Merge branch 'main' of ssh://git.tielogic.xyz:222/Adriano/PythagorasGoal

# Conflicts:
#	CLAUDE.md
#	README.md

CLAUDE.md

@@ -26,15 +26,18 @@ src/strategies/        → classe base Strategy ABC + indicatori condivisi
   base.py              → Strategy, Signal, BacktestResult, YearlyStats
   indicators.py        → keltner_ratio, detect_squeezes, ema, atr, rv, correlation
 src/live/              → paper trading live multi-strategia
-  multi_runner.py      → orchestratore: carica YAML, fetch candele, tick worker
-  strategy_worker.py   → worker indipendente: capital, trade log, stato persistente.
+  multi_runner.py      → orchestratore: carica YAML (strategies + pairs), fetch candele, tick worker
+  strategy_worker.py   → worker single-leg: capital, trade log, stato persistente.
                          Exit guidati da strategia (TP/SL/max_bars via Signal.metadata),
                          fallback hold_bars/stop -2%. Usa fee_rt della strategia.
+  pairs_worker.py      → worker a 2 GAMBE per PR01 (market-neutral): long A / short B sullo
+                         z-score del log-ratio, exit |z|<=z_exit o max_bars, fee su 2 gambe.
   strategy_loader.py   → import dinamico classi Strategy da scripts/strategies/
   cerbero_client.py    → client HTTP per Cerbero MCP (Deribit testnet)
   signal_engine.py     → squeeze + ML real-time (legacy ML01, ora in waste) + validazione OOS
   telegram_notifier.py → notifiche Telegram per trade
-scripts/strategies/    → strategie con edge validato OOS (solo MR01_bollinger_fade)
+scripts/strategies/    → strategie con edge validato OOS: FADE (MR01/MR02/MR07),
+                         HONEST (DIP01/TR01/ROT02), PAIRS (PR01), TSMOM + portafogli (PORT01/02/03)
 scripts/waste/         → strategie scartate (W01-W28 + famiglia squeeze SQ/MT/ML/AD/CM/PD)
 scripts/analysis/      → ricerca/validazione OOS fee-aware (strategy_research, oos_validation, ...)
 strategies.yml         → config multi-strategy paper trader
@@ -50,11 +53,13 @@ data/instruments_registry.json → allowlist strumenti validati (gate del downlo
 uv sync                                              # installa dipendenze
 uv run python -m src.data.downloader                  # scarica dati storici (solo strumenti validati)
 uv run python -m src.data.instruments                 # (ri)costruisci il registry strumenti validati
-uv run python scripts/strategies/MR01_bollinger_fade.py        # strategia attiva (mean-reversion)
+uv run python scripts/strategies/MR01_bollinger_fade.py        # backtest una strategia (es. fade)
+uv run python scripts/strategies/PR01_pairs_reversion.py       # backtest pairs market-neutral
 uv run python scripts/analysis/strategy_research.py            # ricerca strategie fee-aware OOS
 uv run python scripts/analysis/oos_validation.py               # perche' la famiglia squeeze e' scartata
-uv run python scripts/analysis/validate_worker_mr01.py         # replay worker reale su MR01
-uv run python -m src.live.multi_runner                # paper trading live multi-strategia
+uv run python scripts/analysis/report_families.py             # report per anno di tutte le famiglie
+uv run python scripts/analysis/validate_worker_pairs.py        # replay worker 2 gambe == backtest
+uv run python -m src.live.multi_runner                # paper trading live multi-strategia (strategie + pairs)
 docker compose up -d                                  # deploy Docker
 uv run pytest                                         # test
 ```
@@ -182,7 +187,14 @@ quest'ultima riconferma la dominanza mean-reversion). Due edge reali:
   (Sharpe 4.36), LTC/ETH (3.08), ADA/ETH (2.69), BTC/LTC (2.36, robusta anche 4h), ETH/SOL
   (1.96, la più debole). Pattern: sempre alt-liquido vs major. Plateau confermato
   (heatmap 20/20 Sharpe>1) + walk-forward (ETH/BTC 11/12 finestre+). **BNB/ETH scartata**
-  (overfit). Corr col mercato ~0.02-0.08. Fee su **2 gambe** (worker da estendere). Verifica: `pairs_research.py`.
+  (overfit). Corr col mercato ~0.02-0.08. Fee su **2 gambe**: worker live implementato
+  (`src/live/pairs_worker.py`, sezione `pairs:` in `strategies.yml`). LOGICA validata
+  (`validate_worker_pairs.py`: replay == backtest ESATTO). LIVE (`live_smoke_pairs.py`,
+  smoke reale Cerbero): **tutte e 5 le coppie con feed live fresco**. Naming Deribit:
+  BTC/ETH = `<COIN>-PERPETUAL` (inverse); alt = `<COIN>_USDC-PERPETUAL` (lineari USDC,
+  storia dal 2022). Trappola: `LTC-PERPETUAL`/`SOL-PERPETUAL` danno vuoto/dati errati →
+  usare sempre `_USDC-PERPETUAL`. Resta da verificare solo liquidità/fill in esecuzione.
+  Verifica edge: `pairs_research.py`.
 - **TSM01** (`scripts/analysis/tsmom_research.py`): TSMOM multi-orizzonte 3/6/12m + risk-off,
   **gross 0.30**, distinto da ROT02 (corr 0.62), DD 15-22%, mai un anno negativo. Robusto
   (36/36 config OOS+) ma diversificatore, non motore di ritorno (rende meno di ROT02).
@@ -192,8 +204,9 @@ grande (`scripts/analysis/combine_v2.py`). **Numeri sobri onesti** (l'OOS singol
 è regime calmo → ottimistico ~50%): worst-DD su 90g rolling **~6%** (non 2.3%), Sharpe
 atteso **~5** (mediana semestrale), ogni anno positivo dal 2021, regge **leva 2x +
 slippage doppio** (CAGR 36%, Sharpe 5.1). Config robusta raccomandata: **MASTER-esteso
-equal-weight, leva 2x, cap pairs ~30-35%** (i pairs sono ~57% del rischio e non ancora
-validati col worker live a 2 gambe). La confluenza multi-TF è stata SCARTATA (overfit).
+equal-weight, leva 2x, cap pairs ~30-35%** (i pairs sono ~57% del rischio; worker live a
