diff --git "a/app.py" "b/app.py"
deleted file mode 100644--- "a/app.py"
+++ /dev/null
@@ -1,2206 +0,0 @@
-"""
-OKX QUANT TERMINAL · v2 — ELITE SIGNAL ENGINE
-Hedge-fund-style crypto market analytics dashboard built on Gradio.
-
-Uses ONLY OKX's public (unauthenticated) market-data REST API:
- - /api/v5/market/candles
- - /api/v5/market/ticker
- - /api/v5/market/tickers
- - /api/v5/market/books
- - /api/v5/public/funding-rate (türev duyarlılığı, isteğe bağlı)
- - /api/v5/public/liquidation-orders (zorunlu tasfiye/likidasyon kümeleri, isteğe bağlı)
-
-No API key, no order placement, no account access. This is a read-only
-analytics / signal-generation terminal, not an execution bot.
-
-v2 SİNYAL MOTORU — YENİLİKLER
- * Yeni faktörler: Supertrend, Ichimoku bulutu, Donchian kırılımı (hacim teyitli),
- piyasa yapısı (HH/HL – LH/LL), CMF, MFI, mum formasyonları, Bollinger/Keltner sıkışması
- * Rejim ağırlıkları artık ADX ile SÜREKLİ (yumuşak) geçiş yapar (eski: sert eşik)
- * Skor tanh ile ±10'a yumuşak sıkıştırılır; "GÜÇLÜ" sinyal için faktör konsensüsü + MTF şartı
- * 2 kademeli çoklu zaman dilimi (MTF) teyidi
- * Canlı mikro-yapı katmanı: emir defteri dengesizliği, funding rate, yakın destek/direnç
- * Yapısal (S/R) stop + ATR stop, 3 kademeli hedef, hesap büyüklüğüne göre pozisyon boyutu
- * Gerçek işlem simülasyonu (SL/TP/zaman çıkışı + komisyon): kazanma oranı, profit factor,
- beklenti, R çarpanı, SQN, drawdown, Al&Tut karşılaştırması, yarım-Kelly risk önerisi
- * Bileşenli GÜVEN skoru + A+ … D kalite notu, faktör katkı grafiği, sinyal işaretli fiyat grafiği
- * "Sadece kapanmış mumlar" modu (repaint yok), veri önbelleği, paralel veri çekimi
-
-v3 SERT FİLTRELER — YÖN İSABETİNİ ARTIRMAYA YÖNELİK (sinyal sayısını azaltıp kaliteyi artırır)
- * Rejim kapısı: ADX çok düşükken (belirgin trend yok) sinyal üretilmez
- * Konsensüs kapısı: T/R faktörleri yeterince aynı yönde değilse (agree < eşik) sinyal BEKLE'ye düşer
- * MTF sert kapısı: üst zaman dilimi net ters yöndeyse normal AL/SAT bile filtrelenir (GÜÇLÜ hariç)
- * Emir defteri kapısı: defter sinyale güçlü ters yöndeyse sinyal filtrelenir
- * Rejim + konsensüs kapıları canlı sinyal İLE backtest'te AYNI fonksiyonla uygulanır (tutarlılık)
- * Backtest artık ilk-yarı/ikinci-yarı isabet oranını karşılaştırıp tutarsızlığı (rejim kayması /
- olası aşırı-uyum) işaretliyor ve güven skorunu buna göre düşürüyor
- * NOT: Bu filtreler sinyal kalitesini yükseltir ama hiçbir kombinasyon sürekli %80 isabeti garanti
- edemez; kripto gibi gürültülü piyasalarda %55-60 tutarlı isabet + iyi R:R zaten güçlü kabul edilir
-
-v5 LİKİDASYON KÜMELERİ — OKX genel /liquidation-orders uç noktasından (anahtarsız) son
- zorunlu tasfiyeler çekilir, fiyat eksenine göre kümelenir (bucket) ve:
- * Yakın zamanda ağır basan taraf (long/short tasfiye dengesizliği) kontraryen bir
- momentum ipucu olarak kompozit skora küçük bir katkı yapar (funding ile aynı mantık)
- * Fiyata yakın büyük kümeler grafikte ve "PİYASA BAĞLAMI"/"LİKİDASYON KÜMELERİ"
- kartlarında olası likidite/oynaklık bölgeleri olarak gösterilir (skoru etkilemez)
- * Bu katman da MTF/emir defteri/funding gibi CANLIDIR, geçmişe (backtest'e) uygulanmaz
-"""
-
-import math
-import threading
-import time
-from concurrent.futures import ThreadPoolExecutor, as_completed
-
-import numpy as np
-import pandas as pd
-import plotly.graph_objects as go
-from plotly.subplots import make_subplots
-import requests
-import gradio as gr
-
-try: # Hugging Face Spaces (ZeroGPU) — yerelde yoksa sessizce atla
- import spaces
- _gpu = spaces.GPU(duration=30)
-except Exception:
- def _gpu(fn):
- return fn
-
-# ---------------------------------------------------------------------------
-# CONFIG
-# ---------------------------------------------------------------------------
-OKX_BASE = "https://www.okx.com"
-TIMEOUT = 10
-CACHE_TTL = 8 # saniye — aynı mum verisini sekmeler arasında tekrar çekmemek için
-
-POPULAR_SYMBOLS = [
- "BTC-USDT", "ETH-USDT", "SOL-USDT", "BNB-USDT", "XRP-USDT",
- "DOGE-USDT", "ADA-USDT", "AVAX-USDT", "LINK-USDT", "TON-USDT",
- "TRX-USDT", "DOT-USDT", "MATIC-USDT", "LTC-USDT", "NEAR-USDT",
- "SUI-USDT", "APT-USDT", "ARB-USDT", "OP-USDT", "INJ-USDT",
-]
-
-BAR_OPTIONS = ["1m", "3m", "5m", "15m", "30m", "1H", "2H", "4H", "6H", "12H", "1D", "1W"]
-
-# approximate periods-per-year for each bar size, used to annualize risk stats
-BAR_TO_PERIODS_PER_YEAR = {
- "1m": 365 * 24 * 60, "3m": 365 * 24 * 20, "5m": 365 * 24 * 12,
- "15m": 365 * 24 * 4, "30m": 365 * 24 * 2, "1H": 365 * 24,
- "2H": 365 * 12, "4H": 365 * 6, "6H": 365 * 4, "12H": 365 * 2,
- "1D": 365, "1W": 52,
-}
-
-CHART_BG = "#0a0e14"
-
-# her zaman dilimi için "bir üst" zaman dilimi -> çoklu zaman dilimi (MTF) teyidi için
-MTF_MAP = {
- "1m": "15m", "3m": "30m", "5m": "1H", "15m": "4H", "30m": "4H",
- "1H": "4H", "2H": "1D", "4H": "1D", "6H": "1D", "12H": "1W",
- "1D": "1W", "1W": "1W",
-}
-SLOW_BARS = {"4H", "6H", "12H", "1D", "1W"} # bu vadelerde emir defteri etkisi yarıya iner
-
-# --- Sinyal motoru parametreleri ---
-SIGNAL_THRESHOLD = 2.0 # |skor| >= bu değer -> AL / SAT
-STRONG_THRESHOLD = 4.5 # |skor| >= bu değer + konsensüs -> GÜÇLÜ
-WARMUP_BARS = 80 # Ichimoku (52+26) ısınması için minimum bar
-BACKTEST_LOOKBACK = 220 # walk-forward test penceresi (bar)
-SL_ATR, TP_ATR = 1.5, 2.5 # backtest ve varsayılan işlem planı (ATR çarpanları)
-MAX_HOLD_BARS = 24 # zaman çıkışı
-FEE_PER_SIDE = 0.001 # OKX spot taker ≈ %0.1 / yön
-TP_R_MULTIPLES = (TP_ATR / SL_ATR, 2.5, 4.0) # TP1/TP2/TP3 (R cinsinden)
-
-# --- v3 SERT FİLTRELER (gate) — düşük kaliteli sinyalleri eleyerek isabet oranını artırır ---
-# Not: bu eşikler sinyal SAYISINI azaltır, isabet oranını yükseltmeye çalışır. %80 gibi bir
-# oranın SÜREKLİ garanti edilebileceği bir gösterge kombinasyonu yoktur; bu filtreler sadece
-# düşük güvenilirlikli barları "BEKLE/NÖTR"e çevirerek kalan sinyallerin ortalama kalitesini yükseltir.
-MIN_REGIME_ADX = 12 # ADX bu değerin altında ve sıkışma yoksa -> belirgin trend yok, sinyal verilmez
-MIN_AGREE_FOR_SIGNAL = 0.55 # faktör konsensüsü (agree) bu oranın altındaysa sinyal BEKLE'ye düşer
-MTF_HARD_GATE = True # üst zaman dilimi (mtf1) net ters yöndeyse normal AL/SAT bile filtrelenir
-OB_HARD_GATE_IMB = 0.35 # emir defteri dengesizliği sinyale bu kadar ters ve güçlüyse sinyal filtrelenir
-STABILITY_MIN_SAMPLES = 12 # ilk-yarı/ikinci-yarı isabet stabilite kontrolü için min. sinyal sayısı
-STABILITY_MAX_GAP = 0.30 # iki yarı arasındaki isabet farkı bunu aşarsa "tutarsız" (rejim kayması) işaretlenir
-
-# --- v4 SİNİR AĞI (hafif, NumPy-only MLP) — kompozit skora öğrenilmiş bir yön-olasılığı katmanı ekler ---
-NN_HIDDEN = 12 # gizli katman nöron sayısı
-NN_EPOCHS = 300 # tam-batch gradient descent iterasyonu
-NN_LR = 0.05 # öğrenme oranı
-NN_L2 = 1e-3 # L2 düzenlileştirme (ezberlemeyi azaltmak için)
-NN_FORWARD = 5 # etiket ufku: forward bar sonra yön yukarı mı aşağı mı (directional_accuracy ile aynı)
-NN_MIN_TRAIN = 60 # bu kadar eğitim örneği altında model hiç kullanılmaz (güvenilmez)
-NN_WEIGHT = 1.6 # NN'in kompozit skora katkısının maksimum büyüklüğü (diğer faktörlerle aynı ölçek)
-NN_GATE_STRENGTH = 0.5 # NN, sinyale bu kadar (0-1) güçlü ters düşerse sinyal sert filtreyle elenir
-NN_CACHE_TTL = 45 # saniye — aynı (sembol, bar) için modeli bu süre boyunca yeniden eğitme
-
-# --- v5 LİKİDASYON KÜMELERİ — zorunlu tasfiye (liquidation) akışını sinyal motoruna ekler ---
-# OKX'in genel (public) /liquidation-orders uç noktası kullanılır; anahtar gerekmez, sadece
-# son birkaç günün "filled" (gerçekleşmiş) tasfiyelerini döndürür. Bu veriyle fiyat eksenine
-# göre kümeler (bucket) oluşturulur: her kümenin toplam nominal büyüklüğü ve long/short yönü
-# hesaplanır. Kullanım alanları:
-# 1) Yakın zamanda ağır basan taraf (long mu short mu tasfiye oldu) kontraryen bir momentum
-# ipucu olarak kompozit skora küçük bir katkı yapar (funding rate mantığıyla tutarlı).
-# 2) Fiyata yakın büyük kümeler potansiyel mıknatıs/likidite bölgesi olarak S/R gibi
-# grafikte ve bağlam kartlarında gösterilir (skora doğrudan etki etmez, bilgi amaçlıdır).
-LIQ_INST_TYPE = "SWAP" # tasfiye verisi sadece türev ürünlerde vardır (spot sembolün SWAP karşılığı kullanılır)
-LIQ_LOOKBACK = 100 # API'den istenecek maksimum tasfiye kaydı
-LIQ_CACHE_TTL = 20 # saniye — aynı sembol için tasfiye verisini bu süre boyunca yeniden çekme
-LIQ_CLUSTER_BINS = 40 # fiyat aralığının kaç dilime bölünerek kümeleneceği
-LIQ_CLUSTER_MAX_LEVELS = 6 # gösterilecek/en büyük kaç küme tutulsun
-LIQ_MIN_TOTAL_NOTIONAL = 5000 # bu tutarın (USDT) altındaki toplam tasfiye hacmi anlamsız kabul edilip atlanır
-LIQ_IMBALANCE_MIN = 0.25 # long/short tasfiye dengesizliği bu eşiği aşarsa skora katkı yapılır
-LIQ_IMBALANCE_WEIGHT = 1.2 # dengesizliğin skora katkısının maksimum büyüklüğü
-LIQ_PROXIMITY_ATR = 1.2 # fiyata bu kadar ATR mesafedeki kümeler "yakın" kabul edilir (bağlam/grafik için)
-
-
-# ---------------------------------------------------------------------------
-# OKX PUBLIC API WRAPPERS (önbellek + yeniden deneme)
-# ---------------------------------------------------------------------------
-_CACHE = {}
-_CACHE_LOCK = threading.Lock()
-
-
-def _cached(key, ttl, loader):
- now = time.time()
- with _CACHE_LOCK:
- hit = _CACHE.get(key)
- if hit and now - hit[0] < ttl:
- return hit[1]
- val = loader()
- with _CACHE_LOCK:
- _CACHE[key] = (time.time(), val)
- if len(_CACHE) > 200: # eski kayıtları buda
- for k in sorted(_CACHE, key=lambda x: _CACHE[x][0])[:60]:
- _CACHE.pop(k, None)
- return val
-
-
-def _get(path, params=None, retries=2):
- for attempt in range(retries + 1):
- try:
- r = requests.get(f"{OKX_BASE}{path}", params=params, timeout=TIMEOUT)
- r.raise_for_status()
- data = r.json()
- code = str(data.get("code"))
- if code == "50011" and attempt < retries: # OKX rate-limit
- time.sleep(0.5 * (attempt + 1))
- continue
- if code != "0":
- raise RuntimeError(data.get("msg") or "OKX API hata döndürdü.")
