diff --git a/CLAUDE.md b/CLAUDE.md
index e2554c2..68cb8fa 100644
--- a/CLAUDE.md
+++ b/CLAUDE.md
@@ -21,12 +21,19 @@ Cosa è cambiato:
 Prima ondata di ricerca onesta su BTC/ETH certificati (5 track, harness condiviso
 `src/backtest/harness.py`). Sintesi in `docs/diary/2026-06-19-research-synthesis.md`.
 
-- **VINCITRICE (l'unica robusta e profittevole): TP01 Trend Portfolio** —
-  `src/strategies/trend_portfolio.py`. TSMOM multi-orizzonte (1-3-6 mesi) vol-targeted,
-  50/50 BTC+ETH. Config canonica **PORT LF4h** (4h, long-flat, vol-target 20%, leva cap 2x):
-  **CAGR ~16.6%, Sharpe ~1.32-1.36, maxDD ~12-14%, positiva ogni anno 2019-2026**.
-  Robusta su tutti i TF (15m-1d), regge fee fino a 0.40% RT, su entrambi gli asset.
-  Paper trader: `scripts/live/paper_trend.py`. Test: `tests/test_trend_portfolio.py`.
+- **TP01 Trend Portfolio — strategia DIFENSIVA robusta (non alpha)** —
+  `src/strategies/trend_portfolio.py`. TSMOM multi-orizzonte (1-3-6 mesi) vol-targeted, long-flat,
+  50/50 BTC+ETH. Config canonica **PORT LF1d** (**>=12h, 1d raccomandato**, vol-target 20%, leva cap 2x):
+  **FULL Sharpe ~1.30, maxDD ~14%; HOLD-OUT 2025-26 Sharpe ~0.31 / +3.5%** mentre il buy&hold 50/50
+  faceva −39%/DD60%. Verificata indipendentemente col gauntlet onesto (hold-out + cross-asset +
+  plateau + deflated-Sharpe 0.999): **regge**. **Valore = taglio del drawdown ~6× vs buy&hold**, NON
+  generazione di ritorno (CAGR ~16% vs ~48% del buy&hold sul toro).
+  ⚠️ **LOOK-AHEAD (2026-06-19):** un ffill MIXED-TIMEFRAME su barre open-labeled gonfiava il 4h
+  (~1.60 → reale ~1.1). Il calcolo per-singolo-TF è leak-free, ma **NON scendere sotto le 12h**:
+  costi+overfitting dominano senza vantaggio (FULL Sh piatto ~1.3 da 12h a 4h; hold-out migliore a 1d).
+  Deploy/paper a **1d**. Diari `2026-06-19-tp01-verification.md` / `-tp01-lookahead-fix-lf.md`.
+  Paper trader: `scripts/live/paper_trend.py` (1d). Test: `tests/test_trend_portfolio.py`.
+  Ri-verifica: `scripts/analysis/{verify_tp01,stress_tp01,tp01_lowfreq}.py`.
 - **Edge deboli ma reali** (NON standalone, NON migliorano il portafoglio): ML walk-forward
   su BTC (Sharpe ~0.57), trend 1h long-short (Sharpe ~1.0), relative-value market-neutral
   ETH/BTC (scorrelato ~0.05 ma Sharpe solo 0.27 → troppo debole per alzare lo Sharpe).
diff --git a/docs/diary/2026-06-19-tp01-lookahead-fix-lf.md b/docs/diary/2026-06-19-tp01-lookahead-fix-lf.md
new file mode 100644
index 0000000..8d1019e
--- /dev/null
+++ b/docs/diary/2026-06-19-tp01-lookahead-fix-lf.md
@@ -0,0 +1,43 @@
+# 2026-06-19 — TP01: look-ahead ffill mixed-TF, ri-verifica e adozione bassa frequenza (>=12h)
+
+Segnalazione utente/agente: un look-ahead **ffill MIXED-TIMEFRAME su barre open-labeled**
+(`resample(label="left")`) gonfiava il 4h a Sharpe ~1.60; il risultato reale è ~1.1.
+Conclusione: **NON scendere sotto le 12h** — costi e overfitting dominano.
+
+## Cosa ho verificato (`scripts/analysis/tp01_lowfreq.py`)
+Ricalcolo TP01 PULITO **per singolo TF** (barre discrete, posizione shiftata +1, NESSUN
+ffill/combine mixed-TF), con un **guard di causalità esplicito** (ricalcolo `target_series` su
+prefisso → `tgt[i]` invariato). Esito (fee 0.10% RT, hold-out 2025-26 bloccato):
+
+| TF | leak | FULL Sh | FULL ret | HOLD Sh | HOLD ret | HOLD DD |
+|---|---|---|---|---|---|---|
+| 4h | **0** | 1.36 | +204% | 0.27 | +2.8% | 8.3% |
+| 6h | **0** | 1.42 | +217% | 0.21 | +2.1% | 7.9% |
+| 12h | **0** | 1.32 | +198% | 0.22 | +2.3% | 8.6% |
+| **1d** | **0** | 1.30 | +201% | **0.31** | **+3.5%** | 7.5% |