+2 gambe implementato, validato e con feed live su tutte e 5 le coppie — resta da
+verificare liquidità/fill in esecuzione reale). La confluenza multi-TF è stata SCARTATA (overfit).
 
 **Metodologia obbligatoria per ogni nuova strategia** (per non ripetere l'errore squeeze):
 1. Ingresso eseguibile: direzione e prezzo decisi con dati **fino a `close[i]`**, mai `close[i-1]` con direzione da `i`.
@@ -213,10 +226,14 @@ queste fade, ma va confermato col paper trader live prima di rischiare capitale
 
 Orchestratore che esegue N strategie in parallelo su dati live Cerbero, ognuna con €1000 USDC virtuali indipendenti.
 
-**Config:** `strategies.yml` — lista strategie con asset, tf, sizing, parametri. Attualmente solo MR01 (BTC/ETH 1h).
-**Persistenza:** `data/paper_trades/{strategy}___{asset}__{tf}/` con `trades.jsonl` (append-only) + `status.json` (resume al restart, include tp/sl/max_bars).
+**Config:** `strategies.yml` — due sezioni: `strategies` (single-leg: fade/honest) e
+`pairs` (a 2 gambe). Attive: 6 fade (MR01/MR02/MR07 × BTC/ETH) + 5 coppie PR01.
+**Due worker:** `strategy_worker.py` (single-leg) e `pairs_worker.py` (2 gambe,
+long A / short B sullo z-score del log-ratio, fee su 2 gambe).
+**Persistenza:** `data/paper_trades/{worker_id}/` con `trades.jsonl` (append-only) + `status.json` (resume al restart).
 **Hot-add:** aggiungi riga YAML → `docker compose restart` → storico intatto.
-**Exit strategia:** se un `Signal` porta `tp`/`sl`/`max_bars` in `metadata` (come MR01), il worker esce su take-profit/stop-loss/time-limit a quei livelli; altrimenti usa il fallback `hold_bars`/stop -2%.
+**Exit strategia:** se un `Signal` porta `tp`/`sl`/`max_bars` in `metadata` (come le fade), il worker esce su take-profit/stop-loss/time-limit; i pairs escono su |z|≤z_exit o max_bars.
+**Naming Deribit (feed live):** major = `<COIN>-PERPETUAL` (inverse); alt = `<COIN>_USDC-PERPETUAL` (lineari USDC). Vedi INSTRUMENT_MAP in `multi_runner.py`.
 **Notifiche:** Telegram per ogni trade (richiede `.env` con `TELEGRAM_BOT_TOKEN` e `TELEGRAM_CHAT_ID`).
 
 ## Convenzioni

README.md

@@ -4,7 +4,7 @@ Sistema di riconoscimento pattern frattali e predizione per il trading di cripto
 
 ## Obiettivo
 
-Partendo da un capitale iniziale di €1.000, raggiungere un profitto medio di €50 al giorno entro 6–8 mesi, tramite strategie algoritmiche che combinano analisi frattale, squeeze di volatilità e machine learning.
+Partendo da un capitale iniziale di €1.000, raggiungere un profitto medio di €50 al giorno entro 6–8 mesi, tramite un portafoglio di strategie algoritmiche poco correlate fra loro — mean-reversion, trend/rotazione e spread market-neutral — validate out-of-sample e fee-aware.
 
 ## Risultati
 
@@ -15,18 +15,40 @@ Partendo da un capitale iniziale di €1.000, raggiungere un profitto medio di
 > ingresso onesto (`close[i]`) e fee reali, l'edge sparisce e tutte perdono, anche
 > a fee zero. Dettagli e prove: `scripts/analysis/oos_validation.py`.
 
-Dopo una validazione **out-of-sample, fee-aware** di tutte le famiglie, l'unica con
-edge netto reale è il **mean-reversion** (i breakout *rientrano*, non continuano):
+Dopo una validazione **out-of-sample, fee-aware** di molte famiglie di strategie,
+emergono quattro famiglie con edge netto reale, tutte radicate nella stessa lezione
+(in cripto la **mean-reversion** funziona, la continuazione no) o nella diversificazione:
 
-| Codice | Strategia | Mercato | Edge OOS netto | Max DD | Robustezza |
-|--------|-----------|---------|----------------|--------|------------|
-| **MR01** | Bollinger Fade (mean-reversion) | BTC 1h | **+196 / +201%** | 15% | ✅ |
-| **MR01** | Bollinger Fade (mean-reversion) | ETH 1h | **+251%** | ~25% | ⚠️ DD alto |
+| Famiglia | Meccanismo | Strategie | Profilo (netto OOS) |
+|----------|-----------|-----------|---------------------|
+| **FADE** | mean-reversion intraday 1h (long/short, BTC/ETH) | MR01 Bollinger, MR02 Donchian, MR07 Return-reversal | Acc 52-55%, DD 18-34% |
+| **HONEST** | long-only multi-regime multi-crypto | DIP01 dip-buy, TR01 EMA-trend, ROT02 dual-momentum | CAGR 31-56%, DD 15-27% |
+| **PAIRS** | spread reversion *market-neutral* (2 gambe) | PR01 ETH/BTC, LTC/ETH, ADA/ETH, BTC/LTC, ETH/SOL | Sharpe 2.0-4.4, corr col mercato ~0.05 |
+| **TSMOM** | time-series momentum multi-orizzonte | TSM01 (3/6/12m + risk-off) | diversificatore, DD 15-22% |
 
-Netto dopo **fee realistiche Deribit 0.10% RT** (taker), leva 3x, pos 15%, su finestra
-held-out (nov 2023→mag 2026). MR01 è positivo su **tutta** la griglia parametri
-(`n∈{14,20,30,50}` × `k∈{2.0,2.5,3.0}`) e per **ogni** livello di fee 0.00-0.20% RT —
-margine di sicurezza ampio, niente parametro fortunato. Ri-validato col worker live reale.
+Tutti i numeri sono **netti** dopo fee realistiche (Deribit 0.10% RT single-leg, 0.20%
+RT/coppia sui pairs), leva 3x, su finestra held-out. Le strategie sono robuste su griglia
+parametri, sweep fee 0.00-0.20% RT e — per i pairs — validate con **walk-forward** e
+config universale (niente cherry-picking).
+
+### Portafoglio combinato (la vera leva anti-drawdown)
+
+Le famiglie sono **quasi scorrelate fra loro** (~0.05). Combinandole in un unico
+portafoglio equipesato il drawdown crolla sotto quello di ogni singola sleeve:
+
+| Portafoglio | CAGR | Max DD | Sharpe |
+|-------------|------|--------|--------|
+| FADE (6 sleeve) | ~46% | 8% | 3.9 |
+| HONEST (3 sleeve) | ~46% | 13% | 2.2 |
+| **MASTER** (FADE + HONEST, 9) | ~47% | **5%** | 4.2 |
+| **MASTER + PAIRS + TSM01** (15) | ~67% | ~5% | ~6 |
+
+> 🔎 **Numeri sobri (anti-overfit).** L'OOS singolo cade nel regime favorevole 2024-25:
