MidasBot: bot trading crypto IA + stratégies Ichimoku validées

- Infra: Freqtrade (futures dry-run) + Redis + dashboard + Docker Compose
- Couche IA: ai_analyzer (Claude via abonnement, MCP TradingView, backfill biais)
- Stratégies: SampleStrategy, AiBiasStrategy, IchimokuLS (long/short, validée
  train/test + données vierges + walk-forward), MTFIchimoku, variantes hyperopt
- Arbitrage CEX (dry-run), backtesting, walk-forward, volatility targeting
- IchimokuLS en dry-run live (config_live.json)

Claude-Session: https://claude.ai/code/session_01VHETcFacdnDhQzthLpdYFR

freqtrade/user_data/strategies/BBMeanRev.py

@@ -0,0 +1,82 @@
+# pragma pylint: disable=missing-docstring, invalid-name, too-few-public-methods
+"""
+BBMeanRev — 2e moteur : mean-reversion (Bollinger + RSI), long/short futures.
+
+Logique CONTRAIRE au trend-follower (Ichimoku) → décorrélée par construction :
+  LONG  quand le prix casse SOUS la bande basse + RSI survendu (rebond attendu).
+  SHORT quand le prix casse AU-DESSUS de la bande haute + RSI suracheté (repli attendu).
+  Sortie : retour à la moyenne (bande médiane) + ROI/stop.
+
+But : gagner dans les marchés en range (là où l'Ichimoku perd), pour qu'en
+combinaison le ratio rendement/risque monte. Paramétrable pour hyperopt.
+"""
+from __future__ import annotations
+
+import talib.abstract as ta
+from pandas import DataFrame
+
+from freqtrade.strategy import IStrategy, IntParameter
+
+
+class BBMeanRev(IStrategy):
+    INTERFACE_VERSION = 3
+    timeframe = "1h"
+    can_short = True
+
+    # Mean-reversion = sorties rapides ; valeurs par défaut, surchargées par hyperopt.
+    minimal_roi = {"0": 0.03, "60": 0.02, "180": 0.01, "360": 0}
+    stoploss = -0.05
+    trailing_stop = False
+
+    startup_candle_count: int = 50
+    process_only_new_candles = True
+    use_exit_signal = True
+
+    buy_rsi = IntParameter(10, 40, default=30, space="buy", optimize=True)
+    sell_rsi = IntParameter(60, 90, default=70, space="sell", optimize=True)
+
+    def leverage(self, pair, current_time, current_rate, proposed_leverage,
+                 max_leverage, entry_tag, side, **kwargs) -> float:
+        return 1.0
+
+    def populate_indicators(self, dataframe: DataFrame, metadata: dict) -> DataFrame:
+        bb = ta.BBANDS(dataframe, timeperiod=20, nbdevup=2.0, nbdevdn=2.0)
+        dataframe["bb_lower"] = bb["lowerband"]
+        dataframe["bb_mid"] = bb["middleband"]
+        dataframe["bb_upper"] = bb["upperband"]
+        dataframe["rsi"] = ta.RSI(dataframe, timeperiod=14)
+        return dataframe
+
+    def populate_entry_trend(self, dataframe: DataFrame, metadata: dict) -> DataFrame:
+        # LONG : survente (RSI bas) dans la zone basse des bandes
+        dataframe.loc[
+            (
+                (dataframe["rsi"] < self.buy_rsi.value)
+                & (dataframe["close"] < dataframe["bb_mid"])
+                & (dataframe["volume"] > 0)
+            ),
+            "enter_long",
+        ] = 1
+        # SHORT : surchauffe (RSI haut) dans la zone haute des bandes
+        dataframe.loc[
+            (
+                (dataframe["rsi"] > self.sell_rsi.value)
+                & (dataframe["close"] > dataframe["bb_mid"])
+                & (dataframe["volume"] > 0)
+            ),
+            "enter_short",
+        ] = 1
+        return dataframe
+
+    def populate_exit_trend(self, dataframe: DataFrame, metadata: dict) -> DataFrame:
+        # Sortie LONG : RSI revenu vers la moyenne (réversion réalisée)
+        dataframe.loc[
+            ((dataframe["rsi"] > 50) & (dataframe["volume"] > 0)),
+            "exit_long",
+        ] = 1
+        # Sortie SHORT : RSI revenu vers la moyenne
+        dataframe.loc[
+            ((dataframe["rsi"] < 50) & (dataframe["volume"] > 0)),
+            "exit_short",
+        ] = 1
+        return dataframe