research(vrp): f misurato sul 10g — il mio sospetto era sbagliato, e il campione non basta ancora

Book, pesi, config INVARIATI. Nuovo sorvegliante in cron_daily.

IL CAMPIONE C'ERA GIA': 8 scadenze utilizzabili per asset su 8, entrambe le
strutture, 16 osservazioni ciascuna. Non serviva aspettare per fare la misura;
serve aspettare per rispondere alla DIFFERENZA, che e' un'altra domanda.

CORREZIONE A UN ARGOMENTO PUBBLICATO POCHE ORE FA. Nel gate del tenore avevo
scritto che la cella vincente 'sta massimizzando l'errore di modello' perche'
compra l'ala piu' lontana. Misurato: il meccanismo e' confermato e piu' forte
del previsto (f_long 5.85 contro 2.23) ma la conclusione era ROVESCIATA —
quell'ala pesa il 3.2% del premio corto invece del 18.4%, quindi sul credito
NETTO l'effetto e' minore: f_net 0.852 contro 0.718, il candidato ha un f
MIGLIORE. Con f_net = (f_short - k*f_long)/(1-k), un f_long grande fa danno
solo moltiplicato per un k grande: avevo guardato il fattore e non il peso.
La decisione (nessun cambio) regge, ma su tre gambe invece di quattro.

Artefatto di tick escluso prima di crederci: l'ask dell'ala sta a 22 tick
mediani, minimo 15, 0% delle osservazioni a <=2 tick.

LA DIFFERENZA NON E' STABILITA: appaiata per (asset, scadenza) fa +0.109 con
IC95 [-0.047, +0.193], 11/16 positive -> contiene lo zero. Replica indipendente
del canonico: 0.718 per un percorso con finestra DTE e pairing diversi da
quello che stamattina dava 0.73.

CRITERIO PRE-REGISTRATO, congelato in un test: >=40 coppie E ampiezza IC95
<=0.12 (oggi 16 e 0.241), prima gamba verso fine ottobre 2026. Il sorvegliante
rifa' la misura ogni giorno e notifica una volta sola quando basta — lezione
DVOLSPREAD, un lead senza sorvegliante e senza data e' un lead perso.

Calibrazione della soglia verificata prima di fidarsene: con differenza vera
nulla lo zero e' escluso nel 5.0/4.0/3.0% dei casi a n=16/40/60, cioe' il 5%
atteso. Il test iniziale su seed fisso falliva perche' quel seed era uno dei 5%
legittimi: sostituito con un test sulla proprieta'.

REGOLE: (a) un fattore di errore si giudica moltiplicato per il suo peso;
(b) prima di credere a un rapporto estremo su un prezzo piccolo, contare i
tick; (c) una soglia sull'ampiezza di un IC richiede di verificarne la
copertura; (d) 'non abbastanza campione' non e' 'nessuna differenza'.

