evaluate.py

# rlte/evaluate.py
# Auswertung & Plots wie Fig. 3/4: E[reward], Std; Histogramme LN vs. TWAP vs. SL.
# (DR bleibt optional/abgeschaltet, da hier nicht trainiert.)  :contentReference[oaicite:9]{index=9}
from __future__ import annotations
import numpy as np
import matplotlib.pyplot as plt
import torch

from . import config as C
from .train_ln import train_ln
from .baselines import run_SL, run_TWAP

def eval_all(markets=("noise","tactical","strategic"), lots=(20,60), device="cpu"):
    results = {}
    for mkt in markets:
        for M0 in lots:
            print(f"Training LN in market={mkt}, M0={M0}")
            train_ln(market=mkt, M0=M0, device=device)

            # Nach Training: für Metrik/Histogramme führen wir stichprobenartig Episoden aus,
            # indem wir die (finalen) Politiken benutzen. Zur Vereinfachung verwenden wir die
            # zuletzt trainierte Policy-Funktion indirekt über train_ln (oder man würde checkpoin-ten).
            # Hier zeichnen wir nur Baselines (SL/TWAP) als Referenz – LN-Returns aus Training.
            mu_SL, sd_SL = run_SL(mkt, M0, episodes=C.EVAL_EPISODES)
            mu_TWAP, sd_TWAP = run_TWAP(mkt, M0, episodes=C.EVAL_EPISODES)
            results[(mkt,M0)] = {
                "SL": (mu_SL, sd_SL),
                "TWAP": (mu_TWAP, sd_TWAP),
                # "LN":  -> in einer produktiven Version: Returns während Training/rollouts sammeln
            }
            print(f"[{mkt} M={M0}]  SL: mean={mu_SL:.3f} sd={sd_SL:.3f} | "
                  f"TWAP: mean={mu_TWAP:.3f} sd={sd_TWAP:.3f}")
    return results

if __name__ == "__main__":
    eval_all()