- return data["data"]
- except requests.exceptions.RequestException as e:
- if attempt < retries:
- time.sleep(0.3 * (attempt + 1))
- continue
- raise RuntimeError(f"Ağ hatası: {e}")
-
-
-def fetch_candles(inst_id, bar="1H", limit=300):
- def _load():
- raw = _get("/api/v5/market/candles", {"instId": inst_id, "bar": bar, "limit": limit})
- if not raw:
- raise RuntimeError(f"{inst_id} için mum verisi bulunamadı (sembolü kontrol edin).")
- cols = ["ts", "o", "h", "l", "c", "vol", "volCcy", "volCcyQuote", "confirm"]
- df = pd.DataFrame(raw, columns=cols)
- for c in ["o", "h", "l", "c", "vol"]:
- df[c] = df[c].astype(float)
- df["confirm"] = df["confirm"].astype(int)
- df["ts"] = pd.to_datetime(df["ts"].astype(np.int64), unit="ms")
- return df.sort_values("ts").reset_index(drop=True)
-
- return _cached(("candles", inst_id, bar, limit), CACHE_TTL, _load).copy()
-
-
-def fetch_ticker(inst_id):
- raw = _get("/api/v5/market/ticker", {"instId": inst_id})
- return raw[0] if raw else {}
-
-
-def fetch_all_tickers(inst_type="SPOT"):
- return _cached(("tickers", inst_type), 20, lambda: _get("/api/v5/market/tickers", {"instType": inst_type}))
-
-
-def fetch_orderbook(inst_id, depth=20):
- raw = _get("/api/v5/market/books", {"instId": inst_id, "sz": depth})
- return raw[0] if raw else {}
-
-
-def fetch_funding_rate(inst_id):
- """Spot paritenin (BTC-USDT) sürekli vadeli karşılığının (BTC-USDT-SWAP) funding oranı."""
- parts = inst_id.split("-")
- if len(parts) != 2:
- return None
- raw = _get("/api/v5/public/funding-rate", {"instId": f"{inst_id}-SWAP"})
- if not raw:
- return None
- return float(raw[0].get("fundingRate") or 0.0)
-
-
-def fetch_liquidation_orders(inst_id, inst_type=LIQ_INST_TYPE, state="filled", limit=LIQ_LOOKBACK):
- """Son zorunlu tasfiye (liquidation) emirlerini OKX genel API'sinden çeker.
- Anahtar gerektirmez; sadece son birkaç günü kapsayan sınırlı bir geçmiş döner.
- Spot sembolün (ör. BTC-USDT) türev karşılığı (uly) üzerinden sorgulanır."""
- parts = inst_id.split("-")
- if len(parts) != 2:
- return []
-
- def _load():
- uly = f"{parts[0]}-{parts[1]}"
- try:
- raw = _get("/api/v5/public/liquidation-orders",
- {"instType": inst_type, "uly": uly, "state": state, "limit": limit})
- except Exception:
- return []
- out = []
- for grp in raw or []:
- for d in grp.get("details", []) or []:
- try:
- px = float(d.get("bkPx") or 0)
- sz = float(d.get("sz") or 0)
- except (TypeError, ValueError):
- continue
- if px <= 0 or sz <= 0:
- continue
- out.append({
- "px": px, "sz": sz,
- "side": d.get("side"), # 'sell' -> long tasfiyesi, 'buy' -> short tasfiyesi
- "pos_side": d.get("posSide"),
- "ts": int(d.get("ts") or 0),
- })
- return out
-
- return _cached(("liq", inst_id, inst_type, state), LIQ_CACHE_TTL, _load)
-
-
-# ---------------------------------------------------------------------------
-# TECHNICAL INDICATORS
-# ---------------------------------------------------------------------------
-def ema(s, p):
- return s.ewm(span=p, adjust=False).mean()
-
-
-def sma(s, p):
- return s.rolling(p).mean()
-
-
-def rsi(s, p=14):
- d = s.diff()
- gain = d.clip(lower=0)
- loss = -d.clip(upper=0)
- ag = gain.ewm(alpha=1 / p, adjust=False).mean()
- al = loss.ewm(alpha=1 / p, adjust=False).mean()
- rs = ag / al.replace(0, np.nan)
- return (100 - 100 / (1 + rs)).fillna(50)
-
-
-def macd(s, fast=12, slow=26, signal=9):
- line = ema(s, fast) - ema(s, slow)
- sig = ema(line, signal)
- return line, sig, line - sig
-
-
-def bollinger(s, p=20, k=2):
- mid = sma(s, p)
- std = s.rolling(p).std()
- return mid + k * std, mid, mid - k * std
-
-
-def atr(df, p=14):
- h, l, c = df["h"], df["l"], df["c"]
- pc = c.shift(1)
- tr = pd.concat([h - l, (h - pc).abs(), (l - pc).abs()], axis=1).max(axis=1)
- return tr.ewm(alpha=1 / p, adjust=False).mean()
-
-
-def stochastic(df, k_p=14, d_p=3):
- lo = df["l"].rolling(k_p).min()
- hi = df["h"].rolling(k_p).max()
- k = 100 * (df["c"] - lo) / (hi - lo).replace(0, np.nan)
- d = k.rolling(d_p).mean()
- return k.fillna(50), d.fillna(50)
-
-
-def vwap_window(df):
- tp = (df["h"] + df["l"] + df["c"]) / 3
- return (tp * df["vol"]).cumsum() / df["vol"].cumsum().replace(0, np.nan)
-
-
-def adx(df, p=14):
- """ADX + yönsel indikatörler (+DI / -DI). Trend gücünü ölçer (0-100)."""
- h, l, c = df["h"], df["l"], df["c"]
- up_move = h.diff()
- down_move = -l.diff()
- plus_dm = np.where((up_move > down_move) & (up_move > 0), up_move, 0.0)
- minus_dm = np.where((down_move > up_move) & (down_move > 0), down_move, 0.0)
- tr = pd.concat([h - l, (h - c.shift(1)).abs(), (l - c.shift(1)).abs()], axis=1).max(axis=1)
- atr_ = tr.ewm(alpha=1 / p, adjust=False).mean()
- plus_di = 100 * pd.Series(plus_dm, index=df.index).ewm(alpha=1 / p, adjust=False).mean() / atr_.replace(0, np.nan)
- minus_di = 100 * pd.Series(minus_dm, index=df.index).ewm(alpha=1 / p, adjust=False).mean() / atr_.replace(0, np.nan)
- dx = ((plus_di - minus_di).abs() / (plus_di + minus_di).replace(0, np.nan)) * 100
- adx_ = dx.ewm(alpha=1 / p, adjust=False).mean()
- return adx_.fillna(0), plus_di.fillna(0), minus_di.fillna(0)
-
-
-def obv(df):
- """On-Balance Volume: hacmin fiyat yönüyle kümülatif toplamı."""
- direction = np.sign(df["c"].diff()).fillna(0)
- return (direction * df["vol"]).cumsum()
-
-
-def supertrend(df, period=10, mult=3.0):
- """Supertrend: ATR bantlı trend takipçisi. dir=+1 yükseliş, -1 düşüş. (nedensel, geleceğe bakmaz)"""
- h, l, c = df["h"].to_numpy(), df["l"].to_numpy(), df["c"].to_numpy()
- a = atr(df, period).to_numpy()
- hl2 = (h + l) / 2
- ub, lb = hl2 + mult * a, hl2 - mult * a
- n = len(c)
- fub, flb = ub.copy(), lb.copy()
- direction = np.ones(n)
- line = np.full(n, np.nan)
- if n:
- line[0] = flb[0]
- for i in range(1, n):
- fub[i] = ub[i] if (ub[i] < fub[i - 1] or c[i - 1] > fub[i - 1]) else fub[i - 1]
- flb[i] = lb[i] if (lb[i] > flb[i - 1] or c[i - 1] < flb[i - 1]) else flb[i - 1]
- if c[i] > fub[i - 1]:
- direction[i] = 1
- elif c[i] < flb[i - 1]:
- direction[i] = -1
- else:
- direction[i] = direction[i - 1]
- line[i] = flb[i] if direction[i] == 1 else fub[i]
- return pd.Series(line, index=df.index), pd.Series(direction, index=df.index)
-
-
-def ichimoku(df):
- """Tenkan/Kijun + bulut. Bulut, 26 bar önce hesaplanan Senkou A/B'nin bugüne kaydırılmış halidir
- (yani nedensel: gelecek veri kullanılmaz)."""
- h, l = df["h"], df["l"]
- tenkan = (h.rolling(9).max() + l.rolling(9).min()) / 2
- kijun = (h.rolling(26).max() + l.rolling(26).min()) / 2
- span_a = (tenkan + kijun) / 2
- span_b = (h.rolling(52).max() + l.rolling(52).min()) / 2
- return tenkan, kijun, span_a.shift(26), span_b.shift(26)
-
-
-def mfi(df, p=14):
- """Money Flow Index: hacim ağırlıklı RSI."""
- tp = (df["h"] + df["l"] + df["c"]) / 3
- rmf = tp * df["vol"]
- d = tp.diff()
- pos = rmf.where(d > 0, 0.0).rolling(p).sum()
- neg = rmf.where(d < 0, 0.0).rolling(p).sum()
- out = 100 - 100 / (1 + pos / neg.replace(0, np.nan))
- out = out.where(~((neg == 0) & (pos > 0)), 100.0)
- return out.fillna(50)
-
-
-def cmf(df, p=20):
- """Chaikin Money Flow: kapanışın bar aralığındaki konumuna göre hacim akışı (-1..+1)."""
- rng = (df["h"] - df["l"]).replace(0, np.nan)
- mfm = ((df["c"] - df["l"]) - (df["h"] - df["c"])) / rng
- mfv = mfm.fillna(0) * df["vol"]
- return (mfv.rolling(p).sum() / df["vol"].rolling(p).sum().replace(0, np.nan)).fillna(0)
-
-
-def market_structure(df, w=10):
- """+1: Higher-High & Higher-Low (yükseliş yapısı), -1: Lower-High & Lower-Low, 0: karışık."""
- hi, lo = df["h"].rolling(w).max(), df["l"].rolling(w).min()
- up = (hi > hi.shift(w)) & (lo > lo.shift(w))
- dn = (hi < hi.shift(w)) & (lo < lo.shift(w))
- return pd.Series(np.where(up, 1.0, np.where(dn, -1.0, 0.0)), index=df.index)
-
-
-def squeeze_indicator(df, ind):
- """TTM tarzı sıkışma: Bollinger bantları Keltner kanalının İÇİNE girerse volatilite sıkışmıştır.
- Dönüş: (sıkışma_açık, son 3 barda sıkışma çözüldü mü, momentum)"""
- kc_mid = ind["ema20"]
- kc_u, kc_l = kc_mid + 1.5 * ind["atr"], kc_mid - 1.5 * ind["atr"]
- on = (ind["bb_lower"] > kc_l) & (ind["bb_upper"] < kc_u)
- release = (~on) & on.shift(1, fill_value=False)
- rel3 = release.astype(float).rolling(3, min_periods=1).max()
- hh, ll = df["h"].rolling(20).max(), df["l"].rolling(20).min()
- mom = df["c"] - ((hh + ll) / 2 + sma(df["c"], 20)) / 2
- return on.astype(float), rel3, mom
-
-
-CANDLE_PATTERNS = [
- ("pat_hammer", "Çekiç", 1),
- ("pat_bull_eng", "Yükseliş Yutan Mum", 1),
- ("pat_morning", "Sabah Yıldızı", 1),
- ("pat_shooting", "Kayan Yıldız", -1),
- ("pat_bear_eng", "Düşüş Yutan Mum", -1),
- ("pat_evening", "Akşam Yıldızı", -1),
-]
-
-
-def candle_patterns(df):
- """Vektörel mum formasyonu tespiti (yalnızca geçmiş barlar kullanılır)."""
- o, h, l, c = df["o"], df["h"], df["l"], df["c"]
- body = (c - o).abs()
- rng = (h - l).replace(0, np.nan)
- upper = h - np.maximum(o, c)
- lower = np.minimum(o, c) - l
- avg_body = body.rolling(10, min_periods=3).mean()
- prior_down = c.shift(1) < c.shift(4)
- prior_up = c.shift(1) > c.shift(4)
-
- hammer = (lower >= 0.6 * rng) & (body <= 0.3 * rng) & (upper <= 0.15 * rng) & prior_down
- shooting = (upper >= 0.6 * rng) & (body <= 0.3 * rng) & (lower <= 0.15 * rng) & prior_up
- bull_eng = ((c.shift(1) < o.shift(1)) & (c > o) & (c >= o.shift(1)) & (o <= c.shift(1))
- & (body > body.shift(1)) & prior_down)
- bear_eng = ((c.shift(1) > o.shift(1)) & (c < o) & (c <= o.shift(1)) & (o >= c.shift(1))
- & (body > body.shift(1)) & prior_up)
- big2 = body.shift(2) > avg_body.shift(2)
- small1 = body.shift(1) < 0.35 * body.shift(2)
- mid2 = (o.shift(2) + c.shift(2)) / 2
- morning = (c.shift(2) < o.shift(2)) & big2 & small1 & (c > o) & (c > mid2)
- evening = (c.shift(2) > o.shift(2)) & big2 & small1 & (c < o) & (c < mid2)
-
- raw = {"pat_hammer": hammer, "pat_shooting": shooting, "pat_bull_eng": bull_eng,
- "pat_bear_eng": bear_eng, "pat_morning": morning, "pat_evening": evening}
- return {k: v.fillna(False).astype(float) for k, v in raw.items()}
-
-
-def find_swings(series, window=3):
- """Yerel tepe/dip (swing high/low) indekslerini bulur."""
- n = len(series)
- highs, lows = [], []
- for i in range(window, n - window):
- seg = series.iloc[i - window:i + window + 1]
- if series.iloc[i] == seg.max():
- highs.append(i)
- if series.iloc[i] == seg.min():
- lows.append(i)
- return highs, lows
-
-
-def detect_divergence(df, ind, lookback=60, window=3):
- """Fiyat ile RSI arasındaki son swing'leri karşılaştırarak klasik uyumsuzluğu tespit eder."""