+> i valori di Sharpe/DD sopra sono ottimistici di circa il 50%. Da pianificare per le
+> decisioni: **Sharpe atteso ~5**, **worst-drawdown su 90 giorni ~6%**, profilo che regge
+> a leva 2x con slippage raddoppiato. Configurazione raccomandata: equal-weight, leva 2x,
+> con un cap sull'allocazione ai pairs (~30-35%, poiché concentrano ~57% del rischio).
+> Tutto resta da confermare nel paper trading live.
 
 ## Come funziona
 
@@ -42,6 +64,21 @@ di prezzo **rientrano verso la media** più di quanto proseguano:
 
 Nessun look-ahead: direzione e livelli sono calcolati con dati fino a `close[i]`.
 
+### Le altre famiglie
+
+- **FADE** (oltre MR01): MR02 fada la rottura del canale Donchian verso il centro;
+  MR07 fada il movimento di barra estremo misurato in deviazioni standard dei
+  rendimenti. Stessa logica di reversione, indicatori indipendenti.
+- **HONEST** (long-only, multi-crypto): DIP01 compra i dip estremi e rivende al
+  recupero; TR01 segue il trend con incrocio di EMA su un paniere; ROT02 ruota ogni
+  giorno sui tre asset col momentum più forte, andando in cash quando BTC è sotto la
+  sua media (risk-off). Coprono i regimi di trend e rotazione, complementari alle fade.
+- **PAIRS** (market-neutral): scommette sul rientro verso la media del log-ratio fra
+  due cripto (z-score). Long su una, short sull'altra: l'esposizione netta al mercato è
+  quasi nulla (correlazione ~0.02), il che la rende un diversificatore eccellente.
+- **TSMOM**: tiene gli asset con momentum positivo persistente su più orizzonti
+  (3/6/12 mesi), con overlay risk-off. Rende meno ma è poco correlato, utile in ensemble.
+
 ### Perché lo squeeze breakout è stato abbandonato
 
 L'ipotesi originale era opposta — *continuazione* dopo la compressione di volatilità
@@ -71,16 +108,17 @@ PythagorasGoal/
 │   │   ├── base.py        # Strategy, Signal, BacktestResult, YearlyStats
 │   │   └── indicators.py  # keltner_ratio, detect_squeezes, ema, atr, rv, corr
 │   └── live/              # Paper trading live su Deribit testnet
-│       ├── multi_runner.py     # Orchestratore multi-strategia
-│       ├── strategy_worker.py  # Worker indipendente con stato persistente
+│       ├── multi_runner.py     # Orchestratore multi-strategia (strategie + pairs)
+│       ├── strategy_worker.py  # Worker single-leg con stato persistente
+│       ├── pairs_worker.py     # Worker a 2 gambe per i pairs (market-neutral)
 │       ├── strategy_loader.py  # Import dinamico classi Strategy
 │       ├── cerbero_client.py   # Client HTTP per Cerbero MCP
 │       ├── signal_engine.py    # Squeeze + ML real-time (legacy) + validazione OOS
 │       └── telegram_notifier.py
 ├── scripts/
-│   ├── strategies/        # Strategie con edge validato OOS (solo MR01_bollinger_fade)
-│   ├── waste/             # Strategie scartate (W01-W28 + famiglia squeeze SQ/MT/ML/AD/CM/PD)
-│   └── analysis/          # Ricerca/validazione OOS fee-aware (strategy_research, oos_validation, ...)
+│   ├── strategies/        # Strategie con edge validato OOS (FADE, HONEST, PAIRS, TSMOM + portafogli)
+│   ├── waste/             # Strategie scartate (squeeze SQ/MT/ML/AD/CM/PD, MR03, ROT01, W01-W28)
+│   └── analysis/          # Ricerca/validazione OOS fee-aware, gestione rischio, report
 ├── strategies.yml         # Config multi-strategy paper trader
 ├── data/
 │   └── raw/               # Parquet OHLCV (gitignored, ~70 MB)
@@ -94,32 +132,65 @@ PythagorasGoal/
 
 ## Strategie attive
 
-Tutte le strategie estendono `src.strategies.base.Strategy` (`generate_signals() → backtest()`).
+Le strategie single-asset estendono `src.strategies.base.Strategy`
+(`generate_signals() → backtest()`); i pairs hanno un worker dedicato a 2 gambe.
 
-| Codice | Script | Tipo | Descrizione |
-|--------|--------|------|-------------|
-| **MR01** | `MR01_bollinger_fade.py` | Mean-reversion | Fada la banda di Bollinger, TP alla media, SL ad ATR. Unica con edge netto validato OOS. |
+| Codice | Script | Famiglia | Descrizione |
+|--------|--------|----------|-------------|
+| **MR01** | `MR01_bollinger_fade.py` | FADE | Fada la banda di Bollinger, TP alla media, SL ad ATR |
+| **MR02** | `MR02_donchian_fade.py` | FADE | Fada la rottura del canale Donchian, TP al centro |
+| **MR07** | `MR07_return_reversal.py` | FADE | Fada il movimento di barra estremo (z dei rendimenti) |
+| **DIP01** | `DIP01_dip_reversion.py` | HONEST | Dip-buy long-only su z-score estremo |
+| **TR01** | `TR01_ema_trend.py` | HONEST | EMA 20/100 trend-following su paniere cripto (4h) |
+| **ROT02** | `ROT02_dual_momentum.py` | HONEST | Rotazione cross-sectional top-3 + risk-off (1d) |
+| **PR01** | `PR01_pairs_reversion.py` | PAIRS | Spread reversion market-neutral su 5 coppie |
+| **TSM01** | `tsmom_research.py` | TSMOM | Time-series momentum multi-orizzonte + risk-off |
 
-La famiglia squeeze (SQ01-04, ML01, MT01, PD01, CM01, AD01) è in `scripts/waste/`:
-edge storico = artefatto di look-ahead (vedi sezione *Come funziona*).
+Le fade applicano un **filtro trend** opzionale (`trend_max`/`ema_long`): saltano i
+segnali quando il prezzo è troppo esteso rispetto alla EMA200 — alza l'accuratezza e
+abbassa il drawdown. Portafogli pronti: `PORT01` (honest), `PORT02` (fade), `PORT03`
+(master fade+honest).
 
-Per eseguire il backtest della strategia:
+**Scartate** (in `scripts/waste/`): la famiglia squeeze (SQ01-04, ML01, MT01, PD01,
+CM01, AD01 — artefatto di look-ahead), MR03 Keltner (debole/ridondante con MR01) e
+ROT01 (dominata da ROT02).
+
+### Comandi utili
 
