diff --git a/CLAUDE.md b/CLAUDE.md
index 88ce9e3..d7e763e 100644
--- a/CLAUDE.md
+++ b/CLAUDE.md
@@ -338,11 +338,17 @@ loader + `skew_curve()` / `premium_levels()` (aggregati ROBUSTI) + `quote()` cau
 **Caveat granularità:** cerbero-bite snapshotta una **fetta rotante** (~1 scadenza per ciclo) → ottimo
 per skew/premi **aggregati**, limitato per il pricing **per-trade** preciso (usare la finestra di
 staleness). **Pannello regime `market_snapshots`** (anch'esso importato → `data/options/market_snapshots.parquet`,
-loader `options_chain.load_market(asset)`): feature REALI pre-calcolate dal 2026-03-26, ~15min, 99-100%
-popolate — **spot, dvol, realized_vol_30d, iv_minus_rv (VRP), funding perp/cross, `dealer_net_gamma`
-(net-GEX dealer!), `gamma_flip_level`, oi_delta_pct_4h, liquidation_long/short_risk**. È il segnale
-ARGO/GEX che il progetto dichiarò non-backtestabile: ora accumula, reale e allineato (usabile come
-pannello in regime_lab; lo `spot` elimina il proxy ATM). **Numeri reali misurati (ETH):** skew put 10% OTM = **×1.1** (liquido, spread ~7%, NON ×1.6
+loader `options_chain.load_market(asset)`; merge causale su prezzo via `options_chain.attach_market(df, asset)`):
+feature REALI pre-calcolate — **spot, dvol, realized_vol_30d, iv_minus_rv (VRP), funding perp/cross,
+`dealer_net_gamma` (net-GEX dealer!), `gamma_flip_level`, oi_delta_pct_4h, liquidation_long/short_risk**.
+È il segnale ARGO/GEX che il progetto dichiarò non-backtestabile: ora accumula, reale e allineato (lo
+`spot` elimina il proxy ATM). **Copertura reale:** spot/dvol dal 2026-03-26 (sparse/daily fino a fine
+aprile), **net-GEX denso orario solo da ~2026-05-01** → ~5-6 settimane, **un singolo regime calmo**:
+analisi esplorativa OK ma NIENTE edge validabile ora (i prior GEX/VRP non si replicano su 9 sett.;
+`liquidation_risk` costante 'low'). Valore FORWARD: rivalutare quando il pannello attraversa
+gamma-flip/liquidazioni/crash con held-out. **NB look-ahead:** usare `attach_market` (merge_asof
+causale, NaN prima della copertura), MAI `astype(int64)` su un timestamp datetime (darebbe ns →
+match all'ultimo snapshot = leak). **Numeri reali misurati (ETH):** skew put 10% OTM = **×1.1** (liquido, spread ~7%, NON ×1.6
 come sembrava da un singolo snapshot a 1g, illiquido); premio reale put 10% OTM ≈ **1.0%/mese** (0.65%/sett),
 catastrofe 15%+ OTM ≈ 0.33%/mese. **Vincolo strutturale:** gli strike **10% OTM a 24h NON esistono**
 (Deribit lista solo near-ATM sui tenor corti) → un overlay **per-trade a 24h è infattibile**; l'unica
diff --git a/scripts/analysis/options_chain.py b/scripts/analysis/options_chain.py
index ad0557d..02850ae 100644
--- a/scripts/analysis/options_chain.py
+++ b/scripts/analysis/options_chain.py
@@ -68,6 +68,30 @@ def load_market(asset: str | None = None) -> pd.DataFrame:
     return df.sort_values("ts_ms").reset_index(drop=True)
 
 
+def attach_market(price_df: pd.DataFrame, asset: str, cols: list[str] | None = None) -> pd.DataFrame:
+    """merge_asof CAUSALE: ogni barra di price_df (serve colonna 'timestamp' in ms) riceve
+    l'ultimo market_snapshot con ts <= barra. Pannello pronto per regime_lab/ricerca:
+    spot, dvol, realized_vol_30d, iv_minus_rv (VRP), funding perp/cross, dealer_net_gamma
+    (net-GEX), gamma_flip_level, oi_delta_pct_4h, liquidation_long/short_risk.
+    Ritorna una copia con le colonne pannello (NaN dove non c'e' ancora storia: dal 2026-03-26)."""
+    m = load_market(asset)
+    cols = cols or (_MKT_NUM + ["liquidation_long_risk", "liquidation_short_risk"])
+    keep = [c for c in cols if c in m.columns]
+    base = price_df.copy()
+    # chiave di merge = datetime tz-aware (robusto a timestamp int-ms o datetime; NIENTE astype int64
+    # su datetime -> darebbe nanosecondi e matcherebbe tutto all'ultimo snapshot = LOOK-AHEAD).
+    if np.issubdtype(base["timestamp"].dtype, np.integer):
+        base["_k"] = pd.to_datetime(base["timestamp"], unit="ms", utc=True)
+    else:
+        base["_k"] = pd.to_datetime(base["timestamp"], utc=True)
+    base["_k"] = base["_k"].astype("datetime64[ns, UTC]")
+    mk = m[["ts"] + keep].rename(columns={"ts": "_k"})
+    mk["_k"] = mk["_k"].astype("datetime64[ns, UTC]")
+    out = pd.merge_asof(base.sort_values("_k"), mk.sort_values("_k"),
+                        on="_k", direction="backward")
+    return out.drop(columns="_k")
+
+
 class OptionChain:
     def __init__(self, asset: str):
         self.asset = asset