Chan/research/live/bitget_baseline.py

"""Bitget 原生回测基线：影子交易器要对照的那个数。

aggregate_robustness 证明总体期望在数据扰动下稳定，但逐笔清单不可复现。
所以滑点不能逐笔对照 Binance 回测，只能对照「同一 venue 上的总体毛均收益」。
这一步就是把那个数算出来。

跑法与 Binance 侧完全对齐：同一时间窗、同样 300k 根 1m、同一套 lib/ 代码、
同样 SL/TP/MAX_BARS = 1.5/3.0/48 与 entry_delay=1，只换数据源。

特别关注 SOL：Bitget 的 tick 是 0.001、Binance 是 0.01，粗 10 倍会让
`close > high[j-1]` 大量平局不触发。Bitget 上信号多出 74%，多出来的是否
同样赚钱，只有跑一遍才知道——这不是随机扰动，是系统性差异。

输出 out/bitget_baseline.csv。
"""
from __future__ import annotations

import argparse
import os
import sys
import time
import warnings
from pathlib import Path

import numpy as np
import pandas as pd

warnings.filterwarnings("ignore")
for v in ("OMP_NUM_THREADS", "OPENBLAS_NUM_THREADS", "MKL_NUM_THREADS"):
    os.environ.setdefault(v, "1")

HERE = Path(__file__).resolve().parent
RESEARCH = HERE.parent
sys.path.insert(0, str(RESEARCH))
sys.path.insert(0, str(RESEARCH.parent))
sys.path.insert(0, str(HERE))
pd.set_option("display.width", 260)

from aggregate_robustness import run_once, stats  # noqa: E402
from venue_parity import fetch_bitget  # noqa: E402

# Binance 侧在同一窗口的实测值，来自 out/aggregate_robustness_*.csv 的 0bp 档
BINANCE_REF = {"BTC": 6.11, "ETH": 12.31, "SOL": 10.01}


def main() -> None:
    ap = argparse.ArgumentParser()
    ap.add_argument("--symbols", default="BTC,ETH,SOL")
    ap.add_argument("--days", type=int, default=210,
                    help="与 Binance 侧的 300k 根（208 天）对齐")
    ap.add_argument("--refresh", action="store_true")
    ap.add_argument("--tag", default="", help="产物文件名后缀，避免多次调用互相覆盖")
    args = ap.parse_args()

    from lib.data import load_local

    syms = [s.strip() for s in args.symbols.split(",")]
    print(f"[Bitget 原生基线] {syms} · 近 {args.days} 天 1m\n", flush=True)

    rows = []
    for sym in syms:
        t0 = time.perf_counter()
        bg_l = fetch_bitget(sym, "1m", args.days, args.refresh)
        bg_h = fetch_bitget(sym, "5m", args.days, args.refresh)
        print(f"── {sym}  {len(bg_l)} 根 1m / {len(bg_h)} 根 5m  "
              f"{bg_l['date'].iloc[0]:%Y-%m-%d} ~ {bg_l['date'].iloc[-1]:%Y-%m-%d}"
              f"  [拉取 {time.perf_counter() - t0:.0f}s]", flush=True)

        t1 = time.perf_counter()
        tr = run_once(bg_l, bg_h)
        s = stats(tr)
        rows.append({"品种": sym, "venue": "Bitget", **s})
        print(f"   Bitget : " + " · ".join(f"{k} {v}" for k, v in s.items())
              + f"  [{time.perf_counter() - t1:.0f}s]", flush=True)

        # 同窗口的 Binance 对照，直接重算一遍，避免口径漂移
        lo, hi = int(bg_l.timestamp.min()), int(bg_l.timestamp.max())
        bn_l = load_local(f"{sym}/USDT:USDT", "1m")
        bn_h = load_local(f"{sym}/USDT:USDT", "5m")
        if bn_l is None:
            continue
        bn_l = bn_l[(bn_l.timestamp >= lo) & (bn_l.timestamp <= hi)].reset_index(drop=True)
        bn_h = bn_h[(bn_h.timestamp >= lo) & (bn_h.timestamp <= hi)].reset_index(drop=True)
        t1 = time.perf_counter()
        s2 = stats(run_once(bn_l, bn_h))
        rows.append({"品种": sym, "venue": "Binance", **s2})
        print(f"   Binance: " + " · ".join(f"{k} {v}" for k, v in s2.items())
              + f"  [{time.perf_counter() - t1:.0f}s]", flush=True)

    if not rows:
        print("无结果")
        return

    tb = pd.DataFrame(rows)
    tb["毛均bp"] = tb["毛均收益"].str.rstrip("%").astype(float) * 100
    print("\n" + "=" * 120)
    print("########## 同窗口 · 同代码 · 只换数据源 ##########")
    print(tb.to_string(index=False))

    print("\n########## 毛均收益对照（bp）##########")
    piv = tb.pivot_table(index="品种", columns="venue", values="毛均bp")
    piv["差额"] = (piv.get("Bitget", np.nan) - piv.get("Binance", np.nan)).round(2)
    cnt = tb.pivot_table(index="品种", columns="venue", values="笔数")
    piv["Bitget笔数"] = cnt.get("Bitget")
    piv["Binance笔数"] = cnt.get("Binance")
    piv["Bitget余量bp"] = (piv.get("Bitget", np.nan) - 6.0).round(2)
    print(piv.round(2).to_string())

    print("\n########## 结论 ##########")
    print("  Bitget余量 = 该 venue 自己的毛均收益 − 6bp 双边费率（VIP1 taker + API 返50%）。")
    print("  这就是影子交易器测出的滑点要去比的那条线，逐笔清单不参与比较。")
    print("  两家毛均若接近 → 总体口径可迁移；若差很多 → 以 Bitget 的为准。")

    out = RESEARCH / "out" / f"bitget_baseline{args.tag}.csv"
    tb.to_csv(out, index=False)
    print(f"\n产物写入 {out}")


if __name__ == "__main__":
    main()