P(break) v2 live geprueft: Kalibrierung daneben, Trennschaerfe unentschieden

Faellige B4-Messung nach dem Nachtrainieren vom 31.07. (878 Vorhersagen ab
01.08.). Drei Befunde.

1) Das Skript mischte zwei Modelle. Es trennte bei der M30-Umstellung (30.07.),
nicht beim Nachtrainieren (31.07.) - "GESAMT" las altes und neues Modell
zusammen. Derselbe Fehler wie am 02.08. in analyze_divergence.py. Neu:
MODELL_V2 mit demselben Stichtag wie die Faelligkeitsbedingung.

2) Kalibrierung messbar daneben. Die Basisrate ist gewandert: Training 37,8 %,
live 53,2 %, stabil ueber vier volle Tage (51,4 / 54,1 / 56,4 / 53,8 % bei
n=122-276). Ein Modell, dessen Niveau an 37,8 % verankert ist, muss in einem
53-%-Regime systematisch zu niedrig sagen - genau das passiert. Oberste Klasse
invertiert (69 % vorhergesagt, 17 % real).

3) Trennschaerfe NICHT entscheidbar - und das ist der wichtigere Befund.
Entkoppelt n=87, AUC 0,556, 95-%-Bootstrap-KI [0,434 ... 0,674]. Das Intervall
enthaelt den Zufall (0,50) UND die Messlatte (0,654).

Die Faelligkeitsbedingung zaehlte die falsche Groesse: 800 ROHE Vorhersagen,
die aber nicht unabhaengig sind (dieselbe Position pendelt um dasselbe Level).
Aus 878 rohen werden 87 entkoppelte - die Bedingung ueberschaetzte die
Beweismenge um rund das Zehnfache und meldete "faellig", obwohl die Messung
nichts entscheiden konnte. Jetzt 350 ENTKOPPELTE (halbiert die KI-Breite).
Stand 87/350.

Operativ kein Notfall: auto_sr_close ist seit 06.08. false, das Modell
schliesst keine Trades. Es speist nur Anzeige, Chart-Linien und
Copilot-Kontext.

Nichts umgestellt - ein drittes Fitten derselben Bauart wuerde denselben Weg
gehen; der Befund zeigt aufs Niveau, nicht zwingend auf die Rangfolge.

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

analyze_pbreak_live.py

@@ -28,6 +28,17 @@ from datetime import datetime
 DB = "oil_widget_history.db"
 M30_SWITCH = datetime(2026, 7, 30).timestamp()
 
+# ⚠⚠ MODELL-EPOCHE (ergänzt 2026-08-07). Am 31.07. wurde das P(break)-Modell
+# NACHTRAINIERT (`backtest_pbreak_retrain.py`) und die Schwelle von 0,55 auf 0,35
+# gesenkt. Die Tabelle `pbreak_predictions` enthält beides — Vorhersagen des ALTEN
+# und des NEUEN Modells. Wer sie zusammen auswertet, misst eine Mischung und liest
+# die Fehlkalibrierung des alten Modells als aktuellen Alarm.
+# Derselbe Fehler wurde am 02.08. in `analyze_divergence.py` behoben (`_EPOCHS`);
+# hier stand er noch. Stichtag identisch zur Fälligkeitsbedingung in
+# `measurement_reminder.py` ("pbreak_accuracy_v2", ts >= 2026-08-01), damit
+# Erinnerung und Auswertung dieselbe Grundmenge zählen.
+MODELL_V2 = datetime(2026, 8, 1).timestamp()
+
 
 def auc(ps, ys):
     """Rangbasiert, mit Bindungskorrektur."""
@@ -106,8 +117,32 @@ def main():
     print(f"  {len(rows)} ausgewertete Vorhersagen, {t0:%d.%m.%Y} bis {t1:%d.%m.%Y}")
     print("=" * 84)
 
-    report(rows, "GESAMT")
-    calib(rows, "gesamt")
+    # ⚠ GESAMT mischt ALTES und NEUES Modell (s. MODELL_V2 oben) — bleibt als
+    # Historie stehen, ist aber NICHT der B4-Maßstab.
+    report(rows, "GESAMT ⚠ mischt altes + nachtrainiertes Modell")
+    calib(rows, "gesamt (gemischt)")
+
+    # ── DAS ist die fällige B4-Messung: nur das nachtrainierte Modell ──────
+    v2 = [(float(p), 1 if o == "break" else 0, pr)
+          for ts, _d, _l, p, pr, o in raw if ts >= MODELL_V2]
+    print("\n" + "=" * 84)
+    print("  NACHTRAINIERTES MODELL (ab 01.08.) — die fällige B4-Prüfung")
+    print("  Messlatte: AUC 0,654 (out-of-sample beim Nachtrainieren erreicht)")
+    print("=" * 84)
+    report(v2, "MODELL v2")
+    if len(v2) >= 30:
+        calib(v2, "Modell v2")
+        # entkoppelt auch hier — der Cluster-Effekt gilt unabhängig vom Modell
+        seen2 = set(); dd2 = []
+        for ts, _d, lvl, p, pr, o in raw:
+            if ts < MODELL_V2:
+                continue
+            key = (round(float(lvl or 0), 2), ts // 3600)
+            if key in seen2:
+                continue
+            seen2.add(key)
+            dd2.append((float(p), 1 if o == "break" else 0, pr))
+        report(dd2, "MODELL v2 · ENTKOPPELT (max. 1 je Level und Stunde)")
 
     # ── entkoppelt: max. 1 Vorhersage je (Level, Stunde)
     seen = set(); dedup = []