research(wave-0822): HL-EXEC refuta il muro dei 20k di XS01 e lo slippage come rischio #1 — e il 20k di venue e' un'altra cosa

scripts/research/r0822_leverage_skeptic.py

@@ -245,6 +245,32 @@ def main() -> dict:
           f"p99 {np.quantile(gap, 0.01):+.2%}   peggiore {gap.min():+.2%}")
     print(f"       giorni che CHIUDONO sul minimo (m == R): {(np.abs(gap) < 1e-12).mean():.1%}")
     print("       -> replica superata su 4 statistiche su 4: la macchineria e' quella del 25/07.")
+    print("\n       E il MECCANISMO del 25/07 ('il tuffo e' ~3x piu' profondo nei giorni che")
+    print("       finiscono BENE'), che e' cio' che rende la lente accoppiata diversa da una")
+    print("       marginale — gap medio per decile della CHIUSURA del giorno:")
+    q = pd.qcut(pd.Series(D["R_live"]).rank(method="first"), 10, labels=False)
+    tab = pd.DataFrame({"R": D["R_live"], "gap": gap, "q": q.values}).groupby("q").agg(
+        R=("R", "mean"), gap=("gap", "mean"), chiude_sul_min=("gap", lambda x: float((x > -1e-12).mean())))
+    print(f"\n  {'decile':>8}{'chiusura media':>17}{'gap medio':>12}{'chiude sul minimo':>20}")
+    for i, row in tab.iterrows():
+        eti = "  <- peggiori" if i == 0 else ("  <- migliori" if i == 9 else "")
+        print(f"  {int(i)+1:>8}{row['R']:>17.2%}{row['gap']:>12.2%}{row['chiude_sul_min']:>20.0%}{eti}")
+    peggio5 = gap[D["R_live"] <= np.quantile(D["R_live"], 0.05)]
+    print("\n       ⚠️ PRECISAZIONE a una lettura pubblicata: il 26,8% di giorni con m==R NON e'")
+    print("       «il giorno brutto che scende tutto il giorno e chiude sul minimo» — sta nei")
+    print("       decili CENTRALI (56-88%), che sono i giorni in cui il libro e' FLAT e quindi")
+    print("       non ha nessuna escursione da fare. Nel decile peggiore chiude sul minimo solo")
+    print("       il 4% delle volte. Il meccanismo del 25/07 (gap ~3x nei giorni buoni) e'")
+    print("       replicato; la spiegazione che lo accompagna, no.")
+    print(f"\n       gap medio nel 5% di giorni PEGGIORI: {peggio5.mean():+.2%}"
+          f"   (contro {gap[D['R_live'] >= np.quantile(D['R_live'], 0.95)].mean():+.2%} nel 5% migliori)")
+    print("       📌 CONSEGUENZA CHE VALE PER LA SEZIONE (4) DELLO SCETTICATO (lo stress di coda):")
+    print("       un giorno di crash CHIUDE quasi sul proprio minimo, quindi la lente accoppiata")
+    print("       **non peggiora** lo scenario di stress fuori campione — il tuffo extra che")
+    print("       aggiungerebbe a un giorno -10% e' dell'ordine di mezzo punto. Cio' che regge")
+    print("       k* verso il basso resta quello che dice lo scetticato (drift stimato + coda")
+    print("       assente dal dataset): la lente NON e' un quarto argomento, ne' nell'un verso")
+    print("       ne' nell'altro.")
 
     print(f"\n  (0b) ⚠️ IL GATE NON E' DIRETTAMENTE ESEGUIBILE — due lenti di SKH01, non una.")
     for nm, x in (("recon accoppiata (SKH canonico)", R_rec), ("book_series('hourly') (SKH live)", R_live)):