
     pnl_net  = pnl + (commission or 0.0)
     win      = pnl_net >= 0
     sign     = "+" if win else ""

server.py

@@ -334,6 +334,13 @@ async def toggle_autosqueeze(x_auth_token: str | None = Header(default=None)):
     _require_auth(x_auth_token)
     eng = app.state.engine
     state = eng.set_auto_squeeze(not eng._auto_squeeze)
+    # ⚠ Herkunft mitloggen (Fix 2026-08-02, Review-Durchgang 1): `set_auto_squeeze`
+    # loggt nur „Auto-Squeeze-Entry AN/AUS" ohne Quelle — beim Nachvollziehen eines
+    # Zustandswechsels war dadurch nicht feststellbar, ob der Dashboard-Button oder
+    # Code dahinterstand (real: BRK stand auf AUS und es kostete mehrere Schritte,
+    # das als Nutzeraktion zu belegen). `/api/autosignal` macht das längst richtig —
+    # bei einem Schalter für autonome ECHTGELD-Einstiege gehört die Herkunft ins Log.
+    get_logger("server").info(f"[WEB] Auto-Squeeze-Entry {'AN' if state else 'AUS'}")
     return {"ok": True, "enabled": state}