research(cross-market): sweep 65-agenti crypto->mercati IB -> fenomeno gap robustissimo ma NON edge

Goal: >=50 agenti, migliore soluzione, diversi mercati e timing, su piu' anni.
Setup: 26 ETF certificati (IB) + BTC/ETH 1h; harness parametrizzato (lead overnight crypto ->
gap/intraday equity, t-incrementale, Sharpe IS/OOS, hit per-anno); workflow 416 config = 52 sweep +
12 verifica avversariale + 1 sintesi = 65 agenti.

RISULTATO: cluster fortissimo crypto-overnight -> GAP apertura equity (tutti i target risk-on).
Migliori: ETH->IWM/QQQ/XLK gap (Sh OOS 2.4-2.5, t 17), BTC->QQQ gap (Sh OOS 2.31, t 15, 9/9 ANNI).
Regge stress 10bps e OOS recente. MA due killer (verificatori concordi):
  1. NON tradabile via ETF (gap gia' all'open) -> serve future overnight (MNQ/MES), fuori dal
     capitale $0.5-2k (margin/liquidazione);
  2. e' RISK-BETA non alpha: finestra-lead ~contemporanea al gap (stesso shock macro), forza solo
     negli anni alta-vol (2022), beta implicito ~37%.
Unico ETF-tradabile (ETH->XLE intraday) crolla a 10bps (0.48->0.15), t 2.38 sotto Bonferroni/416.

VERDETTO: nessun edge proprietario deployabile a basso capitale. Migliore FENOMENO da forward-monitor
= BTC->QQQ gap overnight (9/9 anni). Coerente col soffitto del progetto. Valore: aver classificato il
fenomeno (risk-beta overnight) invece di scambiarlo per alpha.