- n = len(df)
- lb = min(lookback, n)
- close = df["c"].iloc[-lb:].reset_index(drop=True)
- rsi_s = ind["rsi"].iloc[-lb:].reset_index(drop=True)
- highs, lows = find_swings(close, window)
- result = {"bullish": False, "bearish": False}
- if len(highs) >= 2:
- h1, h2 = highs[-2], highs[-1]
- if close.iloc[h2] > close.iloc[h1] and rsi_s.iloc[h2] < rsi_s.iloc[h1]:
- result["bearish"] = True
- if len(lows) >= 2:
- l1, l2 = lows[-2], lows[-1]
- if close.iloc[l2] < close.iloc[l1] and rsi_s.iloc[l2] > rsi_s.iloc[l1]:
- result["bullish"] = True
- return result
-
-
-def find_sr_levels(df, atr_v, window=5, lookback=200, max_levels=4):
- """Swing tepe/diplerini kümeleyerek destek/direnç seviyeleri çıkarır.
- Dönüş: (destekler, dirençler) — her biri [(seviye, temas_sayısı), ...], fiyata yakınlık sırasıyla."""
- sub = df.iloc[-lookback:].reset_index(drop=True)
- highs, _ = find_swings(sub["h"], window)
- _, lows = find_swings(sub["l"], window)
- pts = [float(sub["h"].iloc[i]) for i in highs] + [float(sub["l"].iloc[i]) for i in lows]
- if not pts:
- return [], []
- price = float(df["c"].iloc[-1])
- tol = max(0.6 * (atr_v if atr_v and atr_v > 0 else 0.0), price * 0.002)
- pts.sort()
- clusters, cur = [], [pts[0]]
- for p in pts[1:]:
- if p - float(np.mean(cur)) <= tol:
- cur.append(p)
- else:
- clusters.append(cur)
- cur = [p]
- clusters.append(cur)
- levels = [(float(np.mean(c)), len(c)) for c in clusters]
- supports = sorted([lv for lv in levels if lv[0] < price], key=lambda x: -x[0])[:max_levels]
- resists = sorted([lv for lv in levels if lv[0] > price], key=lambda x: x[0])[:max_levels]
- return supports, resists
-
-
-def compute_liquidation_clusters(liqs, price, atr_v, n_bins=LIQ_CLUSTER_BINS, max_levels=LIQ_CLUSTER_MAX_LEVELS):
- """Ham tasfiye kayıtlarını fiyat eksenine göre kümeler (bucket).
- Her küme için toplam nominal büyüklük (yaklaşık USDT), long/short kırılımı,
- baskın yön (bias: +1 long ağırlıklı, -1 short ağırlıklı) ve fiyata ATR
- cinsinden uzaklık hesaplanır. En büyük `max_levels` küme, büyükten küçüğe
- döner. side='sell' -> zorla satılan pozisyon (long tasfiyesi);
- side='buy' -> zorla alınan pozisyon (short tasfiyesi)."""
- if not liqs or not atr_v or atr_v <= 0:
- return []
- prices = [l["px"] for l in liqs]
- lo, hi = min(prices + [price]), max(prices + [price])
- if hi <= lo:
- return []
- width = (hi - lo) / max(n_bins, 1)
- if width <= 0:
- return []
- buckets = {}
- for l in liqs:
- idx = min(n_bins - 1, max(0, int((l["px"] - lo) / width)))
- b = buckets.setdefault(idx, {"long_notional": 0.0, "short_notional": 0.0, "px_sum": 0.0, "n": 0})
- notional = l["px"] * l["sz"]
- if l["side"] == "sell":
- b["long_notional"] += notional
- else:
- b["short_notional"] += notional
- b["px_sum"] += l["px"]
- b["n"] += 1
- clusters = []
- for b in buckets.values():
- total = b["long_notional"] + b["short_notional"]
- if total < LIQ_MIN_TOTAL_NOTIONAL:
- continue
- mid = b["px_sum"] / b["n"]
- clusters.append({
- "price": mid, "notional": total,
- "long_notional": b["long_notional"], "short_notional": b["short_notional"],
- "bias": (b["long_notional"] - b["short_notional"]) / total,
- "dist_atr": abs(mid - price) / atr_v,
- "n": b["n"],
- })
- clusters.sort(key=lambda c: c["notional"], reverse=True)
- return clusters[:max_levels]
-
-
-def compute_indicators(df):
- close = df["c"]
- ind = {}
- ind["rsi"] = rsi(close)
- ind["macd_line"], ind["macd_signal"], ind["macd_hist"] = macd(close)
- ind["ema20"] = ema(close, 20)
- ind["ema50"] = ema(close, 50)
- ind["ema200"] = ema(close, 200 if len(close) >= 200 else max(5, len(close) // 2))
- ind["bb_upper"], ind["bb_mid"], ind["bb_lower"] = bollinger(close)
- ind["atr"] = atr(df)
- ind["stoch_k"], ind["stoch_d"] = stochastic(df)
- ind["vwap"] = vwap_window(df)
- ind["adx"], ind["plus_di"], ind["minus_di"] = adx(df)
- ind["obv"] = obv(df)
- ind["obv_ema"] = ema(ind["obv"], 20)
- # --- v2 ek faktörler ---
- ind["st_line"], ind["st_dir"] = supertrend(df)
- ind["tenkan"], ind["kijun"], ind["ich_a"], ind["ich_b"] = ichimoku(df)
- ind["mfi"] = mfi(df)
- ind["cmf"] = cmf(df)
- ind["rvol"] = (df["vol"] / sma(df["vol"], 20).replace(0, np.nan)).fillna(1.0)
- ind["dc_hi20"] = df["h"].rolling(20).max().shift(1)
- ind["dc_lo20"] = df["l"].rolling(20).min().shift(1)
- ind["struct"] = market_structure(df)
- ind["sq_on"], ind["sq_rel3"], ind["sq_mom"] = squeeze_indicator(df, ind)
- ind["atr_rank"] = (ind["atr"] / close).rolling(100, min_periods=30).apply(
- lambda x: float((x <= x[-1]).mean()), raw=True).fillna(0.5)
- for name, ser in candle_patterns(df).items():
- ind[name] = ser
- # hızlı, nedensel erişim için numpy önbelleği (backtest döngüsünde .iloc yerine kullanılır)
- arr = {k: v.to_numpy(dtype=float) for k, v in ind.items()}
- for k in ("o", "h", "l", "c", "vol"):
- arr[k] = df[k].to_numpy(dtype=float)
- ind["_arr"] = arr
- return ind
-
-
-# ---------------------------------------------------------------------------
-# COMPOSITE SIGNAL ENGINE v2 (multi-factor, rejim-uyarlamalı, konsensüs filtreli)
-# ---------------------------------------------------------------------------
-def _score_at(ind, i, verbose=False):
- """Çoklu faktör puanlamasını verilen bar indeksinde hesaplar (yalnızca o ana kadarki veri).
-
- İki faktör ailesi vardır:
- T (TREND) : MACD, EMA dizilimi, VWAP, OBV, Supertrend, Ichimoku, Donchian kırılımı,
- piyasa yapısı, CMF, sıkışma kırılımı, ADX/DI yönü
- R (REVERSION) : RSI, Bollinger, Stokastik, MFI, mum formasyonları
-
- ADX'e göre iki ailenin ağırlığı SÜREKLİ olarak kayar (w: 0=yatay … 1=güçlü trend).
- Güçlü trendde karşı-trend (aşırı alım/satım) sinyalleri bastırılır; yatay piyasada trend takibi bastırılır.
- Sonuç, tanh ile ±10 aralığına yumuşak sıkıştırılır.
- Canlı sinyal ve tarihsel backtest AYNI fonksiyonu kullanır (tutarlılık + gelecek sızıntısı yok)."""
- A = ind["_arr"]
- price = A["c"][i]
- items = [] # (etiket, grup, ham_puan, açıklama)
-
- def add(label, group, raw, text):
- items.append((label, group, float(raw), text))
-
- # --- RSI (R) ---
- rsi_v = A["rsi"][i]
- if rsi_v < 30:
- add("RSI", "R", 2, f"RSI aşırı satım bölgesinde ({rsi_v:.1f})")
- elif rsi_v > 70:
- add("RSI", "R", -2, f"RSI aşırı alım bölgesinde ({rsi_v:.1f})")
- else:
- add("RSI", "R", 0, f"RSI nötr bölgede ({rsi_v:.1f})")
-
- # --- MACD histogramı (T) ---
- hist_v = A["macd_hist"][i]
- hist_prev = A["macd_hist"][i - 1] if i > 0 else 0.0
- if hist_v > 0 and hist_v > hist_prev:
- add("MACD", "T", 1.5, "MACD histogramı pozitif ve güçleniyor")
- elif hist_v > 0:
- add("MACD", "T", 0.5, "MACD histogramı pozitif")
- elif hist_v < 0 and hist_v < hist_prev:
- add("MACD", "T", -1.5, "MACD histogramı negatif ve zayıflıyor")
- else:
- add("MACD", "T", -0.5, "MACD histogramı negatif")
-
- # --- EMA dizilimi (T) ---
- e20, e50, e200 = A["ema20"][i], A["ema50"][i], A["ema200"][i]
- if price > e20 > e50 > e200:
- add("EMA Dizilimi", "T", 2, "Güçlü yükseliş trendi (Fiyat > EMA20 > EMA50 > EMA200)")
- elif price > e20 and e20 > e50:
- add("EMA Dizilimi", "T", 1, "Yükseliş trendi (kısa vadeli ortalamaların üzerinde)")
- elif price < e20 < e50 < e200:
- add("EMA Dizilimi", "T", -2, "Güçlü düşüş trendi (Fiyat < EMA20 < EMA50 < EMA200)")
- elif price < e20 and e20 < e50:
- add("EMA Dizilimi", "T", -1, "Düşüş trendi (kısa vadeli ortalamaların altında)")
- else:
- add("EMA Dizilimi", "T", 0, "Trend yatay / belirsiz")
-
- # --- Bollinger konumu (R) ---
- bb_u, bb_l = A["bb_upper"][i], A["bb_lower"][i]
- if bb_u == bb_u and bb_l == bb_l and bb_u != bb_l:
- bb_pos = (price - bb_l) / (bb_u - bb_l)
- if bb_pos < 0.15:
- add("Bollinger", "R", 1, "Fiyat Bollinger alt bandına yakın (olası tepki)")
- elif bb_pos > 0.85:
- add("Bollinger", "R", -1, "Fiyat Bollinger üst bandına yakın (olası tepki)")
-
- # --- Stokastik (R) ---
- k_v = A["stoch_k"][i]
- if k_v < 20:
- add("Stokastik", "R", 1, f"Stokastik aşırı satım bölgesinde ({k_v:.1f})")
- elif k_v > 80:
- add("Stokastik", "R", -1, f"Stokastik aşırı alım bölgesinde ({k_v:.1f})")
-
- # --- MFI (R) ---
- mfi_v = A["mfi"][i]
- if mfi_v < 20:
- add("MFI", "R", 1, f"MFI (hacimli RSI) aşırı satımda ({mfi_v:.1f})")
- elif mfi_v > 80:
- add("MFI", "R", -1, f"MFI (hacimli RSI) aşırı alımda ({mfi_v:.1f})")
-
- # --- Mum formasyonları (R) ---
- hits = []
- for key, name, sgn in CANDLE_PATTERNS:
- if A[key][i] > 0:
- hits.append((name, sgn))
- if hits:
- raw = max(-1.5, min(1.5, float(sum(s for _, s in hits))))
- add("Mum Formasyonu", "R", raw, "Mum formasyonu: " + ", ".join(n for n, _ in hits))
-
- # --- VWAP (T) ---
- vwap_v = A["vwap"][i]
- if vwap_v == vwap_v:
- if price > vwap_v:
- add("VWAP", "T", 0.5, "Fiyat pencere VWAP'ının üzerinde")
- else:
- add("VWAP", "T", -0.5, "Fiyat pencere VWAP'ının altında")
-
- # --- OBV (T) ---
- obv_v, obv_e = A["obv"][i], A["obv_ema"][i]
- if obv_e == obv_e:
- if obv_v > obv_e:
- add("OBV", "T", 0.5, "OBV hacim akışı yükseliş yönünde")
- else:
- add("OBV", "T", -0.5, "OBV hacim akışı düşüş yönünde")
-
- # --- CMF (T) ---
- cmf_v = A["cmf"][i]
- if cmf_v > 0.05:
- add("CMF", "T", 0.5, f"Chaikin para akışı pozitif ({cmf_v:+.2f}) — alıcılar baskın")
- elif cmf_v < -0.05:
- add("CMF", "T", -0.5, f"Chaikin para akışı negatif ({cmf_v:+.2f}) — satıcılar baskın")
-
- # --- Supertrend (T) ---
- st_d = A["st_dir"][i]
- st_flip = i > 0 and A["st_dir"][i] != A["st_dir"][i - 1]
- if st_d > 0:
- add("Supertrend", "T", 1.5 + (0.5 if st_flip else 0),
- "Supertrend YÜKSELİŞ moduna döndü (taze sinyal)" if st_flip else "Supertrend yükseliş modunda")
- else:
- add("Supertrend", "T", -(1.5 + (0.5 if st_flip else 0)),
- "Supertrend DÜŞÜŞ moduna döndü (taze sinyal)" if st_flip else "Supertrend düşüş modunda")
-
- # --- Ichimoku (T) ---
- sa, sb = A["ich_a"][i], A["ich_b"][i]
- if sa == sa and sb == sb:
- top, bot = max(sa, sb), min(sa, sb)
- if price > top:
- add("Ichimoku Bulutu", "T", 1.5, "Fiyat Ichimoku bulutunun üzerinde (boğa bölgesi)")
- elif price < bot:
- add("Ichimoku Bulutu", "T", -1.5, "Fiyat Ichimoku bulutunun altında (ayı bölgesi)")
- else:
- add("Ichimoku Bulutu", "T", 0, "Fiyat Ichimoku bulutunun içinde (kararsız bölge)")
- tk, kj = A["tenkan"][i], A["kijun"][i]
- if tk == tk and kj == kj:
