Tobias Zimmermann
d36ed142cf
Drei Erweiterungen aus der vorangegangenen Analyse. Lerngeschwindigkeit - background_sample_every_n_bars von 10 auf 5. Gemessen stammen nur rund 3 % der Beobachtungen aus echten Trades; diese Stichproben sind der wirksamste Hebel. Nicht weiter gesenkt, weil benachbarte Kerzen stark korreliert sind und sich die Label-Fenster überlappen - mehr Gradientenschritte heißt dort nicht mehr Information. Funding Rate und Open Interest als Merkmale (strategy.derivatives, standardmäßig aus) - Vier zusätzliche Merkmale vom Perpetual zum jeweiligen Spot-Paar. Gehandelt wird weiterhin Spot, die Kennzahlen kommen über einen zweiten ccxt-Client mit defaultType=future. - Die Zuordnung ist lookahead-frei: Für jede Kerze gilt nur der Wert, der zu diesem Zeitpunkt bereits veröffentlicht war. - Fällt eine Quelle aus oder deckt sie weniger als min_coverage ab, bleiben die Spalten neutral. Die Modelldimension bleibt dabei stabil. - Gemessene API-Grenzen bei Binance: Open Interest reicht 30 Tage zurück, 500 Zeilen je Abruf; Funding Rate über ein Jahr. Beide Merkmale sind deshalb einzeln abschaltbar. ERGEBNIS: kein Nutzen. Zwei Backtests mit identischen Kerzen und Seed - 5m/20 Tage: Rendite -1,79 % auf -1,90 %, Accuracy 51,2 % auf 50,4 %; 15m/28 Tage: Rendite -2,22 % auf -2,67 %, LogLoss praktisch unverändert. Die Anbindung arbeitet einwandfrei (100 % Datenabdeckung), das Modell gewichtet die neuen Merkmale aber nur mit 0,01 bis 0,09 gegenüber 0,39 für ema_spread. Die Funktion bleibt aus und ist dafür da, das auf anderen Zeiträumen selbst zu prüfen - nicht weil sie sich bewährt hätte. Ollama-Erklärungen (llm, standardmäßig aus) - Neuer Dashboard-Bereich und POST /control/explain. Das Modell bekommt den Zustand als Text und gibt Text zurück; es entscheidet nichts, beeinflusst keine Order und wird nie aus dem Handels-Loop heraus aufgerufen. Der System-Prompt untersagt Anlageempfehlungen und Kursprognosen. - Bewusst nicht als Entscheider: nicht reproduzierbar, kaum backtestbar, und es würde die Nachvollziehbarkeit des linearen Modells zerstören. - Beim Test an qwen3.8:27b zeigte sich ein echter Fehler: Reasoning-Modelle legen ihre Denkschritte in ein eigenes Antwortfeld und verbrauchten dafür das gesamte Token-Budget, response blieb leer. llm.think ist jetzt standardmäßig false, die Fehlermeldung nennt Ursache und Ausweg statt nur "leere Antwort", und für ältere Ollama-Versionen ohne das Feld gibt es einen Wiederholungsversuch ohne es. Bewusst nicht enthalten: News- und Google-Trends-Sentiment. Es fehlt eine Quelle mit Point-in-Time-Historie; ohne die lässt sich das Merkmal nicht backtesten. Nach dem Ergebnis oben wäre ein unvalidiertes Merkmal der falsche Schritt. test_stop_loss_bounds_the_worst_trade läuft jetzt mit strategy.name: rules. Er hing über die geänderte Voreinstellung an zufälligem Modellverhalten, geprüft werden soll aber die Stop-Logik. 270 Tests (36 neue), ruff sauber. Gegen echte Binance-Daten und eine laufende Ollama-Instanz geprüft, Dashboard-Bereich im Browser bedient.