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

docs/diary/2026-06-22-crypto-lead-50agent-sweep.md

@@ -0,0 +1,62 @@
+# 2026-06-22 — Sweep 65-agenti: crypto -> mercati IB (mercati × timing × anni)
+
+## Obiettivo (goal utente)
+Usare >=50 agenti per prendere l'anticipazione crypto->equity e trovare la MIGLIORE soluzione,
+provando diversi mercati e timing, su piu' anni.
+
+## Setup
+- **Dati**: universo IB esteso a **26 ETF certificati** (azioni US/settori/intl/bond/credito/oro/
+  commodity/REIT), cache su disco (`fetch_ib_equities.py` + BROAD2). Crypto BTC/ETH 1h (Deribit).
+- **Harness onesto** (`crypto_lead_harness.py`): per ogni sessione equity, lead = crypto nella
+  finestra equity-CHIUSO [P 21:00 -> D 13:00 UTC] (overnight; il weekend e' il caso lungo). Predice
+  gap/intraday/full. Metriche: corr, **t incrementale vs sessione equity precedente**, Sharpe
+  eseguibile (sign(lead)*predict, net costi) FULL/IS/OOS, **hit per-anno**.
+- **Workflow** (`wf_crypto_lead.js`): grid 416 config (2 lead × 26 mercati × 2 giorni × 2 predict ×
+  2 finestre). **52 agenti sweep** -> **12 agenti verifica avversariale** (stress 10bps + OOS 2024+ +
+  multi-anno) -> **1 sintesi**. Totale **65 agenti**, 1.7M token.
+
+## Risultato
+
+### Fenomeno fortissimo: crypto overnight -> GAP di apertura equity
+Cluster coerente in cima, TUTTI predict=gap/overnight, su ogni target risk-on:
+| lead->target | t-incr | Sh OOS@4bps | @10bps | OOS-recente | anni+ |
+|---|---|---|---|---|---|
+| ETH->IWM gap | 17.1 | 2.49 | 1.96 | 2.41 | 7/8 |
+| ETH->QQQ gap | 17.9 | 2.36 | 1.83 | 2.31 | 7/8 |
+| ETH->XLK gap | 17.4 | 2.40 | 1.93 | 2.30 | 7/8 |
+| **BTC->QQQ gap** | 15.0 | 2.31 | 1.78 | 2.16 | **9/9** |
+| BTC->SPY gap | 14.4 | 2.14 | 1.69(lf) | 2.03 | 9/9 |
+
+Statisticamente schiacciante (t 14-18, sopra Bonferroni su 416 test), regge stress costi e OOS
+recente, **positivo 8-9 anni su 8-9**.
+
+### Ma DUE killer (i verificatori avversariali concordi)
+1. **NON tradabile via ETF**: il gap e' gia' prezzato all'open dell'ETF -> serve un FUTURE indice
+   tenuto overnight (MNQ/MES/M2K). A $0.5-2k il margin overnight di anche un micro consuma il
+   capitale e rischia la liquidazione su un gap avverso -> **fuori portata per costruzione**.
+2. **E' RISK-BETA, non alpha**: la finestra-lead crypto e' quasi CONTEMPORANEA al gap (stesso shock
+   macro overnight, equity chiuso). t enorme = co-movimento risk-on/off, non ETH/BTC che *anticipa*.
+   Firma: la forza e' negli anni alta-vol (2022 hit 0.71-0.75), piatta negli anni calmi (2019/21/23).
+   corr ~0.37 -> beta implicito ~37%, alpha residuo piccolo.
+
+### L'unico tradabile via ETF e' troppo debole
+ETH->XLE intraday 6h (compri XLE al day-open, chiudi +6h): Sh OOS 0.48@4bps **-> 0.15@10bps** (annuo
+4.1%->1.0%), t-incr 2.38 **sotto Bonferroni** (~3.5 su 416 test). Edge netto onesto ~ZERO.
+
+## Verdetto (sintesi multi-agente)
+**Nessun edge proprietario deployabile a basso capitale.** Il fenomeno crypto->equity-overnight e'
+statisticamente reale e robustissimo su 9 anni, ma e' (a) risk-beta condiviso, non anticipazione
+sfruttabile, e (b) catturabile solo con futures overnight, fuori dal nostro capitale. L'unica
+versione ETF-eseguibile e' dentro il rumore da multiple-testing. Coerente col soffitto del progetto:
+"niente di nuovo regge" alla verifica onesta.
+
+**Migliore soluzione (come FENOMENO da forward-monitor, non deploy):** BTC->QQQ gap overnight — la
+storia piu' lunga (9/9 anni), lead noto prima dell'open. Da monitorare; deployabile solo con capitale
+~>$20-30k su micro-futures indice e con i costi notturni modellati.
+
+## Lezione
+Anche con 65 agenti e una ricerca esaustiva su mercati/timing/anni, la disciplina onesta
+(tradabilita' al capitale reale + multiple-testing + beta-vs-alpha) riduce un "Sharpe 2.5 su 9 anni"
+a un non-edge per noi. Il valore della ricerca: aver QUANTIFICATO e CLASSIFICATO il fenomeno
+(risk-beta overnight) invece di scambiarlo per alpha.
+Artefatti: `crypto_lead_harness.py`, `wf_crypto_lead.js`.