 ```bash
+# Backtest di una strategia
 uv run python scripts/strategies/MR01_bollinger_fade.py
-```
+uv run python scripts/strategies/PR01_pairs_reversion.py
 
-Per la ricerca/validazione fee-aware out-of-sample:
+# Ricerca e validazione fee-aware out-of-sample
+uv run python scripts/analysis/strategy_research.py      # screening famiglie + deep-dive fade
+uv run python scripts/analysis/strategy_research_v2.py   # MR02 / MR03 / MR07
+uv run python scripts/analysis/oos_validation.py         # perche' la famiglia squeeze e' scartata
+uv run python scripts/analysis/pairs_research.py         # ricerca + verifica no-look-ahead dei pairs
 
-```bash
-uv run python scripts/analysis/strategy_research.py     # screening famiglie + deep-dive MR01
-uv run python scripts/analysis/oos_validation.py        # perche' la famiglia squeeze e' scartata
-uv run python scripts/analysis/validate_worker_mr01.py  # replay del worker live su MR01
+# Gestione rischio, combinazione, report
+uv run python scripts/analysis/risk_management.py        # filtro trend + portafoglio fade
+uv run python scripts/analysis/combine_portfolio.py      # combinare fade + honest
+uv run python scripts/analysis/combine_v2.py             # master esteso con pairs + TSM01
+uv run python scripts/analysis/report_families.py        # report per anno di tutte le famiglie
+
+# Validazione dei worker live (replay == backtest)
+uv run python scripts/analysis/validate_worker_mr01.py   # worker single-leg su MR01
+uv run python scripts/analysis/validate_worker_pairs.py  # worker a 2 gambe sui pairs
+uv run python scripts/analysis/live_smoke_pairs.py       # smoke test feed live reale dei pairs
 ```
 
 ## Paper Trading Live
 
-Il multi-strategy runner esegue N strategie in parallelo su dati live da Cerbero MCP, ognuna con €1000 USDC virtuali indipendenti. Se un `Signal` porta `tp`/`sl`/`max_bars` in `metadata` (come MR01), il worker chiude su take-profit alla media / stop-loss ad ATR / time-limit; altrimenti usa il fallback `hold_bars`/stop -2%.
+Il multi-strategy runner esegue N strategie in parallelo su dati live da Cerbero MCP,
+ognuna con €1000 USDC virtuali indipendenti. Gestisce due tipi di worker:
+
+- **Single-leg** (`strategy_worker.py`): per le strategie direzionali. Se un `Signal`
+  porta `tp`/`sl`/`max_bars` in `metadata` (come le fade), chiude su take-profit /
+  stop-loss / time-limit; altrimenti usa il fallback `hold_bars`/stop -2%.
+- **Due gambe** (`pairs_worker.py`): per i pairs market-neutral. Apre long su una gamba
+  e short sull'altra, esce sul rientro dello z-score o per time-limit, conta le fee su
+  entrambe le gambe. Validato: il replay storico coincide *esattamente* col backtest.
 
 ### Avvio
 
@@ -141,19 +212,24 @@ defaults:
   position_size: 0.15
   leverage: 3
 
-strategies:
+strategies:                       # strategie single-leg
   - name: MR01_bollinger_fade
     asset: BTC
     tf: 1h
     enabled: true
-    params:
-      bb_window: 50
-      k: 2.5
-      sl_atr: 2.0
-      max_bars: 24
+    params: { bb_window: 50, k: 2.5, sl_atr: 2.0, max_bars: 24, trend_max: 3.0, ema_long: 200 }
+
+pairs:                            # strategie a 2 gambe (market-neutral)
+  - name: PR01_pairs_reversion
+    a: ETH
+    b: BTC
+    tf: 1h
+    enabled: true
+    params: { n: 50, z_in: 2.0, z_exit: 0.75, max_bars: 72, jump_max: 0.08 }
 ```
 
-Per aggiungere una strategia: nuova riga in `strategies.yml`, poi `docker compose restart`. Lo storico delle strategie esistenti rimane intatto.
+Per aggiungere una strategia: nuova riga in `strategies.yml` (sezione `strategies` o
+`pairs`), poi `docker compose restart`. Lo storico delle strategie esistenti rimane intatto.
 
 ### Persistenza
 
@@ -194,13 +270,19 @@ uv run python -m src.live.multi_runner
 
 ## Dati
 
-| Asset | Timeframe | Candele | Copertura |
-|-------|-----------|---------|-----------|
-| BTC | 5m / 15m / 1h | 883K / 294K / 74K | 2018-01 → oggi |
-| ETH | 5m / 15m / 1h | 882K / 294K / 74K | 2018-01 → oggi |
-| SOL / LTC / ADA | 1h | ~37K each | 2022 → oggi |
+| Asset | Timeframe | Copertura |
+|-------|-----------|-----------|
+| BTC, ETH | 5m / 15m / 1h | 2018-01 → oggi |
+| SOL, LTC, ADA, XRP, BNB, DOGE | 15m / 1h | 2019-2022 → oggi (variabile per asset) |
 
-Fonte primaria: Deribit perpetual via Cerbero MCP. Fallback: Binance spot via ccxt. Formato: Apache Parquet.
+Fonte primaria: perpetual Deribit via Cerbero MCP. Fallback: Binance spot via ccxt.
+Formato: Apache Parquet (in `data/raw/`, gitignored).
+
+> **Nota sul naming Deribit (per il feed live).** I major sono perpetui *inverse*
+> (`BTC-PERPETUAL`, `ETH-PERPETUAL`); gli altcoin sono perpetui *lineari USDC*
+> (`SOL_USDC-PERPETUAL`, `LTC_USDC-PERPETUAL`, …) con storia dal 2022. Attenzione:
+> `LTC-PERPETUAL`/`ADA-PERPETUAL` non esistono e `SOL-PERPETUAL` restituisce dati
+> errati — per gli altcoin usare sempre la forma `_USDC-PERPETUAL`.
 