263 lines
9.1 KiB
Python
263 lines
9.1 KiB
Python
"""Terminmarktdaten: Zuordnung ohne Blick in die Zukunft, Merkmale, Ausfallverhalten."""
|
||
|
||
from __future__ import annotations
|
||
|
||
import numpy as np
|
||
import pytest
|
||
|
||
from trademind.config import Config, DerivativesConfig
|
||
from trademind.derivatives import (
|
||
DerivativeSeries,
|
||
DerivativesProvider,
|
||
forward_fill_to_bars,
|
||
perpetual_symbol,
|
||
)
|
||
from trademind.features import (
|
||
BASE_FEATURE_NAMES,
|
||
build_feature_matrix,
|
||
feature_names,
|
||
n_features,
|
||
)
|
||
from trademind.models import Candles
|
||
|
||
from .conftest import make_candles
|
||
|
||
BAR = 300_000
|
||
|
||
|
||
# ------------------------------------------------------------------ Symbolik
|
||
|
||
|
||
@pytest.mark.parametrize(
|
||
("spot", "perp"),
|
||
[
|
||
("BTC/USDT", "BTC/USDT:USDT"),
|
||
("ETH/USDC", "ETH/USDC:USDC"),
|
||
("SOL/USDT:USDT", "SOL/USDT:USDT"), # schon ein Perpetual
|
||
],
|
||
)
|
||
def test_perpetual_symbol(spot: str, perp: str):
|
||
assert perpetual_symbol(spot) == perp
|
||
|
||
|
||
# ------------------------------------------------- Zuordnung ohne Lookahead
|
||
|
||
|
||
def test_forward_fill_uses_only_past_values():
|
||
bars = np.array([1000, 2000, 3000, 4000], dtype=np.int64)
|
||
src_ts = np.array([1500, 3500], dtype=np.int64)
|
||
src_val = np.array([10.0, 20.0])
|
||
|
||
values, known = forward_fill_to_bars(bars, src_ts, src_val)
|
||
|
||
assert not known[0], "vor dem ersten Quellwert darf nichts bekannt sein"
|
||
assert values[1] == 10.0 # 1500 <= 2000
|
||
assert values[2] == 10.0 # 3500 liegt in der Zukunft von 3000
|
||
assert values[3] == 20.0 # 3500 <= 4000
|
||
assert list(known) == [False, True, True, True]
|
||
|
||
|
||
def test_value_exactly_on_the_bar_counts_as_known():
|
||
values, known = forward_fill_to_bars(
|
||
np.array([2000], dtype=np.int64), np.array([2000], dtype=np.int64), np.array([7.0])
|
||
)
|
||
assert known[0] and values[0] == 7.0
|
||
|
||
|
||
def test_unsorted_source_is_handled():
|
||
values, _ = forward_fill_to_bars(
|
||
np.array([5000], dtype=np.int64),
|
||
np.array([3000, 1000, 2000], dtype=np.int64),
|
||
np.array([30.0, 10.0, 20.0]),
|
||
)
|
||
assert values[0] == 30.0, "der jüngste Wert vor der Kerze zählt"
|
||
|
||
|
||
def test_empty_source_yields_nothing_known():
|
||
values, known = forward_fill_to_bars(
|
||
np.arange(3, dtype=np.int64), np.empty(0, np.int64), np.empty(0)
|
||
)
|
||
assert not known.any()
|
||
assert np.isnan(values).all()
|
||
|
||
|
||
# --------------------------------------------------------- Merkmalsanzahl
|
||
|
||
|
||
def test_feature_count_depends_on_configuration():
|
||
assert n_features(None) == len(BASE_FEATURE_NAMES) == 18
|
||
assert n_features(DerivativesConfig(enabled=False)) == 18
|
||
assert n_features(DerivativesConfig(enabled=True)) == 22
|
||
assert n_features(DerivativesConfig(enabled=True, open_interest=False)) == 20
|
||
assert n_features(DerivativesConfig(enabled=True, funding_rate=False)) == 20
|
||
|
||
|
||
def test_feature_names_are_unique_and_ordered():