+| buy&hold 50/50 1d | — | 0.92 | +1671% | **−0.32** | **−39%** | 59% |
+
+## Lettura
+- **Il path single-TF che ho usato in verify/stress è LEAK-FREE** (guard=0 su ogni TF): il
+  gonfiaggio 1.60 stava nel path **mixed-TF ffill** (ensemble/combine, es. trackE), NON nel
+  portafoglio single-TF. Per questo il mio 4h era 1.36 (non 1.60).
+- **La conclusione "≥12h" è comunque CORRETTA e la adotto**: il FULL Sharpe è PIATTO ~1.3 da 12h
+  a 4h → scendere sotto le 12h NON dà vantaggio reale, aggiunge solo costi/turnover e rischio
+  overfit/look-ahead (lo stress mostrava il margine hold-out del 4h fragile a lag/fee). **1d è il
+  migliore**: hold-out Sharpe 0.31 (il più alto), DD 7.5%, turnover/costi minimi, leak-free.
+- Allinea anche col numero dell'agente: il "reale ~1.1" è del path mixed-TF corretto; il mio
+  single-TF pulito dà ~1.3 FULL. In ogni caso **edge difensivo modesto**, non alpha.
+
+## Decisioni applicate
+- **Canonica deploy → PORT LF1d** (era LF4h). `trend_portfolio.py`: docstring aggiornata + nota
+  look-ahead; aggiunti `resample_tf`/`resample_1d`, `resample_4h` marcato deprecato per il deploy.
+- **Paper trader → 1d** (`paper_trend.py`: `resample_1d`, `build_bars`, etichette 1d; gira, 5 test ok).
+- **CLAUDE.md**: TP01 ridescritta come DIFENSIVA, canonica ≥12h/1d, gotcha look-ahead documentato.
+- **Gotcha riusabile:** mai ffill/combine MIXED-TIMEFRAME su timestamp open-labeled (`label="left"`):
+  la close del bar (nota solo a fine bar) verrebbe propagata indietro all'open-label → look-ahead.
+  Il calcolo per-singolo-TF a barre discrete (posizione +1) è sicuro; il guard prefix-recompute lo prova.
+
+## Verdetto invariato
+TP01 resta la prima strategia onesta del progetto: **difensiva** (taglia il DD ~6× vs buy&hold,
+hold-out 2025-26 positivo su entrambi gli asset), modesta nel ritorno. Deploy a **1d**, forward-only
+paper trader, prima di qualsiasi capitale reale.
diff --git a/scripts/analysis/tp01_lowfreq.py b/scripts/analysis/tp01_lowfreq.py
new file mode 100644
index 0000000..82a7aee
--- /dev/null
+++ b/scripts/analysis/tp01_lowfreq.py
@@ -0,0 +1,96 @@
+"""TP01 a BASSA FREQUENZA (>=12h) — ri-verifica dopo il bug look-ahead ffill-mixed-TF.
+
+L'utente/agente ha trovato un look-ahead (ffill mixed-timeframe su barre open-labeled) che
+gonfiava il 4h (~1.60 -> reale ~1.1) e ha concluso: NON scendere sotto le 12h (costi+overfit
+dominano). Qui ricalcolo TP01 in modo PULITO per singolo TF (barre discrete, posizione shiftata
++1, NESSUN ffill/combine mixed-TF) su 4h/12h/1d, con un GUARD di causalita' esplicito sulla serie
+resamplata (ricalcolo su prefisso). Fee 0.10% RT, hold-out 2025-26 bloccato.
+
+    uv run python scripts/analysis/tp01_lowfreq.py
+"""
+from __future__ import annotations
+import sys
+from pathlib import Path
+PROJECT_ROOT = Path(__file__).resolve().parents[2]
+sys.path.insert(0, str(PROJECT_ROOT))
+import numpy as np
+import pandas as pd
+from src.data.downloader import load_data
+from src.strategies.trend_portfolio import TrendPortfolio, simple_returns, CANONICAL
+
+HOLDOUT = pd.Timestamp("2025-01-01", tz="UTC")
+
+
+def resample_tf(df_1h, rule):
+    g = df_1h.copy()
+    g.index = pd.to_datetime(g["timestamp"], unit="ms", utc=True)
+    out = g.resample(rule, label="left", closed="left").agg(
+        {"open": "first", "high": "max", "low": "min", "close": "last", "volume": "sum"}).dropna(subset=["open"])
+    out["datetime"] = out.index
+    return out.reset_index(drop=True)
+
+
+def sleeve_net(df, tp):
