analyze_slippage_holdtime.py: die offene Zahl gemessen — M1 ist entschieden
Der M1-Squeeze hing an der Exit-Slippage bei kurzer Haltedauer. Die bisher zitierten "Median 0,017 / Ø 0,234" waren die Statistik NUR ueber die Ausreisser — analyze_execution.py zaehlt ausschliesslich Faelle, die schlechter als der Initial-SL endeten. Sauber ist E[Slippage] >= P(gap>0) x Ø(gap|gap>0). Unkontaminiert, weil das Trailing den gap nur negativer machen kann: ein positiver gap ist zwingend Slippage. Ueber 317 SL-Closes, <30 min: alle Stunden 0,0370 $ (0-15 min allein 0,0470) nur 10-17 Uhr 0,0124 $ (0-15 min allein 0,0058) Der Schwanz sitzt ausserhalb von 10-17 — bei kurzen Trades dort 8x kleiner. Gleiche Ursache wie beim Spread (Buchtiefe), also Mechanismus statt Zufall. Endvergleich mit dem gemessenen Wert je Fenster: M1 alle Stunden -0,107/-0,161 PF 0,83/0,76 FAELLT HART DURCH M1 10-17 +0,354/+0,247 ΣR +150/+121 M5 alle Stunden +0,401/+0,261 ΣR +108/+71 M5 10-17 +0,751/+0,444 ΣR +68/+45 Der ΣR-Vorsprung von M1 ueber alle Stunden war reines Artefakt der Annahme "keine Exit-Slippage". Auf demselben Fenster bleibt ein echter Zielkonflikt: M5 doppelt so gut je Trade, M1 doppelt so gut in der Summe — bei EINEM Slot. Urteil: nicht umstellen. Der entscheidende Parameter ist nur als Untergrenze bekannt und M1 hat davon nur ~3x Luft bis zur Kippgrenze (M5 ~7x); die Stichproben sind duenn; 80 Tage = ein Regime. Die Bedingung fuer ein spaeteres Ja ist in CLAUDE.md benannt. Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>
This commit is contained in:
Axel Hocks
co-authored by
Claude Opus 5
Claude Opus 5
parent
92187d7d32
commit
217981ccf5
@@ -364,22 +364,50 @@ dort bereits nachvalidiert, ØR +0,305.) **Eine** Oberfläche:
|
|||||||
ATR-Verhältnis (0,198/0,079 = 2,5). Gemessen (`analyze_execution.py`):
|
ATR-Verhältnis (0,198/0,079 = 2,5). Gemessen (`analyze_execution.py`):
|
||||||
**Median 0,017 $** (beide halten) · **Ø 0,234 $** (beide fallen, M1 weit
|
**Median 0,017 $** (beide halten) · **Ø 0,234 $** (beide fallen, M1 weit
|
||||||
deutlicher) · Max 4,192 $.
|
deutlicher) · Max 4,192 $.
|
||||||
⚠ **Was fehlt, ist genau die entscheidende Zahl:** die Slippage-Verteilung
|
✅✅ **DIE FEHLENDE ZAHL IST NACHGEMESSEN (`analyze_slippage_holdtime.py`,
|
||||||
**bedingt auf kurze Intraday-Haltedauern**. Ein M1-Trade lebt ≤24 min
|
2026-08-06, 317 SL-Closes).** Die bisher zitierten „Median 0,017 · Ø 0,234"
|
||||||
(`LIVE.timestop`=24 Bars), hat also kaum Gap-Exposure — der Ø von 0,234 $ stammt
|
waren die Statistik **nur über die Ausreißer** — `analyze_execution.py` zählt
|
||||||
aus wenigen Ausreißern länger gehaltener Trades (4,192 nahe Marktschluss). Aber
|
ausschließlich Fälle, die schlechter als der Initial-SL endeten (`if gap > 0`).
