2026-06-17 07:45:46 +00:00
|
|
|
|
# PaPP v2 — Fase 3: classificatore extra-rendimento (architettura)
|
|
|
|
|
|
|
|
|
|
|
|
Architettura del modello che prova a prevedere, al momento di un incrocio, se
|
|
|
|
|
|
l'**extra-rendimento a 10 giorni** (rispetto alla baseline dello stesso regime)
|
|
|
|
|
|
sarà **positivo o no**. È lo scheletro modulare della Fase 3, già pronto per
|
|
|
|
|
|
l'export ONNX della Fase 4.
|
|
|
|
|
|
|
|
|
|
|
|
> Stato: **scaffolding funzionante end-to-end**. Il modello di riferimento è un
|
|
|
|
|
|
> baseline volutamente semplice; i risultati attuali confermano che l'edge è
|
|
|
|
|
|
> debole (vedi sotto) e indicano dove migliorare. L'obiettivo di questa cartella
|
|
|
|
|
|
> è la **struttura**, non ancora un modello ottimizzato.
|
|
|
|
|
|
|
|
|
|
|
|
---
|
|
|
|
|
|
|
|
|
|
|
|
## 1. Idea e target
|
|
|
|
|
|
|
|
|
|
|
|
- **Target** (binario): `1` se `extra-rendimento a 10g > 0`, altrimenti `0`, dove
|
|
|
|
|
|
`extra = cret_10(incrocio) − media cret_10 della baseline nello stesso regime`.
|
|
|
|
|
|
- **Regime** = `trend (sopra/sotto MA365) × tercile(cluster) × tercile(velocità)`.
|
|
|
|
|
|
- **Feature** (solo informazioni note all'incrocio, nessun esito futuro):
|
|
|
|
|
|
`dist_med_pct, cluster_pct, cluster_exp, slope_a, slope_b, vel_med, acc_med,
|
|
|
|
|
|
vol_med` (numeriche) + `pair, dir, trend, dow, month` (categoriche).
|
|
|
|
|
|
|
|
|
|
|
|
### Niente leakage (punto chiave)
|
|
|
|
|
|
Terzili del regime e medie di baseline sono stimati **solo sul training**
|
|
|
|
|
|
(`labeling.RegimeBaseline.fit`) e applicati a validazione/OOS. Così la label di
|
|
|
|
|
|
test non usa mai informazione futura.
|
|
|
|
|
|
|
|
|
|
|
|
---
|
|
|
|
|
|
|
|
|
|
|
|
## 2. Validazione
|
|
|
|
|
|
|
|
|
|
|
|
- **Walk-forward espansivo**: train = tutti gli anni fino a T, test = anno T+1,
|
|
|
|
|
|
scorrendo T (configurabile `min_train_years`, `step_years`).
|
|
|
|
|
|
- **Hold-out OOS**: tutti gli anni `>= oos_start_year` (default **2020**) sono
|
|
|
|
|
|
tenuti fuori dal training e usati solo alla fine.
|
|
|
|
|
|
|
|
|
|
|
|
Metriche (`evaluate.py`): AUC, accuracy, Brier, e **precisione/lift sul decile a
|
|
|
|
|
|
probabilità più alta** (uso pratico: si opera solo sui segnali più forti).
|
|
|
|
|
|
|
|
|
|
|
|
---
|
|
|
|
|
|
|
|
|
|
|
|
## 3. Struttura
|
|
|
|
|
|
|
|
|
|
|
|
```
|
|
|
|
|
|
Modello/
|
|
|
|
|
|
├── config.yaml tutti i parametri (target, regime, feature, split, modello)
|
|
|
|
|
|
├── requirements.txt
|
|
|
|
|
|
├── src/
|
|
|
|
|
|
│ ├── data.py caricamento CSV + etichetta di regime
|
|
|
|
|
|
│ ├── labeling.py RegimeBaseline: baseline per regime e target (fit su train)
|
|
|
|
|
|
│ ├── features.py ColumnTransformer (one-hot + impute), selezione X
|
|
|
|
|
|
│ ├── splits.py split OOS + walk-forward espansivo
|
|
|
|
|
|
│ ├── model.py factory modello (hist_gbdt | logistic)
|
|
|
|
|
|
│ ├── evaluate.py metriche
|
|
|
|
|
|
│ └── train.py pipeline end-to-end
|
|
|
|
|
|
├── results/ metriche walk-forward + OOS (modello .joblib non versionato)
|
|
|
|
|
|
└── data/ i 2 CSV di input (non versionati)
|
|
|
|
|
|
```
|
|
|
|
|
|
|
|
|
|
|
|
## 4. Come eseguire
|
|
|
|
|
|
|
|
|
|
|
|
```bash
|
|
|
|
|
|
pip install -r requirements.txt
|
|
|
|
|
|
# copia i 2 CSV in ./data (vedi data/README.md), poi:
|
|
|
|
|
|
cd src
|
|
|
|
|
|
python train.py # usa ../config.yaml
|
2026-06-17 07:48:33 +00:00
|
|
|
|
python selftest.py # verifiche di correttezza (reproducibilita', anti-leakage, varianti)
|
2026-06-17 07:45:46 +00:00
|
|
|
|
```
|
|
|
|
|
|
|
|
|
|
|
|
## 5. Risultati attuali (EURUSD, hold-out 2020+)
|
|
|
|
|
|
|
|
|
|
|
|
Con il baseline `hist_gbdt` e tutte le coppie:
|
|
|
|
|
|
- walk-forward medio **AUC ≈ 0.51**, OOS 2020+ **AUC ≈ 0.52**, lift sul decile ≈ 1.0×.
|
|
|
|
|
|
|
|
|
|
|
|
Lettura onesta: **vicino al caso**. È coerente con la Fase 2 (edge direzionali
|
|
|
|
|
|
piccoli) e ci dà un riferimento pulito e senza leakage da cui partire.
|
|
|
|
|
|
|
|
|
|
|
|
## 6. Prossimi miglioramenti previsti
|
|
|
|
|
|
|
|
|
|
|
|
- **Restringere ai pattern robusti** (q<0.10): in `config.yaml` valorizzare
|
|
|
|
|
|
`restrict_pairs` con gli incroci MA121/MA182/MA365 emersi in Fase 2.
|
|
|
|
|
|
- **Target alternativi**: classificare solo le code (es. extra nel top/bottom 30%)
|
|
|
|
|
|
invece del semplice segno; oppure regressione sull'extra-rendimento.
|
|
|
|
|
|
- **Feature aggiuntive**: percentile storico delle metriche (come nel pannello),
|
|
|
|
|
|
interazioni coppia×regime, stato di mean-reversion in corso.
|
|
|
|
|
|
- **Calibrazione** delle probabilità e scelta soglia per massimizzare la
|
|
|
|
|
|
precisione sui segnali operativi.
|
|
|
|
|
|
- **Fase 4**: export del `Pipeline` in **ONNX** (skl2onnx) e inferenza in MT5.
|