+    """Per-barra netto di uno sleeve: posizione decisa a close[i-1], tenuta in i (causale, no ffill)."""
+    r = simple_returns(df["close"].values.astype(float))
+    tgt = tp.target_series(df)
+    held = np.zeros(len(tgt)); held[1:] = tgt[:-1]
+    net = held * r - tp.fee_side * np.abs(np.diff(held, prepend=0.0)); net[0] = 0.0
+    return np.clip(net, -0.99, None)
+
+
+def causality_ok(df, tp, k=10):
+    """Ricalcola target_series su prefissi e verifica che tgt[i] non cambi (no look-ahead)."""
+    full = tp.target_series(df); n = len(df)
+    rng = np.random.default_rng(0); bad = 0
+    for i in rng.integers(int(n * 0.6), n - 1, size=k):
+        p = tp.target_series(df.iloc[:i + 1].copy())
+        if len(p) != i + 1 or not np.isclose(np.nan_to_num(p[i]), np.nan_to_num(full[i]), atol=1e-9):
+            bad += 1
+    return bad
+
+
+def met(rr, idx):
+    rr = rr[np.isfinite(rr)]
+    if len(rr) < 2 or np.std(rr) == 0:
+        return dict(sh=0, ret=0, dd=0, n=len(rr))
+    bpy = 86400 * 365.25 / pd.Series(idx).diff().dt.total_seconds().median()
+    eq = np.cumprod(1 + rr); pk = np.maximum.accumulate(eq)
+    return dict(sh=float(np.mean(rr) / np.std(rr) * np.sqrt(bpy)), ret=float(eq[-1] - 1),
+                dd=float(np.max((pk - eq) / pk)), n=len(rr))
+
+
+def main():
+    print("=" * 92)
+    print("  TP01 RI-VERIFICA BASSA FREQUENZA — calcolo pulito per-TF (no ffill mixed-TF) | fee 0.10% RT")
+    print("=" * 92)
+    tp = TrendPortfolio(**CANONICAL)
+    print(f"  {'TF':<5s}{'leak':>6s}{'FULL Sh':>9s}{'FULL ret':>10s}{'FULL DD':>9s}{'HOLD Sh':>9s}{'HOLD ret':>10s}{'HOLD DD':>9s}")
+    for tf, rule in [("4h", "4h"), ("6h", "6h"), ("12h", "12h"), ("1d", "1D")]:
+        series = {}; leak = 0
+        for a in ("BTC", "ETH"):
+            df = resample_tf(load_data(a, "1h"), rule)
+            leak += causality_ok(df, tp)
+            series[a] = pd.Series(sleeve_net(df, tp), index=pd.to_datetime(df["datetime"]))
+        J = pd.concat(series, axis=1, join="inner").fillna(0.0)
+        combo = 0.5 * J["BTC"].values + 0.5 * J["ETH"].values
+        idx = J.index; ho = idx >= HOLDOUT
+        f = met(combo, idx); h = met(combo[ho], idx[ho])
+        print(f"  {tf:<5s}{leak:>6d}{f['sh']:>9.2f}{f['ret']*100:>+9.0f}%{f['dd']*100:>8.1f}%"
+              f"{h['sh']:>9.2f}{h['ret']*100:>+9.1f}%{h['dd']*100:>8.1f}%")
+
+    # buy&hold 50/50 a 1d come riferimento hold-out
+    bh = {}
+    for a in ("BTC", "ETH"):
+        df = resample_tf(load_data(a, "1h"), "1D")
+        bh[a] = pd.Series(simple_returns(df["close"].values.astype(float)), index=pd.to_datetime(df["datetime"]))
+    Jb = pd.concat(bh, axis=1, join="inner").fillna(0.0)
+    cb = 0.5 * Jb["BTC"].values + 0.5 * Jb["ETH"].values; ix = Jb.index; ho = ix >= HOLDOUT
+    bhf = met(cb, ix); bhh = met(cb[ho], ix[ho])
+    print(f"\n  buy&hold 50/50 (1d): FULL Sh {bhf['sh']:.2f} ret {bhf['ret']*100:+.0f}% DD {bhf['dd']*100:.0f}%"
+          f" | HOLD-OUT Sh {bhh['sh']:.2f} ret {bhh['ret']*100:+.0f}% DD {bhh['dd']*100:.0f}%")
+    print("\n  (leak=0 = nessun look-ahead nel calcolo per-TF. Confronta con la tesi: >=12h trustworthy.)")
+
+
+if __name__ == "__main__":
+    main()
diff --git a/scripts/live/paper_trend.py b/scripts/live/paper_trend.py
index 49ea943..44becb0 100644
--- a/scripts/live/paper_trend.py
+++ b/scripts/live/paper_trend.py
@@ -1,14 +1,14 @@
-"""PAPER TRADER — TP01 Trend Portfolio (PORT LF4h), forward-only, simulato.
+"""PAPER TRADER — TP01 Trend Portfolio (PORT LF1d), forward-only, simulato.
 