Co-Authored-By: Claude Opus 5 (1M context) <noreply@anthropic.com>

tests/test_vrp_f_watch.py

@@ -0,0 +1,144 @@
+"""Test del sorvegliante di f sulle strutture VRP (scripts/live/vrp_f_watch.py).
+
+Cosa va congelato:
+
+* **Il criterio di sufficienza**, perche' e' pre-registrato: se un domani non si arriva alla
+  soglia, la tentazione e' abbassarla. Il test la lega a una costante, e cambiarla e' un atto
+  visibile in un diff.
+* **La statistica appaiata**: la domanda e' una DIFFERENZA fra due strutture sulla stessa
+  scadenza, non due intervalli guardati a occhio.
+* **Il fatto che 'non abbastanza' NON e' 'nessuna differenza'** — con l'IC che contiene lo zero
+  si aspetta, non si conclude.
+* **I controlli positivi**: un criterio che non scatta mai e uno rotto si somigliano troppo.
+"""
+from __future__ import annotations
+
+import importlib.util
+import sys
+from pathlib import Path
+
+import numpy as np
+import pandas as pd
+import pytest
+
+ROOT = Path(__file__).resolve().parents[1]
+sys.path.insert(0, str(ROOT))
+sys.path.insert(0, str(ROOT / "scripts" / "research"))
+
+_spec = importlib.util.spec_from_file_location(
+    "vrp_f_watch", ROOT / "scripts" / "live" / "vrp_f_watch.py")
+W = importlib.util.module_from_spec(_spec)
+_spec.loader.exec_module(W)
+
+
+def _frame(pairs: int, diff: float, spread: float = 0.0, seed: int = 0) -> pd.DataFrame:
+    """Coppie sintetiche: `pairs` scadenze con canonico ~0.72 e candidato ~0.72+diff."""
+    r = np.random.default_rng(seed)
+    rows = []
+    for i in range(pairs):
+        base = 0.72 + r.normal(0, spread)
+        for name, v in (("canonico", base), ("candidato", base + diff + r.normal(0, spread))):
+            rows.append(dict(asset="BTC", struct=name, exp=pd.Timestamp("2026-01-01") + pd.Timedelta(days=i),
+                             ts=pd.Timestamp("2026-01-01"), dte=7.0, f_short=1.0, f_long=2.0,
+                             f_net=v, f_net_mid=v, quota_lunga=0.18))
+    return pd.DataFrame(rows)
+
+
+# ===========================================================================
+# il criterio, che e' pre-registrato
+# ===========================================================================
+def test_il_criterio_di_sufficienza_e_quello_dichiarato_il_30_luglio():
+    assert W.MIN_PAIRS == 40
+    assert W.MAX_CI_WIDTH == 0.12
+
+
+def test_le_strutture_confrontate_sono_quelle_congelate():
+    """Il canonico e' VRP01 in produzione; il candidato e' la cella scelta al buio dal gate."""
+    assert W.STRUCTS["canonico"][3:] == (-0.28, -0.10)
+    assert W.STRUCTS["candidato"][3:] == (-0.28, -0.05)
+    assert W.STRUCTS["candidato"][2] == 10.0            # il tenore sotto esame
+
+
+# ===========================================================================
+# la statistica
+# ===========================================================================
+def test_la_differenza_e_appaiata_per_scadenza():
+    """Con una differenza costante di +0.10 su ogni coppia, la mediana appaiata deve essere
+    esattamente +0.10 e l'IC strettissimo — cosa che due IC separati non garantirebbero."""
+    a = W.assess(_frame(50, diff=0.10, spread=0.05, seed=1))
+    assert a["pairs"] == 50
+    assert a["diff"] == pytest.approx(0.10, abs=0.03)
+    assert a["ci_width"] < 0.10
+
+
+def test_poche_coppie_non_bastano_anche_se_la_differenza_e_grande():
+    """Il criterio ha DUE gambe: un effetto grande su 5 coppie non e' una misura."""
+    a = W.assess(_frame(5, diff=0.30, spread=0.05, seed=2))
+    assert not a["ready"] and a["pairs"] < W.MIN_PAIRS
+
+
+def test_molte_coppie_con_ic_largo_non_bastano():
+    """L'altra gamba: tante osservazioni ma rumorose non chiudono la domanda."""
+    a = W.assess(_frame(60, diff=0.10, spread=0.60, seed=3))
+    assert a["pairs"] >= W.MIN_PAIRS
+    assert a["ci_width"] > W.MAX_CI_WIDTH and not a["ready"]
+
+
+# ===========================================================================
+# CONTROLLI POSITIVI
+# ===========================================================================
+def test_controllo_positivo_il_criterio_sa_dire_di_si():
+    a = W.assess(_frame(60, diff=0.15, spread=0.05, seed=4))
+    assert a["ready"] and a["esclude_zero"]
+
+
+def test_una_differenza_nulla_e_misurata_come_nulla_non_come_ignota():
+    """A campione pieno e differenza vera zero la domanda E' risolta (`ready`): 'misurato
+    uguale' e' un risultato, 'non misurato' no."""
+    a = W.assess(_frame(60, diff=0.0, spread=0.05, seed=5))
+    assert a["ready"]
+
+
+def test_l_intervallo_bootstrap_e_calibrato():
+    """La soglia pre-registrata sull'AMPIEZZA dell'IC vale solo se l'IC e' calibrato: se
+    fosse troppo stretto, 'ready' arriverebbe presto e con un falso positivo in mano.
+    Misurato: con differenza vera nulla lo zero viene escluso nel ~5% dei casi, come deve.
+
+    (Serve un test sulla PROPRIETA' e non su un seed: la prima stesura fissava seed=5 e
+    falliva perche' quel seed era uno dei ~5% legittimi.)"""
+    n_seeds = 100
+    esclusi = sum(W.assess(_frame(40, diff=0.0, spread=0.05, seed=s))["esclude_zero"]
+                  for s in range(n_seeds))
+    assert esclusi / n_seeds <= 0.12          # 5% atteso, +3 sd binomiali su 100 estrazioni
+
+
+# ===========================================================================
+# stato reale del progetto
+# ===========================================================================
+@pytest.fixture(scope="module")
+def reale():
+    return W.assess(W.measure())
+
+
+def test_oggi_il_campione_non_basta_e_lo_script_lo_dice(reale):
+    """Congelato: al 2026-07-30 sono 16 coppie con IC95 che CONTIENE lo zero. Se un domani
+    questo test fallisce e' perche' il campione e' cresciuto — ed e' il momento di guardare."""
+    assert reale["pairs"] >= 16
+    if reale["pairs"] < W.MIN_PAIRS:
+        assert not reale["ready"]
+
+
+def test_il_f_del_canonico_replica_la_misura_del_30_luglio(reale):
+    """Percorso indipendente da `r0730_vrp_real_quotes` (finestra DTE e pairing diversi):
+    deve ritrovare ~0.73. Se diverge, una delle due misure e' rotta."""
+    assert 0.65 <= reale["f_canonico"] <= 0.80
+
+
+def test_l_ala_piu_lontana_e_piu_mispriced_ma_pesa_meno():
+    """Il meccanismo, misurato: f_long molto peggiore sul candidato, ma quota sul premio corto
+    molto minore -> effetto NETTO minore. E' il fatto che ha refutato il mio sospetto."""
+    R = W.measure()
+    med = R.groupby("struct")[["f_long", "quota_lunga", "f_net"]].median()
+    assert med.loc["candidato", "f_long"] > med.loc["canonico", "f_long"]
+    assert med.loc["candidato", "quota_lunga"] < med.loc["canonico", "quota_lunga"]
+    assert med.loc["candidato", "f_net"] > med.loc["canonico", "f_net"]