SL-Basis M5 vs M15 auf Level-Entries gemessen: Tail-Frage, keine Ertragsfrage

Strukturfund vorweg: exit_model.simulate nimmt EINEN atr fuer SL, TP, Trail und
Breakeven - und alle Backtests uebergeben ATR_M5. Live kommt der SL aus ATR_M15
(Median 1,80x groesser). Praktisch jede Projekt-Messung modelliert damit
2,0xATR_M5, waehrend live ~4,0xATR_M5 gilt. Einzige bisherige Ausnahme war
backtest_sl_width.py.

Gemessen auf der NEUEN Level-Entry-Population (80k, 2 Halbjahre, nur die
SL-Basis variiert):

  SQUEEZE: Ertrag ist ein Wash - alle Varianten innerhalb eines Standardfehlers,
  und die einzige beidhaelftig bessere Zelle (2,5) hat schlechtere Nachbarn.
  WELLE:   der weite Live-SL ist in BEIDEN Haelften der beste, jede Verengung
  kostet.

Der einzige robuste Unterschied ist das Tail-Risiko: Worst-Case -8,83 xATR
(live, Squeeze H2) gegen -2,94 bei 2,5xATR_M5 = Faktor 3. Bei 3,5 Lots sind das
~-890 EUR gegen ~-300 EUR im schlechtesten Einzeltrade.

Antwort auf die Frage: vertretbar ja, aber als Risiko- und nicht als
Ertragsentscheidung. Saubere Umsetzung waere quellen-abhaengig (M5-ATR nur bei
auto_squeeze) - strukturell begruendet, nicht data-mined. Nicht gebaut.

Reproduziert NICHT backtest_sl_tf_mismatch.py (23.07.): dort Einstieg am
Bar-Close, hier am Level - der Einstiegspreis hat den Befund gedreht.

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

CLAUDE.md

@@ -1178,7 +1178,44 @@ dort bereits nachvalidiert, ØR +0,305.) **Eine** Oberfläche:
     ist der Unterschied zwischen „Wash" und „Edge zerstört"** — ein ungegateter Level-TP
     ist etwas grundlegend anderes. Damit ist die User-Idee in allen DREI Teilen
     durchgemessen; der Live-Exit-Stack bleibt unverändert.
-  - **S/R-verankerter SL = KEIN Edge (gemessen, `backtest_sl_method.py`):**
+  - **⚠⚠ SL-BASIS M5 vs. M15 auf der NEUEN Level-Entry-Population (gemessen
+  `backtest_sl_basis.py`, 2026-08-05, User-Frage „wäre M5-ATR vertretbar?") —
+  DIFFERENZIERT, und dabei eine Mess-Betriebs-Lücke gefunden.**
+  ⚠ **Zuerst der strukturelle Fund:** `exit_model.simulate()` nimmt **EINEN** `atr`
+  für SL, TP, Trail und Breakeven — und **alle Backtests übergeben ATR_M5**. Live
+  kommt der SL dagegen aus **ATR_M15** (`mt5_utils.atr_value` mit `SL_TF`), im
+  Median **1,80×** so groß. Praktisch jede Projekt-Messung modelliert damit einen
+  SL von 2,0×ATR_M5, während live **~4,0×ATR_M5** gilt. Einzige bisherige Ausnahme:
+  `backtest_sl_width.py` (04.08.), das genau das explizit verglichen hat.
+  **Ergebnis auf Level-Entries (80k, 2 Halbjahre, nur die SL-Basis variiert):**
+  | Population | Variante | H1 ØR / Worst | H2 ØR / Worst |
+  |---|---|---|---|
+  | **SQUEEZE** | LIVE (≈4,1×ATR_M5) | +0,455 / **−5,87** | +0,614 / **−8,83** |
+  | | 2,5×ATR_M5 | +0,459 / −2,82 | +0,620 / −2,94 |
+  | | 2,0×ATR_M5 | +0,452 / −2,32 | +0,610 / −2,44 |
+  | **WELLE** | LIVE (≈3,9×ATR_M5) | **+0,371** / −4,97 | **+0,356** / −6,00 |
+  | | 2,5×ATR_M5 | +0,362 / −2,79 | +0,343 / −2,72 |
+  | | 3,0×ATR_M5 | +0,358 / −3,29 | +0,352 / −3,22 |
+  ✅ **Ertragsseitig ist es ein WASH auf der Squeeze-Population** — alle Varianten
+  liegen innerhalb eines Standardfehlers (≈0,035 bei n≈800), und die einzige Zelle,
+  die den Live-Stand in ØR beidhälftig schlägt (2,5), hat **schlechtere Nachbarn**
+  → nach der Nachbar-Regel Rauschen. **Auf der Wellen-Population ist der weite
+  Live-SL dagegen in BEIDEN Hälften der beste** — jede Verengung kostet dort.
+  ⚠⚠ **Der EINZIGE robuste Unterschied ist das TAIL-RISIKO — und der ist groß und
+  monoton:** Worst-Case **−8,83×ATR** (live, Squeeze H2) gegen **−2,94** bei
+  2,5×ATR_M5, also **Faktor 3**. Bei 3,5 Lots und ATR_M5 0,33 sind das ~**−890 €**
+  gegen ~−300 € im einzelnen schlechtesten Trade.
+  ✅ **Antwort: „vertretbar" ja — aber es ist keine Ertrags-, sondern eine
+  Risiko-Entscheidung.** Für den Squeeze kostet die Verengung gemessen nichts und
+  drittelt den Tail; für Wellen-/Signal-Trades kostet sie Ertrag in beiden Hälften.
+  Eine saubere Umsetzung wäre **quellen-abhängig** (`_calc_sl_tp` nutzt M5-ATR nur
+  bei `source="auto_squeeze"`) — strukturell begründet (Breakout- gegen
+  Pullback-Einstieg haben verschiedene Nachlauf-Dynamik), nicht data-mined.
+  **Nicht gebaut** — die Entscheidung über Tail-Risiko gehört dem User.
+  ⚠ Das reproduziert NICHT `backtest_sl_tf_mismatch.py` (23.07., dort war M5 in H2
+  schlechter): dort wurde am Bar-Close eingestiegen, hier am Level. Der
+  Einstiegspreis hat den Befund gedreht.
+- **S/R-verankerter SL = KEIN Edge (gemessen, `backtest_sl_method.py`):**
     Pivot+Band vs. „S/R ∓ ATR/0,10-Puffer" vs. fest 2,0×ATR — **gedeckelt alle
     identisch** (Ø-R 0,196–0,201, PF 1,38–1,39, Worst −2,2×ATR): der **Band-Cap
     [1,8–2,2]×ATR dominiert**, die Verankerung ist Rauschen. Nur **ungedeckelt**