- add("Tenkan/Kijun", "T", 0.5 if tk > kj else -0.5,
- "Tenkan > Kijun (kısa vadeli momentum yukarı)" if tk > kj else "Tenkan < Kijun (kısa vadeli momentum aşağı)")
-
- # --- Donchian kırılımı (T) ---
- dhi, dlo, rvol = A["dc_hi20"][i], A["dc_lo20"][i], A["rvol"][i]
- if dhi == dhi and dlo == dlo:
- if price > dhi:
- if rvol >= 1.2:
- add("Donchian Kırılımı", "T", 1.5, f"20 barlık tepe HACİMLİ kırıldı (göreli hacim {rvol:.1f}x)")
- else:
- add("Donchian Kırılımı", "T", 0.75, f"20 barlık tepe kırıldı ama hacim zayıf ({rvol:.1f}x)")
- elif price < dlo:
- if rvol >= 1.2:
- add("Donchian Kırılımı", "T", -1.5, f"20 barlık dip HACİMLİ kırıldı (göreli hacim {rvol:.1f}x)")
- else:
- add("Donchian Kırılımı", "T", -0.75, f"20 barlık dip kırıldı ama hacim zayıf ({rvol:.1f}x)")
-
- # --- Piyasa yapısı (T) ---
- st_v = A["struct"][i]
- if st_v > 0:
- add("Piyasa Yapısı", "T", 1, "Piyasa yapısı: Higher-High / Higher-Low (yükseliş yapısı)")
- elif st_v < 0:
- add("Piyasa Yapısı", "T", -1, "Piyasa yapısı: Lower-High / Lower-Low (düşüş yapısı)")
-
- # --- Sıkışma (Bollinger ⊂ Keltner) ---
- squeeze_on = A["sq_on"][i] > 0
- mom = A["sq_mom"][i]
- if A["sq_rel3"][i] > 0 and mom == mom and mom != 0:
- d = 1 if mom > 0 else -1
- add("Sıkışma Kırılımı", "T", 1.5 * d,
- "Volatilite sıkışması yukarı yönde çözüldü" if d > 0 else "Volatilite sıkışması aşağı yönde çözüldü")
- elif squeeze_on:
- add("Sıkışma", "T", 0, "Volatilite sıkışması aktif — kırılım bekleniyor, sinyal güveni düşürüldü")
-
- # --- REJİM (ADX) — sürekli ağırlıklandırma ---
- adx_v = A["adx"][i]
- w = min(max((adx_v - 15.0) / 15.0, 0.0), 1.0) if adx_v == adx_v else 0.0 # 0 = yatay, 1 = güçlü trend
- trend_w = 0.5 + 0.8 * w
- rev_w = 1.3 - 0.95 * w
- di_dir = 1 if A["plus_di"][i] > A["minus_di"][i] else -1
- add("ADX / DI Yönü", "T", di_dir * w, "") # yönsel bonus; w kadar ölçeklenir
- if w >= 0.67:
- regime = "TREND"
- add("Rejim", "T", 0, f"ADX güçlü trend gösteriyor ({adx_v:.1f}) — trend faktörleri ağırlıklı, karşı-trend sinyaller bastırıldı")
- elif w <= 0.33:
- regime = "YATAY"
- add("Rejim", "T", 0, f"ADX zayıf/yatay piyasa ({adx_v:.1f}) — ortalamaya dönüş faktörleri ağırlıklı")
- else:
- regime = "GEÇİŞ"
- add("Rejim", "T", 0, f"ADX geçiş bölgesinde ({adx_v:.1f}) — faktör ağırlıkları dengeli karışım")
-
- contribs = [(lab, (trend_w if g == "T" else rev_w) * raw, raw) for lab, g, raw, _ in items]
- raw_total = sum(c for _, c, _ in contribs)
- if squeeze_on:
- raw_total *= 0.75
- score = 10.0 * math.tanh(raw_total / 9.0)
- bull_w = sum(c for _, c, _ in contribs if c > 0)
- bear_w = -sum(c for _, c, _ in contribs if c < 0)
-
- out = {
- "score": score, "price": price, "adx": adx_v, "w": w, "regime": regime,
- "bull_w": bull_w, "bear_w": bear_w, "squeeze_on": bool(squeeze_on),
- "atr_rank": A["atr_rank"][i], "pat_hits": hits,
- }
- if verbose:
- def tone(raw):
- return "up" if raw > 0 else ("down" if raw < 0 else "flat")
- out["reasons"] = [(tone(raw), text) for _, _, raw, text in items if text]
- out["contribs"] = [(lab, c) for lab, c, raw in contribs if abs(c) > 1e-9]
- return out
-
-
-def compute_score_series(ind, n):
- """Son BACKTEST_LOOKBACK bar için (canlı bar dahil) skor serisi. Dönüş: (başlangıç_indeksi, [skor_dict,...])"""
- start = min(max(WARMUP_BARS, n - BACKTEST_LOOKBACK), n - 1)
- return start, [_score_at(ind, i) for i in range(start, n)]
-
-
-# ---------------------------------------------------------------------------
-# BACKTEST — yön doğruluğu + gerçek işlem simülasyonu (SL/TP/zaman çıkışı + komisyon)
-# ---------------------------------------------------------------------------
-def _factor_gate_ok(s):
- """v3 sert filtre: bir skor barının 'kaliteli sinyal' sayılıp sayılmayacağını belirler.
- Hem CANLI sinyalde hem BACKTEST'te AYNI fonksiyon kullanılır (tutarlılık, iyimser backtest yok).
- İki koşul: (1) belirgin bir rejim var mı (ADX / sıkışma), (2) faktörler gerçekten aynı yönde mi
- (konsensüs). Bu ikisi zayıfsa bar, isabet istatistiğine hiç dahil edilmez / işlem açılmaz."""
- adx_v = s.get("adx")
- if adx_v == adx_v and adx_v < MIN_REGIME_ADX and not s.get("squeeze_on"):
- return False
- tot = s["bull_w"] + s["bear_w"]
- if tot <= 0:
- return True
- direction = 1 if s["score"] > 0 else -1
- agree = (s["bull_w"] if direction > 0 else s["bear_w"]) / tot
- return agree >= MIN_AGREE_FOR_SIGNAL
-
-
-def directional_accuracy(df, start, scores, forward=5, threshold=SIGNAL_THRESHOLD):
- """Klasik test: sinyal 'forward' bar sonra doğru yönü göstermiş mi? (rejim kırılımlı,
- v3 sert filtresinden geçen barlar üzerinden). Ayrıca ilk-yarı / ikinci-yarı isabet oranını
- karşılaştırarak rejim kayması ya da parametre aşırı-uyumu (overfit) belirtisi olup olmadığını işaretler."""
- c = df["c"].to_numpy()
- n = len(c)
- stats = {"all": [0, 0], "trend": [0, 0], "range": [0, 0]}
- signal_hits = []
- for i in range(start, n - forward):
- s = scores[i - start]
- if abs(s["score"]) < threshold or not _factor_gate_ok(s):
- continue
- correct = (s["score"] > 0) == (c[i + forward] > c[i])
- regime = "trend" if s["adx"] >= 25 else "range"
- for key in ("all", regime):
- stats[key][1] += 1
- if correct:
- stats[key][0] += 1
- signal_hits.append(correct)
- if stats["all"][1] < 5:
- return None
-
- def pack(key):
- ok, t = stats[key]
- return {"accuracy": ok / t, "n_signals": t} if t > 0 else None
-
- half1_acc = half2_acc = None
- stable = True
- if len(signal_hits) >= STABILITY_MIN_SAMPLES:
- mid = len(signal_hits) // 2
- h1, h2 = signal_hits[:mid], signal_hits[mid:]
- half1_acc = sum(h1) / len(h1)
- half2_acc = sum(h2) / len(h2)
- stable = abs(half1_acc - half2_acc) <= STABILITY_MAX_GAP
-
- return {
- "accuracy": stats["all"][0] / stats["all"][1], "correct": stats["all"][0],
- "n_signals": stats["all"][1], "forward_bars": forward,
- "trend_regime": pack("trend"), "range_regime": pack("range"),
- "half1_acc": half1_acc, "half2_acc": half2_acc, "stable": stable,
- }
-
-
-def simulate_trades(df, ind, start, scores, threshold=SIGNAL_THRESHOLD):
- """Sinyalleri sırayla (üst üste binmeden) işleme çevirir.
- Giriş: sinyal barını izleyen barın AÇILIŞI (gerçekçi, ileri sızıntı yok).
- Çıkış: SL (1.5×ATR) / TP (2.5×ATR) / 24 bar zaman çıkışı. Aynı barda ikisi de değerse SL öncelikli (kötümser)."""
- A = ind["_arr"]
- o, h, l, c, atr_a = A["o"], A["h"], A["l"], A["c"], A["atr"]
- n = len(c)
- trades = []
- i = start
- while i <= n - 2:
- sd = scores[i - start]
- s = sd["score"]
- a = atr_a[i]
- if abs(s) < threshold or not (a > 0) or not _factor_gate_ok(sd):
- i += 1
- continue
- d = 1 if s > 0 else -1
- entry = o[i + 1]
- risk = SL_ATR * a
- sl, tp = entry - d * risk, entry + d * TP_ATR * a
- last = min(n - 1, i + 1 + MAX_HOLD_BARS)
- exit_i, exit_px, why = None, None, None
- for j in range(i + 1, last + 1):
- hit_sl = (l[j] <= sl) if d > 0 else (h[j] >= sl)
- hit_tp = (h[j] >= tp) if d > 0 else (l[j] <= tp)
- if hit_sl:
- exit_i, exit_px, why = j, sl, "SL"
- break
- if hit_tp:
- exit_i, exit_px, why = j, tp, "TP"
- break
- if exit_i is None:
- if last == i + 1 + MAX_HOLD_BARS:
- exit_i, exit_px, why = last, c[last], "ZAMAN"
- else:
- break # veri bitti, işlem hâlâ açık — sonuçlandırılamaz
- pnl = d * (exit_px - entry) / entry - 2 * FEE_PER_SIDE
- r_mult = pnl / (risk / entry)
- trades.append({"signal_i": i, "entry_i": i + 1, "exit_i": exit_i, "dir": d, "entry": entry,
- "exit": exit_px, "pnl": pnl, "r": r_mult, "why": why, "score": s})
- i = exit_i
- return trades
-
-
-def summarize_trades(trades, df, start):
- if len(trades) < 3:
- return None
- n = len(df)
- pnl = np.array([t["pnl"] for t in trades])
- r = np.array([t["r"] for t in trades])
- wins, losses = pnl[pnl > 0], pnl[pnl <= 0]
- gross_loss = abs(losses.sum())
- pf = float(wins.sum() / gross_loss) if gross_loss > 0 else (99.0 if wins.sum() > 0 else 0.0)
- win_rate = len(wins) / len(pnl)
- win_r, loss_r = r[r > 0], r[r <= 0]
- avg_win_r = float(win_r.mean()) if len(win_r) else 0.0
- avg_loss_r = float(abs(loss_r.mean())) if len(loss_r) else 0.0
- kelly = None
- if avg_win_r > 0 and avg_loss_r > 0:
- kelly = win_rate - (1 - win_rate) / (avg_win_r / avg_loss_r)
- sqn = float(np.sqrt(min(len(r), 100)) * r.mean() / r.std()) if r.std() > 0 else 0.0
-
- mult = np.ones(n - start)
- for t in trades:
- mult[t["exit_i"] - start] *= (1 + t["pnl"])
- equity = np.cumprod(mult)
- peak = np.maximum.accumulate(equity)
- max_dd = float(((equity - peak) / peak).min())
- c = df["c"].to_numpy()
- bh = c[start:] / c[start]
-
- streak = best = 0
- for p in pnl:
- streak = streak + 1 if p <= 0 else 0
- best = max(best, streak)
-
- def side(dirn):
- sub = [t for t in trades if t["dir"] == dirn]
- return {"n": len(sub), "win_rate": (sum(1 for t in sub if t["pnl"] > 0) / len(sub)) if sub else None}
-
- stats = {
- "n": len(trades), "win_rate": win_rate, "profit_factor": pf, "expectancy": float(pnl.mean()),
- "avg_r": float(r.mean()), "sqn": sqn, "max_dd": max_dd, "total_return": float(equity[-1] - 1),
- "bh_return": float(bh[-1] - 1), "max_consec_loss": best, "avg_win_r": avg_win_r,
- "avg_loss_r": avg_loss_r, "kelly": kelly, "long": side(1), "short": side(-1),
- }
- return stats, equity, bh
-
-
-def run_backtest(df, ind, start, scores):
- n = len(df)
- if n - start < 20:
- return None
- acc = directional_accuracy(df, start, scores)
- trades = simulate_trades(df, ind, start, scores)
- summ = summarize_trades(trades, df, start)
- bt = {"start": start, "acc": acc, "trades": trades, "stats": None, "equity": None, "bh": None}
- if summ:
- bt["stats"], bt["equity"], bt["bh"] = summ
- return bt
-
-
-# ---------------------------------------------------------------------------
-# SİNİR AĞI (v4) — hafif, tek-gizli-katmanlı MLP, sadece NumPy (harici DL bağımlılığı yok)
-# ---------------------------------------------------------------------------
-# Neden torch/tensorflow değil: bu bir Gradio/HF Spaces panelidir; ağır bir DL kütüphanesi
-# başlangıç süresini ve dağıtım boyutunu ciddi artırır. Özellik sayısı azdır (13), örneklem
-# küçüktür (~150-250 bar) — bu ölçekte elle yazılmış küçük bir MLP, pratikte ağır kütüphanelerle
-# aynı işi görür ve tamamen şeffaftır (ne öğrendiği kolayca incelenebilir).
