release: v1.1.30

FADE specs tf=15m (sid invariati -> pesi/alloc intatti; DIP01 resta 1h);
builder canonico allineato (combine_portfolio.FADE_TF) -> parita' delle due
facce; regression-lock aggiornato al nuovo baseline (FULL Sh 7.34->8.13
DD 3.46->2.47, OOS Sh 10.07->10.86 DD 1.48->2.09). Runner invariato (fetch
15m gia' esistente dal blend pairs). Suite 126 passed.

Co-Authored-By: Claude Fable 5 <noreply@anthropic.com>

VERSION

@@ -1 +1 @@
-1.1.29
+1.1.30

docs/diary/2026-06-12-fade15m-gate.md

@@ -51,3 +51,28 @@ il suo OOS DD peggiora 1.48→2.09). In subordine BLEND (miglior FULL DD 2.31%).
    position_size ridotto come il blend pairs (il gate ADD qui è già a peso pieno
    e migliora comunque, ma il caveat slippage 15m suggerisce prudenza).
 5. MR02_BTC 15m è il più fee-sensitive (fee2x OOS 0.60): monitorare le fee reali.
+
+## Addendum — DEPLOY: SWAP SECCO (stessa giornata, scelta utente)
+
+L'utente ha scelto **SWAP** (la variante a CAGR più alto), consapevole dei due
+costi discussi: OOS DD 1.48→2.09% e perdita della maturità operativa 1h (la
+meccanica live — EXIT-16 confirm, TP_PHANTOM, TP resting — gira 4x più veloce
+su un feed testnet con wick anomali; il gate misura l'edge, non la robustezza
+operativa). Proposta alternativa staged (ADD temporaneo 1-2 settimane, poi
+spegnere il 1h) declinata: "swap secco".
+
+Implementazione (deliberatamente minima, sid INVARIATI → pesi/alloc/epoche
+intatti):
+- `_defs.py`: FADE specs → `tf="15m"` (DIP01 resta 1h: non era nel gate).
+- `combine_portfolio.py`: `FADE_TF="15m"` nel builder canonico → le due facce
+  (backtest/live) restano sulla STESSA definizione; il lock di parità
+  (`test_backtest_parity`) confronta le facce fra loro e resta verde.
+- Runner: NESSUNA modifica (il fetch sub-orario BTC/ETH 15m esisteva già per il
+  blend pairs; `_spec_assets_tf`/`_series_for` sono generici).
+- Worker: nuove dir `*__15m` (stato 1h preservato in `*__1h`, worker flat al
+  momento dello switch). Esecuzione reale invariata (match per nome MR01/02/07).
+- max_bars=24 barre ora = 6h; EXIT-16 confirm sulla barra 15m completata.
+
+Monitor post-deploy: stop-rate e divergenza sim/reale dei fade 15m
+nell'hourly report; fee reali su MR02_BTC; STALE_FEED (le barre flat 15m
+sono più frequenti che a 1h).

scripts/analysis/combine_portfolio.py

@@ -40,9 +40,17 @@ ANN = 365.0                                      # giorni/anno per annualizzare
 
 
 # ---------------- equity giornaliere ----------------
-def fade_daily_equity(asset: str, fn, params) -> pd.Series:
-    """Equity giornaliera di uno sleeve fade: trade 1h (filtro trend 3.0) -> equity -> daily."""
-    df = load_data(asset, "1h")
+# SWAP fade 1h -> 15m (2026-06-12, scelta utente). Gate fade15m_port06_gate.py: parametri
+# 1h NON ri-tunati trasferiti a 15m, corr 15m-1h media 0.26, SWAP promosso (FULL CAGR
+# 74->101% DD 3.46->2.47%, OOS Sh 10.07->10.86; OOS DD 1.48->2.09 accettato), edge ETH
+# regge il flat-entry-skip. Il canonico segue il deployato per tenere la parita' delle
+# due facce. Diario docs/diary/2026-06-12-fade15m-gate.md.
+FADE_TF = "15m"
+
+
+def fade_daily_equity(asset: str, fn, params, tf: str = FADE_TF) -> pd.Series:
+    """Equity giornaliera di uno sleeve fade: trade (filtro trend 3.0) -> equity -> daily."""
+    df = load_data(asset, tf)
     ts = pd.to_datetime(df["timestamp"], unit="ms", utc=True)
     trades = build_trades(fn(df, **params), df, trend_max=3.0)
     n = len(df); eq = np.full(n, INIT, dtype=float); cap = INIT
@@ -55,7 +63,7 @@ def fade_daily_equity(asset: str, fn, params) -> pd.Series:
 