scripts/research/crypto_lead_harness.py

@@ -0,0 +1,126 @@
+"""HARNESS parametrizzato — anticipazione crypto -> mercato (lead-lag eseguibile, onesto).
+
+Generalizza l'effetto weekend: la finestra-LEAD e' l'intervallo in cui l'equity e' CHIUSO e la crypto
+no (prev close 21:00 UTC -> next open 13:30 UTC). Il weekend e' il caso lungo (Ven 21:00 -> Lun 13:30).
+Per ogni sessione equity D (con sessione precedente P):
+  lead = crypto return su [lead_start, D 13:00]   (lead_start = P 21:00 se hours='overnight', else D13:00-hours)
+  predict target: gap = open[D]/close[P]-1 ; intraday = close[D]/open[D]-1 ; full = close[D]/close[P]-1
+  control = rendimento sessione precedente equity (close[P]/close[P_prev]-1)  -> test INCREMENTALE
+Filtro giorni: all | mon (solo lunedi'/weekend) | nonmon.
+
+Output JSON per config: n, corr, beta+t-stat del lead AL NETTO del control (incrementale), Sharpe
+settimanale/annualizzato del trade eseguibile (sign(lead)*predict - costo) FULL/IS/OOS(2022+),
+hit-rate, e PER-ANNO (hit e mean) per la robustezza multi-anno.
+
+  uv run python scripts/research/crypto_lead_harness.py --configs '[{"lead":"BTC","target":"QQQ","day":"mon","predict":"intraday","hours":"overnight"}]'
+Dati: cache su disco (crypto 1h, ETF eq_*). Nessun IB online. Vettoriale, veloce.
+"""
+import sys, json, argparse
+from pathlib import Path
+import numpy as np, pandas as pd
+
+ROOT = Path(__file__).resolve().parents[2]
+sys.path.insert(0, str(ROOT)); sys.path.insert(0, str(ROOT / "scripts" / "research"))
+from src.data.downloader import load_data
+import eqlib
+
+OOS_DEFAULT = "2022-01-01"
+OPEN_H = 13   # ~apertura US 13:30 UTC -> uso barra 13:00 (info nota prima dell'open per il lead)
+CLOSE_H = 21  # ~chiusura US 21:00 UTC
+
+_CRYPTO = {}
+def crypto_hourly(asset):
+    if asset not in _CRYPTO:
+        s = load_data(asset, "1h").set_index("datetime")["close"].astype(float)
+        full = pd.date_range(s.index[0].floor("h"), s.index[-1].ceil("h"), freq="h", tz="UTC")
+        _CRYPTO[asset] = s.reindex(s.index.union(full)).ffill().reindex(full)
+    return _CRYPTO[asset]
+
+
+def at(series, ts):
+    try:
+        return float(series.asof(ts))
+    except Exception:
+        return np.nan
+
+
+def evaluate(cfg, cost_rt=0.0004, oos=OOS_DEFAULT):
+    OOS = pd.Timestamp(oos, tz="UTC")
+    lead = cfg["lead"]; tgt = cfg["target"]; day = cfg.get("day", "all")
+    predict = cfg.get("predict", "intraday"); hours = cfg.get("hours", "overnight")
+    bc = crypto_hourly(lead)
+    try:
+        oc = eqlib.load_eq(tgt)["open"].astype(float); cc = eqlib.load_eq(tgt)["close"].astype(float)
+    except Exception as e:
+        return {**cfg, "err": f"no data {tgt}"}
+    idx = cc.index
+    rows = []
+    for j in range(2, len(idx)):
+        D = idx[j]; P = idx[j-1]; Pp = idx[j-2]
+        if day == "mon" and D.weekday() != 0: continue
+        if day == "nonmon" and D.weekday() == 0: continue
+        d_open = D.normalize() + pd.Timedelta(hours=OPEN_H)