|
||||||
**2 der 5 großen Fälle waren intraday** (30.07. 09:35 = 0,971 $ · 30.06. 15:36 =
|
Sauber ist die Untergrenze **E[Slippage] ≥ P(gap>0) × Ø(gap | gap>0)**; sie ist
|
||||||
0,751 $), und beide liegen im 10–17-Fenster der Variante C. Überschlag: ~0,8 %
|
unkontaminiert, weil das **Trailing den gap nur negativer machen kann** (es zieht
|
||||||
solcher Trades ergäben zusammen mit dem Median ~0,024 $ — **unter, aber nah an
|
den SL in Gewinnrichtung) — ein positiver gap ist damit zwingend Slippage.
|
||||||
der M1-Kippgrenze**. Das ist ein Überschlag, keine Messung.
|
| Haltedauer | alle Stunden | **nur 10–17 Uhr** |
|
||||||
✅ **Urteil: NICHT umstellen.** Nicht weil M1 durchfällt, sondern weil (a) es je
|
|---|---|---|
|
||||||
Trade in **jeder** Variante unter M5 liegt, (b) beide um denselben EINEN
|
| 0–15 min | **0,0470 $** | **0,0058 $** |
|
||||||
Positions-Slot konkurrieren, (c) der Vorteil ausschließlich aus der 4,3-fachen
|
| 15–30 min | 0,0164 $ | 0,0238 $ |
|
||||||
Frequenz kommt — und genau diese Frequenz multipliziert die Slippage, deren wahre
|
| 60–120 min | 0,0502 $ | 0,0449 $ |
|
||||||
Höhe ungemessen ist. **Der eine billige, entscheidende nächste Schritt** wäre, die
|
| >120 min | **0,1691 $** | 0,0464 $ |
|
||||||
Exit-Slippage aus der echten Trade-Historie **nach Haltedauer** auszuwerten: liegt
|
| **<30 min gewichtet** | **0,0370 $** | **0,0124 $** |
|
||||||
sie für <30-min-Trades unter ~0,03 $, ist M1 ernsthaft ein Kandidat; darüber ist
|
⚠⚠ **Der Schwanz sitzt AUSSERHALB von 10–17** — bei kurzen Trades ist die
|
||||||
es erledigt.
|
Slippage dort **8× kleiner** (0,0058 gegen 0,0470). Damit ist die
|
||||||
|
Stunden-Beschränkung nicht bloß eine Kosten-Optimierung: sie entfernt auch den
|
||||||
|
Slippage-Schwanz. Beides hat dieselbe Ursache (Buchtiefe), das ist ein
|
||||||
|
Mechanismus und kein Data-Mining.
|
||||||
|
**ENDVERGLEICH — jede Variante mit dem gemessenen Wert IHRES Fensters:**
|
||||||
|
| Variante | H1 ØR / ΣR | H2 ØR / ΣR | n (H1) |
|
||||||
|
|---|---|---|---|
|
||||||
|
| M1 A, alle Stunden · 0,0370 $ | **−0,107 / −125 ❌** | **−0,161 / −199 ❌** | 1168 |
|
||||||
|
| **M1 C, 10–17 Uhr · 0,0124 $** | +0,354 / **+150** | +0,247 / **+121** | 424 |
|
||||||
|
| M5, alle Stunden · 0,0370 $ | **+0,401** / +108 | **+0,261** / +71 | 270 |
|
||||||
|
| M5, 10–17 Uhr · 0,0124 $ | **+0,751** / +68 | **+0,444** / +45 | 90 |
|
||||||
|
✅ **M1 über alle Stunden fällt jetzt HART durch** (PF 0,83/0,76) — die
|
||||||
|
Nachtstunden fressen es auf, exakt wie die Kosten-Arithmetik vorhergesagt hat.
|
||||||
|
Der ΣR-Vorsprung von Variante A war reines Artefakt der Annahme „keine
|
||||||
|
Exit-Slippage".
