fix(data): split non aggiustati nel feed equity — difetto sul libro live, riparato alla fonte

IWM ed EFA avevano uno split NON aggiustato il 2005-06-09 (IWM 2:1 = -49.5%,
EFA 3:1 = -66.5%): IB ADJUSTED_LAST non li aveva aggiustati.

La certificazione non li vedeva per un punto cieco STRUTTURALE: l'unica guardia
sui salti era `maxret > 50% -> SPIKE?` e uno split 2:1 fa esattamente -50%, cioe'
cade sul filo della soglia (IWM passava a 49.5% con status OK).

IWM e' una delle 6 gambe di GTAA01, sleeve in PRODUZIONE. Impatto misurato:
GTAA6 FULL Sharpe 0.61 -> 0.64, IS (<2015) 0.49 -> 0.54; OOS 2015+ e maxDD
INVARIATI (l'artefatto e' nel 2005, fuori hold-out) -> il difetto SOTTOSTIMAVA
lo sleeve: nessuna decisione presa va rivista.

Discriminante split-vs-crollo: NON il rapporto (SLV 2026-01-30 ha rapporto
1.3994, a 4bps da 1.4, ma e' un crollo vero: GLD -10.3% lo stesso giorno) ma il
RANGE INTRADAY — lo split apre gia' al nuovo livello con range normale (IWM:
open 47.00, range 1.7%), il crollo si muove DENTRO la barra (SLV: range 33%).

- src/data/eq_splits.py: detect_unadjusted_splits() a 3 condizioni congiunte
  (|ret|>20% AND rapporto ~ fattore comune AND range intraday <5%) + repair_splits()
  con split multipli componibili;
- riparazione in LETTURA in src/portfolio/gtaa.py::_close (produzione) e
  scripts/research/eqlib.py::load_eq (ricerca);
- fetch_ib_equities.certify(): nuovo status SPLIT-NON-AGG + elenco split rilevati;
- tests/test_eq_splits.py: 8 casi, inclusi il falso positivo SLV e un crollo -50%
  esatto con range grande.

Regola nuova: ogni soglia di certificazione tarata su un valore tondo va
controllata contro il difetto che genera esattamente quel valore.

Co-Authored-By: Claude Opus 5 (1M context) <noreply@anthropic.com>

scripts/research/fetch_ib_equities.py

@@ -13,7 +13,11 @@ CERTIFICAZIONE (gemello equity di certify_feed.py):
   (1) integrità: barre, range, date monotone, duplicati, flat bars (close invariato);
   (2) gap: run di giorni-lavorativi mancanti > 5 (festivi normali, buchi lunghi = sospetti);
   (3) sanità ritorni: max |daily ret| (un >50% non-evento = errore di adjustment);
-  (4) sanità adjustment: primo close aggiustato << ultimo (i dividendi abbassano lo storico).
+  (4) sanità adjustment: primo close aggiustato << ultimo (i dividendi abbassano lo storico);
+  (5) SPLIT NON AGGIUSTATI (aggiunto 2026-07-25): ADJUSTED_LAST non sempre aggiusta gli split, e
+      il check (3) NON li vede — uno split 2:1 fa esattamente -50%, sul filo della soglia. IWM
+      (gamba di GTAA01 in produzione) ed EFA avevano uno split non aggiustato il 2005-06-09 e
+      passavano come OK. Rilevatore in src/data/eq_splits.py -> status SPLIT-NON-AGG.
 PREREQUISITO: gateway IB paper su 127.0.0.1:4002 (docker compose up -d ib-gateway).
 
   uv run --with ib_async python scripts/research/fetch_ib_equities.py
@@ -23,6 +27,8 @@ from pathlib import Path
 import numpy as np, pandas as pd
 
 ROOT = Path(__file__).resolve().parents[2]
+sys.path.insert(0, str(ROOT))
+from src.data.eq_splits import detect_unadjusted_splits  # noqa: E402
 RAW = ROOT / "data" / "raw"
 RAW.mkdir(parents=True, exist_ok=True)
 
@@ -55,9 +61,17 @@ def certify(sym: str, df: pd.DataFrame) -> dict:
         longgap = int((gaps.to_series().groupby(s).size() > 5).sum())
     span_y = (idx[-1] - idx[0]).days / 365.25
     adj_ratio = round(float(c[0] / c[-1]), 3)  # primo/ultimo: <1 atteso (storico abbassato dai div)
+    # SPLIT NON AGGIUSTATI: IB ADJUSTED_LAST non sempre li aggiusta. NB la guardia `maxret > 0.5`
+    # NON li vede: uno split 2:1 non aggiustato fa ESATTAMENTE -50% e cade sul filo della soglia
+    # (IWM 2005-06-09 passava a 49.5% con status OK, ed e' una gamba di GTAA01 in produzione).
+    # Vedi src/data/eq_splits.py per il discriminante split-vs-crollo (range intraday).
+    splits = detect_unadjusted_splits(df)
+
     status = "OK"
     if dup or not mono:
         status = "INTEGRITA'"
+    elif splits:
+        status = "SPLIT-NON-AGG"
     elif maxret > 0.5:
         status = "SPIKE?"
     elif longgap > 0:
@@ -67,7 +81,8 @@ def certify(sym: str, df: pd.DataFrame) -> dict:
     return {"sym": sym, "n": len(df), "primo": idx[0].date(), "ultimo": idx[-1].date(),
             "anni": round(span_y, 1), "dup": dup, "mono": mono, "flat": flat,
             "maxret%": round(maxret * 100, 1), "miss_bd": missing, "gap_lunghi": longgap,
-            "adj_first/last": adj_ratio, "status": status}
+            "adj_first/last": adj_ratio, "status": status,
+            "splits": [f"{s['date'].date()} 1:{s['factor']:g}" for s in splits]}
 
 
 def main():
@@ -119,7 +134,8 @@ def main():
                 ok.append(sym)
         print(f"  {sym:5} n={c.get('n',0):>5} {str(c.get('primo','')):>10}->{str(c.get('ultimo',''))} "
               f"{c.get('anni','?')}y flat={c.get('flat','?')} maxret={c.get('maxret%','?')}% "
-              f"miss_bd={c.get('miss_bd','?')} gapL={c.get('gap_lunghi','?')} adj={c.get('adj_first/last','?')} [{c['status']}]")
+              f"miss_bd={c.get('miss_bd','?')} gapL={c.get('gap_lunghi','?')} adj={c.get('adj_first/last','?')} [{c['status']}]"
+              + (f" split={c['splits']}" if c.get("splits") else ""))
         time.sleep(1.2)  # pacing IB
 
     print("-" * 104)