Initial commit: Oil Trading Bot (MT5, WTI)

Headless FastAPI-Backend (server.py + core/engine.py) mit Mobile-PWA (web/), Strategie-/Backtest-Suite und Doku. Secrets, DB, Logs und Laufzeit-State sind via .gitignore ausgeschlossen; Config-Vorlage: oil_widget_config.ini.example. Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>
2026-07-24 08:29:23 +02:00
commit 75d28827e8
104 changed files with 21059 additions and 0 deletions
@@ -0,0 +1,107 @@
+#!/usr/bin/env python3
+"""Flatter-Analyse der Durchbruchs-Empfehlung (letzte 2 Tage, M1-Auflösung):
+Rekonstruiert P(break) minütlich WIE DIE ENGINE (M5-Serie inkl. LAUFENDER Kerze,
+deren Close = aktueller Kurs — genau das lässt mom3/mom6 im Bar springen) und misst
+in Level-Nähe (≤0,6×ATR):
+  - P-Spanne innerhalb einzelner M5-Kerzen (wie stark springt P intra-Bar)
+  - Schwellen-Kreuzungen (close↔laufen bei 60 %) je Annäherungs-Episode
+  - Zerlegung: Sprünge durch mom3 (laufende Kerze) vs. Level-Wechsel
+"""
+import sys, math
+import MetaTrader5 as mt5
+from core.engine import _p_break
+from core.wave_rec import _EMA_FAST, _EMA_SLOW
+_PIV_K=3; _LOOKBACK=300; _THR=0.60
+
+def ema_last(vals,p):
+    k=2.0/(p+1); e=vals[0]
+    for x in vals[1:]: e=x*k+e*(1-k)
+    return e
+def atr14(H,L,C):
+    tr=[max(H[i]-L[i],abs(H[i]-C[i-1]),abs(L[i]-C[i-1])) for i in range(1,len(C))]
+    return sum(tr[-14:])/14
+
+def main():
+    days=int(sys.argv[1]) if len(sys.argv)>1 else 2
+    mt5.initialize(); sym='SpotCrude'
+    m1=mt5.copy_rates_from_pos(sym,mt5.TIMEFRAME_M1,0,days*1440+50)
+    m5=mt5.copy_rates_from_pos(sym,mt5.TIMEFRAME_M5,0,days*288+_LOOKBACK+60)
+    mt5.shutdown()
+    T5=[int(b["time"]) for b in m5]
+    O5=[float(b["open"]) for b in m5]; H5=[float(b["high"]) for b in m5]
+    L5=[float(b["low"]) for b in m5]; C5=[float(b["close"]) for b in m5]
+    T1=[int(b["time"]) for b in m1]; C1=[float(b["close"]) for b in m1]
+
+    import bisect
+    ep=[]            # aktive Annäherungs-Episode: Liste von (P, level, mom3)
+    episodes=[]      # abgeschlossene Episoden
+    per_bar={}       # (m5-index) -> [P...] für Intra-Bar-Spanne
+    n_eval=0
+    for i1 in range(30, len(m1)):
+        t=T1[i1]; px=C1[i1]
+        j=bisect.bisect_right(T5,t)-1          # laufende/letzte M5-Kerze
+        if j < _LOOKBACK+10: continue
+        # M5-Serie wie die Engine sie sieht: abgeschlossene Bars + laufende Kerze
+        # mit Close = aktuellem M1-Kurs
+        closes=C5[j-_LOOKBACK:j]+[px]
+        highs =H5[j-_LOOKBACK:j]+[max(px,O5[j])]
+        lows  =L5[j-_LOOKBACK:j]+[min(px,O5[j])]
+        atr=max(atr14(highs,lows,closes),0.12)
+        mom6=(closes[-1]-closes[-7])/atr
+        mom3=(closes[-1]-closes[-4])/atr
+        ediff=(ema_last(closes,_EMA_FAST)-ema_last(closes,_EMA_SLOW))/atr