-#
-# SIZINTI KORUMASI: NN, MTF/emir defteri/funding gibi bir "canlı katman"dır — backtest'in
-# kullandığı `scores` serisine hiç girmez, sadece generate_signal() içindeki CANLI skoru etkiler.
-# Bu yüzden tek gerçek kural şudur: model, tahmin ettiği canlı barı KENDİ eğitim etiketlerinde
-# görmez (son NN_FORWARD bar eğitimden hariç tutulur). Model kendi eğitim setinin son %20'si
-# üzerinde kaba bir in-sample doğruluk raporlar (gerçek bir holdout değildir — sadece "bu model
-# saçmalıyor mu" kontrolü; asıl doğrulama her zaman directional_accuracy'nin backtest'idir).
-NN_FEATURE_NAMES = [
- "RSI", "MACD Hist", "ADX", "+DI/-DI Farkı", "Stokastik", "MFI", "CMF",
- "Göreli Hacim", "ATR Yüzdeliği", "Piyasa Yapısı", "Sıkışma", "Bollinger Konumu", "EMA20>EMA50",
-]
-
-
-def _nn_build_features(ind, idx):
- """idx barındaki (yalnızca o ana kadarki veriyle, nedensel) normalize edilmiş öznitelik vektörü."""
- A = ind["_arr"]
- price = A["c"][idx]
- e20, e50 = A["ema20"][idx], A["ema50"][idx]
- bb_u, bb_l = A["bb_upper"][idx], A["bb_lower"][idx]
- bb_pos = (price - bb_l) / (bb_u - bb_l) if (bb_u == bb_u and bb_u != bb_l) else 0.5
- return np.array([
- (A["rsi"][idx] - 50.0) / 50.0,
- math.tanh(A["macd_hist"][idx] / (abs(price) * 0.002 + 1e-9)),
- min(A["adx"][idx], 60.0) / 60.0 if A["adx"][idx] == A["adx"][idx] else 0.0,
- (A["plus_di"][idx] - A["minus_di"][idx]) / 100.0,
- (A["stoch_k"][idx] - 50.0) / 50.0,
- (A["mfi"][idx] - 50.0) / 50.0,
- max(-1.0, min(1.0, A["cmf"][idx])),
- math.tanh(A["rvol"][idx] - 1.0),
- (A["atr_rank"][idx] - 0.5) * 2.0,
- float(A["struct"][idx]),
- 1.0 if A["sq_on"][idx] > 0 else 0.0,
- (bb_pos - 0.5) * 2.0,
- 1.0 if e20 > e50 else -1.0,
- ], dtype=float)
-
-
-def _nn_dataset(ind, n, forward=NN_FORWARD):
- """Eğitim seti: WARMUP_BARS'tan sonraki TÜM barlar, son 'forward' bar hariç (onların
- gelecek etiketi henüz bilinmiyor). NN, backtest edilen `scores` serisine hiç girmiyor —
- MTF/emir defteri/funding gibi SADECE canlı sinyele eklenen bir katman; bu yüzden burada
- `start` (backtest penceresi) sınırına uymak gereksizdi ve veriyi habersizce 0'a düşürüyordu.
- Tek gerçek kural: canlı tahmin yapılan son bar, kendi eğitim setinde ETİKET olarak yer almaz."""
- A = ind["_arr"]
- c = A["c"]
- lo = max(WARMUP_BARS, 30)
- hi = n - forward # son 'forward' bar hariç -> tahmin edilen canlı bar hiçbir zaman eğitime sızmaz
- if hi - lo < NN_MIN_TRAIN:
- return None, None
- X = np.stack([_nn_build_features(ind, i) for i in range(lo, hi)])
- y = np.array([1.0 if c[i + forward] > c[i] else 0.0 for i in range(lo, hi)])
- return X, y
-
-
-class _TinyMLP:
- """Elle yazılmış, tek gizli katmanlı (ReLU) + sigmoid çıkışlı ileri-beslemeli sinir ağı.
- Tam-batch gradient descent ile eğitilir; harici bir DL kütüphanesi gerektirmez."""
-
- def __init__(self, n_in, n_hidden=NN_HIDDEN, seed=42):
- rng = np.random.default_rng(seed)
- self.w1 = rng.normal(0, math.sqrt(2.0 / n_in), (n_in, n_hidden))
- self.b1 = np.zeros(n_hidden)
- self.w2 = rng.normal(0, math.sqrt(2.0 / n_hidden), (n_hidden, 1))
- self.b2 = np.zeros(1)
- self.mu = np.zeros(n_in)
- self.sigma = np.ones(n_in)
-
- def _norm(self, X):
- return (X - self.mu) / self.sigma
-
- def fit(self, X, y, epochs=NN_EPOCHS, lr=NN_LR, l2=NN_L2):
- self.mu = X.mean(axis=0)
- self.sigma = X.std(axis=0) + 1e-8
- Xn = self._norm(X)
- yy = y.reshape(-1, 1)
- n = len(Xn)
- for _ in range(epochs):
- z1 = Xn @ self.w1 + self.b1
- a1 = np.maximum(z1, 0.0) # ReLU
- z2 = a1 @ self.w2 + self.b2
- p = 1.0 / (1.0 + np.exp(-z2)) # sigmoid
- dz2 = (p - yy) / n
- dw2 = a1.T @ dz2 + l2 * self.w2
- db2 = dz2.sum(axis=0)
- da1 = dz2 @ self.w2.T
- dz1 = da1 * (z1 > 0)
- dw1 = Xn.T @ dz1 + l2 * self.w1
- db1 = dz1.sum(axis=0)
- self.w1 -= lr * dw1
- self.b1 -= lr * db1
- self.w2 -= lr * dw2
- self.b2 -= lr * db2
- return self
-
- def predict_proba(self, X):
- Xn = self._norm(np.atleast_2d(X))
- a1 = np.maximum(Xn @ self.w1 + self.b1, 0.0)
- p = 1.0 / (1.0 + np.exp(-(a1 @ self.w2 + self.b2)))
- return p.ravel()
-
- def feature_importance(self):
- """Kaba bir önem ölçüsü: her girişin ilk katman ağırlıklarındaki mutlak etkisi (yorumlanabilirlik için)."""
- raw = np.abs(self.w1).sum(axis=1)
- tot = raw.sum()
- return (raw / tot) if tot > 0 else raw
-
-
-def get_nn_model(ind, n, symbol=None, bar=None):
- """(sembol, bar, örneklem büyüklüğü) başına eğitilmiş modeli önbellekten döndürür; yoksa eğitir."""
- def _train():
- X, y = _nn_dataset(ind, n)
- if X is None:
- return None
- model = _TinyMLP(X.shape[1]).fit(X, y)
- k = max(10, int(len(X) * 0.2))
- pred = (model.predict_proba(X[-k:]) > 0.5).astype(float)
- return {
- "model": model, "train_acc": float((pred == y[-k:]).mean()),
- "n_samples": len(X), "base_rate": float(y.mean()),
- }
- key = ("nn_model", symbol, bar, n)
- try:
- return _cached(key, NN_CACHE_TTL, _train)
- except Exception:
- return None
-
-
-# ---------------------------------------------------------------------------
-# CANLI KATMAN — üst zaman dilimleri, emir defteri, funding (backtest EDİLMEZ)
-# ---------------------------------------------------------------------------
-def _mtf_score(symbol, bar, closed_only):
- hdf = fetch_candles(symbol, bar, 300)
- if closed_only:
- hdf = hdf[hdf["confirm"] == 1].reset_index(drop=True)
- hind = compute_indicators(hdf)
- r = _score_at(hind, len(hdf) - 1)
- return {"bar": bar, "score": r["score"]}
-
-
-def _fetch_live_extras(symbol, bar, mtf, micro, closed_only):
- """MTF / emir defteri / funding çağrılarını PARALEL yapar; hata veren parça sessizce atlanır."""
- tasks = {}
- with ThreadPoolExecutor(max_workers=4) as ex:
- if mtf and symbol and bar:
- b1 = MTF_MAP.get(bar)
- if b1 and b1 != bar:
- tasks["mtf1"] = ex.submit(_mtf_score, symbol, b1, closed_only)
- b2 = MTF_MAP.get(b1)
- if b2 and b2 not in (b1, bar):
- tasks["mtf2"] = ex.submit(_mtf_score, symbol, b2, closed_only)
- if micro and symbol:
- tasks["ob"] = ex.submit(fetch_orderbook, symbol, 20)
- tasks["fund"] = ex.submit(fetch_funding_rate, symbol)
- tasks["liq"] = ex.submit(fetch_liquidation_orders, symbol)
- out = {}
- for k, f in tasks.items():
- try:
- out[k] = f.result()
- except Exception:
- out[k] = None
- return out
-
-
-def build_trade_plan(price, direction, atr_v, supports, resists, acct=None, risk_pct=None):
- """Yapısal (destek/direnç) stop uygun aralıktaysa onu, değilse ATR stop'unu kullanır.
- 3 kademeli hedef + hesap büyüklüğüne göre pozisyon boyutu."""
- d = direction
- stop, stop_type = price - d * SL_ATR * atr_v, f"ATR × {SL_ATR}"
- cand = None
- if d > 0 and supports:
- cand = supports[0][0] - 0.25 * atr_v
- elif d < 0 and resists:
- cand = resists[0][0] + 0.25 * atr_v
- if cand is not None:
- dist = abs(price - cand)
- if 0.8 * atr_v <= dist <= 3.0 * atr_v and (cand < price if d > 0 else cand > price):
- stop, stop_type = cand, "Yapısal (S/R arkası)"
- risk = abs(price - stop)
- plan = {
- "direction": "LONG" if d > 0 else "SHORT", "entry": price, "stop_loss": stop, "stop_type": stop_type,
- "risk_dist": risk, "risk_frac": risk / price,
- "targets": [(price + d * risk * m, m) for m in TP_R_MULTIPLES], "sizing": None,
- }
- if acct and acct > 0 and risk_pct and risk_pct > 0 and risk > 0:
- risk_amt = acct * risk_pct / 100.0
- qty = risk_amt / risk
- notional = qty * price
- plan["sizing"] = {"risk_amount": risk_amt, "qty": qty, "notional": notional, "leverage": notional / acct}
- return plan
-
-
-def compute_confidence(score, agree, mtf_state, hist_q, vol_q, nn_q=0.5):
- mag = min(abs(score) / 8.0, 1.0)
- conf = 100.0 * (0.30 * mag + 0.20 * agree + 0.15 * mtf_state + 0.15 * hist_q + 0.15 * nn_q + 0.05 * vol_q)
- parts = {"Skor Büyüklüğü": mag, "Faktör Uyumu": agree, "MTF Teyidi": mtf_state,
- "Tarihsel Kenar": hist_q, "Sinir Ağı Teyidi": nn_q, "Volatilite Rejimi": vol_q}
- return min(conf, 100.0), parts
-
-
-def grade_from_conf(conf):
- for thr, g, col in ((75, "A+", "#3ddc97"), (62, "A", "#7fe6b8"), (50, "B", "#f2b84b"), (38, "C", "#ff9aa8")):
- if conf >= thr:
- return g, col
- return "D", "#ff5c72"
-
-
-def generate_signal(df, symbol=None, bar=None, mtf=True, micro=True, closed_only=False,
- acct=None, risk_pct=None):
- ind = compute_indicators(df)
- n = len(df)
- start, scores = compute_score_series(ind, n)
- base = _score_at(ind, n - 1, verbose=True)
- score, price, w = base["score"], base["price"], base["w"]
- reasons, contribs = list(base["reasons"]), list(base["contribs"])
- tags = []
- if base["squeeze_on"]:
- tags.append(("SIKIŞMA AKTİF", "#f2b84b"))
- for name, sgn in base["pat_hits"]:
- tags.append((name.upper(), "#3ddc97" if sgn > 0 else "#ff5c72"))
-
- def overlay(label, delta, text):
- nonlocal score
- score += delta
- reasons.append(("up" if delta > 0 else "down", text))
- contribs.append((label, delta))
-
- # --- Uyumsuzluk (RSI divergence) — reversion sinyali, rejime göre ağırlıklı ---
- div = detect_divergence(df, ind)
- div_weight = 1.5 - 1.1 * w # güçlü trendde 0.4, yatayda 1.5 (eski davranışla aynı uçlar)
- if div["bullish"]:
- overlay("Yükseliş Uyumsuzluğu", div_weight, "Yükseliş uyumsuzluğu tespit edildi (fiyat düşük dip, RSI yüksek dip)")
- tags.append(("YÜKSELİŞ UYUMSUZLUĞU", "#3ddc97"))
- if div["bearish"]:
- overlay("Düşüş Uyumsuzluğu", -div_weight, "Düşüş uyumsuzluğu tespit edildi (fiyat yüksek tepe, RSI düşük tepe)")
- tags.append(("DÜŞÜŞ UYUMSUZLUĞU", "#ff5c72"))
-
- # --- Skor ivmesi ---
- if n - 4 >= start:
- momentum = base["score"] - scores[n - 4 - start]["score"]
- if momentum > 1.5:
- overlay("Skor İvmesi", 0.3, "Kompozit skor son barlarda hızla güçleniyor")
- elif momentum < -1.5:
- overlay("Skor İvmesi", -0.3, "Kompozit skor son barlarda hızla zayıflıyor")
-
- # --- Canlı ekstralar (paralel çekim) ---
- extras = _fetch_live_extras(symbol, bar, mtf, micro, closed_only)
- sgn = 1 if score > 0 else (-1 if score < 0 else 0)
-
- # --- 2 kademeli MTF teyidi ---
- mtf_info, align_flags = [], []
- for key, wt in (("mtf1", 1.0), ("mtf2", 0.6)):
- m = extras.get(key)
- if not m:
- continue
- hs = m["score"]
- aligned = None
- if abs(hs) >= 1.0 and sgn != 0:
- aligned = bool(np.sign(hs) == sgn)
- align_flags.append(aligned)
- if aligned:
- overlay(f"{m['bar']} Teyidi", sgn * wt, f"{m['bar']} zaman diliminde de aynı yönlü teyit var (skor {hs:+.1f})")
- else:
- overlay(f"{m['bar']} Çelişkisi", -sgn * wt, f"{m['bar']} zaman dilimi ters yönlü sinyal veriyor (skor {hs:+.1f}) — dikkat")
- mtf_info.append({"bar": m["bar"], "score": round(hs, 2), "aligned": aligned})
- mtf_state = (sum(1.0 for a in align_flags if a) / len(align_flags)) if align_flags else 0.5
- mtf_opposed = any(a is False for a in align_flags)
-
- # --- Emir defteri dengesizliği (derinlik ağırlıklı, kısa vadede anlamlı) ---
- imb = None
- ob = extras.get("ob")
- if ob and ob.get("bids") and ob.get("asks"):
- bw = sum(float(x[1]) / (k + 1) for k, x in enumerate(ob["bids"]))
- aw = sum(float(x[1]) / (k + 1) for k, x in enumerate(ob["asks"]))
