M15-Karte "Setup-Bereitschaft" gebaut - Ersatz der Gesamtempfehlung (v=153)

Nach drei negativen M15-Messungen (Squeeze-Einstieg, VWAP-Baender, Exit-ATR)
steht fest: auf M15 traegt keine Richtungsquelle. Gebaut ist deshalb bewusst
KEINE Empfehlung, sondern eine sequenzielle Gate-Kette:

  [1 HTF-BIAS M30/H1] -> [2 KOSTEN Spread/ATR_M15] -> [3 LEVEL & KEGEL]
  -> Order AM LEVEL

Der Unterschied zur alten Karte ist grundsaetzlich: dort wurden Stimmen zu einem
Bias VERRECHNET (gemessen 48-51 % Treffer), hier muss jedes Gate EINZELN
passieren. Ein gefallenes Gate laesst sich nicht durch ein anderes ausgleichen.

Nur belegte Bausteine: HTF-Trend (einziger robuster Filter, Edge x2), Kosten
(M15 gemessen 0,104 gegen M5 0,193), naechstes stehendes Level + P(break),
Kegel (out-of-sample kalibriert, 80-%-Band trifft 77 %), Veto (-6,60 EUR/Lot).

Status-Banner: SETUP BEREIT / WARTEN AUF LEVEL / KEIN TRADE. Es bestaetigt
ausdruecklich auch das NICHT-Handeln - die gemessene Kern-Leckage sind
diskretionaere Abweichungen.

Die Order-Buttons werden BEWUSST NICHT gesperrt (gegen den Vorschlag
"ausgrauen"): hartes Blockieren wurde im Projekt verworfen, und
User-Uebersteuerungen liefen gemessen 68 % WR.

Umsetzung: engine._m15_setup() setzt nur zusammen, was der Snapshot ohnehin
erzeugt. Neu gerechnet wird allein das M15-Kosten-Verhaeltnis und P(break) fuer
das naechste Level. Dafuer veroeffentlicht wave_rec jetzt tf_atr (ADDITIV) - der
ATR je Zeitebene wurde im Turn-Fetch laengst berechnet, war aber nirgends
abrufbar.

P(break)-Merkmale bleiben auf M5 (Modell ist darauf trainiert, Fix 2026-07-13).

Mit 5 Szenarien getestet (alles passt, Bias uneinig, Kosten teuer, Level zu
weit, Kaltstart ohne ATR_M15 -> kein Absturz), live verifiziert ueber
deploy.py --feld m15_setup.

Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>
This commit is contained in:
Axel Hocks
2026-08-08 15:18:29 +02:00
co-authored by Claude Opus 5
parent 010007f7a3
commit 44955bf70a
6 changed files with 259 additions and 3 deletions
+84
View File
@@ -3795,6 +3795,12 @@ class TradingEngine:
if (b and a and atr) else None)(
(market or {}).get("bid"), (market or {}).get("ask"),
((wave_snap or {}).get("pb_feats") or {}).get("atr")),
# M15-SETUP-BEREITSCHAFT (2026-08-08) — Ersatz fuer die entfernte
# Gesamtempfehlung. ⚠ KEINE Richtungsaussage: auf M15 traegt gemessen
# keine (Squeeze n=33/Nachbarn kippen, VWAP-Baender ohne Edge).
# Zeigt Bedingungen, nicht Prognosen.
"m15_setup": self._m15_setup(market, wave_snap, _cone,
self._alignment_cached()),
"sr_close_hint": sr_close_hint,
"stop_approach": stop_approach,
"auto_sr_close": self._auto_sr_close,
@@ -3968,6 +3974,84 @@ class TradingEngine:
log.debug(f"sr_close_hint: {e}")
return None
def _m15_setup(self, market, wave_snap, cone, alignment) -> dict | None:
"""SETUP-BEREITSCHAFT auf M15 — der Ersatz für die entfernte Gesamtempfehlung.
⚠⚠ BEWUSST KEINE RICHTUNGS-EMPFEHLUNG. Gemessen (2026-08-08) trägt auf
M15 KEINE Richtungsquelle: der Squeeze fällt dort durch (n=33 in H1,
Nachbarn kippen), VWAP-Bänder ebenso (Zufallslinie hält gleich gut, alle
Konfidenzintervalle enthalten die Null), und 24 Signal-Eingriffe sind
insgesamt gescheitert. Was BELEGT ist, sind Bedingungen — nicht Prognosen.
Die Karte zeigt deshalb das Schema des Users (Bias → Zone → Reichweite →
Veto) und überlässt den Auslöser dem Menschen, dessen Auswahl-Vorteil
unabhängig belegt ist.
Zusammengesetzt aus bereits berechneten Teilen — NEU gerechnet wird nur
das Kosten-Verhältnis auf M15 und P(break) für das nächste Level. Der
Konsens-Pfeil hat einmal ein zweites `_verdict()` gezogen; das ist die
Lehre daraus.
"""
try:
bid = (market or {}).get("bid"); ask = (market or {}).get("ask")
ws = wave_snap or {}
atr15 = (ws.get("tf_atr") or {}).get("M15")
out: dict = {"atr_m15": round(atr15, 4) if atr15 else None}
# ── 1) BIAS — der einzige belegte Filter (M30-Gegen-Trend: Edge ×2)
h30 = ws.get("htf_trend"); h1 = ws.get("h1_trend")
einig = (h30 and h1 and h30 == h1)
out["bias"] = {"m30": h30, "h1": h1,
"richtung": h30 if einig else None,
"einig": bool(einig)}
# ── 2) KOSTEN auf M15 — hier gewinnt M15 wirklich (gemessen 0,104
# gegen M5 0,193). Schwellen wie beim M5-Chip (0,20 / 0,32).
kr = None
if bid and ask and atr15 and atr15 > 0:
kr = round((ask - bid) / atr15, 3)
out["kosten"] = {"ratio": kr,
"stufe": (None if kr is None else
"guenstig" if kr < 0.20 else
"normal" if kr < 0.32 else "teuer")}
# ── 3) ZONE — nächstes STEHENDES Level (M30-Pivots, dieselbe Quelle
# wie Chart und S/R-Close) + P(break). ⚠ Die P(break)-Merkmale
# kommen aus M5, weil das Modell darauf trainiert ist (Fix
# 2026-07-13) — NICHT auf M15 umstellen.
dl = self._draw_levels() or {}
res = (dl.get("res") or [None])[0]
sup = (dl.get("sup") or [None])[0]
pf = ws.get("pb_feats") or {}
a5 = pf.get("atr") or 0.2
zonen = []
for lvl, seite in ((res, "res"), (sup, "sup")):
if not lvl or not bid or not atr15:
continue
d = 1 if seite == "res" else -1
gap = abs(lvl - bid)
wt = 1.0 if (pf.get("ema_diff", 0.0) or 0.0) * d > 0 else 0.0
p = _p_break(pf.get("mom6", 0.0) * d, pf.get("mom3", 0.0) * d,
wt, gap / max(a5, 0.06))
zonen.append({"seite": seite, "level": round(lvl, 3),
"gap_atr15": round(gap / atr15, 2),
"p_break": round(100 * p)})
out["zonen"] = zonen
# ── 4) REICHWEITE — der Kegel (kalibriert: 80 %-Band trifft 77 %)
lv = (cone or {}).get("levels") or []
b80 = [x for x in lv if x.get("band") == 80]
out["reichweite"] = [{"minutes": x.get("minutes"),
"lo": x.get("lo"), "hi": x.get("hi")}
for x in b80] or None
# ── 5) VETO — die eigene Bilanz, je Lot (absolute Euro sind bei
# wechselnder Positionsgröße ungültig, Lehre vom 04.08.)
out["veto"] = alignment or None
return out
except Exception as e:
log.debug(f"m15_setup: {e}")
return None
def _stop_approach_hint(self, market, position, wave_snap) -> dict | None:
"""REINE ANZEIGE: P(Durchbruch) für das Level, dem sich der Kurs auf der
**Gegen-/Stop-Seite** der offenen Position nähert (LONG → Support darunter,
+9
View File
@@ -398,6 +398,14 @@ class WaveRecommender:
if turn_data: # frisch geholt → neu berechnen, sonst letzten Stand halten
self._last_tf_turns = {lbl: self._turn_state(c, a)
for lbl, (c, a) in turn_data.items()}
# ⚠ ADDITIV (2026-08-08): den ATR je Zeitebene MITNEHMEN. Er wird im
# Turn-Fetch ohnehin berechnet (`turn_data[lbl] = (closes, atr)`),
# war aber nirgends abrufbar — die M15-Setup-Karte braucht ihn fuer
# das Kosten-Gate (Spread/ATR_M15) und die Abstandsangaben. Ihn dort
# neu zu holen waere ein zweiter MT5-Fetch fuer Zahlen, die schon da
# sind (derselbe Fehler wie beim Konsens-Pfeil, der ein zweites
# `_verdict()` rechnete).
self._tf_atr = {lbl: a for lbl, (c, a) in turn_data.items() if a}
# P(break)-Features IMMER aus M5 (Modell wurde auf M5 trainiert/kalibriert
# — die Wave-TF wechselt per Heuristik bis M30; damit wäre mom6 ein 3-h-
# statt 30-min-Momentum und der ATR 23× größer → P(break) völlig falsch
@@ -484,6 +492,7 @@ class WaveRecommender:
else:
self._last_bounce = {"state": None, "dir": None, "tf": None}
snap["tf_turns"] = dict(self._last_tf_turns)
snap["tf_atr"] = dict(getattr(self, "_tf_atr", {}) or {})
snap["bounce"] = dict(self._last_bounce) # Multi-TF überschreibt Basis-TF
snap["pb_feats"] = dict(self._pb_feats) if getattr(self, "_pb_feats", None) else None
snap["pb_levels"] = dict(self._pb_levels) if getattr(self, "_pb_levels", None) else None