|
||||||
|
⚠ **Auf demselben Fenster (10–17) bleibt es ein echter Zielkonflikt:** M5 liefert
|
||||||
|
je Trade **rund das Doppelte** (+0,751/+0,444 gegen +0,354/+0,247), M1 in der
|
||||||
|
Summe **rund das Doppelte** (+150/+121 gegen +68/+45) — weil es 4,7× so oft
|
||||||
|
handelt. Beide konkurrieren um denselben EINEN Positions-Slot.
|
||||||
|
✅ **Urteil: NICHT umstellen.** Drei Gründe: (a) der entscheidende Parameter ist
|
||||||
|
nur als **Untergrenze** bekannt, und M1 C hat davon bis zur Kippgrenze nur
|
||||||
|
**~3× Luft** (0,0124 → ~0,04), M5 dagegen ~7×; (b) die Stichprobe hinter „M5 ist
|
||||||
|
je Trade doppelt so gut" ist mit n=90/101 dünn, die hinter der Slippage-Schätzung
|
||||||
|
im 10–17-Fenster mit 17 Ereignissen ebenso; (c) 80 Tage = EIN Regime.
|
||||||
|
⚠ **Die Bedingung, unter der es kippen würde, ist benennbar** (für später): bleibt
|
||||||
|
die gemessene Exit-Slippage für <30-min-Trades im Fenster 10–17 bei größerer
|
||||||
|
Stichprobe unter ~0,02 $, dann ist der **Hybrid** (M1 während 10–17, M5 sonst)
|
||||||
|
rechnerisch ~1,9× der reinen M5-Variante (ΣR +190/+147 gegen +108/+71) und einen
|
||||||
|
kleinen Live-Test wert. Vorher nicht.
|
||||||
⚠ **Zwei Methodik-Lehren aus dem Lauf selbst:**
|
⚠ **Zwei Methodik-Lehren aus dem Lauf selbst:**
|
||||||
(1) **Der Härtetest lief zuerst auf der SCHWÄCHSTEN Variante.** `beste = "D" if …`
|
(1) **Der Härtetest lief zuerst auf der SCHWÄCHSTEN Variante.** `beste = "D" if …`
|
||||||
wählte nach Reihenfolge statt nach Ergebnis — D (+0,231/+0,130) statt C
|
wählte nach Reihenfolge statt nach Ergebnis — D (+0,231/+0,130) statt C
|
||||||
|
|||||||
@@ -0,0 +1,130 @@
|
|||||||
|
#!/usr/bin/env python3
|
||||||
|
"""Wie gross ist die Exit-Slippage bei KURZEN Haltedauern?
|
||||||
|
|
||||||
|
ANLASS (2026-08-06): `backtest_squeeze_m1.py` hat gezeigt, dass der Squeeze auf M1
|
||||||
|
an genau einer Zahl haengt — der Exit-Slippage. M1 kippt bei **~0,04 $**, M5 erst
|
||||||
|
bei **~0,09 $** (Faktor 2,2 = das ATR-Verhaeltnis; Slippage ist absolut und frisst
|
||||||
|
deshalb vom kleinen Stop den doppelten Anteil).
|
||||||
|
|
||||||
|
⚠ WARUM DIE VORHANDENE ZAHL NICHT REICHT. `analyze_execution.py` meldet
|
||||||
|
„Ø 0,234 · Median 0,017 · Max 4,192" — aber das ist die Statistik NUR ueber die
|
||||||
|
Faelle, die schlechter als der Initial-SL endeten (`if gap > 0`). Es ist der
|
||||||
|
Median der Ausreisser, nicht der aller Exits. Und der Ø wird von wenigen
|
||||||
|
Gap-Faellen getragen, die lange gehaltene Trades betreffen. Ein M1-Scalp lebt
|
||||||
|
≤24 min (`LIVE.timestop`) und hat kaum Gap-Exposure — die Frage ist also, wie die
|
||||||
|
Verteilung **bedingt auf kurze Haltedauern** aussieht.