 ### Discovery & validazione strumenti
 

scripts/analysis/live_smoke_pairs.py

@@ -0,0 +1,87 @@
+"""Smoke test REALE dei pairs: fetch live da Cerbero + un tick vero per coppia.
+
+A differenza di validate_worker_pairs.py (replay su parquet storici), questo verifica
+la PIPELINE LIVE end-to-end: chiama Cerbero per entrambe le gambe, controlla che lo
+strumento esista e sia fresco, fa un tick reale del PairsWorker e riporta lo stato.
+
+Serve a scoprire i problemi che il backtest nasconde (es. un perp alt non disponibile
+sull'endpoint Deribit). NON apre ordini reali: e' solo paper/lettura.
+"""
+from __future__ import annotations
+
+import sys
+import shutil
+import tempfile
+from datetime import datetime, timezone, timedelta
+from pathlib import Path
+
+import numpy as np
+import pandas as pd
+
+PROJECT_ROOT = Path(__file__).resolve().parents[2]
+sys.path.insert(0, str(PROJECT_ROOT))
+
+from src.live.cerbero_client import CerberoClient
+from src.live.multi_runner import INSTRUMENT_MAP
+from src.live.pairs_worker import PairsWorker
+from scripts.strategies.PR01_pairs_reversion import PAIRS
+
+
+def fetch(cli, asset, start, end):
+    inst = INSTRUMENT_MAP.get(asset, f"{asset}-PERPETUAL")
+    try:
+        cs = cli.get_historical(inst, start.strftime("%Y-%m-%d"), end.strftime("%Y-%m-%d"), "60")
+        if not cs:
+            return inst, None, "VUOTO (strumento assente sull'endpoint)"
+        df = pd.DataFrame(cs)
+        df["timestamp"] = df["timestamp"].astype("int64")
+        df = df.sort_values("timestamp").reset_index(drop=True)
+        last = pd.to_datetime(df["timestamp"].iloc[-1], unit="ms", utc=True)
+        age = (datetime.now(timezone.utc) - last).total_seconds() / 3600
+        return inst, df, f"{len(df)} barre, ultima {last:%Y-%m-%d %H:%M} ({age:.1f}h fa)"
+    except Exception as e:
+        return inst, None, f"ERRORE {type(e).__name__}: {str(e)[:60]}"
+
+
+def main():
+    cli = CerberoClient()
+    end = datetime.now(timezone.utc)
+    start = end - timedelta(days=60)
+    assets = sorted({a for a, _, _ in PAIRS} | {b for _, b, _ in PAIRS})
+
+    print("=" * 80)
+    print("  SMOKE TEST LIVE PAIRS — fetch reale Cerbero + tick (no ordini reali)")
+    print("=" * 80)
+    data = {}
+    for a in assets:
+        inst, df, msg = fetch(cli, a, start, end)
+        data[a] = df
+        print(f"  {a:<4s} [{inst:<16s}] {msg}")
+
+    print("\n  tick reale per coppia:")
+    tmp = Path(tempfile.mkdtemp())
+    try:
+        for a, b, p in PAIRS:
+            if data.get(a) is None or data.get(b) is None:
+                print(f"  {a}/{b:<4s}: SKIP (manca feed live di una gamba) -> non tradabile live ora")
+                continue
+            w = PairsWorker(a, b, "1h", params=p, fee_rt=0.001, data_dir=tmp)
+            w._log = lambda *x, **k: None
+            w._notify = lambda *x, **k: None
+            m = data[a][["timestamp", "close"]].merge(
+                data[b][["timestamp", "close"]], on="timestamp", how="inner")
+            if len(m) < p["n"] + 2:
+                print(f"  {a}/{b:<4s}: merge {len(m)} barre < n+2 ({p['n']+2}) -> dati insufficienti")
+                continue
+            z, _ = w._zscore(m["close_x"].values, m["close_y"].values)
+            w.tick(data[a], data[b])
+            state = ("IN POS " + ("LONG " + a if w.direction == 1 else "SHORT " + a)
+                     if w.in_position else "FLAT")
+            print(f"  {a}/{b:<4s}: OK merge {len(m)} barre, z_ora={z[-1]:+.2f} -> {state}")
+    finally:
+        shutil.rmtree(tmp, ignore_errors=True)
+    print("\n  Solo le coppie con entrambe le gambe fresche su Cerbero sono tradabili live.")
+
+
+if __name__ == "__main__":
+    main()

scripts/analysis/validate_worker_pairs.py

@@ -0,0 +1,74 @@
+"""Valida il PairsWorker: replay bar-per-bar sui dati storici == backtest pairs_sim?
+
+Come validate_worker_mr01 per MR01: alimenta il PairsWorker con finestre trailing
+crescenti (simula il feed live) e confronta trade/capitale finale col backtest di
+riferimento scripts/analysis/pairs_research.pairs_sim. Se combaciano, la semantica
+live (z-score causale, exit |z|<=z_exit o max_bars, fee 2 gambe) e' fedele.
+"""
+from __future__ import annotations
+
+import shutil
+import sys
+import tempfile
+from pathlib import Path
+
+import pandas as pd
+
+PROJECT_ROOT = Path(__file__).resolve().parents[2]
+sys.path.insert(0, str(PROJECT_ROOT))
+
+from src.live.pairs_worker import PairsWorker
+from scripts.analysis.pairs_research import aligned, pairs_sim
+from scripts.strategies.PR01_pairs_reversion import PAIRS
+
+WINDOW = 60         # finestra trailing minima (>= n+2): z[i] corretto, replay veloce
+
+
+def replay(a: str, b: str, params: dict, data_dir: Path) -> PairsWorker:
+    m = aligned(a, b)
+    df_a = m[["timestamp"]].copy(); df_a["close"] = m["close_a"].values
+    df_b = m[["timestamp"]].copy(); df_b["close"] = m["close_b"].values
+    w = PairsWorker(a, b, "1h", params=params, fee_rt=0.001, data_dir=data_dir)
+    # replay veloce: niente I/O su file / log / notifiche ad ogni tick (servono solo le metriche finali)
+    w._save_state = lambda: None
+    w._log = lambda *a, **k: None
+    w._notify = lambda *a, **k: None
+    n = w.n
+    for k in range(n + 2, len(m) + 1):
+        lo = max(0, k - WINDOW)
+        w.tick(df_a.iloc[lo:k], df_b.iloc[lo:k])
+    # chiudi eventuale posizione aperta a fine serie (come fa il backtest col troncamento)
+    return w
+
+
+def main():
+    print("=" * 96)
+    print("  VALIDAZIONE PairsWorker — replay live vs backtest pairs_sim (fee 0.20% RT/coppia)")
+    print("=" * 96)
+    print(f"  {'coppia':<10s}{'WORKER cap':>12s}{'trd':>5s}{'win%':>6s}  |  {'BACKTEST cap':>13s}{'trd':>5s}{'win%':>6s}  match?")
+    print("  " + "-" * 88)
+    # Sottoinsieme rappresentativo: il codice del worker e' identico per ogni coppia,
+    # quindi 2 coppie con strutture diverse (alt/major e major/alt) bastano a provare
+    # l'equivalenza. ~135s/coppia su 73k barre orarie. Per validarle tutte: usa PAIRS.
+    subset = [pp for pp in PAIRS if (pp[0], pp[1]) in {("ETH", "BTC"), ("BTC", "LTC")}]
+    tmp = Path(tempfile.mkdtemp(prefix="pairs_validate_"))
+    try:
+        for a, b, p in subset:
+            w = replay(a, b, p, tmp)
+            bt = pairs_sim(a, b, **p)
+            bt_cap = 1000.0 * (1 + bt["ret"] / 100)
+            cap_match = abs(w.capital - bt_cap) / bt_cap < 0.02 if bt_cap else False
+            trd_match = abs(w.total_trades - bt["trades"]) <= max(2, bt["trades"] * 0.02)
+            ok = "OK" if (cap_match and trd_match) else "DIFF"
+            ww = w.total_wins / w.total_trades * 100 if w.total_trades else 0
+            print(f"  {a+'/'+b:<10s}{w.capital:>12.0f}{w.total_trades:>5d}{ww:>6.1f}  |  "
+                  f"{bt_cap:>13.0f}{bt['trades']:>5d}{bt['win']:>6.1f}  {ok}")
+    finally:
+        shutil.rmtree(tmp, ignore_errors=True)
+    print("  " + "-" * 88)
+    print("  match = capitale entro 2% e trade entro 2% del backtest. Differenze minime sono")
+    print("  attese (gestione bar finale/troncamento), ma la semantica deve coincidere.")
+
+
+if __name__ == "__main__":
+    main()

scripts/strategies/PR01_pairs_reversion.py

@@ -26,10 +26,15 @@ Validazione anti-overfit (netto, fee 0.20% RT/coppia a 2 gambe, leva 3x, OOS = u
   - Correlazione con BTC daily ~0.02-0.08 -> market-neutral.
   - SCARTATA BNB/ETH: robusta solo coi suoi parametri (overfit), crolla con la universale.
 
