Kegel mit Adaptive Conformal Inference nachkalibriert (v=158)

Der Kegel war seit dem 31.07. dokumentiert 3-5 Pp ZU ENG - 80 % nominal gegen
real 76,7 / 76,6 / 75,3 % - und blieb es, weil Nachfitten das Problem nur
verschiebt. ACI justiert stattdessen ONLINE nach jedem aufgeloesten Fenster und
konvergiert nachweislich gegen die Zielabdeckung, auch unter Drift.

EHRLICH ZUR BAUART: die Lehrbuch-Form justiert alpha und schlaegt das Quantil
nach. Hier liegt nur eine feste Quantil-Tabelle vor, kein Verteilungsobjekt -
umgesetzt ist die multiplikative Variante:
    s <- s * exp(gamma * (1{verfehlt} - alpha_ziel)),  gamma 0,02, Deckel 0,7-2,0
Dieselbe Regelungsidee, aber die Konvergenz-GARANTIE der Originalform ist damit
nicht woertlich uebertragen.

Verifiziert: bei exakt 20 % Verfehlern bleibt die Skala bei 1,0000 - der
Fixpunkt stimmt. Simulation aus der dokumentierten Lage (76,6 %): nach ~50
Checks um 80 %. Die Skala pendelt um das Ziel statt exakt zu treffen - das ist
das bekannte ACI-Verhalten (garantiert ist die Langfrist-Abdeckung).

NICHT-UEBERLAPPEND geloggt (neue Tabelle cone_checks): ein 120-min-Fenster alle
5 min waere 24-fach ueberlappend - genau die Cluster-Verzerrung, an der
analyze_hl_funding.py aufgelaufen ist und die die Faelligkeitsbedingung
pbreak_accuracy_v2 um das Zehnfache danebenliegen liess. Je Horizont startet ein
neuer Check erst, wenn der vorige ablief -> 48/24/12 Checks je Tag.

Neustart-fest ueber runtime_state.json. build() ohne skalen liefert bitgenau die
alten Werte (additiv geprueft).

ZWEI EIGENE PLATZIERUNGSFEHLER, beide gefangen: der Lade-Block landete zuerst
HINTER den except-Klauseln von _load_runtime_state, wo st nicht mehr existiert;
und beim M15-Setup landete ein Block mitten in einem mehrzeiligen Aufruf. Der
erste waere stillschweigend nie gelaufen - gefunden nur, weil ich die Funktion
danach gelesen habe statt dem gruenen py_compile zu trauen.

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

core/history.py

@@ -189,6 +189,26 @@ SCHEMA = [
     )
     """,
     """
+    -- KEGEL-ABDECKUNG fuer Adaptive Conformal Inference (2026-08-08).
+    -- ⚠ NICHT-UEBERLAPPEND je Horizont geloggt: ein 120-min-Fenster alle 5 min
+    -- waere 24-fach ueberlappend, und ueberlappende Beobachtungen haben genau
+    -- die Cluster-Verzerrung erzeugt, an der `analyze_hl_funding.py` (06.08.)
+    -- und die Faelligkeitsbedingung `pbreak_accuracy_v2` (07.08.) aufgelaufen
+    -- sind. Je Horizont startet ein neuer Check erst, wenn der vorige ablief.
+    CREATE TABLE IF NOT EXISTS cone_checks (
+        id      INTEGER PRIMARY KEY AUTOINCREMENT,
+        ts      INTEGER,   -- lokale Epoch
+        bars    INTEGER,   -- Horizont in M5-Bars (6/12/24)
+        band    INTEGER,   -- Nennband in % (80)
+        price   REAL,
+        lo      REAL,
+        hi      REAL,
+        skala   REAL,      -- ACI-Skala, mit der dieses Band gebaut wurde
+        drin    INTEGER,   -- 1 = Kurs lag im Band
+        done    INTEGER
+    )
+    """,
+    """
     CREATE TABLE IF NOT EXISTS verdict_votes (
         id              INTEGER PRIMARY KEY AUTOINCREMENT,
         ts              INTEGER,        -- lokale Epoch
@@ -486,6 +506,35 @@ class HistoryLogger:
             conn.commit()
             return cur.lastrowid
 
+    def log_cone_check(self, *, bars: int, band: int, price: float,
+                       lo: float, hi: float, skala: float) -> int:
+        """Legt EINEN Abdeckungs-Check des Kegels an (nicht-ueberlappend)."""
+        try:
+            with self._lock, self._connect() as conn:
+                cur = conn.execute("""
+                    INSERT INTO cone_checks (ts,bars,band,price,lo,hi,skala)
+                    VALUES (?,?,?,?,?,?,?)
+                """, (int(time.time()), int(bars), int(band), float(price),
+                      float(lo), float(hi), float(skala)))
+                conn.commit()
+                return cur.lastrowid
+        except Exception:
+            return 0
+
+    def cone_coverage(self, bars: int, last_n: int = 100) -> dict:
+        """Real gemessene Abdeckung der letzten `last_n` Checks eines Horizonts."""
+        try:
+            with self._lock, self._connect() as conn:
+                rows = conn.execute(
+                    "SELECT drin FROM cone_checks WHERE bars=? AND done=1 "
+                    "ORDER BY id DESC LIMIT ?", (int(bars), int(last_n))).fetchall()
+        except Exception:
+            return {"n": 0}
+        n = len(rows)
+        if not n:
+            return {"n": 0}
+        return {"n": n, "abdeckung": round(100 * sum(r[0] for r in rows) / n, 1)}
+
     def log_m15_state(self, *, status: str, veto, kosten, level, gap_atr,
                       p_break, lesart, price, atr) -> int:
         """Loggt EINEN Zustandswechsel der M15-Karte.