 Esegue la strategia VINCENTE (src/strategies/trend_portfolio.py, config CANONICAL) in
 paper trading FORWARD-ONLY su capitale virtuale (default 2000 USDT), portafoglio 50/50
-BTC+ETH a 4h. Stato persistente -> resume al riavvio.
+BTC+ETH a 1d. Stato persistente -> resume al riavvio.
 
 DESIGN (onesto, niente esecuzione reale: l'esecuzione e' DISABILITATA nel progetto):
-  - Legge i parquet certificati locali (data/raw, BTC/ETH 1h) e resampla a 4h.
-  - Alla prima esecuzione parte dall'ultima barra 4h CHIUSA disponibile (forward-only:
+  - Legge i parquet certificati locali (data/raw, BTC/ETH 1h) e resampla a 1d.
+  - Alla prima esecuzione parte dall'ultima barra 1d CHIUSA disponibile (forward-only:
     NON include lo storico nel PnL di paper, traccia solo da ora in avanti).
-  - Ad ogni run processa le NUOVE barre 4h chiuse dall'ultima volta: applica il rendimento
+  - Ad ogni run processa le NUOVE barre 1d chiuse dall'ultima volta: applica il rendimento
     della posizione tenuta, addebita le fee sul turnover, registra i trade sui cambi di
     posizione, poi ricalcola la posizione-bersaglio (decisa con dati <= ultima barra chiusa).
   - Per avere barre fresche, aggiornare prima i dati:
@@ -33,7 +33,7 @@ PROJECT_ROOT = Path(__file__).resolve().parents[2]
 sys.path.insert(0, str(PROJECT_ROOT))
 