+        # Pivot-Level aus abgeschlossenen Bars
+        ph=[H5[k] for k in range(j-_LOOKBACK+_PIV_K, j-_PIV_K)
+            if H5[k]==max(H5[k-_PIV_K:k+_PIV_K+1])]
+        # LONG-Sicht: nächster Widerstand über Kurs (analog gilt Short symmetrisch)
+        cands=[p for p in ph if p>px]
+        level=min(cands) if cands else None
+        if level is None or (level-px) > 0.6*atr:
+            if ep: episodes.append(ep); ep=[]
+            continue
+        wt=1.0 if ediff>0 else 0.0
+        dist=abs(level-px)/atr
+        P=_p_break(mom6,mom3,wt,dist)
+        ep.append((P,level,mom3)); n_eval+=1
+        per_bar.setdefault(j,[]).append(P)
+    if ep: episodes.append(ep)
+
+    print("="*84)
+    print(f"  P(break)-Flattern — letzte {days} Tage, {n_eval} Minuten in Level-Nähe (≤0,6×ATR)")
+    print("="*84)
+    # Intra-Bar-Spanne
+    spans=[max(v)-min(v) for v in per_bar.values() if len(v)>=3]
+    if spans:
+        spans.sort()
+        print(f"\nP-Spanne INNERHALB einer M5-Kerze (n={len(spans)} Kerzen):")
+        print(f"  Median {100*spans[len(spans)//2]:.0f} Pp · P90 {100*spans[int(len(spans)*0.9)]:.0f} Pp · Max {100*max(spans):.0f} Pp")
+    # Episoden: Schwellen-Flips
+    flips=[]; levsw=[]
+    for e in episodes:
+        if len(e)<3: continue
+        f=sum(1 for k in range(1,len(e)) if (e[k][0]<_THR)!=(e[k-1][0]<_THR))
+        sw=sum(1 for k in range(1,len(e)) if abs(e[k][1]-e[k-1][1])>1e-9)
+        flips.append(f); levsw.append(sw)
+    if flips:
+        flips.sort()
+        print(f"\nAnnäherungs-Episoden: {len(flips)} · Ø-Dauer "
+              f"{sum(len(e) for e in episodes if len(e)>=3)/len(flips):.0f} min")
+        print(f"  close↔laufen-Flips (60%-Schwelle) je Episode: "
+              f"Median {flips[len(flips)//2]} · P90 {flips[int(len(flips)*0.9)]} · Max {max(flips)}")
+        print(f"  Episoden mit ≥2 Flips: {100*sum(1 for f in flips if f>=2)/len(flips):.0f}% "
+              f"· Level-Wechsel je Episode Ø {sum(levsw)/len(levsw):.1f}")
+    # mom3-Beitrag: P-Änderung je Minute vs mom3-Änderung
+    dP=[]; dM=[]
+    for e in episodes:
+        for k in range(1,len(e)):
+            if abs(e[k][1]-e[k-1][1])<1e-9:      # gleiches Level → reiner Feature-Effekt
+                dP.append(abs(e[k][0]-e[k-1][0])); dM.append(abs(e[k][2]-e[k-1][2]))
+    if dP:
+        print(f"\nMinuten-Sprünge bei GLEICHEM Level (n={len(dP)}):")
+        print(f"  Ø |ΔP|/min = {100*sum(dP)/len(dP):.1f} Pp · Ø |Δmom3|/min = {sum(dM)/len(dM):.2f}×ATR")
+        big=[p for p,m in zip(dP,dM) if m>0.3]
+        print(f"  bei |Δmom3|>0,3: Ø |ΔP| = {100*sum(big)/max(1,len(big)):.1f} Pp "
+              f"({100*len(big)/len(dP):.0f}% der Minuten) → mom3 (laufende Kerze) ist der Treiber")
+
+if __name__=="__main__":
+    main()