chore(reset): v2.0.0 — storico certificato Deribit mainnet, ripartenza pulita

Reset del progetto su fondamenta verificate dopo la scoperta che l'intera
libreria "validata OOS" era artefatto di feed contaminato (print fantasma del
feed Cerbero TESTNET + storico Binance/USDT).

- Storico ricostruito da Deribit MAINNET (ccxt pubblico, tokenless) e
  CERTIFICATO (certify_feed.py): BTC/ETH puliti su TUTTA la storia
  (mediana 2-6 bps vs Coinbase USD), integrita' OHLC + coerenza resample
  (maxΔ 0.00) + cross-venue OK. Alt esclusi (illiquidi/divergenti: LTC/DOGE
  50-82% barre flat; XRP/BNB non certificabili).
- Verdetto sul feed pulito: FADE / PAIRS / XS01 / TSM01 morti (ogni
  portafoglio Sharpe -2.3..-3.0, DD ~40%); solo SH01 e frammenti HONEST
  con segnale residuo, da ri-validare in isolamento.
- Cleanup "restart pulito": strategie, stack live (src/live, src/portfolio,
  runner/executor, yml, docker), ~100 script ricerca/gate, waste/games/
  portfolios, dati non certificati + cache e 60+ diari -> archiviati in Old/
  (preservati, non cancellati). Diario consolidato in un unico documento.
- Skeleton ricerca tenuto: Strategy ABC + indicatori + src/fractal +
  src/backtest/engine + load_data; tool dati certificati (rebuild_history,
  certify_feed, audit_feed, multi_source_check).
- Universo dati ATTIVO: solo BTC/ETH (5m/15m/1h); guardrail fisico
  (load_data su alt -> FileNotFoundError). Esecuzione DISABILITATA, conto flat.

Co-Authored-By: Claude Opus 4.8 (1M context) <noreply@anthropic.com>

Old/scripts/analysis/sh01_trainwindow_validate.py

@@ -0,0 +1,75 @@
+"""Ri-validazione SH01 col train-window del REGIME LIVE (sweep punto 10).
+
+Diagnosi (improvement-sweep 2026-06-06): tutta la validazione SH01
+(`shape_ml_validate.py`) usa training EXPANDING full-history (~73k barre dal 2018),
+ma il worker live fetcha solo `_ML_LOOKBACK_DAYS=365` (~8760 barre 1h) -> la LogReg
+allenata su train piccolo e' OVER-CONFIDENT: frac(proba>=0.58) 44.8% vs 3.8%,
+trade-rate live 25.1% delle barre vs 2.9% validato, WR live 1/9. La soglia th=0.58
+e' di fatto inerte nel regime live.
+
+Questo harness misura l'edge SH01 (W24 H12 logit th0.58, protocollo explore_lab:
+FULL / OOS ultimo 30% / sweep fee / anni positivi) in funzione del train-window
+ROLLING (`ml_wf_entries(train_window=...)`):
+
+    8760  = regime live ATTUALE (365g)  <- la validazione mai fatta
+    17520 = 2 anni (gia' noto: BTC regge, +166%/+96%)
+    26280 = 3 anni
+    None  = EXPANDING full-history      <- la validazione canonica (riferimento)
+
++ diagnostica trade-rate per variante e, per il regime live, sweep della soglia
+(SOLO diagnostica: la lezione del sweep e' di NON ri-tunare th a forza — se
+l'edge non sopravvive a 8760 la risposta e' cambiare il regime di training del
+live, non la soglia).
+
+Esiti possibili:
+  a) edge OK a 8760 -> il live va bene cosi' (e la diagnosi WR 1/9 e' altro);
+  b) edge OK da un lookback X > 8760 -> portare il train live a X
+     (bootstrap storico dal parquet locale + append feed, o lookback maggiore);
+  c) edge solo expanding -> bootstrap parquet full-history o riconsiderare SH01.
+
+    uv run python scripts/analysis/sh01_trainwindow_validate.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))
+
+from scripts.analysis.explore_lab import get_df, evaluate, robust  # noqa: E402
+from scripts.analysis.shape_ml_research import ml_wf_entries  # noqa: E402
+
+CFG = dict(W=24, H=12, model="logit", thresh=0.58)
+WINDOWS = [8760, 17520, 26280, None]          # None = expanding (canonico)
+TH_DIAG = [0.58, 0.62, 0.66, 0.70]            # sweep soglia SOLO per il regime live
+
+
+def main():
+    print("=" * 108)
+    print("  SH01 — edge vs train-window ROLLING (W24 H12 logit th0.58, protocollo explore_lab)")
+    print("  regime live = 8760 barre (365g); canonico = expanding full-history")
+    print("=" * 108)
+
+    for asset in ("BTC", "ETH"):
+        df = get_df(asset, "1h")
+        nbars = len(df)
+        print(f"\n--- {asset} ({nbars} barre 1h) ---")
+        for tw in WINDOWS:
+            tag = f"tw={tw}" if tw else "EXPANDING"
+            ents = ml_wf_entries(df, train_window=tw, **CFG)
+            rate = len(ents) / nbars * 100
+            print(f"  [{tag:<10s}] trade-rate {rate:4.1f}% delle barre")
+            res = evaluate(f"{asset} {tag}", ents, df)
+            print(f"      -> {'ROBUSTO' if robust(res) else 'NON robusto'}")
+
+        print(f"\n  diagnostica soglia nel REGIME LIVE (tw=8760), {asset}:")
+        for th in TH_DIAG:
+            ents = ml_wf_entries(df, train_window=8760, **{**CFG, "thresh": th})
+            rate = len(ents) / nbars * 100
+            print(f"  [th={th:<5}] trade-rate {rate:4.1f}%")
+            evaluate(f"{asset} tw8760 th{th}", ents, df)
+
+
+if __name__ == "__main__":
+    main()