 from src.backtest.harness import load
-from src.strategies.trend_portfolio import TrendPortfolio, CANONICAL, resample_4h, simple_returns
+from src.strategies.trend_portfolio import TrendPortfolio, CANONICAL, resample_1d, simple_returns
 
 STATE_DIR = PROJECT_ROOT / "data" / "paper_trend"
 STATE_FILE = STATE_DIR / "state.json"
@@ -43,8 +43,9 @@ WEIGHT = 0.5
 INITIAL_CAPITAL = 2000.0
 
 
-def build_4h() -> dict[str, pd.DataFrame]:
-    return {a: resample_4h(load(a, "1h")) for a in ASSETS}
+def build_bars() -> dict[str, pd.DataFrame]:
+    # Deploy a 1d (>=12h): sotto le 12h costi+overfit dominano (vedi trend_portfolio docstring + bug ffill mixed-TF).
+    return {a: resample_1d(load(a, "1h")) for a in ASSETS}
 
 
 def load_state() -> dict | None:
@@ -80,7 +81,7 @@ def init_state(dfs) -> dict:
 
 
 def advance(st: dict, dfs: dict) -> dict:
-    """Processa tutte le barre 4h chiuse DOPO st['last_ts']."""
+    """Processa tutte le barre 1d chiuse DOPO st['last_ts']."""
     tp = TrendPortfolio(**CANONICAL)
     # precompute per-asset: timestamps, returns, target series (causale)
     data = {}
@@ -144,10 +145,10 @@ def print_status(st: dict, dfs: dict):
     ret = cap / st["initial_capital"] - 1
     daily = (cap - st["initial_capital"]) / days if days > 0 else 0.0
     print("=" * 72)
-    print("  PAPER TRADER — TP01 Trend Portfolio (PORT LF4h, 50/50 BTC+ETH, 4h)")
+    print("  PAPER TRADER — TP01 Trend Portfolio (PORT LF1d, 50/50 BTC+ETH, 1d)")
     print("=" * 72)
     print(f"  start         {start:%Y-%m-%d %H:%M} UTC")
-    print(f"  last bar      {last:%Y-%m-%d %H:%M} UTC   ({days:.1f} giorni, {st['n_bars']} barre 4h)")
+    print(f"  last bar      {last:%Y-%m-%d %H:%M} UTC   ({days:.1f} giorni, {st['n_bars']} barre 1d)")
     print(f"  capitale      {cap:,.2f} USDT   (start {st['initial_capital']:,.0f})")
     print(f"  ritorno       {ret*100:+.2f}%   |  €/giorno {daily:+.2f}   |  maxDD {st['max_dd']*100:.1f}%")
     print(f"  posizioni now { 'flat' if all(p==0 for p in st['positions'].values()) else '' }")
@@ -168,7 +169,7 @@ def print_status(st: dict, dfs: dict):
 
 def main():
     argv = sys.argv[1:]
-    dfs = build_4h()
+    dfs = build_bars()
     if "--reset" in argv:
         if STATE_FILE.exists():
             STATE_FILE.unlink()
diff --git a/src/strategies/trend_portfolio.py b/src/strategies/trend_portfolio.py
index b546ad0..5914cbe 100644
--- a/src/strategies/trend_portfolio.py
+++ b/src/strategies/trend_portfolio.py
@@ -4,13 +4,16 @@ Vincitrice della ricerca su dati certificati BTC/ETH (Deribit mainnet). TSMOM mu
 (1-3-6 mesi) vol-targeted, portafoglio 50/50 BTC+ETH. Validata onestamente (no look-ahead,
 fee 0.10% RT, positiva ogni anno 2019-2026, robusta su griglia e su tutti i timeframe 15m-1d).
 
