Files
AH-Oil-Trader/tests/test_invarianten.py
Axel HocksandClaude Opus 5 3391e04f32 Bibliotheken geprueft: zwei Ertraege, keine neue Laufzeit-Abhaengigkeit
Nicht nach Katalog beantwortet, sondern gegen die dokumentierten Schwachstellen
des Projekts - und beide Kandidaten wurden GEMESSEN, nicht empfohlen.

ERTRAG 1 - BLOCK-BOOTSTRAP (core/stichprobe.block_ci95), braucht GAR KEINE
Bibliothek. Die Luecke stand seit dem 07.08. woertlich in backtest_cost_gate:
"fuer ueberlappende Beobachtungen zu optimistisch ... dafuer braeuchte es einen
Block-Bootstrap". Behelf war entkoppeln(). Auf echten Daten (pbreak_predictions):
  naiv, alle Zeilen   n=4702  Breite 0,028   <- 3x zu eng
  entkoppelt (bisher) n= 552  Breite 0,083   <- 88 % Datenverlust
  Block L=30          n=4702  Breite 0,081   <- gleiche Breite, ALLE Daten
Und das Entkoppeln kostet nicht nur Genauigkeit, es VERSCHIEBT die Schaetzung
(0,399 gegen 0,427) - es nimmt systematisch die ERSTE Beruehrung je Level+Stunde.

KALIBRIERUNG GEMESSEN (AR(1), bekanntes Mittel, 200 Laeufe, Soll 95 %):
  rho    naiv   L=10   L=30   L=60
  0,00   94 %   94 %   91 %   92 %
  0,50   76 %   92 %   91 %   91 %
  0,90   40 %   80 %   89 %   90 %
  0,97   18 %   55 %   74 %   83 %
Die naive Zeile ist der Befund: bei rho=0,97 behauptet sie 95 % Sicherheit und
liegt in 18 % der Faelle richtig. Ehrlich zu den Grenzen: bei unabhaengigen
Daten kostet der Block ~3 Punkte (dort bleibt ci95 besser), und bei rho=0,97
deckt auch er nur 83 % - eine Verbesserung, keine Garantie.

ERTRAG 2 - hypothesis (dev-only), aufgenommen NACH einer Gegenprobe. Die Suite
prueft bisher BEISPIELE, und die waehle ich selbst aus. Die teuersten Fehler
sassen auf GRENZEN: room_info musste `frei` auf dem UNGERUNDETEN Abstand
entscheiden, weil 0,5951 gerundet durchs 0,6-Gate rutscht. hypothesis findet
genau diesen Fall (dist=0.59765625) in Sekunden. Erst danach aufgenommen.
Neu tests/test_invarianten.py (4 Eigenschafts-Tests auf REINEN Funktionen), per
importorskip - die Suite laeuft auch ohne.
Beim ersten Lauf fielen zwei Tests, beide waren MEINE Fehler: cluster rundet auf
3 Stellen (Invariante zu streng) und zwei inhaltsgleiche dicts sind ==
(Reihenfolge muss ueber die Identitaet geprueft werden). Genau dafuer sind
Property-Tests da. Mutationsprobe: Rundung verbogen -> 2 Tests fallen.

BEGRUENDET ABGELEHNT: numba (Backtests 11 s/12k Bars = nicht der Engpass, und
ein Rewrite verletzt die Bit-Gleichheits-Regel) · statsmodels/arch (jetzt 15
Zeilen stdlib mit eigener Kalibrierung) · polars/pyarrow (kein DataFrame-
Workload) · loguru/structlog/rich (das Logformat ist forensisch tragend) ·
tenacity (Wiederholungen haben eigene Semantik, _mark_dead) · httpx (requests
laeuft) · pandas_ta (Indikatoren sind validiert, ein Austausch verschoebe jede
dokumentierte Zahl) · mypy (kaum Annotationen, ty deckt die Aritaet ab).

requirements.txt (Laufzeit) bleibt UNVERAENDERT - auf einer frischen Maschine
soll der Bot mit moeglichst kleiner Oberflaeche wieder laufen.

Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>
2026-08-20 19:57:31 +02:00

85 lines
4.0 KiB
Python

"""Eigenschafts-Tests (`hypothesis`) auf den REINEN Funktionen (2026-08-20).
⚠⚠ WOZU — die Suite prueft bisher BEISPIELE, und die schreibe ich selbst. Genau
dort sitzt der blinde Fleck: ich waehle die Faelle aus, an die ich denke. Die
teuersten Fehler dieses Projekts sassen aber auf GRENZEN, an die niemand dachte:
· `room_info` (10.08.): `frei` MUSS auf dem UNGERUNDETEN Abstand entschieden
werden - bei 0,5951 laesst die auf 0,60 gerundete Zahl den Fall faelschlich
durchs Gate. Gegenprobe mit hypothesis: findet `dist=0.59765625` in Sekunden.
· `_broker_offset_s` (01.08.): die Plausibilitaetsspanne [-12 h … +14 h] liess
eine Wochenend-Veraltung von -9,5 h durch.
Ein Property-Test sucht die Grenze selbst und SCHRUMPFT das Gegenbeispiel auf
den kleinsten Fall. Bewusst nur auf REINEN Funktionen - alles, was MT5, DB oder
Zeit braucht, gehoert in die Szenario-Tests.
"""
import pytest
hypothesis = pytest.importorskip("hypothesis") # dev-only, Suite laeuft auch ohne
from hypothesis import given, settings # noqa: E402
from hypothesis import strategies as stg # noqa: E402
from core.sr_levels import cluster # noqa: E402
from core.stichprobe import autokorrelation, entkoppeln # noqa: E402
PREIS = stg.floats(min_value=50.0, max_value=120.0, allow_nan=False,
allow_infinity=False)
@given(stg.lists(PREIS, min_size=0, max_size=40),
stg.floats(min_value=0.01, max_value=1.0, allow_nan=False))
@settings(max_examples=300, deadline=None)
def test_cluster_erfindet_und_verliert_nichts(preise, tol):
"""Ein Cluster-Ergebnis muss IMMER innerhalb der Eingabespanne liegen und
darf nie mehr Linien haben als Eingaben."""
out = cluster(preise, tol)
assert len(out) <= max(1, len(preise)) or not preise
if preise and out:
# ⚠ Toleranz = eine halbe Rundungsstufe. `cluster` rundet jede Linie
# auf 3 Stellen (wie `_draw_levels`), das Ergebnis kann also knapp
# ausserhalb der Eingabespanne liegen. hypothesis hat genau das
# gefunden (50.453125 -> 50.453) - meine erste Invariante war zu
# streng, der Code ist richtig. Genau dafuer sind Property-Tests da:
# sie zeigen, wo eine Annahme nicht traegt.
assert min(out) >= min(preise) - 0.0005 - 1e-9
assert max(out) <= max(preise) + 0.0005 + 1e-9
@given(stg.lists(PREIS, min_size=1, max_size=30),
stg.floats(min_value=0.01, max_value=1.0, allow_nan=False))
@settings(max_examples=300, deadline=None)
def test_cluster_ist_sortiert_und_ohne_duplikate(preise, tol):
out = cluster(preise, tol)
assert out == sorted(out)
assert len(out) == len(set(out))
@given(stg.lists(stg.tuples(stg.integers(0, 10_000), stg.integers(0, 5)),
min_size=0, max_size=200))
@settings(max_examples=300, deadline=None)
def test_entkoppeln_behaelt_je_schluessel_genau_eine_zeile(paare):
"""Invariante: nach dem Entkoppeln ist JEDER Schluessel genau einmal da —
und die Reihenfolge der behaltenen Zeilen bleibt erhalten."""
zeilen = [{"ts": t, "k": k} for t, k in paare]
out = entkoppeln(zeilen, lambda z: z["k"])
ks = [z["k"] for z in out]
assert len(ks) == len(set(ks))
assert set(ks) == {k for _, k in paare}
# ⚠ Reihenfolge ueber die IDENTITAET pruefen, nicht ueber Gleichheit:
# zwei inhaltsgleiche dicts (z. B. zweimal {"ts":0,"k":0}) sind `==`, und
# `z in out` faende dann beide. Auch das hat hypothesis aufgedeckt - mein
# Test war falsch, nicht `entkoppeln`.
behalten = {id(z) for z in out}
assert [id(z) for z in out] == [id(z) for z in zeilen if id(z) in behalten]
@given(stg.lists(stg.floats(min_value=-5.0, max_value=5.0, allow_nan=False),
min_size=3, max_size=500))
@settings(max_examples=300, deadline=None)
def test_autokorrelation_bleibt_im_gueltigen_band(x):
"""Eine Korrelation liegt zwischen -1 und 1 — auch bei konstanten Reihen,
wo der Nenner 0 wird (dort ist 0 definiert)."""
r = autokorrelation(x)
assert -1.0 <= r <= 1.0