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: