Tennis Strategy Finder Admin

Dark Theme Yönetim Paneli

Bu panel veri toplama, feature üretimi, klasik strateji optimizasyonu ve LLM destekli hipotez keşfi akışını tek yerden yönetmek için tasarlandı. Buradaki her run, seçtiğiniz config ve parametre snapshot'ı ile ayrı kaydedilir. Böylece geçmiş koşulları tekrar yükleyip yeni varyasyonları hızlıca test edebilirsiniz.

Bu Sistem Nasıl Çalışır?

Akış dört ana fazdan oluşur: önce tenis maç verisi ve Polymarket market verisi toplanır, sonra bu iki kaynak aynı maç perspektifinde eşleştirilerek feature seti üretilir. Ardından deterministik stratejiler ya da LLM'in ürettiği yeni hipotezler backtest ve walk-forward doğrulama ile test edilir.

Buradaki amaç sadece bilinen kalıpları uygulamak değil; verideki anomaliyi açıklanabilir kurallara dönüştürüp piyasanın neden yanlış fiyatladığını test etmektir.

Çalışma Döngüsü

1. Veri topla ve güncelle. 2. Feature üret. 3. Strateji veya hipotez seç. 4. Backtest ve walk-forward çalıştır. 5. Sonucu yorumla. 6. Gerekirse config ve parametreleri değiştirip yeni run başlat.

LLM modu özel olarak context builder → hypothesis generator → strategy coder → backtest → result interpreter zinciriyle ilerler. Yani model doğrudan tahmin yapmaz; açıklanabilir kural önerir, sonra bu kural deterministik kod olarak test edilir.

Yeni Run Başlat

Mode seç, configleri düzenle, sonra çalıştır. Tüm alanların altında ne işe yaradıklarını anlatan açıklamalar bulunur.

Canlı Run Çıktısı

Çıktı JSON olarak gösterilmez. Bunun yerine özet, durum ve satır bazlı canlı log akışı gösterilir. Run aktifken EventSource tabanlı SSE ile log satırları anlık akar.

SSE canlı akış açık

Geçmiş Run'lar

Eski sonuçları açabilir, config snapshot'ını forma alabilir ve küçük değişikliklerle yeni run başlatabilirsiniz.

Mode, tarih, özet veya durum içinde arama yapar.
Belirli bir akışı ayrı incelemek için kullanılır.
Sadece başarılı veya sadece hatalı çalıştırmaları ayırmak için kullanılır.

Run Sonrası Nasıl Yorumlanır?

Çıktıyı sadece pozitif ROI olarak değil, veri kalitesi ve örneklem boyutu ile birlikte değerlendirin.

ROI ve Sharpe birlikte okunmalı. ROI pozitif ama n_bets çok düşükse sinyal kırılgan olabilir. Walk-forward sonucu, klasik backtest sonucundan daha kritik kabul edilmelidir. Eğitim döneminde iyi çalışan ama testte bozulan strateji genelde overfit olmuştur. Feature sayısı sıfıra yakınsa asıl sorun stratejide değil veri join kapsamındadır. Bu durumda önce fetch / load / features zincirini kontrol edin.
LLM modunda "promising" verdict tek başına yeterli değildir. final_pass, walk_roi ve walk_sharpe birlikte anlamlıysa strateji tutulmalıdır. Çok sık failed veya interrupted run görüyorsanız configteki API, timeout veya veri URL alanlarını kontrol edin. Aynı run'ın config snapshot'ını forma uygulayıp tek bir parametreyi değiştirerek ilerlemek, neyin sonucu etkilediğini anlamanın en temiz yoludur.

Mevcut Backtest Sonuçları

SQLite içindeki backtest_results tablosundan en yüksek skorlu sonuçlar gösterilir.

Strateji ROI Sharpe Bet Ortalama Edge Params

Hipotez Günlüğü

LLM tarafından denenmiş son hipotezlerin verdict ve performans özeti burada görünür.

İterasyon Hipotez Verdict Final Pass Backtest ROI Walk ROI

Sistem Bilgisi

Bu alanlar bilgi amaçlıdır. Dosya yollarını görmek veya deploy/debug sırasında referans almak için kullanılır.