Axel HocksandClaude Opus 5
d9cb54a52c
C - core/cone.py + Kachel #card-cone + MT5 v1.31 (CN;<min>;<lo>;<hi>): "Erwartete Spanne" statt "Kursvorhersage". Der User wollte eingezeichnete Verlaufspfade; bewusst NICHT gebaut - sie suggerieren eine Praezision, die es nicht gibt (Lehre aus analyze_verdict_calibration.py). Der Kegel sagt wie WEIT der Kurs in 30/60/120 min plausibel laeuft, nicht wohin. analyze_cone.py: r(h)=(C[i+h]-C[i])/ATR[i], Fit auf H1, Abdeckung gemessen auf H2 (echtes out-of-sample): 80%-Band -> 76,7 / 76,6 / 75,3 % 90%-Band -> 87,5 / 87,2 / 86,5 % Konsistent ~3-5 Pp ZU ENG. Das wird NICHT weggefittet - Kachel und Tooltip nennen die REAL gemessene Abdeckung, nicht den Nennwert. Damit nach dem P(break)-Modell die zweite kalibriert geprueft Komponente im Projekt. Zentriert auf den aktuellen Kurs, KEINE Drift addiert (Median +-0,0..0,16 xATR = klein gegen die Bandbreite; eine Drift-Korrektur waere eine Richtungsaussage und die ist nicht belegt). Farbe neutral grau, kein gruen/rot. Kein Signal, kein Verdict-Gewicht. MQL5 v1.31: zwei sich oeffnende gepunktete Pfade, verkettet 30->60->120. Startpunkt aus der PX-Zeile - die setzt g_conePx jetzt auch, wenn InpShowPrice aus ist (sonst verliert der Faecher seinen Anker). Config-Waechter in measurement_reminder.py (Antwort auf "sollten wir alle verworfenen Backtests woechentlich neu rechnen?"): NEIN - eine Woche sind ~2000 Bars, und 18 Ideen x 52 Wochen = 936 Tests/Jahr erzeugen bei 5 % Fehlalarmquote ~47 falsche "funktioniert jetzt!" pro Jahr. Stattdessen EREIGNIS-gesteuert: CONFIG_DEPS verankert 8 config-abhaengige Messungen an den Wert, gegen den sie validiert wurden (entry_room_atr 0,6 / sr_close_pbreak 0,55 / breakout_k 0,3 / risk_pct 0 / margin_buffer_pct 95 / adverse_15min_atr 0,5 / auto_signal_min_conf 75 / dead_hours leer). Weicht einer ab, meldet der Timer welche Messung veraltet ist. Numerischer Vergleich, damit 0.60 == 0.6. Mit 5 synthetischen Szenarien getestet. Erledigt ausgetragen: Chartmuster-Kontrolltest (30.07., Muster schlagen die Kontrolle in beiden Haelften +0,022/+0,108). Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>
69 lines
3.0 KiB
Python
69 lines
3.0 KiB
Python
"""core/cone.py — Wahrscheinlichkeits-Kegel (Streuung, NICHT Richtung).
|
||
|
||
User-Wunsch 2026-07-31: „ein Kursvorhersagemodul, das mögliche Verläufe in MT5
|
||
einzeichnet". Eingezeichnete PFADE würden eine Präzision suggerieren, die es nicht
|
||
gibt — das Projekt hat mit `analyze_verdict_calibration.py` teuer gelernt, dass eine
|
||
Zahl ohne Kalibrierungsprüfung in die Irre führt (conf_pct war in H2 invertiert).
|
||
|
||
Deshalb bewusst WENIGER, dafür belegt: der Kegel sagt nicht, WOHIN der Kurs geht,
|
||
sondern WIE WEIT er in 30/60/120 min plausibel gelaufen sein kann.
|
||
|
||
GEMESSEN & OUT-OF-SAMPLE VALIDIERT (`analyze_cone.py`, 80k M5-Bars, Fit auf H1,
|
||
Abdeckung gemessen auf H2):
|
||
|
||
Band 30 min 60 min 120 min
|
||
80 % nom. 76,7 % 76,6 % 75,3 %
|
||
90 % nom. 87,5 % 87,2 % 86,5 %
|
||
|
||
⚠ Die Bänder sind konsistent ~3–5 Prozentpunkte ZU ENG (H2 war relativ zum ATR
|
||
etwas volatiler als H1). Das wird NICHT weggefittet — die Anzeige nennt die real
|
||
gemessene Abdeckung, nicht den Nennwert. Damit ist der Kegel nach dem P(break)-
|
||
Modell die zweite kalibriert geprüfte Komponente im Projekt.
|
||
|
||
Quantile final auf allen 80k Bars gefittet (dasselbe Vorgehen wie beim P(break)-
|
||
Modell: erst out-of-sample validieren, dann für den Live-Einsatz auf der vollen
|
||
History fitten). ATR-normiert → über Vola-Regime hinweg gültig.
|
||
|
||
⚠ KEIN Signal, kein Verdict-Gewicht, kein Trade-Trigger. Der Kegel ist um den
|
||
AKTUELLEN Kurs zentriert (keine Drift addiert — der Median lag bei ±0,0…0,16×ATR,
|
||
also klein gegen die Bandbreite; eine Drift-Korrektur wäre eine Richtungsaussage
|
||
und genau die ist hier nicht belegt).
|
||
"""
|
||
from __future__ import annotations
|
||
|
||
# Horizont (M5-Bars) → {Nennband: (unteres, oberes Quantil in ×ATR)}
|
||
_CONE = {
|
||
6: {50: (-0.915, +0.940), 80: (-2.000, +1.962), 90: (-2.800, +2.713)},
|
||
12: {50: (-1.333, +1.346), 80: (-2.854, +2.833), 90: (-4.064, +4.000)},
|
||
24: {50: (-1.949, +2.000), 80: (-4.183, +4.177), 90: (-5.955, +5.938)},
|
||
}
|
||
# real gemessene Abdeckung (H2, out-of-sample) — das steht in der UI, nicht der Nennwert
|
||
_COVERAGE = {6: {50: 44.4, 80: 76.7, 90: 87.5},
|
||
12: {50: 45.1, 80: 76.6, 90: 87.2},
|
||
24: {50: 45.5, 80: 75.3, 90: 86.5}}
|
||
_ATRMIN = 0.06
|
||
MINUTES = {6: 30, 12: 60, 24: 120}
|
||
|
||
|
||
def build(price: float, atr: float, bands=(50, 80)) -> dict | None:
|
||
"""→ {'atr':…, 'levels':[{minutes, bars, band, lo, hi, coverage}, …]}
|
||
|
||
`price` = aktueller Kurs (Bid), `atr` = ATR der M5-Basis.
|
||
"""
|
||
if not price or not atr or atr <= 0:
|
||
return None
|
||
a = max(float(atr), _ATRMIN)
|
||
out = []
|
||
for bars in sorted(_CONE):
|
||
for band in bands:
|
||
q = _CONE[bars].get(band)
|
||
if not q:
|
||
continue
|
||
out.append({
|
||
"minutes": MINUTES[bars], "bars": bars, "band": band,
|
||
"lo": round(price + q[0] * a, 3),
|
||
"hi": round(price + q[1] * a, 3),
|
||
"coverage": _COVERAGE.get(bars, {}).get(band),
|
||
})
|
||
return {"atr": round(a, 4), "price": round(float(price), 3), "levels": out}
|