 def build_all_sleeves() -> dict[str, pd.Series]:
     sleeves: dict[str, pd.Series] = {}
-    # --- FADE: 8 sleeve ---
+    # --- FADE: 6 sleeve (15m dal 2026-06-12, vedi FADE_TF) ---
     for asset in ["BTC", "ETH"]:
         for nm, (fn, params) in strats_for(asset).items():
             sleeves[f"{nm}_{asset}"] = fade_daily_equity(asset, fn, params)

scripts/portfolios/_defs.py

@@ -61,8 +61,18 @@ def _fade_params(c: str, a: str) -> dict:
     return p
 
 
-FADE = [SleeveSpec(kind="single", name=c, sid=f"{c}_{a}", asset=a, cluster=f"{a}-rev",
-                   params=_fade_params(c, a))
+# SWAP timeframe 1h -> 15m (2026-06-12, scelta utente "swap secco"). Gate
+# fade15m_port06_gate.py: parametri 1h trasferiti a 15m NON ri-tunati (pre-registrati,
+# anti-overfit), corr daily 15m-1h media 0.26 (NON e' lo stesso edge piu' veloce),
+# SWAP promosso — FULL CAGR 74->101% DD 3.46->2.47%, OOS Sh 10.07->10.86 (OOS DD
+# 1.48->2.09 accettato); l'edge ETH sopravvive al flat-entry-skip (non e' stale-print
+# come pairs-alt). Stessi sid -> pesi/alloc invariati; il worker cambia cadenza
+# (max_bars=24 barre = 6h; EXIT-16 confirm sulla barra 15m completata). Il backtest
+# canonico segue (combine_portfolio.FADE_TF). MR02_BTC e' il piu' fee-sensitive
+# (fee2x OOS Sh 0.60): monitorare le fee reali nel report orario.
+# Diario docs/diary/2026-06-12-fade15m-gate.md.
+FADE = [SleeveSpec(kind="single", name=c, sid=f"{c}_{a}", asset=a, tf="15m",
+                   cluster=f"{a}-rev", params=_fade_params(c, a))
         for a in ("BTC", "ETH") for c in ("MR01", "MR02", "MR07")]
 HONEST = [
     # DIP01: single-asset 1h -> StrategyWorker (Strategy DIP01_dip_buy). TR01/ROT02: multi-asset.

tests/portfolio/test_backtest_parity_cap.py

@@ -12,6 +12,9 @@ def test_port06_cap_backtest_numbers_locked():
     # flat-skip, mezza size) -> FULL 6.47->7.20, OOS 8.82->9.66, DD 4.1%->3.7%.
     # Aggiornato 2026-06-09 (2): + XS01 (reversione cross-sectional 8 asset, PAPER) ->
     # FULL 7.20->7.34, OOS 9.66->10.07, FULL DD 3.68->3.46 (OOS DD +0.17pp).
-    assert r.full["sharpe"] == pytest.approx(7.34, abs=0.15)
-    assert r.oos["sharpe"] == pytest.approx(10.07, abs=0.25)
-    assert r.full["dd"] == pytest.approx(3.46, abs=0.5)
+    # Aggiornato 2026-06-12: SWAP fade 1h->15m (combine_portfolio.FADE_TF, scelta utente,
+    # gate fade15m_port06_gate.py) -> FULL 7.34->8.13 DD 3.46->2.47, OOS 10.07->10.86.
+    # Nuovo baseline atteso, non una regressione.
+    assert r.full["sharpe"] == pytest.approx(8.13, abs=0.15)
+    assert r.oos["sharpe"] == pytest.approx(10.86, abs=0.25)
+    assert r.full["dd"] == pytest.approx(2.47, abs=0.5)