|
||
names = feature_names(DerivativesConfig(enabled=True))
|
||
assert names[:18] == BASE_FEATURE_NAMES
|
||
assert len(set(names)) == len(names)
|
||
assert names[18:] == ("funding_bps", "funding_trend", "oi_change", "oi_price_divergence")
|
||
|
||
|
||
# ------------------------------------------------------ Merkmalsberechnung
|
||
|
||
|
||
def series_for(candles, funding: float = 0.0001, oi_growth: float = 0.0) -> DerivativeSeries:
|
||
n = len(candles)
|
||
oi = 100_000.0 * (1.0 + oi_growth * np.arange(n) / max(n - 1, 1))
|
||
return DerivativeSeries(
|
||
symbol=candles.symbol,
|
||
timestamp=candles.timestamp,
|
||
funding_rate=np.full(n, funding),
|
||
open_interest=oi,
|
||
funding_coverage=1.0,
|
||
oi_coverage=1.0,
|
||
)
|
||
|
||
|
||
def test_matrix_gains_columns_when_enabled(candles, rules):
|
||
plain = build_feature_matrix(candles, rules)
|
||
enriched = build_feature_matrix(
|
||
candles, rules, DerivativesConfig(enabled=True), series_for(candles)
|
||
)
|
||
assert plain.values.shape[1] == 18
|
||
assert enriched.values.shape[1] == 22
|
||
assert np.allclose(plain.values, enriched.values[:, :18]), "Basismerkmale dürfen sich nicht ändern"
|
||
|
||
|
||
def test_funding_is_converted_to_basis_points(candles, rules):
|
||
matrix = build_feature_matrix(
|
||
candles, rules, DerivativesConfig(enabled=True), series_for(candles, funding=0.0003)
|
||
)
|
||
snapshot = matrix.snapshot(-1).as_dict()
|
||
assert snapshot["funding_bps"] == pytest.approx(3.0) # 0,03 % = 3 bps
|
||
assert snapshot["funding_trend"] == pytest.approx(0.0, abs=1e-9) # konstant, kein Trend
|
||
|
||
|
||
def test_rising_open_interest_shows_up_as_positive_change(candles, rules):
|
||
matrix = build_feature_matrix(
|
||
candles, rules, DerivativesConfig(enabled=True), series_for(candles, oi_growth=0.5)
|
||
)
|
||
assert matrix.snapshot(-1).as_dict()["oi_change"] > 0
|
||
|
||
|
||
def test_divergence_sign_follows_open_interest(rules):
|
||
up = make_candles(n=400, trend=0.002, noise=0.0002, seed=3)
|
||
rising = build_feature_matrix(
|
||
up, rules, DerivativesConfig(enabled=True), series_for(up, oi_growth=0.5)
|
||
).snapshot(-1).as_dict()
|
||
falling = build_feature_matrix(
|
||
up, rules, DerivativesConfig(enabled=True), series_for(up, oi_growth=-0.3)
|
||
).snapshot(-1).as_dict()
|
||
# Steigender Kurs mit steigendem OI = neue Positionen, mit fallendem OI = Glattstellung.
|
||
assert rising["oi_price_divergence"] > 0
|
||
assert falling["oi_price_divergence"] < 0
|
||
|
||
|
||
def test_missing_series_keeps_the_dimension_stable(candles, rules):
|
||
"""Fällt die Datenquelle aus, bleiben die Spalten erhalten – neutral gefüllt."""
|
||
matrix = build_feature_matrix(candles, rules, DerivativesConfig(enabled=True), None)
|
||
assert matrix.values.shape[1] == 22
|
||
assert np.isfinite(matrix.values).all()
|
||
snapshot = matrix.snapshot(-1).as_dict()
|
||
assert snapshot["funding_bps"] == 0.0
|
||
assert snapshot["oi_change"] == 0.0
|
||
|
||
|
||
def test_values_stay_within_the_clip_limit(candles, rules):
|
||
"""Auch absurde Terminmarktwerte dürfen die Normierung nicht sprengen."""
