feat(strategie): portafogli master (PORT02/PORT03) + waste delle peggiori (MR03, ROT01)

Crea gli artefatti accorpati e migliorati:
- PORT02_fade_master: 3 fade (MR01/MR02/MR07) x BTC/ETH = 6 sleeve, filtro trend,
  equal-weight daily. DD 8.2% full / 5.9% OOS, Sharpe 3.95/4.09, CAGR ~46%.
- PORT03_all_master: portafoglio MASTER fade+honest (9 sleeve), varianti equal
  (max Sharpe: DD 5.2%/4.7% OOS, Sharpe 3.95/4.42) e 50/50 (min DD 5.1%/4.3%).

Sposta in scripts/waste/ le due peggiori:
- MR03 keltner_fade: fade piu' debole (BTC Sharpe 1.22), ridondante con MR01, il
  filtro trend la peggiorava; rimuoverla MIGLIORA il portafoglio fade.
- ROT01 xsect_rotation: strettamente dominata da ROT02 (stesso meccanismo, ROT02
  meglio su tutto), non usata da alcun portafoglio.

Sganciata MR03 da strategy_loader, strategies.yml e dal motore portafogli
(risk_management.STRATS). La funzione keltner_fade resta in strategy_research_v2
come record. CLAUDE.md aggiornato.

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

scripts/analysis/combine_portfolio.py

@@ -1,8 +1,8 @@
 """Studio: combinare TUTTE le strategie (fade + honest) migliora i risultati?
 
 Due famiglie con meccanismi e orizzonti diversi:
-  FADE (intraday 1h, long/short, BTC/ETH): MR01 boll, MR02 donchian, MR03 keltner,
-       MR07 return-reversal — tutte col filtro trend 3.0 ATR.
+  FADE (intraday 1h, long/short, BTC/ETH): MR01 boll, MR02 donchian, MR07
+       return-reversal — tutte col filtro trend 3.0 ATR. (MR03 keltner -> waste.)
   HONEST (long-only, multi-regime, multi-crypto): DIP01 (dip-buy 1h BTC),
        TR01 (EMA trend 4h basket), ROT02 (dual-momentum rotation 1d).
 
@@ -79,6 +79,12 @@ def metrics(daily_ret: pd.Series, lo: int = 0, hi: int | None = None) -> dict:
     return dict(ret=tot, cagr=cagr, dd=dd, sharpe=sharpe)
 
 
+def yearly_returns(daily_ret: pd.Series) -> dict[int, float]:
+    """Rendimento % netto per anno solare dai rendimenti giornalieri composti."""
+    g = daily_ret.groupby(daily_ret.index.year).apply(lambda x: ((1 + x).prod() - 1) * 100)
+    return {int(y): float(v) for y, v in g.items()}
+
+
 def port_returns(members: dict[str, pd.Series], weights: dict[str, float] | None = None) -> pd.Series:
     """Rendimenti giornalieri di un portafoglio ribilanciato ogni giorno ai pesi dati."""
     dr = pd.DataFrame({k: v.pct_change().fillna(0.0) for k, v in members.items()})

scripts/analysis/risk_management.py

@@ -29,18 +29,19 @@ sys.path.insert(0, str(PROJECT_ROOT))
 
 from src.data.downloader import load_data
 from scripts.analysis.strategy_research import bollinger_fade, atr
-from scripts.analysis.strategy_research_v2 import donchian_fade, keltner_fade, return_reversal
+from scripts.analysis.strategy_research_v2 import donchian_fade, return_reversal
 