+        p_close = P.normalize() + pd.Timedelta(hours=CLOSE_H)
+        lead_start = p_close if hours == "overnight" else d_open - pd.Timedelta(hours=int(hours))
+        c1 = at(bc, d_open); c0 = at(bc, lead_start)
+        if not (np.isfinite(c1) and np.isfinite(c0) and c0 > 0): continue
+        ld = c1 / c0 - 1.0
+        gap = oc[D] / cc[P] - 1.0
+        intr = cc[D] / oc[D] - 1.0
+        full = cc[D] / cc[P] - 1.0
+        ctrl = cc[P] / cc[Pp] - 1.0
+        rows.append((D, ld, gap, intr, full, ctrl))
+    if len(rows) < 60:
+        return {**cfg, "err": f"n={len(rows)}"}
+    D_ = pd.DataFrame(rows, columns=["d", "lead", "gap", "intraday", "full", "ctrl"]).set_index("d")
+    y = D_[predict].values; x = D_["lead"].values; ctrl = D_["ctrl"].values
+
+    def z(a):
+        sd = a.std(); return (a - a.mean()) / sd if sd > 0 else a * 0
+    corr = float(np.corrcoef(x, y)[0, 1])
+    # incrementale vs control (OLS standardizzato)
+    X = np.column_stack([np.ones(len(y)), z(x), z(ctrl)])
+    beta, *_ = np.linalg.lstsq(X, z(y), rcond=None)
+    resid = z(y) - X @ beta
+    dof = max(len(y) - 3, 1)
+    se = np.sqrt(np.sum(resid**2) / dof * np.diag(np.linalg.inv(X.T @ X)))
+    t_inc = float(beta[1] / se[1]) if se[1] > 0 else 0.0
+    # trade eseguibile: long-short e long-flat su segno del lead, intraday/predict, net costi
+    sign = np.sign(x)
+    def sharpe(r):
+        r = r[np.isfinite(r)]
+        return float(np.mean(r) / np.std(r) * np.sqrt(52)) if len(r) > 5 and np.std(r) > 0 else 0.0
+    ls = sign * y - cost_rt
+    lf = np.where(x > 0, y, 0.0) - np.where(x > 0, cost_rt, 0.0)
+    yrs = D_.index.year.values
+    def per_year(r):
+        out = {}
+        for yv in sorted(set(yrs)):
+            m = yrs == yv
+            if m.sum() >= 8:
+                out[int(yv)] = round(float(np.mean(np.sign(x[m]) == np.sign(y[m]))), 2)
+        return out
+    is_m = D_.index < OOS; oos_m = D_.index >= OOS
+    py = per_year(ls)
+    return {**cfg, "n": len(D_), "corr": round(corr, 3), "t_incremental": round(t_inc, 2),
+            "hit": round(float(np.mean(sign == np.sign(y))), 3),
+            "sh_ls_full": round(sharpe(ls), 2), "sh_ls_is": round(sharpe(ls[is_m]), 2),
+            "sh_ls_oos": round(sharpe(ls[oos_m]), 2),
+            "sh_lf_full": round(sharpe(lf), 2), "sh_lf_oos": round(sharpe(lf[oos_m]), 2),
+            "ann_ls_pct": round(float(np.nanmean(ls) * 52 * 100), 1),
+            "years_pos": int(sum(1 for v in py.values() if v > 0.5)), "years_tot": len(py),
+            "per_year_hit": py}
+
+
+def main():
+    ap = argparse.ArgumentParser()
+    ap.add_argument("--configs", required=True)
+    ap.add_argument("--cost", type=float, default=0.0004)
+    ap.add_argument("--oos", default=OOS_DEFAULT)
+    args = ap.parse_args()
+    cfgs = json.loads(args.configs)
+    print(json.dumps([evaluate(c, cost_rt=args.cost, oos=args.oos) for c in cfgs]))
+
+
+if __name__ == "__main__":
+    main()