- if bw + aw > 0:
- imb = (bw - aw) / (bw + aw)
- if abs(imb) >= 0.2:
- delta = max(-0.8, min(0.8, imb * 2)) * (0.5 if bar in SLOW_BARS else 1.0)
- overlay("Emir Defteri", delta,
- f"Emir defterinde {'alış' if imb > 0 else 'satış'} baskısı (dengesizlik {imb * 100:+.0f}%)")
-
- # --- Funding rate (kalabalık pozisyon = kontraryen) ---
- fr = extras.get("fund")
- if fr is not None:
- if fr > 0.0005:
- overlay("Funding", -0.6, f"Funding aşırı pozitif ({fr * 100:.3f}%) — kalabalık long, tasfiye riski")
- elif fr > 0.0002:
- overlay("Funding", -0.3, f"Funding yüksek pozitif ({fr * 100:.3f}%) — long tarafı kalabalık")
- elif fr < -0.0005:
- overlay("Funding", 0.6, f"Funding aşırı negatif ({fr * 100:.3f}%) — kalabalık short, sıkışma potansiyeli")
- elif fr < -0.0002:
- overlay("Funding", 0.3, f"Funding negatif ({fr * 100:.3f}%) — short tarafı kalabalık")
-
- # --- Likidasyon kümeleri (v5): zorunlu tasfiye akışı ---
- atr_for_liq = float(ind["atr"].iloc[-1]) if len(ind["atr"]) else 0.0
- liq_clusters = compute_liquidation_clusters(extras.get("liq") or [], price, atr_for_liq)
- liq_imbalance = None
- if liq_clusters:
- total_long = sum(c["long_notional"] for c in liq_clusters)
- total_short = sum(c["short_notional"] for c in liq_clusters)
- if total_long + total_short > 0:
- # +1 -> short tasfiyesi ağır bastı (kısa vadede yukarı sıkışma/momentum ipucu)
- # -1 -> long tasfiyesi ağır bastı (kısa vadede aşağı kapitülasyon/momentum ipucu)
- liq_imbalance = (total_short - total_long) / (total_long + total_short)
- if abs(liq_imbalance) >= LIQ_IMBALANCE_MIN:
- delta = max(-LIQ_IMBALANCE_WEIGHT, min(LIQ_IMBALANCE_WEIGHT, liq_imbalance * LIQ_IMBALANCE_WEIGHT))
- heavy_side, heavy_amt = ("short", total_short) if liq_imbalance > 0 else ("long", total_long)
- overlay("Likidasyon Akışı", delta,
- f"Son tasfiyelerde {heavy_side} pozisyonlar ağır bastı (~${fmt_large(heavy_amt)}) "
- f"— kalan taraf sıkışmaya karşı daha kırılgan olabilir")
- near = [c for c in liq_clusters if c["dist_atr"] <= LIQ_PROXIMITY_ATR]
- if near:
- top = max(near, key=lambda c: c["notional"])
- side_txt = "long tasfiye kümesi" if top["bias"] > 0 else "short tasfiye kümesi"
- pos_txt = "üzerinde" if top["price"] > price else "altında"
- reasons.append(("flat", f"Fiyata yakın ({top['dist_atr']:.1f} ATR {pos_txt}) yoğun bir {side_txt} var "
- f"(~${fmt_large(top['notional'])}) — olası likidite mıknatısı/oynaklık bölgesi"))
-
- # --- Sinir Ağı (v4): öğrenilmiş yön olasılığı — sadece start'tan önceki barlarla eğitilir ---
- nn_result, nn_prob, nn_dir, nn_strength = None, None, 0, 0.0
- try:
- nn_result = get_nn_model(ind, n, symbol, bar)
- except Exception:
- nn_result = None
- if nn_result:
- nn_prob = float(nn_result["model"].predict_proba(_nn_build_features(ind, n - 1))[0])
- nn_dir = 1 if nn_prob > 0.5 else -1
- nn_strength = abs(nn_prob - 0.5) * 2.0 # 0 (kararsız) .. 1 (çok emin)
- sgn = 1 if score > 0 else (-1 if score < 0 else 0)
- nn_delta = nn_dir * nn_strength * NN_WEIGHT
- if sgn != 0 and nn_dir == sgn:
- overlay("Sinir Ağı", nn_delta,
- f"NN modeli aynı yönü destekliyor (P(yukarı)={nn_prob * 100:.0f}%, "
- f"eğitim seti kaba isabeti %{nn_result['train_acc'] * 100:.0f}, n={nn_result['n_samples']})")
- elif sgn != 0:
- overlay("Sinir Ağı", nn_delta,
- f"NN modeli ters yönde (P(yukarı)={nn_prob * 100:.0f}%, "
- f"eğitim seti kaba isabeti %{nn_result['train_acc'] * 100:.0f}, n={nn_result['n_samples']}) — dikkat")
- else:
- reasons.append(("flat", f"NN modeli için yeterli geçmiş veri yok (en az {NN_MIN_TRAIN} bar gerekli) — bu katman devre dışı"))
-
- # --- Destek / direnç yakınlığı ---
- atr_v = float(ind["atr"].iloc[-1])
- supports, resists = find_sr_levels(df, atr_v)
- sgn = 1 if score > 0 else (-1 if score < 0 else 0)
- if atr_v > 0 and sgn != 0:
- if sgn > 0:
- if resists and resists[0][1] >= 2 and (resists[0][0] - price) / atr_v <= 1.0:
- lv, tc = resists[0]
- overlay("Yakın Direnç", -0.8, f"Yakın direnç {fmt_price(lv)} ({tc} temas, {(lv - price) / atr_v:.1f} ATR) — yükselişi sınırlayabilir")
- elif supports and supports[0][1] >= 2 and (price - supports[0][0]) / atr_v <= 0.5:
- lv, tc = supports[0]
- overlay("Destek Üstünde", 0.4, f"Fiyat güçlü destek {fmt_price(lv)} ({tc} temas) üzerinde")
- else:
- if supports and supports[0][1] >= 2 and (price - supports[0][0]) / atr_v <= 1.0:
- lv, tc = supports[0]
- overlay("Yakın Destek", 0.8, f"Yakın destek {fmt_price(lv)} ({tc} temas, {(price - lv) / atr_v:.1f} ATR) — düşüşü sınırlayabilir")
- elif resists and resists[0][1] >= 2 and (resists[0][0] - price) / atr_v <= 0.5:
- lv, tc = resists[0]
- overlay("Direnç Altında", -0.4, f"Fiyat güçlü direnç {fmt_price(lv)} ({tc} temas) altında")
-
- score = max(-10.0, min(10.0, score))
-
- # --- Konsensüs + sınıflandırma ---
- direction = 1 if score > 0 else -1
- tot = base["bull_w"] + base["bear_w"]
- agree = ((base["bull_w"] if direction > 0 else base["bear_w"]) / tot) if tot > 0 else 0.5
- if abs(score) >= STRONG_THRESHOLD and agree >= 0.65 and not mtf_opposed:
- signal, color = ("GÜÇLÜ AL", "#3ddc97") if score > 0 else ("GÜÇLÜ SAT", "#ff5c72")
- elif abs(score) >= SIGNAL_THRESHOLD:
- signal, color = ("AL", "#7fe6b8") if score > 0 else ("SAT", "#ff9aa8")
- if abs(score) >= STRONG_THRESHOLD:
- reasons.append(("flat", f"Skor güçlü bölgede ancak konsensüs ({agree * 100:.0f}%) veya MTF filtresini geçemedi — GÜÇLÜ yerine normal sinyal verildi"))
- else:
- signal, color = "BEKLE / NÖTR", "#f2b84b"
-
- # --- v3 SERT FİLTRELER — düşük kaliteli AL/SAT'ları BEKLE'ye çevirir (isabet oranını artırmak için) ---
- veto_reasons = []
- adx_v = base["adx"]
- if signal != "BEKLE / NÖTR":
- if adx_v == adx_v and adx_v < MIN_REGIME_ADX and not base["squeeze_on"]:
- veto_reasons.append(f"ADX çok düşük ({adx_v:.1f}) — belirgin bir trend/rejim yok, yön güvenilir değil")
- if agree < MIN_AGREE_FOR_SIGNAL:
- veto_reasons.append(f"Faktör konsensüsü zayıf (%{agree * 100:.0f}) — göstergeler birbiriyle çelişiyor")
- if MTF_HARD_GATE and align_flags and align_flags[0] is False and "GÜÇLÜ" not in signal:
- veto_reasons.append(f"Üst zaman dilimi ({mtf_info[0]['bar']}) net ters yönde — teyit yok")
- if imb is not None and np.sign(imb) not in (0, direction) and abs(imb) >= OB_HARD_GATE_IMB:
- veto_reasons.append(f"Emir defterinde sinyale güçlü ters yönde baskı var (dengesizlik {imb * 100:+.0f}%)")
- if nn_result and nn_dir != direction and nn_strength >= NN_GATE_STRENGTH:
- veto_reasons.append(f"NN modeli güçlü şekilde ters yönde (P(yukarı)={nn_prob * 100:.0f}%)")
- if veto_reasons:
- for vr in veto_reasons:
- reasons.append(("flat", f"FİLTRE: {vr}"))
- signal, color = "BEKLE / NÖTR", "#f2b84b"
- tags.append(("SERT FİLTRE İLE ELENDİ", "#7c8797"))
-
- is_neutral = signal == "BEKLE / NÖTR"
-
- # --- Tarihsel doğrulama ---
- backtest = run_backtest(df, ind, start, scores)
- hist_q = 0.4
- if backtest:
- qs = []
- acc = backtest["acc"]
- if acc:
- p_shrunk = (acc["correct"] + 5) / (acc["n_signals"] + 10) # Bayes büzülmesi (önsel %50)
- qs.append(min(max((p_shrunk - 0.45) / 0.20, 0.0), 1.0))
- if acc.get("stable") is False:
- qs.append(0.2) # ilk/ikinci yarı isabeti tutarsız -> rejim kayması / overfit riski
- reasons.append(("flat", f"Tarihsel isabet tutarsız: ilk yarı %{acc['half1_acc']*100:.0f} vs "
- f"ikinci yarı %{acc['half2_acc']*100:.0f} — bu kenara temkinli yaklaşın"))
- st = backtest["stats"]
- if st:
- qs.append(min(max((st["profit_factor"] - 0.8) / 0.8, 0.0), 1.0))
- if qs:
- hist_q = float(np.mean(qs))
- rank = base["atr_rank"]
- vol_q = 1.0 if 0.10 <= rank <= 0.90 else 0.5
- if rank > 0.90:
- reasons.append(("flat", f"Volatilite aşırı yüksek (ATR yüzdeliği %{rank * 100:.0f}) — stoplar geniş tutulmalı, güven düşürüldü"))
- nn_q = 0.5
- if nn_result:
- nn_agree = 1.0 if nn_dir == direction else -1.0
- nn_q = min(max(0.5 + nn_agree * nn_strength * (0.5 + 0.5 * nn_result["train_acc"]), 0.0), 1.0)
- conf, conf_parts = compute_confidence(score, agree, mtf_state, hist_q, vol_q, nn_q)
- grade, grade_color = ("—", "#7c8797") if is_neutral else grade_from_conf(conf)
-
- plan = None
- if not is_neutral and atr_v > 0:
- plan = build_trade_plan(price, direction, atr_v, supports, resists, acct, risk_pct)
-
- return {
- "signal": signal, "score": round(score, 2), "confidence": round(conf, 1), "grade": grade,
- "grade_color": grade_color, "color": color, "reasons": reasons, "contribs": contribs,
- "indicators": ind, "price": price, "divergence": div, "mtf": mtf_info, "plan": plan,
- "backtest": backtest, "regime": base["regime"], "adx": base["adx"], "atr_rank": rank,
- "squeeze_on": base["squeeze_on"], "agree": agree, "bull_w": base["bull_w"], "bear_w": base["bear_w"],
- "conf_parts": conf_parts, "tags": tags, "funding": fr, "imbalance": imb,
- "supports": supports, "resists": resists, "atr": atr_v,
- "liq_clusters": liq_clusters, "liq_imbalance": liq_imbalance,
- "nn": ({"prob_up": round(nn_prob, 3), "train_acc": round(nn_result["train_acc"], 3),
- "n_samples": nn_result["n_samples"]} if nn_result else None),
- }
-
-
-# ---------------------------------------------------------------------------
-# RISK ANALYTICS
-# ---------------------------------------------------------------------------
-def risk_metrics(df, bar):
- ret = df["c"].pct_change().dropna()
- if len(ret) < 5:
- return None
- periods = BAR_TO_PERIODS_PER_YEAR.get(bar, 365)
- vol_annual = ret.std() * np.sqrt(periods)
- mean_annual = ret.mean() * periods
- sharpe = mean_annual / vol_annual if vol_annual > 0 else 0.0
- cum = (1 + ret).cumprod()
- peak = cum.cummax()
- dd = (cum - peak) / peak
- var95 = np.percentile(ret, 5)
- tail = ret[ret <= var95]
- cvar95 = tail.mean() if len(tail) else var95
- return {
- "volatility_annual": vol_annual, "return_annual": mean_annual, "sharpe": sharpe,
- "max_drawdown": dd.min(), "current_dd": dd.iloc[-1],
- "var95_bar": var95, "cvar95_bar": cvar95,
- }
-
-
-# ---------------------------------------------------------------------------
-# FORMAT HELPERS
-# ---------------------------------------------------------------------------
-def _isnan(v):
- return v is None or (isinstance(v, float) and math.isnan(v))
-
-
-def fmt_price(v):
- if _isnan(v):
- return "—"
- av = abs(v)
- if av >= 1000:
- return f"{v:,.2f}"
- if av >= 1:
- return f"{v:,.4f}"
- if av >= 0.01:
- return f"{v:.6f}"
- return f"{v:.8f}"
-
-
-def fmt_pct(v):
- if _isnan(v):
- return "—"
- sign = "+" if v > 0 else ""
- return f"{sign}{v * 100:.2f}%"
-
-
-def fmt_large(v):
- if _isnan(v):
- return "—"
- av = abs(v)
- if av >= 1e9:
- return f"{v / 1e9:.2f}B"
- if av >= 1e6:
- return f"{v / 1e6:.2f}M"
- if av >= 1e3:
- return f"{v / 1e3:.2f}K"
- return f"{v:.2f}"
-
-
-def metric_card(label, value, sub="", tone="neutral"):
- tone_class = {"up": "mc-up", "down": "mc-down", "neutral": "mc-neutral"}.get(tone, "mc-neutral")
- sub_html = f'{sub}
' if sub else ""
- return (f'{label}
