feat(games): sessione 2 del gioco Blind Traders su timing diversi (30m/2h/4h)

- engine: resampling (_RESAMPLE) per 30m/2h/4h/1d + TF_BPM esteso -> nuovi timing.
- arena/run_game: TIMEFRAMES estesi, out_name e GAME_SPECS_DIR/GAME_OUT parametrizzati
  (game 1 non sovrascritto).
- Risultato: 10 finalisti tutti 30m pairs ETH/BTC (vincitore #36: OOS Sh 12.3, 43 tr/mese).
  La regola >=10 trade/mese filtra i tf lunghi (4h: 4/33 qualificati). Conferma la
  frontiera frequenza-vs-edge. Diario 2026-06-09-blind-traders-game2.md.

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

scripts/games/engine.py

@@ -18,8 +18,13 @@ import pandas as pd
 from src.data.downloader import load_data
 
 FEE_RT = 0.001          # 0.10% round-trip (taker Deribit, baseline progetto)
-TF_BPM = {"5m": 12 * 24 * 30, "15m": 4 * 24 * 30, "1h": 24 * 30}  # barre/mese per tf
+TF_BPM = {"5m": 12 * 24 * 30, "15m": 4 * 24 * 30, "30m": 2 * 24 * 30,
+          "1h": 24 * 30, "2h": 12 * 30, "4h": 6 * 30, "1d": 30}   # barre/mese per tf
 MIN_TRADES_PER_MONTH = 10.0
+# timeframe non presenti come parquet -> resamplati da una base (open=first,
+# high=max, low=min, close=last, volume=sum). Permette "timing diversi" nel gioco.
+_RESAMPLE = {"30m": ("15m", "30min"), "2h": ("1h", "2h"),
+             "4h": ("1h", "4h"), "1d": ("1h", "1D")}
 
 # Slippage per LATO (oltre alle fee). 0 = come prima. Single-leg paga 2 lati
 # (ingresso+uscita), i pairs ne pagano 4 (2 gambe x 2 lati).
@@ -34,14 +39,30 @@ def set_slippage(slip_per_side: float):
 # --------------------------------------------------------------------------
 # Dati anonimizzati
 # --------------------------------------------------------------------------
+def _load_tf(asset: str, tf: str):
+    """Carica un asset al timeframe tf (parquet diretto, o resample da una base)."""
+    if tf in _RESAMPLE:
+        base_tf, rule = _RESAMPLE[tf]
+        d = load_data(asset, base_tf).copy()
+        d["dt"] = pd.to_datetime(d["datetime"])
+        g = d.set_index("dt").resample(rule).agg(
+            {"open": "first", "high": "max", "low": "min", "close": "last",
+             "volume": "sum"}).dropna(subset=["open", "close"])
+        g = g.reset_index()
+        g["datetime"] = g["dt"]
+        g["timestamp"] = (g["dt"].astype("int64") // 1_000_000)
+        return g.drop(columns=["dt"])
+    return load_data(asset, tf).copy()
+
+
 def load_anon(tf: str = "1h"):
     """Carica BTC->A, ETH->B allineati sull'intersezione temporale.
 
     Ritorna un dict con array OHLC per A e B + datetime. I nomi reali NON
     compaiono: gli agenti vedono solo 'A' e 'B'.
     """
-    btc = load_data("BTC", tf).copy()
-    eth = load_data("ETH", tf).copy()
+    btc = _load_tf("BTC", tf)
+    eth = _load_tf("ETH", tf)
     for d in (btc, eth):
         d["dt"] = pd.to_datetime(d["datetime"])
     btc = btc.set_index("dt")