Blog

Uno studio controllato dei sottili leak di look-ahead che gonfiano silenziosamente i backtest. Con zero vantaggio reale, un fill sullo stesso bar genera uno Sharpe annualizzato di +14.8 dal puro rumore; una sbirciata di un bar sull'indicatore, +4.8. La tassonomia, le magnitudini misurate, e come rilevare ogni leak prima che ti costi denaro.

Cinque implementazioni dello stesso sweep di parametri a 80 combo, tutte verificate per produrre lo stesso PnL: pandas rolling.apply impiega 69.9 secondi, numpy 3.1, numba 2.0, numba parallelo 0.23 — uno speedup misurato di 298x su un Apple M2 Max a parità di hardware, e ancora ~13x rispetto a una baseline vettorizzata competente. Cosa guadagna ogni gradino, perché una GPU non è il pezzo mancante, e dove si trova il vero collo di bottiglia nella ricerca massiva di parametri.

Come abbiamo costruito researcher.marketmaker.cc — un archivio unificato e interrogabile a tutto testo della ricerca quant (paper di arXiv, repository GitHub, blog quant, script Pine di TradingView) che gli umani sfogliano e gli agenti AI interrogano tramite MCP.

Uno sguardo approfondito ad algo-investor-skills — un insieme di skill di Claude Code che portano una strategia di algotrading dai fatti grezzi misurati a una proposta per investitori sottoposta ad audit e improntata all'onestà. Sei skill componibili, un motore di modelli finanziari, un pacchetto di prove a verifica indipendente e un gate di audit obbligatorio con un investitore scettico che non inventa mai un numero.

Una strategia con aspettativa matematica positiva può mandare in rovina il deposito se si sbaglia la dimensione della puntata. Analizziamo il criterio di Kelly dalla derivazione della formula al portafoglio di strategie: perché il full Kelly è pericoloso, come il Kelly frazionario offre il 75% della crescita a metà della volatilità, e un calcolatore interattivo dove si vede come la frazione di Kelly modifica rendimento e rischio.

Un'analisi approfondita di daily_stock_analysis di ZhuLinsen — un sistema open-source che recupera dati di mercato per azioni A, Hong Kong, USA e altro, esegue analisi tecnica e di notizie tramite un LLM e invia un 'cruscotto decisionale' strutturato al tuo messenger ogni giorno di contrattazione. Architettura, fallback dei dati, strategie agente, limiti.

Come il Temporal Fusion Transformer di Google porta una previsione multi-orizzonte interpretabile nella gestione quantitativa del portafoglio, con selezione delle variabili basata sull'attenzione, output a quantili e una pipeline pratica con pytorch-forecasting.