AH-Oil-Trader/core/exit_model.py

"""core/exit_model.py — EINE Quelle der Wahrheit für den Exit (Stufe 3, 2026-07-31).

WARUM ES DAS GIBT — Deployment-Drift, Fall 3:
Der Trailing-Multiplikator lief live auf 1,5–3,0 (je Zeitebene), während JEDER
Backtest 1,5 annahm. Gemessen war das 5,5× schlechteres H1 und ein 67 % größerer
Einzelverlust. Niemand hat es bemerkt, weil `trailing.py` (live) und die Backtests
zwei getrennte Zahlenwelten waren.

Dieses Modul ist die gemeinsame Basis:
  * `LIVE` — die Exit-Parameter als **einzige Quelle**. `core/trailing.py` importiert
    sie; ändert sie jemand dort, ändern sich die Backtests mit. Genau das hätte
    Fall 3 unmöglich gemacht.
  * `simulate()` — die kanonische, bar-basierte Nachbildung des Live-Exits für
    Backtests (Phasen Init→Trail→Lock, HW-Ratsche, Breakeven-Boden, Time-Stop).

⚠⚠ BEFUND BEIM BAU (2026-07-31): Die Backtests des Projekts nutzen **mindestens DREI
materiell verschiedene Exit-Modelle**:
  (A) Phasen-Modell ≈ live — `backtest_trailing/_exit/_atrfloor/_candle_fade/…`
  (B) **Einfach** (`_TPTRAIL=0.5`, KEIN Breakeven, KEIN Lock, KEIN Time-Stop,
      `_MAXH=240`) — `backtest_hourly`, `_hourly_split`, `_bounce`, `_events`,
      `_deadhour`, `_chopgate`
  (C) Phasen mit `be_on=1.0` statt 1,3 — `backtest_breakout`, `_confluence_angle`
Damit ruhen mehrere dokumentierte Befunde (Dead-Hours, EIA-Blackout, Bounce,
Chop-Gate, Stunden-Analyse) auf einem Exit, der dem Live-System NICHT entspricht.
Diese Skripte werden **bewusst NICHT stillschweigend umgestellt** — das würde
historische Schlussfolgerungen rückwirkend verändern. Sie sind in `LEGACY_SIMPLE`
bzw. `LEGACY_BE10` als Altlast markiert; eine Neubewertung ist eine eigene,
begründete Entscheidung.

MIGRATIONS-REGEL: Ein Backtest darf nur dann auf `simulate()` umgestellt werden,
wenn er danach **dieselben Zahlen** liefert wie vorher (Variante A) — sonst ist es
keine Refaktorierung, sondern eine unbemerkte Änderung der Messgrundlage.
"""
from __future__ import annotations

from dataclasses import dataclass, replace


@dataclass(frozen=True)
class ExitParams:
    """Alle Größen in ×ATR, Zeiten in Bars der jeweiligen Basis-TF."""
    sl_atr: float = 2.0          # Initial-SL (Live-Band 1,8–2,2 → Ziel 2,0)
    trail_start: float = 0.3     # Phase Init→Trail
    mult: float = 1.0            # Trail-Abstand HW ∓ mult×ATR (1,5 → 1,0 am 2026-07-31)
    be: float = 1.3              # Breakeven-Boden (Entry) ab diesem Profit
    lock_start: float = 3.5      # Phase Trail→Lock
    lock_scale: float = 0.6      # mult×scale in der Lock-Phase
    lock_min: float = 1.2        # Untergrenze des Lock-Multiplikators
    tp_init: float = 3.5         # Initial-TP (Phase Init)
    timestop_bars: int = 24      # Time-Stop: nach N Bars noch in Phase Init → raus
    max_hold: int = 200          # harte Obergrenze der Haltedauer

    def with_(self, **kw) -> "ExitParams":
        return replace(self, **kw)