 FEE_RT, LEV, POS, INIT, OOS_FRAC = 0.001, 3.0, 0.15, 1000.0, 0.30
 
-# config base di ogni strategia (come strategies.yml); su ETH MR03 usa n=50
+# config base di ogni strategia (come strategies.yml).
+# NB: MR03 keltner_fade spostata in scripts/waste/ (fade piu' debole, ridondante
+# con MR01); la funzione keltner_fade resta in strategy_research_v2 come record.
 STRATS = {
     "MR01": (bollinger_fade, dict(n=50, k=2.5, sl_atr=2.0, max_bars=24)),
     "MR02": (donchian_fade,  dict(n=20, sl_atr=2.0, max_bars=24)),
-    "MR03": (keltner_fade,   dict(n=30, k=2.0, sl_atr=2.0, max_bars=24)),
     "MR07": (return_reversal,dict(n=50, k=3.5, tp_atr=2.0, sl_atr=1.5, max_bars=24)),
 }
-STRATS_ETH = dict(STRATS); STRATS_ETH["MR03"] = (keltner_fade, dict(n=50, k=2.0, sl_atr=2.0, max_bars=24))
+STRATS_ETH = dict(STRATS)
 
 
 def strats_for(asset: str) -> dict:

scripts/strategies/PORT02_fade_master.py

@@ -0,0 +1,52 @@
+"""PORT02 — Portafoglio FADE accorpato e migliorato (6 sleeve, equal-weight daily).
+
+Accorpa le 3 strategie fade mean-reversion su BTC e ETH, ciascuna MIGLIORATA con
+il filtro trend (salta i fade contro trend estremi: |close-EMA200|/ATR > 3.0):
+    MR01 Bollinger fade · MR02 Donchian fade · MR07 Return-reversal
+        x  {BTC, ETH}  ->  6 sleeve indipendenti, pos 0.15 ciascuna, leva 3x.
+    (MR03 Keltner spostata in waste: fade piu' debole e ridondante con MR01.)
+
+Le curve sono poco correlate fra loro (corr media intra-fade ~0.18): la
+diversificazione abbatte il DD aggregato ben sotto quello del singolo sleeve.
+
+Risultato (netto fee 0.10% RT, equal-weight ribilanciato ogni giorno, finestra
+comune 2021-2026, OOS = ultimo 30%):
+    Ret +666% / CAGR 46% / DD 8.2% FULL · OOS DD 5.9% / Sharpe 3.95 FULL / 4.09 OOS.
+Ricostruzione e confronto: scripts/analysis/combine_portfolio.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.combine_portfolio import (  # noqa: E402
+    build_all_sleeves, port_returns, metrics, yearly_returns, SPLIT, OOS_DATE, IDX,
+)
+
+
+def run():
+    sleeves = {k: v for k, v in build_all_sleeves().items() if k.startswith("MR")}
+    pr = port_returns(sleeves)
+    full, oos = metrics(pr), metrics(pr, lo=SPLIT)
+
+    print("=" * 84)
+    print(f"  PORT02 — FADE master (8 sleeve, equal-weight daily) | {IDX[0].date()} -> {IDX[-1].date()}")
+    print("=" * 84)
+    print(f"  {'sleeve':<14s}{'Ret%':>9s}{'DD%':>7s}{'Shrp':>7s}")
+    for name, s in sleeves.items():
+        m = metrics(s.pct_change().fillna(0.0))
+        print(f"  {name:<14s}{m['ret']:>+9.0f}{m['dd']:>7.1f}{m['sharpe']:>7.2f}")
+    print("  " + "-" * 80)
+    print(f"  {'PORTAFOGLIO':<14s}{full['ret']:>+9.0f}{full['dd']:>7.1f}{full['sharpe']:>7.2f}"
+          f"   CAGR {full['cagr']:.0f}%")
+    print(f"  {'  di cui OOS':<14s}{oos['ret']:>+9.0f}{oos['dd']:>7.1f}{oos['sharpe']:>7.2f}"
+          f"   (da {OOS_DATE})")
+    pa = yearly_returns(pr)
+    print("  Per-anno: " + "  ".join(f"{y}:{v:+.0f}%" for y, v in pa.items()))
+
+
+if __name__ == "__main__":
+    run()