scripts/research/fetch_ib_equities.py

@@ -28,7 +28,9 @@ RAW.mkdir(parents=True, exist_ok=True)
 
 SECTORS = ["XLK", "XLF", "XLE", "XLV", "XLI", "XLP", "XLY", "XLU", "XLB", "XLRE", "XLC"]
 BROAD = ["SPY", "QQQ", "IWM", "TLT", "GLD", "HYG"]
-UNIVERSE = SECTORS + BROAD
+# espansione "diversi mercati" (intl / bond / credito / commodity / settori extra) per il lead-lag crypto
+BROAD2 = ["DIA", "EFA", "EEM", "FXI", "EWJ", "AGG", "LQD", "IEF", "USO", "SLV", "DBC", "VNQ"]
+UNIVERSE = SECTORS + BROAD + BROAD2
 
 
 def certify(sym: str, df: pd.DataFrame) -> dict:

scripts/research/wf_crypto_lead.js

@@ -0,0 +1,145 @@
+export const meta = {
+  name: 'crypto-lead-sweep',
+  description: 'Sweep multi-agente dell\'anticipazione crypto->mercati IB (mercati x timing x lead), verifica avversariale multi-anno, sintesi della soluzione migliore',
+  phases: [
+    { title: 'Sweep', detail: '~52 agenti: grid (lead x mercato x giorno x predict x finestra) via harness onesto' },
+    { title: 'Verify', detail: 'top candidati: stress costi + OOS recente + multi-anno' },
+    { title: 'Synthesize', detail: 'migliore soluzione robusta + caveat di tradabilita' },
+  ],
+}
+
+// ---- universo mercati certificati (cache su disco) ----
+const MARKETS = ["SPY","QQQ","IWM","DIA","XLK","XLF","XLE","XLV","XLI","XLP","XLY","XLU","XLB","XLRE","XLC",
+                 "HYG","TLT","IEF","GLD","SLV","USO","DBC","VNQ","EEM","FXI","EWJ"]
+const LEADS = ["BTC","ETH"]
+const DAYS = ["all","mon"]
+const PREDICTS = ["gap","intraday"]
+const HOURS = ["overnight","6"]
+
+// ---- genera la grid completa ----
+const grid = []
+for (const lead of LEADS) for (const target of MARKETS) for (const day of DAYS)
+  for (const predict of PREDICTS) for (const hours of HOURS)
+    grid.push({ lead, target, day, predict, hours })
+log(`grid totale: ${grid.length} configurazioni (mercati ${MARKETS.length} x lead 2 x giorno 2 x predict 2 x finestra 2)`)
+
+// ---- chunk in batch da 8 -> ~52 agenti ----
+const BATCH = 8
+const batches = []
+for (let i = 0; i < grid.length; i += BATCH) batches.push(grid.slice(i, i + BATCH))
+log(`sweep: ${batches.length} agenti, ${BATCH} config ciascuno`)
+
+const RAW_SCHEMA = {
+  type: "object",
+  properties: { raw: { type: "string", description: "stdout JSON ESATTO dell'harness, senza modifiche" } },
+  required: ["raw"],
+}
+
+// ---- PHASE 1: SWEEP ----
+phase('Sweep')
+const sweepResults = await parallel(batches.map((batch, bi) => () =>
+  agent(
+    `Sei un esecutore deterministico. Esegui ESATTAMENTE questo comando dalla root del repo e restituisci il suo stdout.\n\n` +
+    `uv run python scripts/research/crypto_lead_harness.py --configs '${JSON.stringify(batch)}'\n\n` +
+    `Il comando stampa un array JSON di risultati. Mettilo VERBATIM nel campo "raw" (nessun commento, nessuna modifica ai numeri). ` +
+    `Se il comando fallisce, metti il messaggio d'errore in "raw".`,
+    { label: `sweep:${bi}`, phase: 'Sweep', schema: RAW_SCHEMA, effort: 'low' }
+  )
+))
+
+// ---- parse + flatten ----
+const all = []
+for (const r of sweepResults) {
+  if (!r || !r.raw) continue
+  try {
+    const arr = JSON.parse(r.raw.trim())
+    for (const x of arr) if (x && !x.err) all.push(x)
+  } catch (e) { /* skip batch non parsabile */ }
+}
+log(`risultati validi raccolti: ${all.length}/${grid.length}`)
+
+// ---- ranking robustezza: tutti gli anni positivi + t-stat alto + OOS positivo ----
+function score(x) {
+  const yr = x.years_tot ? x.years_pos / x.years_tot : 0
+  const oosOK = (x.sh_ls_oos > 0 || x.sh_lf_oos > 0) ? 1 : 0
+  return yr * Math.abs(x.t_incremental || 0) * (1 + Math.max(x.sh_ls_oos || 0, x.sh_lf_oos || 0)) * oosOK
+}
+all.sort((a, b) => score(b) - score(a))
+const top = all.slice(0, 12)
+// separa per tradabilita': intraday = ETF-tradabile; gap = fenomeno (serve future)
+const topIntraday = all.filter(x => x.predict === 'intraday').slice(0, 6)
+const topGap = all.filter(x => x.predict === 'gap').slice(0, 6)
+log(`TOP overall: ${top.map(x => `${x.lead}->${x.target}/${x.day}/${x.predict} t=${x.t_incremental} oos=${Math.max(x.sh_ls_oos,x.sh_lf_oos)} ${x.years_pos}/${x.years_tot}y`).join(' | ')}`)
+
+// ---- PHASE 2: VERIFY (stress costi + OOS recente, multi-anno) ----
+phase('Verify')
+const VERDICT_SCHEMA = {
+  type: "object",
+  properties: {
+    config: { type: "string" },
+    robust: { type: "boolean", description: "regge stress (costi alti + OOS recente) e multi-anno?" },