-LIMITE OPERATIVO: e' una strategia a 2 gambe (long un perp + short l'altro), il worker
-attuale e' single-leg. Per tradarla serve: (a) eseguibilita' short del perp B su
-Deribit/Bybit, (b) gestione 2 ordini + fee doppie. Finche' il worker non supporta
-2 gambe, PR01 resta validata in backtest ma non wired nel paper trader.
+WORKER LIVE: implementato `src/live/pairs_worker.py` (2 gambe, fee doppie, stato
+persistente) e wired in `multi_runner` (sezione `pairs:` in strategies.yml). Validato:
+  - LOGICA: `validate_worker_pairs.py` -> replay storico == backtest pairs_sim ESATTO
+    (ETH/BTC: capitale, n.trade, win% identici).
+  - LIVE: `live_smoke_pairs.py` (smoke reale Cerbero) -> tutte e 5 le coppie con feed
+    live fresco. Naming Deribit corretto: BTC/ETH = "<COIN>-PERPETUAL" (inverse),
+    alt = "<COIN>_USDC-PERPETUAL" (lineari USDC, storia dal 2022). Trappola: usare
+    "LTC-PERPETUAL"/"SOL-PERPETUAL" da' vuoto/dati sbagliati -> SEMPRE _USDC-PERPETUAL.
+    Resta da verificare in trading reale solo la liquidita'/fill in esecuzione.
 """
 from __future__ import annotations
 

src/live/multi_runner.py

@@ -11,6 +11,7 @@ import pandas as pd
 from src.live.cerbero_client import CerberoClient
 from src.live.strategy_loader import load_strategy
 from src.live.strategy_worker import StrategyWorker
+from src.live.pairs_worker import PairsWorker
 from src.live.signal_engine import SignalEngine
 from src.live.telegram_notifier import send_telegram
 
@@ -18,9 +19,20 @@ PROJECT_ROOT = Path(__file__).resolve().parents[2]
 DATA_DIR = PROJECT_ROOT / "data" / "paper_trades"
 
 RESOLUTION_MAP = {"15m": "15", "1h": "60", "5m": "5"}
+# Convenzione Deribit (verificata via Cerbero, 2026-05-29):
+#  - BTC/ETH = perpetui INVERSE (margine coin): "<COIN>-PERPETUAL"
+#  - altcoin = perpetui LINEARI USDC (margine USDC): "<COIN>_USDC-PERPETUAL", storia dal 2022
+# Trappola: "LTC-PERPETUAL"/"ADA-PERPETUAL" = 0 candele; "SOL-PERPETUAL" = contratto vecchio
+# con dati sbagliati. Per gli alt usare SEMPRE la forma _USDC-PERPETUAL.
 INSTRUMENT_MAP = {
     "BTC": "BTC-PERPETUAL",
     "ETH": "ETH-PERPETUAL",
+    "SOL": "SOL_USDC-PERPETUAL",
+    "LTC": "LTC_USDC-PERPETUAL",
+    "ADA": "ADA_USDC-PERPETUAL",
+    "XRP": "XRP_USDC-PERPETUAL",
+    "BNB": "BNB_USDC-PERPETUAL",
+    "DOGE": "DOGE_USDC-PERPETUAL",
 }
 
 
@@ -130,6 +142,26 @@ def build_workers(config: dict) -> tuple[list[StrategyWorker], list[MLWorkerWrap
     return regular_workers, ml_workers
 
 
+def build_pairs_workers(config: dict) -> list[PairsWorker]:
+    """Crea i PairsWorker (2 gambe) dalla sezione `pairs:` dello YAML."""
+    defaults = config.get("defaults", {})
+    workers: list[PairsWorker] = []
+    for entry in config.get("pairs", []):
+        if not entry.get("enabled", True):
+            continue
+        workers.append(PairsWorker(
+            asset_a=entry["a"], asset_b=entry["b"], tf=entry.get("tf", "1h"),
+            params=entry.get("params", {}),
+            capital=entry.get("capital", defaults.get("capital", 1000)),
+            position_size=entry.get("position_size", defaults.get("position_size", 0.15)),
+            leverage=entry.get("leverage", defaults.get("leverage", 3)),
+            fee_rt=entry.get("fee_rt", 0.001),
+            name=entry.get("name", "PR01_pairs_reversion"),
+            data_dir=DATA_DIR,
+        ))
+    return workers
+
+
 def run():
     config_path = PROJECT_ROOT / "strategies.yml"
     if not config_path.exists():
@@ -143,7 +175,8 @@ def run():
     train_lookback_days = 365
 
     regular_workers, ml_workers = build_workers(config)
-    all_worker_count = len(regular_workers) + len(ml_workers)
+    pairs_workers = build_pairs_workers(config)
+    all_worker_count = len(regular_workers) + len(ml_workers) + len(pairs_workers)
 
     if all_worker_count == 0:
         print("Nessuna strategia abilitata in strategies.yml")
@@ -162,6 +195,8 @@ def run():
         print(f"  • {w.status_summary}")
     for mw in ml_workers:
         print(f"  • {mw.worker.status_summary} [ML]")
+    for pw in pairs_workers:
+        print(f"  • {pw.status_summary} [PAIRS]")
 
     send_telegram(f"🚀 Multi-Strategy avviato: {all_worker_count} strategie")
 
@@ -172,6 +207,9 @@ def run():
             keys.add((w.asset, w.tf))
         for mw in ml_workers:
             keys.add((mw.worker.asset, mw.worker.tf))
+        for pw in pairs_workers:                       # entrambe le gambe del pair
+            keys.add((pw.asset_a, pw.tf))
+            keys.add((pw.asset_b, pw.tf))
         return keys
 
     # Training iniziale ML
@@ -253,6 +291,15 @@ def run():
                 except Exception as e:
                     print(f"  [{mw.worker.worker_id}] ERRORE: {e}")
 
