feat(fitness): multi-objective combined = alpha*IS + (1-alpha)*OOS opt-in

Aggiunti due meccanismi per selection multi-objective:

1) Helper compute_combined_fitness(fit_train, fit_oos, alpha):
   formula = alpha*IS + (1-alpha)*OOS, fallback a IS se OOS è None/NaN.

2) RunConfig.eval_oos_during_loop (default False) + fitness_combined_alpha
   (default 0.5). Quando True E wfa_train_split attivo, ogni genome con
   fitness IS > 0 viene rivalutato su test_ohlcv DURANTE il loop GA e la
   fitness usata per tournament_select/elite_select è quella combinata.
   2x costo backtest engine (richiede 2 evaluation per genome).

3) CLI flags --eval-oos-during-loop e --fitness-combined-alpha.

Motivazione: il run phase2-7-max7y-v2-wfa-001 ha mostrato che il top by
fitness_IS (4e1be9fa, ratio OOS 0.31) NON è il top per performance OOS reale
(634111992702, ratio 1.42, ret_OOS +105% / 2.2y). Selezionare durante GA
con combined fitness orienta l'evoluzione verso strategie OOS-robust by
design invece di filtrarle a posteriori.

Backward compat: default eval_oos_during_loop=False → comportamento
invariato per run senza il flag.

Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>

scripts/run_phase1.py

@@ -81,6 +81,21 @@ def parse_args() -> argparse.Namespace:
         default=5,
         help="Walk-forward: quanti top genomi rivalutare OOS (default 5)",
     )
+    p.add_argument(
+        "--eval-oos-during-loop",
+        action="store_true",
+        help=(
+            "Multi-objective: eval ogni genome anche su test_ohlcv durante "
+            "il loop e usa combined = alpha*IS + (1-alpha)*OOS per selection. "
+            "Richiede --wfa-train-split. 2x costo backtest engine."
+        ),
+    )
+    p.add_argument(
+        "--fitness-combined-alpha",
+        type=float,
+        default=0.5,
+        help="Multi-objective: peso IS (1-alpha = OOS). 1.0=solo IS, 0.5=bilanciato, 0.0=solo OOS",
+    )
     return p.parse_args()
 
 
@@ -144,6 +159,8 @@ def main() -> None:
         fitness_adversarial_soft_penalty=args.fitness_soft_penalty,
         wfa_train_split=args.wfa_train_split,
         wfa_top_k=args.wfa_top_k,
+        eval_oos_during_loop=args.eval_oos_during_loop,
+        fitness_combined_alpha=args.fitness_combined_alpha,
     )
 
     run_id = run_phase1(cfg, ohlcv=ohlcv, llm=llm)