# ── DIE Live-Parameter. `core/trailing.py` importiert sie von hier. ───────────
# Werte = der jeweils GEMESSENE Stand:
#   sl 2,0        `backtest_exit.py` (Band 1,8–2,2, Ø-R +32 % ggü. 1,2–1,5)
#   trail 1,0     `backtest_trailmult.py` (2026-07-31) — SAUBER gemessen mit FIXEM
#                 SL 2,0 (der alte `backtest_trailing.py` koppelte den SL an mult und
#                 vermengte damit zwei Änderungen). Enger ist MONOTON besser, und zwar
#                 auf BEIDEN Signalmengen und in BEIDEN Hälften:
#                   Wave-Signal   1,0: H1 +80/H2 +1360 · 1,5: −220/+1305 · 2,0: −394/+1198
#                   Squeeze(Kost) 1,0: H1 −0,202/H2 +0,010 · 1,5: −0,219/−0,032
#                 Der Squeeze ist der Gegentest: er lebt von LÄUFERN — wäre „enger" nur
#                 „macht weniger", müsste er dagegenhalten. Tut er nicht.
#                 ⚠ 0,5 wäre in der Messung NOCH besser (Wave H1 +1258/H2 +2418), liegt
#                 aber am RAND des Suchbereichs → bewusst nicht genommen. Zusätzlicher
#                 Grund: die Sim modelliert **keine Exit-Slippage**; ein engerer Trail
#                 löst deutlich häufiger aus und ist damit stärker davon betroffen
#                 (real gemessen: bis 0,75 ATR über den Stop hinaus).
#   start 0,3     `backtest_trailing.py` (0,6/1,0 schlechter)
#   be 1,3        `backtest_exit.py be` (0,6 → 21 % Breakeven-Scratches)
#   timestop 24   `backtest_timestop.py` (120 min; 30/60 min kippten)
LIVE = ExitParams()

# Altlasten — NUR zur Dokumentation, nicht zum Verwenden in neuem Code.
# (B) Der einfache Exit ohne Breakeven/Lock/Time-Stop, 240 Bars Haltedauer.
LEGACY_SIMPLE = ("backtest_hourly.py", "backtest_hourly_split.py",
                 "backtest_bounce.py", "backtest_events.py",
                 "backtest_deadhour.py", "backtest_chopgate.py")
# (C) Phasen-Modell, aber Breakeven bei 1,0 statt 1,3.
LEGACY_BE10 = ("backtest_breakout.py", "backtest_confluence_angle.py")


def simulate(entry: float, d: int, atr: float,
             H: list, L: list, C: list, j0: int,
             p: ExitParams = LIVE,
             timestop: bool = True,
             use_tp: bool = True) -> float:
    """Kanonische Exit-Simulation → Ergebnis in R (×ATR), Kosten NICHT enthalten.

    `d` = +1 LONG / −1 SHORT · `j0` = erster Bar NACH dem Einstieg.
    Pessimistisch: wird in EINEM Bar sowohl SL als auch TP berührt, zählt der SL.
    Die Phasen-Ratsche (`rank`) verhindert das Zurückfallen in eine frühere Phase —
    identisch zur Live-Mechanik in `core/trailing.py`.

    ⚠ `timestop` / `use_tp` machen die **Teilmodelle explizit**. Beim Bau (2026-07-31)
    zeigte sich, dass selbst die „Phasen-Modell"-Backtests untereinander abweichen:
        `backtest_trailing.py`     TP ja · Time-Stop NEIN
        `backtest_candle_fade.py`  TP NEIN · Time-Stop ja
        `backtest_atrfloor.py`     TP ja · Time-Stop NEIN · liefert PUNKTE statt R
    Live hat BEIDES (`_TP_INIT_ATR=3.5`, `_TIMESTOP_MIN=120`) — die Vollausstattung
    (`timestop=True, use_tp=True`) ist also die einzige live-treue Variante. Die
    Flags erlauben es, ein bestehendes Skript BITGENAU zu migrieren und dabei
    sichtbar zu machen, welchen Ausschnitt es misst, statt ihn zu verstecken.
    """
    if atr <= 0:
        return 0.0
    sl = entry - d * p.sl_atr * atr
    tp = (entry + d * p.tp_init * atr) if use_tp else None
    hw = entry
    rank = 0
    end = min(j0 + p.max_hold, len(C) - 1)
    for j in range(j0, end + 1):
        hi, lo = H[j], L[j]
        if (lo <= sl) if d > 0 else (hi >= sl):
            return (sl - entry) * d / atr
        if tp is not None and ((hi >= tp) if d > 0 else (lo <= tp)):
            return (tp - entry) * d / atr
        hw = max(hw, hi) if d > 0 else min(hw, lo)
        profit = (hw - entry) * d
        ph = 0 if profit < p.trail_start * atr else (
            1 if profit < p.lock_start * atr else 2)
        if ph < rank:
            ph = rank
        rank = ph
        if timestop and rank == 0 and (j - j0) >= p.timestop_bars:
            return (C[j] - entry) * d / atr
        if ph == 0:
            continue
        m = p.mult if ph == 1 else max(p.lock_min, p.mult * p.lock_scale)
        cand = hw - d * m * atr
        if profit >= p.be * atr or ph == 2:
            cand = max(cand, entry) if d > 0 else min(cand, entry)
        sl = max(sl, cand) if d > 0 else min(sl, cand)
    return (C[end] - entry) * d / atr