scripts/strategies/PORT03_all_master.py

@@ -0,0 +1,77 @@
+"""PORT03 — Portafoglio MASTER: accorpa TUTTE le strategie (fade + honest).
+
+Unisce le due famiglie del progetto, quasi scorrelate (correlazione cross-famiglia
+~0.05), in un unico portafoglio diversificato:
+    FADE (reversione intraday 1h, long/short, BTC/ETH, col filtro trend):
+        MR01 Bollinger · MR02 Donchian · MR07 Return-reversal  -> 6 sleeve
+    HONEST (long-only multi-regime multi-crypto):
+        DIP01 dip-buy (1h) · TR01 EMA-trend (4h basket) · ROT02 dual-momentum (1d) -> 3 sleeve
+
+Combinare le due famiglie migliora il rischio/rendimento rispetto a ciascuna da
+sola: il DD scende e lo Sharpe sale (la honest, da sola piu' lumpy, viene
+stabilizzata dalle fade ad alta frequenza). Vedi scripts/analysis/combine_portfolio.py.
+
+Risultato (netto, equal-weight daily, finestra comune 2021-2026, OOS = ultimo 30%):
+    FADE only (6)   DD  8.2%  Sharpe 3.95  (OOS DD 5.9 / Shrp 4.09)
+    HONEST only (3) DD 12.0%  Sharpe 1.90  (OOS DD 6.5 / Shrp 2.23)
+    MASTER eq (9)   DD  5.2%  Sharpe 3.95  (OOS DD 4.7 / Shrp 4.42)   <- miglior Sharpe
+    MASTER 50/50    DD  5.1%  Sharpe 3.31  (OOS DD 4.3)               <- miglior DD
+    CAGR ~46% mantenuta in entrambe le varianti combinate.
+
+Due varianti operative selezionabili:
+    weighting="equal" -> equal-weight sui 9 sleeve (massimo Sharpe)
+    weighting="5050"  -> 50% famiglia fade + 50% famiglia honest (minimo DD)
+"""
+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.combine_portfolio import (  # noqa: E402
+    build_all_sleeves, port_returns, metrics, yearly_returns, SPLIT, OOS_DATE, IDX,
+)
+
+
+def master_returns(sleeves: dict, weighting: str = "equal"):
+    """Rendimenti giornalieri del portafoglio master.
+    equal = equal-weight su tutti gli 11 sleeve; 5050 = media fra le due famiglie."""
+    fade = {k: v for k, v in sleeves.items() if k.startswith("MR")}
+    honest = {k: v for k, v in sleeves.items() if not k.startswith("MR")}
+    if weighting == "5050":
+        return (port_returns(fade) + port_returns(honest)) / 2
+    return port_returns(sleeves)
+
+
+def run():
+    sleeves = build_all_sleeves()
+    fade = {k: v for k, v in sleeves.items() if k.startswith("MR")}
+    honest = {k: v for k, v in sleeves.items() if not k.startswith("MR")}
+
+    print("=" * 90)
+    print(f"  PORT03 — MASTER (fade + honest) | {IDX[0].date()} -> {IDX[-1].date()} | OOS da {OOS_DATE}")
+    print("=" * 90)
+    print(f"  {'portafoglio':<22s}{'Ret%':>9s}{'CAGR':>7s}{'DD%':>7s}{'Shrp':>7s}"
+          f"   | {'oRet%':>9s}{'oDD%':>7s}{'oShrp':>7s}")
+    print("  " + "-" * 86)
+
+    def line(label, pr):
+        f, o = metrics(pr), metrics(pr, lo=SPLIT)
+        print(f"  {label:<22s}{f['ret']:>+9.0f}{f['cagr']:>7.0f}{f['dd']:>7.1f}{f['sharpe']:>7.2f}"
+              f"   | {o['ret']:>+9.0f}{o['dd']:>7.1f}{o['sharpe']:>7.2f}")
+
+    line(f"FADE only ({len(fade)})", port_returns(fade))
+    line(f"HONEST only ({len(honest)})", port_returns(honest))
+    line(f"MASTER equal ({len(sleeves)})", master_returns(sleeves, "equal"))
+    line("MASTER 50/50 fam", master_returns(sleeves, "5050"))
+
+    print("  " + "-" * 86)
+    pa = yearly_returns(master_returns(sleeves, "equal"))
+    print("  MASTER equal per-anno: " + "  ".join(f"{y}:{v:+.0f}%" for y, v in pa.items()))
+    print("  -> combinare le due famiglie scorrelate (~0.05) abbassa il DD e alza lo Sharpe.")
+
+
+if __name__ == "__main__":
+    run()