Metodologia, dati e limiti
La trasparenza è parte del metodo. Questa pagina descrive come Kuantico acquisisce i dati, costruisce le elaborazioni quantitative e presenta i risultati. L'obiettivo è consentire all'utente di comprendere l'origine, il significato e i limiti di ogni evidenza.
A. Fonti dei dati
| Categoria | Fonte / provider | Copertura | Frequenza | Ritardo | Dove verificare l'aggiornamento |
|---|---|---|---|---|---|
| Prezzi e volumi | Yahoo Finance | Equity, ETF, indici, commodities, FX, cripto (universo utente) | Batch giornaliero (schedulato) | Fine sessione; ritardo intraday | Visibile su ciascuno strumento |
| Dati fondamentali | Yahoo Finance | Multipli, margini, bilanci sintetici (equity coperte) | Ciclo agenti giornaliero | Reporting emittente | Visibile in scheda strumento |
| Indici ed ETF | Yahoo Finance | Universo utente | Batch giornaliero | Fine sessione | Visibile su ciascuno strumento |
| Valute (FX) | Yahoo Finance (ticker =X) | Coppie richieste dall'utente | Batch giornaliero | Fine sessione | Visibile su ciascuno strumento |
| Criptovalute | Yahoo Finance (ticker -USD) | Universo utente | Batch giornaliero | Fine sessione | Visibile su ciascuno strumento |
| News finanziarie | RSS Yahoo Finance | News per ticker in watchlist | Ciclo agenti | Pubblicazione fonte | Timestamp per notizia |
| Dati macroeconomici | Da configurare | Da configurare | Da configurare | Da configurare | Da configurare |
| Calendario earnings | Yahoo Finance | Equity coperte | Ciclo agenti giornaliero | Fonte | Visibile in Earnings |
| Transcript e documenti societari | Da configurare | Documenti caricati dall'utente + fonte pubblica in configurazione | On-demand | N/A | Al momento del caricamento |
| Sintesi in linguaggio naturale | Lovable AI Gateway (Google Gemini) | Interpretazioni, riassunti, sentiment | On-demand / ciclo agenti | N/A | Timestamp della run |
Le voci contrassegnate come "Da configurare" indicano informazioni non ancora pubblicate; l'elenco verrà aggiornato non appena la configurazione sarà finalizzata.
B. Classificazione degli output
Ogni valore mostrato nell'applicazione è categorizzato per aiutare l'utente a distinguere osservazioni, elaborazioni, stime e interpretazioni.
Informazione acquisita da una fonte esterna.
Risultato di una formula applicata ai dati.
Output probabilistico soggetto a incertezza.
Risultato ipotetico basato su assunzioni esplicite.
Sintesi linguistica prodotta da un modello.
Contenuto inserito manualmente dall'utente.
C0. Modelli quantitativi delle previsioni
Le previsioni a 5 sedute mostrate nella sezione Previsioni sono prodotte da un ensemble di quattro modelli combinati. Ogni previsione è tracciata con l'identificatore del modello che l'ha generata ed è immutabile dopo la pubblicazione.
Technical Ensemble v1.2
Combina segnali di SMA (5/10/20/50/200), RSI, MACD, Bollinger Bands e momentum in uno score direzionale aggregato. Deterministico e riproducibile.
- Input:
- Serie prezzi OHLC giornalieri.
- Output:
- Probabilità di chiusura positiva, rendimento atteso medio, segnale sintetico.
Statistical GARCH v2.0
GARCH(1,1) sui log-return per stimare la volatilità condizionata e l'ampiezza dell'intervallo previsto. Nessuna componente AI.
- Input:
- Log-return giornalieri sulla finestra storica configurata.
- Output:
- Deviazione standard prevista, intervallo di confidenza al 95%, livello di rischio.
Gradient Boosting v3.1
Modello gradient boosting su feature multi-timeframe (momentum, volatilità realizzata, distanza dalle medie, RSI, volumi normalizzati). Addestrato offline; nessun re-training online. Non è un LLM.
- Input:
- Feature quantitative derivate dalle serie storiche.
- Output:
- Probabilità direzionale e confidenza del modello.
HMM Regime v1
Classifica lo stato di mercato tra bull, bear e sideways. Stima via Baum-Welch con emissioni gaussiane a parametri fissi. Contribuisce a modulare l'output dell'ensemble.
- Input:
- Log-return giornalieri.
- Output:
- Regime corrente e probabilità di transizione.
L'ensemble aggrega gli output pesando i modelli e li combina con lo stato di regime rilevato dall'HMM. I risultati sono ricerca quantitativa, non raccomandazioni di investimento.
C. Metodologie quantitative
D. Confidenza e probabilità
Ogni percentuale di confidenza mostrata nell'applicazione è accompagnata, quando disponibile, da un tooltip che descrive cosa misura, come è stata calcolata, su quale campione, il periodo di riferimento e i limiti della metrica. Se questi dati non sono disponibili, la percentuale non viene mostrata.
E. Limiti del sistema
- Possibili ritardi o incompletezze delle fonti dati
- Rischio di errori nei dati alla fonte
- Rischio di overfitting nelle strategie ottimizzate sul passato
- Cambiamenti di regime che invalidano correlazioni recenti
- Limiti intrinseci delle simulazioni basate su dati storici
- Possibilità di errori o allucinazioni degli output AI
- Necessità di verifica umana su ogni output rilevante
F. Verifica ex post
Le previsioni con orizzonte definito vengono confrontate ex post con quanto realmente accaduto. Ogni scenario mostra previsione, data, orizzonte, intervallo previsto, risultato osservato, scostamento ed esito qualitativo (coerente, parzialmente coerente, non coerente). Non viene utilizzata la parola "accuratezza" se il campione di verifica non è statisticamente significativo.