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/waste/MR03_keltner_fade.py

@@ -0,0 +1,82 @@
+"""MR03 — Keltner Fade (mean-reversion sul canale ATR).
+
+Stessa tesi di MR01 (i breakout rientrano) ma con banda costruita su ATR
+attorno a una EMA, invece che su deviazione standard attorno a una SMA.
+Reagisce diversamente a gap e code: edge indipendente, non ridondante con MR01.
+
+Logica:
+    1. Canale di Keltner: EMA(n) +/- k*ATR(n)
+    2. ENTRY: close esce sotto la banda inferiore -> LONG (o sopra la superiore -> SHORT)
+       Ingresso a close[i] (eseguibile dal vivo, nessun look-ahead).
+    3. EXIT: take-profit alla EMA centrale (il rientro atteso),
+       stop-loss a sl_atr*ATR oltre l'estremo, time-limit max_bars.
+
+Validazione (netto, fee 0.10% RT reale Deribit, leva 3x, OOS = ultimo 30%):
+    BTC 1h n=30 k=2.0: +112% OOS, DD 20%
+    ETH 1h n=50 k=1.5: +1426% OOS, DD 20%
+    Robusto su TUTTA la griglia n in {14,20,30,50} x k in {1.5,2.0,2.5}
+    (BTC+ETH 1h sempre positivo OOS).
+    Ricerca completa: scripts/analysis/strategy_research_v2.py.
+"""
+from __future__ import annotations
+import sys
+sys.path.insert(0, ".")
+
+import numpy as np
+import pandas as pd
+
+from src.strategies.base import Signal
+from src.strategies.fade_base import FadeStrategy, atr, trend_distance
+
+
+class KeltnerFade(FadeStrategy):
+    name = "MR03_keltner_fade"
+    description = "Mean-reversion: fada il canale di Keltner (ATR), TP alla EMA"
+    default_assets = ["BTC", "ETH"]
+    default_timeframes = ["1h"]
+
+    def generate_signals(self, df: pd.DataFrame, ts: pd.DatetimeIndex,
+                         **params) -> list[Signal]:
+        n = params.get("n", 30)
+        k = params.get("k", 2.0)
+        sl_atr = params.get("sl_atr", 2.0)
+        max_bars = params.get("max_bars", 24)
+        trend_max = params.get("trend_max")          # None = filtro disattivo
+        ema_long = params.get("ema_long", 200)
+
+        c = df["close"].values
+        e = pd.Series(c).ewm(span=n, adjust=False).mean().values
+        a = atr(df, n)
+        up, lo = e + k * a, e - k * a
+        td = trend_distance(df, ema_long) if trend_max is not None else None
+
+        signals: list[Signal] = []
+        for i in range(n + 1, len(c)):
+            if np.isnan(up[i]) or np.isnan(a[i]):
+                continue
+            if td is not None and (np.isnan(td[i]) or td[i] > trend_max):
+                continue
+            if c[i] < lo[i] and c[i - 1] >= lo[i - 1]:
+                d, sl = 1, c[i] - sl_atr * a[i]
+            elif c[i] > up[i] and c[i - 1] <= up[i - 1]:
+                d, sl = -1, c[i] + sl_atr * a[i]
+            else:
+                continue
+            signals.append(Signal(
+                idx=i, direction=d, entry_price=c[i],
+                metadata={"tp": float(e[i]), "sl": float(sl), "max_bars": max_bars},
+            ))
+        return signals
+
+
+if __name__ == "__main__":
+    strat = KeltnerFade()
+    print("=" * 110)
+    print(f"  MR03 KELTNER FADE — netto fee {strat.fee_rt*100:.2f}% RT, leva {strat.leverage:.0f}x")
+    print("=" * 110)
+    for asset, n, k in [("BTC", 30, 2.0), ("ETH", 50, 1.5)]:
+        r = strat.backtest(asset, "1h", n=n, k=k, sl_atr=2.0, max_bars=24)
+        if r:
+            r.strategy_name = f"MR03 {asset} 1h n{n} k{k}"
+            r.print_summary()
+            r.print_yearly()