'
- f'
{value}
{sub_html}
{title}
'
-
-
-def cards_row(cards):
- return f'{"".join(cards)}
' if cards else ""
-
-
-def error_box(msg):
- return f'⚠ {msg}
'
-
-
-# ---------------------------------------------------------------------------
-# CHART BUILDERS
-# ---------------------------------------------------------------------------
-def _base_layout(fig, title, height):
- fig.update_layout(
- template="plotly_dark", height=height, margin=dict(l=10, r=10, t=40, b=10),
- paper_bgcolor=CHART_BG, plot_bgcolor=CHART_BG, title=title,
- legend=dict(orientation="h", y=1.05, font=dict(size=10)),
- font=dict(family="IBM Plex Mono, monospace", size=11),
- )
- return fig
-
-
-def _empty_fig(msg, title="", height=220):
- fig = go.Figure()
- fig.add_annotation(text=msg, x=0.5, y=0.5, xref="paper", yref="paper", showarrow=False,
- font=dict(size=13, color="#7c8797"))
- fig.update_xaxes(visible=False)
- fig.update_yaxes(visible=False)
- return _base_layout(fig, title, height)
-
-
-def build_price_chart(df, ind, symbol, bar):
- fig = make_subplots(rows=2, cols=1, shared_xaxes=True, row_heights=[0.75, 0.25], vertical_spacing=0.03)
- fig.add_trace(go.Candlestick(
- x=df["ts"], open=df["o"], high=df["h"], low=df["l"], close=df["c"], name=symbol,
- increasing_line_color="#3ddc97", decreasing_line_color="#ff5c72"), row=1, col=1)
- fig.add_trace(go.Scatter(x=df["ts"], y=ind["ema20"], name="EMA20",
- line=dict(color="#5b8cff", width=1)), row=1, col=1)
- fig.add_trace(go.Scatter(x=df["ts"], y=ind["ema50"], name="EMA50",
- line=dict(color="#f2b84b", width=1)), row=1, col=1)
- fig.add_trace(go.Scatter(x=df["ts"], y=ind["bb_upper"], name="BB Üst",
- line=dict(color="rgba(150,160,255,0.45)", width=1, dash="dot")), row=1, col=1)
- fig.add_trace(go.Scatter(x=df["ts"], y=ind["bb_lower"], name="BB Alt",
- line=dict(color="rgba(150,160,255,0.45)", width=1, dash="dot"),
- fill="tonexty", fillcolor="rgba(150,160,255,0.05)"), row=1, col=1)
- vol_colors = np.where(df["c"] >= df["o"], "#3ddc97", "#ff5c72")
- fig.add_trace(go.Bar(x=df["ts"], y=df["vol"], name="Hacim", marker_color=vol_colors, opacity=0.55),
- row=2, col=1)
- fig.update_layout(xaxis_rangeslider_visible=False)
- return _base_layout(fig, f"{symbol} · {bar}", 520)
-
-
-def build_signal_price_chart(df, ind, symbol, bar, res):
- """Sinyal sekmesinin ana grafiği: mum + Supertrend + Ichimoku bulutu + S/R + geçmiş sinyal işaretleri + işlem planı."""
- n = len(df)
- v0 = max(0, n - 200)
- sl = slice(v0, n)
- ts = df["ts"].iloc[sl]
- fig = go.Figure()
- fig.add_trace(go.Candlestick(
- x=ts, open=df["o"].iloc[sl], high=df["h"].iloc[sl], low=df["l"].iloc[sl], close=df["c"].iloc[sl],
- name=symbol, increasing_line_color="#3ddc97", decreasing_line_color="#ff5c72"))
- # Ichimoku bulutu
- fig.add_trace(go.Scatter(x=ts, y=ind["ich_a"].iloc[sl], line=dict(width=0), showlegend=False, hoverinfo="skip"))
- fig.add_trace(go.Scatter(x=ts, y=ind["ich_b"].iloc[sl], line=dict(width=0), name="Ichimoku Bulutu",
- fill="tonexty", fillcolor="rgba(120,140,255,0.10)", hoverinfo="skip"))
- # Supertrend (yükseliş/düşüş ayrı renk)
- st_line, st_dir = ind["st_line"].iloc[sl], ind["st_dir"].iloc[sl]
- fig.add_trace(go.Scatter(x=ts, y=st_line.where(st_dir > 0), name="Supertrend ▲",
- line=dict(color="#3ddc97", width=1.5), connectgaps=False))
- fig.add_trace(go.Scatter(x=ts, y=st_line.where(st_dir < 0), name="Supertrend ▼",
- line=dict(color="#ff5c72", width=1.5), connectgaps=False))
- # Destek / direnç
- for lv, tc in res["supports"][:3]:
- fig.add_hline(y=lv, line=dict(color="rgba(61,220,151,0.55)", dash="dash", width=1),
- annotation_text=f"D {fmt_price(lv)} ×{tc}", annotation_position="left",
- annotation_font=dict(size=9, color="#3ddc97"))
- for lv, tc in res["resists"][:3]:
- fig.add_hline(y=lv, line=dict(color="rgba(255,92,114,0.55)", dash="dash", width=1),
- annotation_text=f"R {fmt_price(lv)} ×{tc}", annotation_position="left",
- annotation_font=dict(size=9, color="#ff5c72"))
- # Likidasyon kümeleri (en büyük 4) — mor/altın, kalınlık büyüklükle orantılı
- liq_clusters = res.get("liq_clusters") or []
- if liq_clusters:
- max_notional = max(c["notional"] for c in liq_clusters) or 1.0
- for c in liq_clusters[:4]:
- col = "rgba(255,92,114,0.5)" if c["bias"] > 0 else "rgba(91,140,255,0.5)"
- w = 1 + 2.5 * (c["notional"] / max_notional)
- fig.add_hline(y=c["price"], line=dict(color=col, dash="dot", width=w),
- annotation_text=f"LIQ ${fmt_large(c['notional'])}", annotation_position="right",
- annotation_font=dict(size=9, color=col))
- # Geçmiş sinyal işlemleri
- bt = res["backtest"]
- if bt and bt["trades"]:
- atr_a = ind["_arr"]["atr"]
- for d, sym_, col, nm in ((1, "triangle-up", "#3ddc97", "Geçmiş LONG"), (-1, "triangle-down", "#ff5c72", "Geçmiş SHORT")):
- tr = [t for t in bt["trades"] if t["dir"] == d and t["entry_i"] >= v0]
- if not tr:
- continue
- xs = [df["ts"].iloc[t["entry_i"]] for t in tr]
- ys = [(df["l"].iloc[t["entry_i"]] - 0.6 * atr_a[t["entry_i"]]) if d > 0
- else (df["h"].iloc[t["entry_i"]] + 0.6 * atr_a[t["entry_i"]]) for t in tr]
- hov = [f"{nm} · skor {t['score']:+.1f}{icon[t]} {txt}'
- f'
{res["signal"]}
'
- f'
'
- f'
'
- f'
'
- f'
'
- f'
FAKTÖR KONSENSÜSÜ · BOĞA %{bull_pct:.0f} / AYI %{100 - bull_pct:.0f}
'
- f'
{k} %{v * 100:.0f}
' for k, v in res["conf_parts"].items())
- tag_html = ""
- if res["tags"]:
- tag_html = '"
- conf_html = f'{conf_tags}
'
-
- # ---- İşlem planı + pozisyon boyutu ----
- plan_cards, size_cards = [], []
- if plan:
- up = plan["direction"] == "LONG"
- plan_cards = [
- metric_card("ÖNERİLEN YÖN", plan["direction"], "", "up" if up else "down"),
- metric_card("GİRİŞ", f"${fmt_price(plan['entry'])}"),
- metric_card("STOP-LOSS", f"${fmt_price(plan['stop_loss'])}",
- f"{plan['stop_type']} · %{plan['risk_frac'] * 100:.2f} risk", "down"),
- ]
- for k, (px, m) in enumerate(plan["targets"]):
- plan_cards.append(metric_card(f"HEDEF {k + 1}", f"${fmt_price(px)}", f"{m:.2f}R", "up"))
- sz = plan["sizing"]
- if sz:
- size_cards = [
- metric_card("RİSK TUTARI", f"${fmt_large(sz['risk_amount'])}", f"Hesabın %{risk_pct:g}'i"),
- metric_card("POZİSYON (USDT)", f"${fmt_large(sz['notional'])}", f"Miktar: {sz['qty']:.6g}"),
- metric_card("KALDIRAÇ ETKİSİ", f"{sz['leverage']:.2f}x",
- "Spot ile yetmez — kaldıraç gerekir" if sz["leverage"] > 1.0 else "Spot ile uygulanabilir",
- "down" if sz["leverage"] > 1.0 else "up"),
- ]
- stats = bt["stats"] if bt else None
- if stats is not None:
- k = stats["kelly"]
- if stats["n"] < 20:
- kv, ks, kt = "—", "Örnek az (<20 işlem)", "neutral"
- elif k is None or k <= 0:
- kv, ks, kt = "Kenar yok", "Kelly ≤ 0", "down"
- else:
- half = min(k / 2, 0.03)
- kv, ks, kt = f"%{half * 100:.2f}", f"Yarım-Kelly (tavan %3) · bilgi amaçlı", "up"
- size_cards.append(metric_card("ÖNERİLEN RİSK", kv, ks, kt))
-
- # ---- Backtest kartları ----
- bt_cards = []
- if stats:
- L, S = stats["long"], stats["short"]
- wr = lambda x: f"%{x['win_rate'] * 100:.0f}" if x["win_rate"] is not None else "—"
- bt_cards = [
- metric_card("İŞLEM SAYISI", f"{stats['n']}", f"Long {L['n']} ({wr(L)}) · Short {S['n']} ({wr(S)})"),
- metric_card("KAZANMA ORANI", f"%{stats['win_rate'] * 100:.1f}", f"Maks. üst üste kayıp: {stats['max_consec_loss']}",
- "up" if stats["win_rate"] >= 0.45 else "down"),
- metric_card("PROFIT FACTOR", f"{stats['profit_factor']:.2f}", "Brüt kazanç / brüt kayıp",
- "up" if stats["profit_factor"] >= 1.2 else "down"),
- metric_card("BEKLENTİ / İŞLEM", fmt_pct(stats["expectancy"]), f"Ort. {stats['avg_r']:+.2f}R (komisyon dahil)",
- "up" if stats["expectancy"] > 0 else "down"),
- metric_card("SQN", f"{stats['sqn']:.2f}", "Sistem kalitesi (>2 iyi, >3 çok iyi)",
- "up" if stats["sqn"] >= 2 else "neutral"),
- metric_card("STRATEJİ MAKS. DD", fmt_pct(stats["max_dd"]), "", "down"),
- metric_card("STRATEJİ vs AL&TUT", f"{fmt_pct(stats['total_return'])} / {fmt_pct(stats['bh_return'])}",
- "Aynı dönem, komisyon dahil", "up" if stats["total_return"] > stats["bh_return"] else "down"),
- ]
- acc_cards = []
- if bt and bt["acc"]:
- a = bt["acc"]
- acc_cards.append(metric_card("YÖN DOĞRULUĞU", f"%{a['accuracy'] * 100:.1f}",
- f"{a['n_signals']} sinyal · {a['forward_bars']} bar ileri",
- "up" if a["accuracy"] >= 0.5 else "down"))
- if a.get("trend_regime"):
- t = a["trend_regime"]
- acc_cards.append(metric_card("DOĞRULUK · TREND", f"%{t['accuracy'] * 100:.1f}",
- f"{t['n_signals']} sinyal (ADX ≥ 25)", "up" if t["accuracy"] >= 0.5 else "down"))
- if a.get("range_regime"):
- t = a["range_regime"]
- acc_cards.append(metric_card("DOĞRULUK · YATAY", f"%{t['accuracy'] * 100:.1f}",
- f"{t['n_signals']} sinyal (ADX < 25)", "up" if t["accuracy"] >= 0.5 else "down"))
-
- # ---- Piyasa bağlamı ----
- ctx = []
- for m in res["mtf"]:
- if m["aligned"] is None:
- ctx.append(metric_card(f"{m['bar']} TEYİDİ", "Nötr", f"Üst zaman dilimi skoru: {m['score']}"))
- else:
- ctx.append(metric_card(f"{m['bar']} TEYİDİ", "Uyumlu ✓" if m["aligned"] else "Ters Yönlü ⚠",
- f"Üst zaman dilimi skoru: {m['score']}", "up" if m["aligned"] else "down"))
- if res["funding"] is not None:
- f_ = res["funding"]
- ctx.append(metric_card("FUNDING (8S)", f"{f_ * 100:+.4f}%", "Pozitif = long kalabalık",
- "down" if f_ > 0.0002 else ("up" if f_ < -0.0002 else "neutral")))
- if res["imbalance"] is not None:
- im = res["imbalance"]
- ctx.append(metric_card("DEFTER DENGESİ", f"{im * 100:+.0f}%", "Derinlik ağırlıklı",
- "up" if im > 0.2 else ("down" if im < -0.2 else "neutral")))
- if res["liq_imbalance"] is not None:
- li = res["liq_imbalance"]
- ctx.append(metric_card("LİKİDASYON DENGESİ", f"{li * 100:+.0f}%",
- "Pozitif = short tasfiyesi ağır bastı",
- "up" if li > 0.2 else ("down" if li < -0.2 else "neutral")))
- if res["supports"]:
- lv, tc = res["supports"][0]
- ctx.append(metric_card("YAKIN DESTEK", f"${fmt_price(lv)}", f"{tc} temas · {(res['price'] - lv) / res['atr']:.1f} ATR", "up"))
- if res["resists"]:
- lv, tc = res["resists"][0]
- ctx.append(metric_card("YAKIN DİRENÇ", f"${fmt_price(lv)}", f"{tc} temas · {(lv - res['price']) / res['atr']:.1f} ATR", "down"))
- ctx.append(metric_card("VOLATİLİTE YÜZDELİĞİ", f"%{res['atr_rank'] * 100:.0f}", "ATR/fiyat, son 100 bar",
- "down" if res["atr_rank"] > 0.9 else "neutral"))
-
- liq_cards = []
- for c in res["liq_clusters"][:5]:
- side = "LONG" if c["bias"] > 0 else "SHORT"
- liq_cards.append(metric_card(
- f"{side} TASFİYE ~${fmt_price(c['price'])}",
- f"${fmt_large(c['notional'])}",
- f"{c['dist_atr']:.1f} ATR · {c['n']} kayıt",
- "down" if side == "LONG" else "up"))
- liq_note = ('Likidasyon verisi OKX genel /liquidation-orders uç noktasından gelir; '
- 'yalnızca son birkaç günün gerçekleşmiş zorunlu tasfiyelerini kapsar (spot sembolün SWAP '
- 'karşılığı üzerinden). Büyük kümeler geçmişte yoğun tasfiye olan fiyat bölgelerini gösterir; '
- 'bir destek/direnç garantisi değil, olası oynaklık/likidite bölgesi ipucudur.