|
||||||
|
|
||||||
|
METHODE — und warum sie sauber ist:
|
||||||
|
gap = (sl_at_entry − exit_price) × Richtung ... > 0 heisst „schlechter als der
|
||||||
|
Initial-SL". Das **Trailing kann den gap nur negativer machen** (es zieht den SL
|
||||||
|
in Gewinnrichtung, der Exit wird also besser als der Initial-SL). Ein POSITIVER
|
||||||
|
gap ist damit **unkontaminierte Slippage** — er kann nicht vom Trailing kommen.
|
||||||
|
Negative gaps mischen „Trail hat gezogen" und „guenstiger Fill" und sind deshalb
|
||||||
|
nicht interpretierbar; sie werden nur gezaehlt, nicht gemittelt.
|
||||||
|
|
||||||
|
Daraus die belastbare Groesse — eine UNTERGRENZE des Erwartungswerts:
|
||||||
|
E[Slippage] ≥ P(gap > 0) × Ø(gap | gap > 0)
|
||||||
|
Untergrenze, weil ein getrailter Stop mit Slippage negativ bleiben kann und dann
|
||||||
|
nicht mitzaehlt.
|
||||||
|
|
||||||
|
Aufruf: python analyze_slippage_holdtime.py
|
||||||
|
"""
|
||||||
|
import sqlite3
|
||||||
|
import sys
|
||||||
|
from datetime import datetime
|
||||||
|
from zoneinfo import ZoneInfo
|
||||||
|
|
||||||
|
_BERLIN = ZoneInfo("Europe/Berlin")
|
||||||
|
_DB = "oil_widget_history.db"
|
||||||
|
# Kipp-Punkte aus backtest_squeeze_m1.py (Exit-Slippage in Dollar)
|
||||||
|
_KIPP_M1, _KIPP_M5 = 0.04, 0.09
|
||||||
|
_EIMER = ((0, 15), (15, 30), (30, 60), (60, 120), (120, 10 ** 9))
|
||||||
|
|
||||||
|
|
||||||
|
def _q(v, p):
|
||||||
|
s = sorted(v)
|
||||||
|
return s[min(len(s) - 1, int(p * len(s)))] if s else 0.0
|
||||||
|
|
||||||
|
|
||||||
|
def block(titel, rows):
|
||||||
|
print()
|
||||||
|
print("=" * 92)
|
||||||
|
print(f" {titel}")
|
||||||
|
print("=" * 92)
|
||||||
|
print(f" {'Haltedauer':<14} {'SL-Closes':>10} {'davon slip':>11} {'Rate':>7} "
|
||||||
|
f"{'Ø|slip':>8} {'Med':>7} {'p90':>7} {'Max':>7} {'E[slip] ≥':>11}")
|
||||||
|
gesamt = []
|
||||||
|
for a, b in _EIMER:
|
||||||
|
grp = [r for r in rows if a <= r["min"] < b]
|
||||||
|
if not grp:
|
||||||
|
continue
|
||||||
|
pos = [r["gap"] for r in grp if r["gap"] > 0]
|
||||||
|
rate = len(pos) / len(grp)
|
||||||
|
e = rate * (sum(pos) / len(pos)) if pos else 0.0
|
||||||
|
gesamt.append((a, b, len(grp), e))
|
||||||
|
lbl = f"{a}–{b} min" if b < 10 ** 8 else f">{a} min"
|
||||||
|
print(f" {lbl:<14} {len(grp):>10} {len(pos):>11} {rate:>6.0%} "
|
||||||
|
f"{(sum(pos)/len(pos) if pos else 0):>8.3f} {_q(pos, 0.5):>7.3f} "
|
||||||
|
f"{_q(pos, 0.9):>7.3f} {(max(pos) if pos else 0):>7.3f} "
|
||||||
|
f"{e:>10.4f} $")
|
||||||
|
return gesamt
|
||||||
|
|
||||||
|
|
||||||
|
def main():
|
||||||
|
db = sqlite3.connect(_DB)
|
||||||
|
db.row_factory = sqlite3.Row
|
||||||
|