+            # Tick pairs workers (2 gambe)
+            for pw in pairs_workers:
+                ka, kb = (pw.asset_a, pw.tf), (pw.asset_b, pw.tf)
+                if ka in candle_cache and kb in candle_cache:
+                    try:
+                        pw.tick(candle_cache[ka], candle_cache[kb])
+                    except Exception as e:
+                        print(f"  [{pw.worker_id}] ERRORE: {e}")
+
             # Status periodico
             now = datetime.now(timezone.utc)
             if now.minute == 0 and now.second < poll_seconds:
@@ -261,6 +308,8 @@ def run():
                     lines.append(f"  {w.status_summary}")
                 for mw in ml_workers:
                     lines.append(f"  {mw.worker.status_summary} [ML]")
+                for pw in pairs_workers:
+                    lines.append(f"  {pw.status_summary} [PAIRS]")
                 send_telegram("\n".join(lines))
 
         except KeyboardInterrupt:
@@ -277,6 +326,8 @@ def run():
                     if df is not None and not df.empty:
                         mw.worker._close_position(float(df["close"].iloc[-1]), "shutdown")
                 mw.worker._save_state()
+            for pw in pairs_workers:                    # salva stato; non forzo la chiusura a 2 gambe
+                pw._save_state()
             send_telegram("🛑 Multi-Strategy arrestato")
             break
         except Exception as e:

src/live/pairs_worker.py

@@ -0,0 +1,215 @@
+"""PairsWorker — paper trading a 2 GAMBE per la famiglia PR01 (spread reversion).
+
+Market-neutral: long asset A / short asset B (o viceversa) sullo z-score del log-ratio.
+Distinto dallo StrategyWorker single-leg: gestisce due strumenti, due prezzi di
+ingresso, e conta le fee su ENTRAMBE le gambe (2*fee_rt*lev = 0.20% RT/coppia con
+fee_rt=0.001). Semantica identica al backtest scripts/analysis/pairs_research.pairs_sim:
+
+    r[i] = log(closeA[i]/closeB[i]);  z[i] = (r[i]-SMA_n(r)[i]) / STD_n(r)[i]   (causale)
+    ENTRY a close[i]:  z<=-z_in -> LONG ratio (long A / short B);  z>=+z_in -> SHORT ratio
+    EXIT: |z| <= z_exit (rientro) oppure time-limit max_bars
+    filtro candele sporche: salta l'ingresso se |dr[i]| > jump_max
+    PnL = (retA - retB) * direction * lev - 2*fee_rt*lev   (notional uguale per gamba)
+
+Stato persistente (resume al restart) e log come StrategyWorker.
+"""
+from __future__ import annotations
+
+import json
+from datetime import datetime, timezone
+from pathlib import Path
+
+import numpy as np
+import pandas as pd
+
+from src.live.telegram_notifier import notify_event
+
+
+class PairsWorker:
+    def __init__(
+        self,
+        asset_a: str,
+        asset_b: str,
+        tf: str,
+        params: dict | None = None,
+        capital: float = 1000.0,
+        position_size: float = 0.15,
+        leverage: float = 3.0,
+        fee_rt: float = 0.001,          # per gamba RT; la coppia paga 2x
+        name: str = "PR01_pairs_reversion",
+        data_dir: Path = Path("data/paper_trades"),
+    ):
+        self.asset_a = asset_a
+        self.asset_b = asset_b
+        self.tf = tf
+        self.name = name
+        p = params or {}
+        self.n = int(p.get("n", 50))
+        self.z_in = float(p.get("z_in", 2.0))
+        self.z_exit = float(p.get("z_exit", 0.75))
+        self.max_bars = int(p.get("max_bars", 72))
+        self.jump_max = float(p.get("jump_max", 0.08))
+
+        self.initial_capital = capital
+        self.position_size = position_size
+        self.leverage = leverage
+        self.fee_rt = fee_rt
+
+        self.worker_id = f"{name}__{asset_a}_{asset_b}__{tf}"
+        self.work_dir = data_dir / self.worker_id
+        self.work_dir.mkdir(parents=True, exist_ok=True)
+        self.trades_path = self.work_dir / "trades.jsonl"
+        self.status_path = self.work_dir / "status.json"
+
+        self.capital = capital
+        self.in_position = False
+        self.direction = 0            # +1 long ratio (long A/short B), -1 short ratio
+        self.entry_a = 0.0
+        self.entry_b = 0.0
+        self.entry_z = 0.0
+        self.entry_time = ""
+        self.bars_held = 0
+        self.total_trades = 0
+        self.total_wins = 0
+        self.last_bar_ts = 0
+        self.started_at = datetime.now(timezone.utc).isoformat()
+
+        self._load_state()
+        self._save_state()
+
+    # ---------------- persistenza ----------------
+    def _load_state(self):
+        if not self.status_path.exists():
+            self._log("INIT", {"capital": self.capital, "pair": f"{self.asset_a}/{self.asset_b}",
+                               "tf": self.tf, "params": {"n": self.n, "z_in": self.z_in,
+                               "z_exit": self.z_exit, "max_bars": self.max_bars}})
+            return
+        with open(self.status_path) as f:
+            s = json.load(f)
+        self.capital = s.get("capital", self.initial_capital)
+        self.in_position = s.get("in_position", False)
+        self.direction = s.get("direction", 0)
+        self.entry_a = s.get("entry_a", 0.0)
+        self.entry_b = s.get("entry_b", 0.0)
+        self.entry_z = s.get("entry_z", 0.0)
+        self.entry_time = s.get("entry_time", "")
+        self.bars_held = s.get("bars_held", 0)
+        self.total_trades = s.get("total_trades", 0)
+        self.total_wins = s.get("total_wins", 0)
+        self.last_bar_ts = s.get("last_bar_ts", 0)
+        self.started_at = s.get("started_at", self.started_at)
+        self._log("RESUME", {"capital": round(self.capital, 2),
+                             "total_trades": self.total_trades, "in_position": self.in_position})
+
+    def _save_state(self):
+        state = {
+            "capital": round(self.capital, 2), "in_position": self.in_position,
+            "direction": self.direction, "entry_a": self.entry_a, "entry_b": self.entry_b,
+            "entry_z": round(self.entry_z, 4), "entry_time": self.entry_time,
+            "bars_held": self.bars_held, "total_trades": self.total_trades,
+            "total_wins": self.total_wins, "last_bar_ts": self.last_bar_ts,
+            "started_at": self.started_at, "last_update": datetime.now(timezone.utc).isoformat(),
+        }
+        with open(self.status_path, "w") as f:
+            json.dump(state, f, indent=2)
+
+    def _log(self, event: str, data: dict | None = None):
+        entry = {"ts": datetime.now(timezone.utc).isoformat(), "worker": self.worker_id,
+                 "event": event, **(data or {})}
+        with open(self.trades_path, "a") as f:
+            f.write(json.dumps(entry) + "\n")
+        print(f"  [{self.worker_id}] {event}: {json.dumps(data or {}, default=str)}")
+
+    def _notify(self, event: str, data: dict | None = None):
+        notify_event(event, {"worker": self.worker_id, **(data or {})})
+
+    # ---------------- segnale ----------------
+    def _zscore(self, ca: np.ndarray, cb: np.ndarray) -> tuple[np.ndarray, np.ndarray]:
+        r = np.log(ca / cb)
+        ma = pd.Series(r).rolling(self.n).mean().values
+        sd = pd.Series(r).rolling(self.n).std().values
+        z = (r - ma) / np.where(sd == 0, np.nan, sd)
+        dr = np.abs(np.diff(r, prepend=r[0]))
+        return z, dr
+
+    # ---------------- trading ----------------
+    def _open(self, d: int, ca: float, cb: float, z: float):
+        self.in_position = True
+        self.direction = d
+        self.entry_a, self.entry_b, self.entry_z = ca, cb, z
+        self.entry_time = datetime.now(timezone.utc).isoformat()
+        self.bars_held = 0
+        data = {"direction": "long_ratio" if d == 1 else "short_ratio",
+                "long_leg": self.asset_a if d == 1 else self.asset_b,
+                "short_leg": self.asset_b if d == 1 else self.asset_a,
+                "entry_a": round(ca, 4), "entry_b": round(cb, 4), "z": round(z, 3),
+                "capital": round(self.capital, 2)}
+        self._log("OPEN", data); self._notify("OPENED", data)
+
+    def _close(self, ca: float, cb: float, z: float, reason: str):
+        if not self.in_position:
+            return
+        ret_a = (ca - self.entry_a) / self.entry_a
+        ret_b = (cb - self.entry_b) / self.entry_b
+        gross = (ret_a - ret_b) * self.direction * self.leverage
+        fee = 2 * self.fee_rt * self.leverage          # 2 gambe
+        net = gross - fee
+        pnl = self.capital * self.position_size * net
+        self.capital = max(self.capital + pnl, 0.0)
+        is_win = net > 0
+        self.total_trades += 1
+        self.total_wins += is_win
+        acc = self.total_wins / self.total_trades * 100 if self.total_trades else 0
+        data = {"reason": reason, "exit_a": round(ca, 4), "exit_b": round(cb, 4),
+                "z": round(z, 3), "gross_ret": round(gross * 100, 3), "fee": round(fee * 100, 3),
+                "net_return": round(net * 100, 3), "pnl": round(pnl, 2),
+                "capital": round(self.capital, 2), "bars_held": self.bars_held,
+                "win": bool(is_win), "total_trades": self.total_trades, "accuracy": round(acc, 1)}
+        self._log("CLOSE", data); self._notify("CLOSED", data)
+        self.in_position = False
+        self.direction = 0
+        self.entry_a = self.entry_b = self.entry_z = 0.0
+        self.bars_held = 0
+
+    def tick(self, df_a: pd.DataFrame, df_b: pd.DataFrame):
+        """Chiamato ad ogni poll con gli OHLCV aggiornati delle due gambe."""
+        if df_a is None or df_b is None or df_a.empty or df_b.empty:
+            return
+        m = df_a[["timestamp", "close"]].rename(columns={"close": "ca"}).merge(
+            df_b[["timestamp", "close"]].rename(columns={"close": "cb"}), on="timestamp", how="inner"
+        ).sort_values("timestamp").reset_index(drop=True)
+        if len(m) < self.n + 2:
+            return
+        ca, cb = m["ca"].values, m["cb"].values
+        z, dr = self._zscore(ca, cb)
+        i = len(m) - 1
+        cur_ts = int(m["timestamp"].iloc[i])
+        zi = z[i]
+        if np.isnan(zi):
+            self._save_state(); return
+
+        if self.in_position:
+            if cur_ts > self.last_bar_ts:
+                self.bars_held += 1
+                self.last_bar_ts = cur_ts
+            if abs(zi) <= self.z_exit:
+                self._close(float(ca[i]), float(cb[i]), float(zi), "mean_revert")
+            elif self.bars_held >= self.max_bars:
+                self._close(float(ca[i]), float(cb[i]), float(zi), "time_limit")
+            self._save_state()
+            return
+
+        # flat: cerca ingresso (no look-ahead: z[i] usa solo dati <= i)
+        if dr[i] <= self.jump_max:
+            if zi <= -self.z_in:
+                self._open(1, float(ca[i]), float(cb[i]), float(zi)); self.last_bar_ts = cur_ts
+            elif zi >= self.z_in:
+                self._open(-1, float(ca[i]), float(cb[i]), float(zi)); self.last_bar_ts = cur_ts
+        self._save_state()
+
+    @property
+    def status_summary(self) -> str:
+        acc = self.total_wins / self.total_trades * 100 if self.total_trades else 0
+        pos = ("LONG " + self.asset_a if self.direction == 1
+               else "SHORT " + self.asset_a if self.direction == -1 else "FLAT")
+        return (f"{self.worker_id}: €{self.capital:.0f} | {self.total_trades}t {acc:.0f}% | {pos}")

