feat(risk): filtro trend per alzare Acc e ridurre DD + modello portafoglio

Filtro opzionale trend_max/ema_long su tutte le fade (MR01/MR02/MR03/MR07):
salta i segnali quando |close-EMA200|/ATR supera la soglia (non fadare un trend
o crollo estremo). Con trend_max=3.0 (default in strategies.yml): accuratezza su
e DD giu' su 7/8 sleeve, drastico su ETH (MR01 71->26%, MR02 42->25%,
MR03 66->34%, MR07 46->21%); edge OOS confermato. MR03 BTC: filtro disattivo
(unico sleeve dove peggiora entrambe).

Scartate come non robuste: vol-target sizing e skip-alta-volatilita' (peggiorano
sia Acc che DD). Aggiunto modello di portafoglio equipesato su sotto-conti
indipendenti: DD aggregato ~14% full / ~10% OOS sul paniere di 8 sleeve, contro
20-70% del singolo -> vera leva anti-drawdown.

Banco di prova: scripts/analysis/risk_improvements.py, risk_portfolio.py.
Helper trend_distance() in fade_base. CLAUDE.md e diario aggiornati.

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

src/strategies/fade_base.py

@@ -24,6 +24,21 @@ def atr(df: pd.DataFrame, n: int = 14) -> np.ndarray:
     return pd.Series(tr).rolling(n).mean().values
 
 
+def trend_distance(df: pd.DataFrame, ema_long: int = 200) -> np.ndarray:
+    """Distanza del close dalla EMA lunga, in multipli di ATR(14).
+
+    Misura quanto il prezzo e' esteso rispetto al trend di fondo. Le fade
+    falliscono quando si oppongono a un trend estremo (crolli/parabolic): il
+    filtro `trend_max` salta i segnali con distanza > soglia. Riduce DD e alza
+    l'accuratezza (validato OOS: scripts/analysis/risk_portfolio.py).
+    """
+    c = df["close"].values
+    a = atr(df, 14)
+    el = pd.Series(c).ewm(span=ema_long, adjust=False).mean().values
+    with np.errstate(divide="ignore", invalid="ignore"):
+        return np.abs(c - el) / np.where(a == 0, np.nan, a)
+
+
 class FadeStrategy(Strategy):
     """Strategy con backtest intrabar TP/SL/max_bars (exit guidati dai metadata)."""