rows = []
|
||||||
|
for r in db.execute(
|
||||||
|
"SELECT direction, entry_time, exit_time, entry_price, exit_price, "
|
||||||
|
"sl_at_entry, pnl, setup FROM trades "
|
||||||
|
"WHERE closed_by='sl' AND sl_at_entry IS NOT NULL "
|
||||||
|
"AND exit_price IS NOT NULL AND exit_time IS NOT NULL"):
|
||||||
|
d = 1 if str(r["direction"]).upper() in ("BUY", "LONG") else -1
|
||||||
|
rows.append({
|
||||||
|
"gap": (r["sl_at_entry"] - r["exit_price"]) * d,
|
||||||
|
"min": (r["exit_time"] - r["entry_time"]) / 60.0,
|
||||||
|
"std": datetime.fromtimestamp(r["entry_time"], _BERLIN).hour,
|
||||||
|
"setup": r["setup"] or "",
|
||||||
|
})
|
||||||
|
if not rows:
|
||||||
|
print("keine SL-Closes mit Initial-SL in der DB"); return 1
|
||||||
|
|
||||||
|
print("=" * 92)
|
||||||
|
print(" EXIT-SLIPPAGE NACH HALTEDAUER — die offene Zahl aus backtest_squeeze_m1.py")
|
||||||
|
print("=" * 92)
|
||||||
|
print(f" {len(rows)} SL-Closes mit bekanntem Initial-SL")
|
||||||
|
print(" gap > 0 = schlechter als der Initial-SL = unkontaminierte Slippage")
|
||||||
|
print(" (das Trailing kann den gap nur NEGATIVER machen, nie positiver)")
|
||||||
|
|
||||||
|
g_alle = block("ALLE SL-Closes", rows)
|
||||||
|
block("NUR 10–17 Uhr (das Fenster der M1-Variante C)",
|
||||||
|
[r for r in rows if 10 <= r["std"] < 18])
|
||||||
|
|
||||||
|
print()
|
||||||
|
print("=" * 92)
|
||||||
|
print(" URTEIL — gegen die Kipp-Punkte aus backtest_squeeze_m1.py")
|
||||||
|
print("=" * 92)
|
||||||
|
print(f" M1 kippt bei ~{_KIPP_M1:.2f} $ · M5 kippt bei ~{_KIPP_M5:.2f} $")
|
||||||
|
kurz = [(a, b, n, e) for a, b, n, e in g_alle if b <= 30]
|
||||||
|
if kurz:
|
||||||
|
n = sum(x[2] for x in kurz)
|
||||||
|
e = sum(x[3] * x[2] for x in kurz) / n if n else 0.0
|
||||||
|
print(f" Kurze Trades (<30 min): n={n} · E[Slippage] ≥ {e:.4f} $")
|
||||||
|
if e >= _KIPP_M1:
|
||||||
|
print(f" → ❌ ueber der M1-Kippgrenze ({_KIPP_M1:.2f} $) — M1 erledigt.")
|
||||||
|
elif e >= _KIPP_M1 * 0.6:
|
||||||
|
print(f" → ⚠ unter der Grenze, aber im Risikobereich (>{_KIPP_M1*0.6:.3f} $).")
|
||||||
|
print(" ⚠ Es ist eine UNTERGRENZE — der wahre Wert liegt darueber.")
|
||||||
|
else:
|
||||||
|
print(f" → ✅ klar unter der M1-Kippgrenze.")
|
||||||
|
print()
|
||||||
|
print(" ⚠ Vorbehalt, der bleibt: die Haltedauer eines SL-Closes ist NICHT")
|
||||||
|
print(" die eines M1-Scalps. Sie stammt aus M5-/manuellen Trades mit")
|
||||||
|
print(" breiterem Stop; ein M1-Trade mit halb so weitem Stop wird im")
|
||||||
|
print(" Schnitt frueher getroffen. Die Zeile '<15 min' ist deshalb die")
|
||||||
|
print(" naechste Naeherung, nicht der gesuchte Wert selbst.")
|
||||||
|
return 0
|
||||||
|
|
||||||
|
|
||||||
|
if __name__ == "__main__":
|
||||||
|
sys.exit(main())
|
||||||
@@ -271,6 +271,31 @@ def main():
|
|||||||
lauf(K5, H5, L5, C5, lo5, hi5, exit_slip_usd=s_usd),
|
lauf(K5, H5, L5, C5, lo5, hi5, exit_slip_usd=s_usd),
|
||||||
lauf(K5, H5, L5, C5, lo6, hi6, exit_slip_usd=s_usd))
|
lauf(K5, H5, L5, C5, lo6, hi6, exit_slip_usd=s_usd))
|
||||||
|
|
||||||
|
# ── ENDVERGLEICH mit der GEMESSENEN Slippage ─────────────────────────
|
||||||
|
# `analyze_slippage_holdtime.py` (06.08., 317 SL-Closes): E[Slippage] als
|
||||||
|
# Untergrenze, bedingt auf kurze Haltedauern —
|
||||||
|
# <30 min, ALLE Stunden : 0,0370 $ (0–15 min allein sogar 0,0470)
|
||||||
|
# <30 min, NUR 10–17 Uhr : 0,0124 $ (der Schwanz sitzt ausserhalb)
|
||||||
|
# Genau das ist die Zahl, die im ersten Lauf gefehlt hat.
|
||||||
|
print()
|
||||||
|
print("=" * 94)
|
||||||
|
print(" ENDVERGLEICH mit der GEMESSENEN Exit-Slippage (analyze_slippage_holdtime.py)")
|
||||||
|
print("=" * 94)
|
||||||
|
print(" Untergrenze E[Slippage] bei kurzer Haltedauer: 0,0370 $ alle Stunden ·")
|
||||||
|
print(" 0,0124 $ nur 10–17 Uhr. Jede Variante bekommt den Wert IHRES Fensters.")
|
||||||
|
zeig(" M1 A (alle Stunden) · 0,0370 $",
|
||||||
|
lauf(K1, H1_, L1_, C1_, lo1, hi1, exit_slip_usd=0.0370),
|
||||||
|
lauf(K1, H1_, L1_, C1_, lo2, hi2, exit_slip_usd=0.0370))
|
||||||
|
zeig(" M1 C (10–17 Uhr) · 0,0124 $",
|
||||||
|
lauf(K1, H1_, L1_, C1_, lo1, hi1, stunden=_STUNDEN_OK, exit_slip_usd=0.0124),
|
||||||
|
lauf(K1, H1_, L1_, C1_, lo2, hi2, stunden=_STUNDEN_OK, exit_slip_usd=0.0124))
|
||||||
|
zeig(" M5-Kontrolle (alle Stunden) · 0,0370 $",
|
||||||
|
lauf(K5, H5, L5, C5, lo5, hi5, exit_slip_usd=0.0370),
|
||||||
|
lauf(K5, H5, L5, C5, lo6, hi6, exit_slip_usd=0.0370))
|
||||||
|
zeig(" M5-Kontrolle (10–17 Uhr) · 0,0124 $",
|
||||||
|
lauf(K5, H5, L5, C5, lo5, hi5, stunden=_STUNDEN_OK, exit_slip_usd=0.0124),
|
||||||
|
lauf(K5, H5, L5, C5, lo6, hi6, stunden=_STUNDEN_OK, exit_slip_usd=0.0124))
|
||||||
|
|
||||||
print()
|
print()
|
||||||
print("=" * 94)
|
print("=" * 94)
|
||||||
print(" NACHBAR-PARAMETER (Box / k) — kippt das Vorzeichen?")
|
print(" NACHBAR-PARAMETER (Box / k) — kippt das Vorzeichen?")
|
||||||
|
|||||||
Reference in New Issue
Block a user