tradermonty/vcp-screener

VCP Screener – Minervini Volatilitätskontraktionsmuster

Durchsucht S&P 500-Aktien nach Mark Minervinis Volatilitätskontraktionsmuster (VCP) und identifiziert Stage-2-Aufwärtstrends mit kontrahierender Volatilität nahe Ausbruchspivotpunkten.

Wann verwenden

• Benutzer fragt nach VCP-Screening oder Minervini-Setups
• Benutzer möchte enge Basis-/Volatilitätskontraktionsmuster finden
• Benutzer fordert Stage-2-Momentum-Aktienscans an
• Benutzer fragt nach Ausbruchskandidaten mit definiertem Risiko
• Benutzer fragt "finde jedes historische VCP in " oder möchte die vergangenen VCP-Setups eines Tickers mit Vorwärtsergebnissen untersuchen (--history --ticker SYM)

Voraussetzungen

• FMP-API-Schlüssel (setze Umgebungsvariable FMP_API_KEY oder übergib --api-key)
• Kostenloser Tarif (250 Aufrufe/Tag) ist ausreichend für das Standard-Screening (Top 100 Kandidaten)
• Kostenpflichtiger Tarif empfohlen für das vollständige S&P 500-Screening (--full-sp500)

Arbeitsablauf

Schritt 1: Screening vorbereiten und ausführen

Führe das VCP-Screener-Skript aus:

# Standard: S&P 500, Top 100 Kandidaten
python3 skills/vcp-screener/scripts/screen_vcp.py --output-dir skills/vcp-screener/scripts

# Benutzerdefiniertes Universum
python3 skills/vcp-screener/scripts/screen_vcp.py --universe AAPL NVDA MSFT AMZN META --output-dir skills/vcp-screener/scripts

# Vollständiges S&P 500 (kostenpflichtiger API-Tarif)
python3 skills/vcp-screener/scripts/screen_vcp.py --full-sp500 --output-dir skills/vcp-screener/scripts

Strenger Modus (reines Minervini-Setup)

Gib nur Aktien zurück, bei denen valid_vcp=True UND execution_state in (Pre-breakout, Breakout) ist:

python3 skills/vcp-screener/scripts/screen_vcp.py --strict --output-dir reports/

Historischer Einzelticker-Modus

Durchläuft die mehrjährige Historie eines Tickers, erkennt jedes jemals gebildete VCP und fügt Vorwärts-Outcome-Statistiken hinzu (Ausbruch / Stop-Loss / Timeout, Tage bis zum Ergebnis, maximaler Gewinn, maximaler Verlust) pro Erkennung. Nützlich für Musterstudien und Backtesting-Kontext – kein Echtzeit-Screener.

# Standard: ~5 Jahre (1260 Handelstage), 5-Tage-Schritt, 60-Tage-Ergebnisfenster
python3 skills/vcp-screener/scripts/screen_vcp.py \
  --history --ticker FIX --output-dir reports/

# Benutzerdefinierte Scanlänge: 750 Handelstage (~3 Jahre), 90-Tage-Ergebnisfenster
python3 skills/vcp-screener/scripts/screen_vcp.py \
  --history 750 --ticker TSLA \
  --stride-days 5 --outcome-days 90 \
  --output-dir reports/

# Langer Scan: 10 Jahre (2520 Handelstage)
python3 skills/vcp-screener/scripts/screen_vcp.py \
  --history 2520 --ticker NVDA --output-dir reports/

Ausgaben (mit Zeitstempel):

• vcp_history_<SYM>_<YYYY-MM-DD_HHMMSS>.json – Zeitleiste der Erkennungen mit vollständigem Analyzer-Payload + forward_outcome pro Erkennung + Zusammenfassungsstatistiken.
• vcp_history_<SYM>_<YYYY-MM-DD_HHMMSS>.md – menschenlesbare Zeitleiste.

Modusspezifische Flags:

Parameter	Standard	Bereich	Effekt
--history [DAYS]	(aus) / 1260 wenn ohne Wert	100-5040	Aktiviert den historischen Modus; optional Angabe des Handelstag-Scanfensters (erfordert --ticker)
--ticker SYM	—	—	Zu scannender Ticker
--stride-days	5	1-60	Handelstag-Schritt zwischen den Cursorpositionen
--outcome-days	60	5-252	Vorwärtsfenster, das pro Erkennung ausgewertet wird

Hinweise:

• Zwei FMP-API-Aufrufe pro Scan (Ticker + SPY-Historie), nicht 100+ wie beim Querschnitts-Pipeline.
• marketCap und absolutes RS-Perzentil beziehen sich auf den isolierten Ticker, nicht auf das Live-Screening-Universum – verwende diesen Report für Musterstudien, nicht für die Portfoliogrößenbestimmung.
• Erkennungen werden nach (T1_high_date, last_low_date, pivot) dedupliziert, sodass dasselbe VCP nicht wiederholt gemeldet wird, während der Cursor altert.