strategies.yml

@@ -90,3 +90,43 @@ strategies:
       max_bars: 24
       trend_max: 3.0       # salta fade contro trend estremo (|close-EMA200|/ATR>3): Acc+ DD-
       ema_long: 200
+
+# ---------------------------------------------------------------------------
+# PR01 — PAIRS market-neutral spread reversion (worker a 2 GAMBE: src/live/pairs_worker.py)
+# Config UNIVERSALE n50 z2 zx0.75 mb72 (anti-overfit, validata walk-forward).
+# fee_rt 0.001/gamba -> 0.20% RT/coppia.
+# FEED LIVE (verificato 2026-05-29): tutti i leg disponibili su Deribit via Cerbero con
+# il naming corretto -> BTC/ETH = "<COIN>-PERPETUAL" (inverse), alt = "<COIN>_USDC-PERPETUAL"
+# (lineari USDC, storia dal 2022). Tutte e 5 le coppie tradabili live. ETH/SOL la piu'
+# debole (DD ~63%, storia SOL piu' corta) -> peso ridotto consigliato.
+pairs:
+  - name: PR01_pairs_reversion
+    a: ETH
+    b: BTC
+    tf: 1h
+    enabled: true
+    params: {n: 50, z_in: 2.0, z_exit: 0.75, max_bars: 72, jump_max: 0.08}
+  - name: PR01_pairs_reversion
+    a: LTC
+    b: ETH
+    tf: 1h
+    enabled: true
+    params: {n: 50, z_in: 2.0, z_exit: 0.75, max_bars: 72, jump_max: 0.08}
+  - name: PR01_pairs_reversion
+    a: ADA
+    b: ETH
+    tf: 1h
+    enabled: true
+    params: {n: 50, z_in: 2.0, z_exit: 0.75, max_bars: 72, jump_max: 0.08}
+  - name: PR01_pairs_reversion
+    a: BTC
+    b: LTC
+    tf: 1h
+    enabled: true
+    params: {n: 50, z_in: 2.0, z_exit: 0.75, max_bars: 72, jump_max: 0.08}
+  - name: PR01_pairs_reversion        # la piu' debole (peso ridotto)
+    a: ETH
+    b: SOL
+    tf: 1h
+    enabled: true
+    params: {n: 50, z_in: 2.0, z_exit: 0.75, max_bars: 72, jump_max: 0.08}