fix(live): win netto-fee + filtro TP edge-minimo sulle fade

Due correzioni emerse da close live con win=True ma pnl<0.

1) Metrica win lorda -> netta. _close_position contava is_win=trade_return>0
   (lordo), gonfiando l'accuracy: un take-profit colpito con mossa < fee RT
   risultava "win" pur perdendo. 51 close live: 39 win (76,5%) -> 13 falsi win
   -> accuracy netta reale 52,9%. Fix: is_win = net > 0. Capitale/PnL erano
   già corretti (netti). Contatori persistiti riconciliati a parte (MR01/DIP01
   BTC 7->1).

2) Filtro edge-minimo min_tp_frac. I 13 falsi win erano tutti MR01/DIP01 BTC in
   regime piatto: TP (la media) entro il costo round-trip -> perdenti garantiti.
   Aggiunto param min_tp_frac (default 0.0=off) a tutte e 4 le fade (MR01 banda,
   MR02 midpoint, MR07 ATR, DIP01): salta i segnali col TP entro la soglia.
   Non si "allarga" il TP (rischierebbe di perdere di piu'): si evita la trade.
   Cablato live a 0.0015 (1,5x fee) in _defs.py.

Validazione backtest BTC+ETH 1h: neutro su tutte le fade (0-1 trade rimossi,
pnl invariato o +leggero su DIP01). I micro-scalp sotto-fee non esistono nello
storico -> artefatto del regime attuale. Filtro puro-upside.

Test: test_win_net_of_fees.py, test_min_tp_frac.py (monotonia + gap > soglia +
default-off invariato). Suite: 50 passed.

NB deploy: il sorgente e' COPY nell'immagine, non montato -> serve
`docker compose up -d --build`, non un semplice restart (vale anche per il fix
SH01 horizon-exit, andato live solo con questo rebuild). Volume ./data persiste,
14 worker in RESUME puliti.

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

scripts/strategies/MR02_donchian_fade.py

@@ -42,6 +42,8 @@ class DonchianFade(FadeStrategy):
         max_bars = params.get("max_bars", 24)
         trend_max = params.get("trend_max")          # None = filtro disattivo
         ema_long = params.get("ema_long", 200)
+        # Edge minimo: salta i fade il cui TP (midpoint canale) è entro il costo RT. 0 = off.
+        min_tp_frac = params.get("min_tp_frac", 0.0)
 
         h, l, c = df["high"].values, df["low"].values, df["close"].values
         hh = pd.Series(h).rolling(n).max().shift(1).values
@@ -62,6 +64,8 @@ class DonchianFade(FadeStrategy):
                 d, sl = 1, c[i] - sl_atr * a[i]
             else:
                 continue
+            if min_tp_frac > 0 and abs(mid - c[i]) / c[i] <= min_tp_frac:
+                continue                              # TP entro le fee -> non eseguibile in utile
             signals.append(Signal(
                 idx=i, direction=d, entry_price=c[i],
                 metadata={"tp": float(mid), "sl": float(sl), "max_bars": max_bars},