Erweiterte Abstimmung (für Backtesting)

Passe VCP-Erkennungsparameter für Forschung und Backtesting an:

python3 skills/vcp-screener/scripts/screen_vcp.py \
  --min-contractions 3 \
  --t1-depth-min 12.0 \
  --breakout-volume-ratio 2.0 \
  --trend-min-score 90 \
  --atr-multiplier 1.5 \
  --output-dir reports/

Parameter	Standard	Bereich	Effekt
--min-contractions	2	2-4	Höher = weniger, aber qualitativ hochwertigere Muster
--t1-depth-min	10.0%	1-50	Höher = schließt flache erste Korrekturen aus
--breakout-volume-ratio	1.5x	0.5-10	Höher = strengere Volumenbestätigung
--trend-min-score	85	0-100	Höher = strengerer Stage-2-Filter
--atr-multiplier	1.5	0.5-5	Niedriger = empfindlichere Swing-Erkennung
--contraction-ratio	0.70	0.1-1	Niedriger = erfordert engere Kontraktionen
--min-contraction-days	5	1-30	Höher = längere Mindestkontraktionsdauer
--lookback-days	120	30-365	Länger = findet ältere Muster
--max-sma200-extension	50.0%	—	SMA200-Distanzschwelle für den Status "Überdehnt" und Abzug
--wide-and-loose-threshold	15.0%	—	Endkontraktionstiefe, oberhalb derer das Flag "Weit und locker" ausgelöst wird
--strict	aus	—	Strenger Minervini-Modus: nur Pre-Breakout oder Breakout mit gültigem VCP

Schritt 2: Ergebnisse prüfen

1. Lies die generierten JSON- und Markdown-Reports
2. Lade references/vcp_methodology.md für Musterinterpretationskontext
3. Lade references/scoring_system.md für Bewertungsschwellen-Richtlinien

Schritt 3: Analyse präsentieren

Präsentiere für jeden Top-Kandidaten:

• Qualität (composite_score / Bewertung) – wie gut ist das VCP-Muster ausgeprägt?
• Ausführungsstatus (execution_state) – ist es jetzt kaufbar? (Pre-breakout / Breakout = handelbar)
• Musterart (pattern_type) – Lehrbuch-VCP / VCP-ähnlich / Post-Breakout / Erweiterter Leader / Beschädigt
• ★-Markierung, wenn eine Statusobergrenze angewendet wurde (Rohpunktzahl herabgestuft)
• Kontraktionsdetails (T1/T2/T3 Tiefen und Verhältnisse)
• Trade-Setup: Pivot-Preis, Stop-Loss, Risikoprozent
• Volumen-Austrocknungsverhältnis und breakout_volume_score
• Relative Stärke Rang

Schritt 4: Umsetzbare Anleitung geben

Nach Ausführungsstatus (primärer Filter):

• Pre-breakout / Breakout: Muster befindet sich im aktiven Einstiegsfenster – wende bewertungsbasierte Positionsgröße an
• Früher Post-Breakout: Ausbruch im Gange, aber über idealem Einstieg – reduzierte Größe oder auf Pullback warten
• Erweitert / Überdehnt: Trade verpasst – zur Beobachtungsliste für die nächste Basis hinzufügen
• Beschädigt / Ungültig: Setup ungültig – nicht einsteigen

Nach Bewertung (sekundär, nachdem der Status die Handelbarkeit bestätigt):

• Lehrbuch-VCP (90+): Kaufe am Pivot mit aggressiver Positionsgröße (1,5-2x)
• Starkes VCP (80-89): Kaufe am Pivot mit Standard-Positionsgröße (1x)
• Gutes VCP (70-79): Kaufe bei Volumenbestätigung über Pivot (0,75x)
• In Entwicklung (60-69): Zur Beobachtungsliste hinzufügen, auf engere Kontraktion warten
• Schwaches/Kein VCP (<60): Nur beobachten oder überspringen

3-Phasen-Pipeline

1. Vorfilter – Kursbasiertes Screening (Preis, Volumen, 52w-Position) ~101 API-Aufrufe
2. Trend-Vorlage – 7-Punkt-Stage-2-Filter mit 260-Tage-Historien ~100 API-Aufrufe
3. VCP-Erkennung – Musteranalyse, Bewertung, Berichterstellung (keine zusätzlichen API-Aufrufe)

Ausgabe

• vcp_screener_YYYY-MM-DD_HHMMSS.json – Strukturierte Ergebnisse
• vcp_screener_YYYY-MM-DD_HHMMSS.md – Menschenlesbarer Bericht

Ressourcen

• references/vcp_methodology.md – VCP-Theorie und Erklärung der Trend-Vorlage
• references/scoring_system.md – Bewertungsschwellen und Komponentengewichte
• references/fmp_api_endpoints.md – API-Endpunkte und Ratenbegrenzungen