feat(portfolio): contenitore di strategie ESTENSIBILE — TP01 primo sleeve

src/portfolio/: Sleeve (serie rendimenti netti per-barra, causale/fee-aware) + StrategyPortfolio
(combina N sleeve per peso su griglia giornaliera comune, metriche FULL/HOLD-OUT/per-anno +
standalone per-sleeve, vs buy&hold). Registry sleeve attivi in sleeves.py: per ora SOLO TP01
(peso 100%); aggiungere = una riga (dopo validazione col gauntlet).

Report (run_portfolio.py): TP01 FULL Sh 1.30 / DD 14.3% / ~€1.52/g, HOLD-OUT 0.31 / +3.5%
(buy&hold -0.32 / -39%). Posizione corrente flat (difensivo). tests/test_portfolio.py (6 test).
CLAUDE.md aggiornato (struttura + comando + come aggiungere uno sleeve).

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

src/portfolio/sleeves.py

@@ -0,0 +1,54 @@
+"""SLEEVE del portafoglio + REGISTRY degli sleeve attivi.
+
+Per AGGIUNGERE una strategia al portafoglio:
+  1. Validala col gauntlet onesto (scripts/analysis/research_lab.py + hold-out + cross-asset).
+  2. Scrivi una funzione `_<nome>_returns() -> pd.Series` che ritorna i suoi rendimenti netti
+     per-barra (datetime-indexed, CAUSALE, netto fee). Deve passare il guard di causalità.
+  3. Avvolgila in uno Sleeve(nome, peso, fn[, pos_fn]) e aggiungila a active_sleeves().
+Niente sleeve non validati: il portafoglio è solo per edge che reggono il gauntlet.
+"""
+from __future__ import annotations
+import numpy as np
+import pandas as pd
+
+from src.data.downloader import load_data
+from src.strategies.trend_portfolio import TrendPortfolio, CANONICAL, resample_1d, simple_returns
+from src.portfolio.portfolio import Sleeve
+
+ASSETS = ("BTC", "ETH")
+
+
+# ----------------------------- TP01 (PORT LF1d) -----------------------------
+def _tp01_returns() -> pd.Series:
+    """TP01: TSMOM vol-target long-flat, 50/50 BTC+ETH, a 1d (>=12h: vedi nota look-ahead nel modulo).
+    Rendimenti netti per-barra del portafoglio (causale: posizione decisa a close[i-1], tenuta in i)."""
+    tp = TrendPortfolio(**CANONICAL)
+    series = {}
+    for a in ASSETS:
+        df = resample_1d(load_data(a, "1h"))
+        r = simple_returns(df["close"].values.astype(float))
+        tgt = tp.target_series(df)
+        held = np.zeros(len(tgt)); held[1:] = tgt[:-1]
+        net = held * r - tp.fee_side * np.abs(np.diff(held, prepend=0.0)); net[0] = 0.0
+        series[a] = pd.Series(np.clip(net, -0.99, None), index=pd.to_datetime(df["datetime"]))
+    J = pd.concat(series, axis=1, join="inner").fillna(0.0)
+    return pd.Series(0.5 * J["BTC"].values + 0.5 * J["ETH"].values, index=J.index)
+
+
+def _tp01_positions() -> dict:
+    tp = TrendPortfolio(**CANONICAL)
+    return {a: round(tp.current_target(resample_1d(load_data(a, "1h"))), 4) for a in ASSETS}
+
+
+def tp01_sleeve(weight: float = 1.0) -> Sleeve:
+    return Sleeve("TP01_trend_1d", weight, _tp01_returns, pos_fn=_tp01_positions)
+
+
+# ----------------------------- REGISTRY -----------------------------
+def active_sleeves() -> list[Sleeve]:
+    """Sleeve ATTIVI nel portafoglio. Per ora solo TP01. Aggiungere qui le strategie validate."""
+    return [
+        tp01_sleeve(weight=1.0),
+        # --- TEMPLATE per il prossimo sleeve (dopo validazione col gauntlet) ---
+        # mystrat_sleeve(weight=1.0),
+    ]