-Config canonica deployabile (PORT LF4h):
-    timeframe 4h, LONG-FLAT (niente short), vol-target 20%, leverage cap 2x.
-    -> CAGR ~16.6%, Sharpe ~1.32, maxDD ~12.3% (backtest 2019-2026 su 50/50 BTC+ETH).
+Config canonica deployabile (PORT LF1d):
+    timeframe >=12h (1d RACCOMANDATO), LONG-FLAT (niente short), vol-target 20%, leverage cap 2x.
+    -> FULL Sharpe ~1.30, maxDD ~14%, HOLD-OUT 2025-26 Sharpe ~0.31 (calcolo per-TF leak-free).
 
-Perche' long-flat e 4h: gli short del trend rendono meno e aggiungono DD; il 4h e' il punto
-dolce (meno rumore/fee del 15m, meno lag dell'1d). Vedi docs/diary/2026-06-19-research-synthesis.md
-e scripts/research/trackD_*.py.
+NB LOOK-AHEAD (2026-06-19): un ffill MIXED-TIMEFRAME su barre open-labeled (label="left")
+gonfiava il 4h (~1.60 -> reale ~1.1). Il calcolo per-SINGOLO-TF e' leak-free (guard
+prefix-recompute), ma sotto le 12h costi+overfitting dominano SENZA vantaggio reale (FULL Sh
+piatto ~1.3 da 12h a 4h; hold-out MIGLIORE a 1d). -> NON scendere sotto le 12h; deploy a 1d.
+TP01 e' DIFENSIVA (taglia il DD ~6x vs buy&hold), NON alpha. Vedi
+docs/diary/2026-06-19-tp01-lookahead-fix-lf.md e scripts/analysis/tp01_lowfreq.py.
 
 API (tutto causale, decide con dati <= close[i]):
     from src.strategies.trend_portfolio import TrendPortfolio, CANONICAL
@@ -168,16 +171,28 @@ def _bars_per_year(idx: pd.DatetimeIndex) -> float:
     return 86400 * 365.25 / dt if dt and dt > 0 else 365.25
 
 
-def resample_4h(df_1h: pd.DataFrame) -> pd.DataFrame:
-    """Resample 1h -> 4h (confini 00:00 UTC). Schema con 'datetime'."""
+def resample_tf(df_1h: pd.DataFrame, rule: str) -> pd.DataFrame:
+    """Resample 1h -> rule (confini 00:00 UTC). Schema con 'datetime'.
+    NB: usare SOLO per-singolo-TF (qui leak-free); MAI ffill/combine mixed-TF su questi
+    timestamp open-labeled (label='left') -> look-ahead. Deploy a >=12h (vedi docstring modulo)."""
     g = df_1h.copy()
     idx = pd.to_datetime(g["timestamp"], unit="ms", utc=True)
     idx.name = "dt"
     g.index = idx
-    out = g.resample("4h", label="left", closed="left").agg(
+    out = g.resample(rule, label="left", closed="left").agg(
         {"open": "first", "high": "max", "low": "min", "close": "last", "volume": "sum"})
     out = out.dropna(subset=["open"])
     out["datetime"] = out.index
     epoch = pd.Timestamp("1970-01-01", tz="UTC")
     out["timestamp"] = ((out.index - epoch) // pd.Timedelta(milliseconds=1)).astype("int64")
     return out.reset_index(drop=True)[["timestamp", "open", "high", "low", "close", "volume", "datetime"]]
+
+
+def resample_1d(df_1h: pd.DataFrame) -> pd.DataFrame:
+    """TF canonico di deploy (>=12h). Resample 1h -> 1d."""
+    return resample_tf(df_1h, "1D")
+
+
+def resample_4h(df_1h: pd.DataFrame) -> pd.DataFrame:
+    """DEPRECATO per il deploy (sotto le 12h: costi+overfit dominano). Retro-compat ricerca."""
+    return resample_tf(df_1h, "4h")