|
||
n = len(candles)
|
||
extreme = DerivativeSeries(
|
||
symbol=candles.symbol,
|
||
timestamp=candles.timestamp,
|
||
funding_rate=np.full(n, 0.75), # 7500 bps
|
||
open_interest=np.geomspace(1.0, 1e9, n),
|
||
funding_coverage=1.0,
|
||
oi_coverage=1.0,
|
||
)
|
||
matrix = build_feature_matrix(candles, rules, DerivativesConfig(enabled=True), extreme)
|
||
assert np.abs(matrix.values).max() <= 8.0
|
||
assert np.isfinite(matrix.values).all()
|
||
|
||
|
||
# ---------------------------------------------------------- Ausfallverhalten
|
||
|
||
|
||
class FlakyExchange:
|
||
"""Börse, die für Funding funktioniert und bei Open Interest scheitert."""
|
||
|
||
rateLimit = 0
|
||
|
||
def __init__(self, funding_rows=None):
|
||
self.funding_rows = funding_rows or []
|
||
self.oi_calls = 0
|
||
|
||
async def fetch_funding_rate_history(self, symbol, since=None, limit=None):
|
||
rows = [r for r in self.funding_rows if since is None or r["timestamp"] >= since]
|
||
return rows[:limit] if limit else rows
|
||
|
||
async def fetch_open_interest_history(self, symbol, timeframe, since=None, limit=None):
|
||
self.oi_calls += 1
|
||
raise RuntimeError("startTime is invalid")
|
||
|
||
async def close(self):
|
||
return None
|
||
|
||
|
||
async def test_failing_source_is_recorded_not_raised(candles):
|
||
start = int(candles.timestamp[0])
|
||
rows = [{"timestamp": start - 3_600_000, "fundingRate": 0.0002}]
|
||
provider = DerivativesProvider(FlakyExchange(rows), DerivativesConfig(enabled=True))
|
||
|
||
series = await provider.series_for(candles)
|
||
|
||
assert series.funding_coverage == 1.0
|
||
assert series.oi_coverage == 0.0
|
||
assert any("open_interest" in key for key in provider.failures)
|
||
assert provider.snapshot()["failures"]
|
||
|
||
|
||
async def test_provider_returns_empty_series_for_empty_candles():
|
||
blank = Candles.from_rows("BTC/USDT", "5m", [])
|
||
provider = DerivativesProvider(FlakyExchange(), DerivativesConfig(enabled=True))
|
||
series = await provider.series_for(blank)
|
||
assert series.timestamp.size == 0
|
||
assert not series.usable
|
||
|
||
|
||
async def test_incremental_fetch_does_not_refetch_everything(candles):
|
||
start = int(candles.timestamp[0])
|
||
rows = [{"timestamp": start - 3_600_000 + i * 8 * 3_600_000, "fundingRate": 0.0001}
|
||
for i in range(4)]
|
||
|
||
class Counting(FlakyExchange):
|
||
def __init__(self, rows):
|
||
super().__init__(rows)
|
||
self.funding_calls = 0
|
||
|
||
async def fetch_funding_rate_history(self, symbol, since=None, limit=None):
|
||
self.funding_calls += 1
|
||
return await super().fetch_funding_rate_history(symbol, since, limit)
|
||
|
||
exchange = Counting(rows)
|
||
provider = DerivativesProvider(exchange, DerivativesConfig(enabled=True, open_interest=False))
|
||
await provider.series_for(candles)
|
||
first = exchange.funding_calls
|
||
await provider.series_for(candles)
|
||
assert exchange.funding_calls - first <= 1, "der zweite Lauf darf nur nachladen"
|
||
|
||
|
||
# -------------------------------------------------------------- Konfiguration
|
||
|
||
|
||
def test_derivatives_switches_require_a_restart():
|
||
from trademind.config import requires_restart
|
||
|
||
for path in ("strategy.derivatives.enabled", "strategy.derivatives.funding_rate",
|
||
"strategy.derivatives.open_interest"):
|
||
assert requires_restart(path), f"{path} ändert die Modelldimension"
|
||
|
||
|
||
def test_derivatives_are_off_by_default():
|
||
assert Config().strategy.derivatives.enabled is False
|