feat(pairs): attiva ETH/BTC 15m flat-skip in PORT06 (BLEND, mezza size)

Origine: gioco "Blind Traders" (100 agenti ciechi su BTC/ETH anonimizzati) ->
vincitore = spread ETH/BTC reversion a 15m. Testato sul serio col gate PORT06:
non duplicato (corr 1h vs 15m = 0.37), robusto (16/16 celle Sharpe>1), edge NON
artefatto delle candele flat ETH 15m (filtrandole resta l'83% dello Sharpe).

Percorso live costruito e validato:
- pairs_research.pairs_sim_flat: engine generalizzato con exit LIVE-REALIZABLE
  (arma exit_ready, esce alla 1a barra pulita); regression-lock a pairs_sim.
- PairsWorker: flat_skip + exit_ready + rilevamento flat da OHLC (1h byte-exact).
- runner: fetch diretto dei timeframe sub-orari + override position_size per-sleeve.
- validate_worker_pairs: replay worker == backtest a 15m (8452 vs 8453 trade).
- _defs/build_everything: sleeve PR_ETHBTC_15M (mezza size, pos 0.10) -> PORT06
  FULL 6.43->7.20, OOS 8.58->9.66, DD giu'. Rischio bilanciato col 1h.
- smoke live: Cerbero serve candele 15m fresche; worker ticca.

Diari docs/diary/2026-06-09-*. Caveat slippage: mezza size = blend-tilt prudente.

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

docs/diary/2026-06-09-blind-traders-game.md

@@ -0,0 +1,56 @@
+# 2026-06-09 — Gioco "Blind Traders": 100 agenti ciechi
+
+## Setup
+100 agenti LLM (haiku) ricevono due serie anonime **X** e **Y** — in realta'
+**BTC** e **ETH** 1h/15m/5m, mai etichettate — e devono proporre UNA regola che
+"anticipi" i movimenti per un PnL netto positivo (fee 0.10% RT) con **>=10
+trade/mese**. Non sanno cosa siano i dati. L'orchestratore (engine deterministico)
+valuta ogni strategia, assegna un punteggio su **PNL + %win**, da' **90 epoche di
+elaborazione** (hill-climb dei parametri) e **ogni 10 epoche blocca il 10% meno
+profittevole** -> restano i **10 piu' profittevoli**.
+
+Infrastruttura in `scripts/games/`:
+- `engine.py` — dati anonimizzati, 6 famiglie segnale (zscore/breakout/ma_cross/
+  rsi/momentum/pairs), backtester causale fee-aware, scoring (>=10 tpm o squalifica).
+- `agent_brief.py` — digest ANONIMO (stat aggregate + finestra normalizzata) + menu.
+- `arena.py` — torneo a **3 finestre**: TRAIN (hill-climb), VALID (cull+rank
+  dell'orchestratore), TEST (OOS puro, mai ottimizzato). Anti-overfit.
+- `run_game.py` — carica le 100 spec degli agenti e lancia il torneo.
+
+## Risultato emergente
+I 100 agenti ciechi, leggendo SOLO le statistiche anonime (autocorrelazione
+negativa, "after_big_move_continues_pct" ~30-40% => le mosse estreme rientrano),
+hanno **riscoperto da soli che il mercato e' mean-reverting**: 100/100 reversion,
+67 hanno scelto il detector pairs, 30 zscore. Esattamente la lezione storica del
+progetto (edge = reversione; pairs ETH/BTC il piu' robusto) — senza sapere che
+fosse crypto.
+
+## Classifica finale (top 10) — tutti PAIRS su 15m
+Vincitore **agente #91** (15m, pairs market-neutral sul log-ratio X/Y):
+- TEST/OOS puro: **PnL +3126%**, **win 77%**, **108.9 trade/mese**, **Sharpe 20.3**
+- Full-period: PnL +8052%, win 70%, 94 tpm, Sharpe 12.2 (9604 trade)
+- params: lookback 66, entry 1.67σ, exit 1.0σ, max_bars 35
+- ipotesi (cieca): "Y altamente reversivo, X/Y log-ratio strong mean-reversion
+  (-0.43 autocorr), bassa correlazione cross-asset -> pairs market-neutral".
+
+Tutti i 10 finalisti: pairs 15m, TEST Sharpe medio 19.9, tpm 66-109 (>>10).
+
+## Caveat onesti
+- Numeri OOS ottimistici: PnL additivo a notional fisso, **niente slippage sulle 2
+  gambe**, finestra OOS calma, 15m molti trade. Coerente col caveat PR01 del
+  progetto (Sharpe reale atteso ~4-5, non 20). Il valore del gioco e' il **metodo**
+  (scoperta cieca + selezione anti-overfit), non il livello assoluto di Sharpe.
+- La convergenza su pairs conferma robustezza ma riduce la diversita': i 10 finalisti
+  sono varianti della stessa idea (ETH/BTC spread). Per un portafoglio servirebbe
+  diversificare (gia' fatto altrove: fade + honest + shape).
+
+## Re-run "sobrio" con slippage (0.05%/lato)
+`GAME_SLIP=0.0005` -> i pairs pagano +0.20% RT extra (4 lati). Lo slippage spinge
+l'ottimizzatore verso **meno churn**: tpm dei finalisti 66-109 -> **40-47**, Sharpe
+top-10 ~20 -> ~13.5. Vincitore **#43** (15m pairs): TEST PnL **+2091%**, win 77%,
+**46.9 tpm**, Sharpe **15.6**. La gerarchia (pairs 15m domina) e la robustezza
+reggono lo stress; lo Sharpe reale atteso resta ~4-5 (OOS calmo + PnL additivo).
+Log: `data/games/game_slip.log`.
+
+Artefatti: `data/games/tournament_result.json`, `data/games/specs/agent_*.json`,
+`engine.set_slippage()` (env `GAME_SLIP`).