+    tradeable_via: { type: "string", description: "etf-intraday | futures-gap | none" },
+    sh_oos_4bps: { type: "number" }, sh_oos_10bps: { type: "number" }, sh_oos_recent: { type: "number" },
+    years_pos: { type: "number" }, years_tot: { type: "number" },
+    note: { type: "string", description: "1-2 frasi: cosa regge, cosa no, spiegazione alternativa" },
+  },
+  required: ["config", "robust", "tradeable_via", "note"],
+}
+const cands = [...new Map([...topIntraday, ...topGap, ...top].map(x => [`${x.lead}|${x.target}|${x.day}|${x.predict}|${x.hours}`, x])).values()].slice(0, 12)
+const verified = await parallel(cands.map((c) => () => {
+  const cfg = JSON.stringify([{ lead: c.lead, target: c.target, day: c.day, predict: c.predict, hours: c.hours }])
+  return agent(
+    `Verifica avversariale di UN candidato lead-lag crypto->mercato. Config: ${JSON.stringify(c)}.\n` +
+    `Esegui questi 3 comandi dalla root e leggi i campi t_incremental, sh_ls_oos, sh_lf_oos, years_pos, years_tot:\n` +
+    `1) base 4bps:   uv run python scripts/research/crypto_lead_harness.py --cost 0.0004 --oos 2022-01-01 --configs '${cfg}'\n` +
+    `2) stress 10bps: uv run python scripts/research/crypto_lead_harness.py --cost 0.0010 --oos 2022-01-01 --configs '${cfg}'\n` +
+    `3) OOS recente:  uv run python scripts/research/crypto_lead_harness.py --cost 0.0004 --oos 2024-01-01 --configs '${cfg}'\n\n` +
+    `Giudica: robust=true SOLO se l'edge resta positivo a 10bps E nell'OOS recente (2024+) E years_pos/years_tot>=0.6. ` +
+    `tradeable_via: "etf-intraday" se predict=intraday e regge (eseguibile comprando l'ETF al Monday/giorno open); ` +
+    `"futures-gap" se predict=gap e regge (il gap si cattura solo con i futures indice overnight, NON con l'ETF); "none" se non regge. ` +
+    `note: spiega anche un'alternativa plausibile (e' solo risk-beta? autocorrelazione? multiple-testing su ${grid.length} test?).`,
+    { label: `verify:${c.lead}->${c.target}/${c.predict}`, phase: 'Verify', schema: VERDICT_SCHEMA }
+  )
+}))
+const robust = verified.filter(v => v && v.robust)
+log(`candidati robusti: ${robust.length}/${cands.length}`)
+
+// ---- PHASE 3: SYNTHESIZE ----
+phase('Synthesize')
+const SYNTH_SCHEMA = {
+  type: "object",
+  properties: {
+    best_solution: { type: "string", description: "la migliore soluzione: lead+mercato+timing+predict+come si tradea" },
+    why: { type: "string" },
+    expected_edge: { type: "string", description: "Sharpe OOS onesto (post-stress), hit, anni positivi" },
+    tradeability: { type: "string", description: "ETF intraday vs futures overnight; eseguibile a $0.5-2k?" },
+    multi_year: { type: "string", description: "evidenza su piu' anni (per-anno)" },
+    caveats: { type: "string" },
+    runner_ups: { type: "string" },
+  },
+  required: ["best_solution", "why", "expected_edge", "tradeability", "multi_year", "caveats"],
+}
+const synthesis = await agent(
+  `Sei l'analista quant capo, disciplina ONESTA (questo progetto uccide i falsi positivi: multiple-testing, hold-out-luck, ` +
+  `tradabilita' reale a basso capitale). Obiettivo: dalla ricerca multi-agente sull'anticipazione crypto->mercati IB, ` +
+  `determina la SOLUZIONE MIGLIORE (mercato + timing + lead) verificata su PIU' ANNI.\n\n` +
+  `TOP candidati (sweep, ${grid.length} config testate): ${JSON.stringify(top)}\n\n` +
+  `VERDETTI di verifica avversariale (stress costi 10bps + OOS recente 2024+): ${JSON.stringify(verified)}\n\n` +
+  `Candidati robusti: ${JSON.stringify(robust)}\n\n` +
+  `Fatti noti: (a) il GAP di apertura (predict=gap) ha t-stat altissimi ma NON e' catturabile con l'ETF (serve un future ` +
+  `indice tradato overnight, es. MNQ/MES su IB); (b) l'INTRADAY (predict=intraday) e' debole ma eseguibile comprando l'ETF; ` +
+  `(c) abbiamo testato ${grid.length} configurazioni -> correggi mentalmente per multiple-testing (un t-stat ~2 non basta qui).\n\n` +
+  `Produci la sintesi: la soluzione migliore REALMENTE utile (distingui fenomeno-forte-non-tradabile da edge-tradabile), ` +
+  `il suo edge atteso onesto post-stress, come si tradea a $0.5-2k, l'evidenza multi-anno, i caveat, e i runner-up.`,
+  { label: 'synthesize', phase: 'Synthesize', schema: SYNTH_SCHEMA, effort: 'high' }
+)
+
+return {
+  grid_size: grid.length,
+  sweep_agents: batches.length,
+  results_collected: all.length,
+  top12: top,
+  verified,
+  robust_count: robust.length,
+  synthesis,
+}