')
-
- reasons_box = (f'FAKTÖR ANALİZİ
'
- f'
{_reasons_html(res["reasons"])} Backtest: son ~220 barda sinyaller üst üste binmeden işleme çevrilir; giriş bir sonraki barın açılışı, '
- f'çıkış SL {SL_ATR}×ATR / TP {TP_ATR}×ATR / {MAX_HOLD_BARS} bar; komisyon %{FEE_PER_SIDE * 100:.1f}/yön dahildir. '
- 'Emir defteri, funding, S/R ve MTF katmanları canlıdır, geçmişe uygulanamaz.
')
-
- html = (panel + consensus + conf_html + tag_html
- + (section("İŞLEM PLANI") + cards_row(plan_cards) if plan_cards else "")
- + (section("POZİSYON BOYUTU") + cards_row(size_cards) if size_cards else "")
- + (section("GEÇMİŞ PERFORMANS (WALK-FORWARD)") + cards_row(bt_cards) + cards_row(acc_cards) + bt_note
- if (bt_cards or acc_cards) else "")
- + section("PİYASA BAĞLAMI") + cards_row(ctx)
- + (section("LİKİDASYON KÜMELERİ") + cards_row(liq_cards) + liq_note if liq_cards else "")
- + reasons_box)
- return (html, build_signal_price_chart(df, ind, symbol, bar, res), build_factor_chart(res["contribs"], symbol),
- build_backtest_chart(bt, df, symbol), build_signal_chart(df, ind, symbol))
- except Exception as e:
- return empty5(error_box(f"Veri alınamadı: {e}"))
-
-
-def load_risk(symbol, bar):
- try:
- df = fetch_candles(symbol, bar, 300)
- rm = risk_metrics(df, bar)
- if rm is None:
- return error_box("Risk hesaplaması için yeterli veri yok."), go.Figure()
- cards = [
- metric_card("YILLIKLANDIRILMIŞ VOLATİLİTE", fmt_pct(rm["volatility_annual"])),
- metric_card("YILLIKLANDIRILMIŞ GETİRİ", fmt_pct(rm["return_annual"]), "",
- "up" if rm["return_annual"] >= 0 else "down"),
- metric_card("SHARPE ORANI", f"{rm['sharpe']:.2f}", "", "up" if rm["sharpe"] > 0 else "down"),
- metric_card("MAKS. DRAWDOWN", fmt_pct(rm["max_drawdown"]), "", "down"),
- metric_card("GÜNCEL DRAWDOWN", fmt_pct(rm["current_dd"]), "",
- "down" if rm["current_dd"] < 0 else "neutral"),
- metric_card("VaR %95 (BAR)", fmt_pct(rm["var95_bar"]), "", "down"),
- metric_card("CVaR %95 (BAR)", fmt_pct(rm["cvar95_bar"]), "", "down"),
- ]
- return cards_row(cards), build_equity_chart(df, symbol)
- except Exception as e:
- return error_box(f"Veri alınamadı: {e}"), go.Figure()
-
-
-def load_orderbook(symbol, depth):
- try:
- ob = fetch_orderbook(symbol, int(depth))
- bids = [(float(p), float(s)) for p, s, *_ in ob.get("bids", [])]
- asks = [(float(p), float(s)) for p, s, *_ in ob.get("asks", [])]
- if not bids or not asks:
- return error_box("Emir defteri verisi alınamadı."), go.Figure()
- best_bid, best_ask = bids[0][0], asks[0][0]
- spread = best_ask - best_bid
- spread_pct = spread / best_ask if best_ask else 0.0
- bid_vol = sum(s for _, s in bids)
- ask_vol = sum(s for _, s in asks)
- imbalance = (bid_vol - ask_vol) / (bid_vol + ask_vol) if (bid_vol + ask_vol) else 0.0
- tone = "up" if imbalance > 0.05 else ("down" if imbalance < -0.05 else "neutral")
- cards = [
- metric_card("EN İYİ ALIŞ", f"${fmt_price(best_bid)}", "", "up"),
- metric_card("EN İYİ SATIŞ", f"${fmt_price(best_ask)}", "", "down"),
- metric_card("SPREAD", f"${fmt_price(spread)}", fmt_pct(spread_pct)),
- metric_card("DEFTER DENGESİZLİĞİ", fmt_pct(imbalance), "Pozitif = alış baskısı", tone),
- ]
- return cards_row(cards), build_depth_chart(bids, asks, symbol)
- except Exception as e:
- return error_box(f"Veri alınamadı: {e}"), go.Figure()
-
-
-@_gpu
-def refresh_all(symbol, bar, depth, closed_only, acct, risk_pct):
- ov_html, ov_fig = load_overview(symbol, bar)
- sig = load_signal(symbol, bar, closed_only, acct, risk_pct)
- risk_html, risk_fig = load_risk(symbol, bar)
- ob_html, ob_fig = load_orderbook(symbol, depth)
- return (ov_html, ov_fig, *sig, risk_html, risk_fig, ob_html, ob_fig)
-
-
-def refresh_signal(symbol, bar, closed_only, acct, risk_pct):
- """Yalnızca sinyal sekmesini yeniler (risk/kapanmış-mum ayarı değişince hızlı güncelleme)."""
- return load_signal(symbol, bar, closed_only, acct, risk_pct)
-
-
-SCAN_MODES = ["Tümü (skora göre)", "Yalnızca AL yönlü", "Yalnızca SAT yönlü", "Yalnızca yüksek kalite (A / A+)"]
-
-
-def _scan_one(sym, bar, all_tickers, closed_only):
- df = fetch_candles(sym, bar, 300)
- if closed_only:
- df = df[df["confirm"] == 1].reset_index(drop=True)
- # MTF ve mikro-yapı katmanları taramada kapalı (API yükünü azaltmak için); tekil analizde açık.
- res = generate_signal(df, symbol=sym, bar=bar, mtf=False, micro=False, closed_only=closed_only)
- rm = risk_metrics(df, bar)
- t = all_tickers.get(sym, {})
- last = float(t.get("last") or df["c"].iloc[-1])
- open24h = float(t.get("open24h") or df["c"].iloc[0])
- chg24h = (last - open24h) / open24h if open24h else 0.0
- div = res["divergence"]
- div_txt = "Yükseliş" if div["bullish"] else ("Düşüş" if div["bearish"] else "—")
- bt = res["backtest"]
- st = bt["stats"] if bt else None
- acc = bt["acc"] if bt else None
- return {
- "Sembol": sym, "Fiyat": last, "24S %": round(chg24h * 100, 2), "Sinyal": res["signal"],
- "Skor": res["score"], "Kalite": res["grade"], "Güven %": res["confidence"], "Rejim": res["regime"],
- "RSI": round(res["indicators"]["rsi"].iloc[-1], 1), "ADX": round(res["adx"], 1),
- "Sıkışma": "●" if res["squeeze_on"] else "—", "Uyumsuzluk": div_txt,
- "Kazanma %": round(st["win_rate"] * 100, 1) if st else None,
- "Profit Factor": round(st["profit_factor"], 2) if st else None,
- "Beklenti %": round(st["expectancy"] * 100, 2) if st else None,
- "Yön Doğruluğu %": round(acc["accuracy"] * 100, 1) if acc else None,
- "Volatilite (Yıllık) %": round(rm["volatility_annual"] * 100, 1) if rm else None,
- "Sharpe": round(rm["sharpe"], 2) if rm else None,
- }
-
-
-def run_scanner(symbols_text, bar, closed_only=False, mode=SCAN_MODES[0], progress=gr.Progress()):
- symbols = [s.strip().upper() for s in symbols_text.split(",") if s.strip()][:25]
- if not symbols:
- return pd.DataFrame()
- try:
- all_tickers = {t["instId"]: t for t in fetch_all_tickers("SPOT")}
- except Exception:
- all_tickers = {}
-
- rows, done = [], 0
- with ThreadPoolExecutor(max_workers=4) as ex: # ağ beklemesini paralelle (OKX limiti için 4 ile sınırlı)
- futs = {ex.submit(_scan_one, s, bar, all_tickers, closed_only): s for s in symbols}
- for f in as_completed(futs):
- done += 1
- progress(done / len(symbols), desc=f"{futs[f]} tarandı ({done}/{len(symbols)})")
- try:
- rows.append(f.result())
- except Exception:
- continue
- if not rows:
- return pd.DataFrame()
- out = pd.DataFrame(rows)
- if mode == SCAN_MODES[1]:
- out = out[out["Skor"] >= SIGNAL_THRESHOLD].sort_values("Skor", ascending=False)
- elif mode == SCAN_MODES[2]:
- out = out[out["Skor"] <= -SIGNAL_THRESHOLD].sort_values("Skor", ascending=True)
- elif mode == SCAN_MODES[3]:
- out = out[out["Kalite"].isin(["A", "A+"])].sort_values("Güven %", ascending=False)
- else:
- out = out.sort_values("Skor", ascending=False)
- return out.reset_index(drop=True)
-
-
-# ---------------------------------------------------------------------------
-# STYLE — dark "trading terminal" identity (deliberate, not default SaaS chrome)
-# ---------------------------------------------------------------------------
-HEAD = """
-Bu panel yalnızca eğitim ve bilgilendirme amaçlıdır; yatırım tavsiyesi '
- 'değildir. Tüm veriler OKX genel (public) piyasa API\'sinden alınır; hiçbir API anahtarı '
- 'kullanılmaz ve hiçbir gerçek emir gönderilmez. Kripto varlıklar yüksek oynaklık içerir; geçmiş '
- 'performans (backtest dahil) gelecekteki sonuçların göstergesi değildir. Backtest sonuçları '
- 'kısa örneklem üzerindedir ve istatistiksel olarak sınırlıdır.
'
- )
-
- io_inputs = [symbol_dd, bar_dd, depth_slider, closed_cb, acct_num, risk_sl]
- io_outputs = [ov_html, ov_plot, sig_html, sig_map_plot, sig_factor_plot, sig_bt_plot, sig_ind_plot,
- risk_html, risk_plot, ob_html, ob_plot]
- sig_inputs = [symbol_dd, bar_dd, closed_cb, acct_num, risk_sl]
- sig_outputs = [sig_html, sig_map_plot, sig_factor_plot, sig_bt_plot, sig_ind_plot]
-
- refresh_btn.click(refresh_all, io_inputs, io_outputs)
- timer.tick(refresh_all, io_inputs, io_outputs)
- auto_cb.change(lambda active: gr.Timer(active=active), auto_cb, timer)
- closed_cb.change(refresh_signal, sig_inputs, sig_outputs)
- acct_num.submit(refresh_signal, sig_inputs, sig_outputs)
- risk_sl.release(refresh_signal, sig_inputs, sig_outputs)
- scan_btn.click(run_scanner, [scan_symbols, scan_bar, closed_cb, scan_mode], scan_out)
- demo.load(refresh_all, io_inputs, io_outputs)
-
-demo.queue().launch(
- theme=gr.themes.Base(primary_hue="blue", neutral_hue="slate"),
- css=CSS,
- head=HEAD,
- ssr_mode=False,
-)