La maggior parte delle piattaforme finanziarie ricade in due categorie: sistemi legacy lenti degli anni '90 o wrapper Electron che divorano la RAM. Fincept Terminal rappresenta una terza via: un desktop nativo in C++20 con analisi Python e 37 agenti AI integrati.
Fincept Terminal (AGPL-3.0) è un progetto open-source che offre funzionalità di livello istituzionale sul tuo desktop. Analizziamo l'architettura v4 e, soprattutto, il catalogo completo degli agenti e delle loro competenze.
Architettura
- Core: C++20. Nessun Node.js, nessun motore browser, nessun bundle JavaScript.
- UI e Rendering: Qt 6.8.3. Grafica con accelerazione hardware, reattività istantanea, multipiattaforma.
- Analytics Engine: Python 3.11 integrato per la data science (Pandas, NumPy, SciPy) senza microservizi separati.
L'interfaccia e l'elaborazione dei dati in streaming girano alla velocità del C++, mentre la logica AI viene eseguita in un ambiente Python isolato.
Agenti AI: Catalogo Completo
La parte più interessante di Fincept è il suo sistema di agenti. Il codice rivela quattro livelli:
1. Agenti Investitori (TraderInvestorsAgent) — 11 Agenti
Ogni agente implementa una specifica filosofia di investimento: un proprio system prompt, soglie, set di strumenti e formato del segnale di output (InvestmentSignal).
| Agente | Filosofia | Competenze Chiave | Strumenti |
|---|---|---|---|
| Warren Buffett | Value + fossati economici | moat_analysis, owner_earnings, capital_allocation_review | yfinance, financial_datasets, duckduckgo, tavily |
| Benjamin Graham | Deep value, filtri quantitativi rigorosi | deep_value_screening, margin_of_safety, defensive_investor | yfinance, financial_datasets |
| Peter Lynch | Growth at Reasonable Price (GARP), PEG | peg_analysis, lynch_classification, insider_signal_check | yfinance, financial_datasets, duckduckgo, tavily |
| Charlie Munger | Modelli mentali, inversione, bias cognitivi | mental_models_check, inversion_analysis, bias_detection, incentive_audit | yfinance, financial_datasets, duckduckgo, tavily |
| Seth Klarman | Value risk-first, distressed | downside_first_analysis, special_situations, capital_preservation | yfinance, financial_datasets |
| Howard Marks | Cicli, pensiero di secondo livello | cycle_positioning, second_level_thinking, credit_cycle_read | yfinance, financial_datasets, duckduckgo, tavily |
| Joel Greenblatt | Magic Formula (ROC + Earnings Yield) | magic_formula_ranking, roc_analysis, special_situations | yfinance, financial_datasets |
| David Einhorn | Value guidato dai catalyst, short selling | catalyst_identification, accounting_quality_check, long_short_analysis | yfinance, financial_datasets, duckduckgo, tavily |
| Bill Miller | Contrarian, FCF su tech | contrarian_value, platform_economics, free_cash_flow_focus | yfinance, financial_datasets, duckduckgo, tavily |
| Jean-Marie Eveillard | Value globale, preservazione del capitale | global_value, bubble_avoidance, currency_and_sovereign_risk | yfinance, financial_datasets |
| Marty Whitman | Debito distressed, analisi del credito | distressed_debt_analysis, capital_structure_review, private_market_value | yfinance, financial_datasets |
Ogni agente genera un segnale strutturato: bullish | neutral | bearish con una confidenza numerica (0–1), punteggi sulle proprie metriche e ragionamento testuale. Ad esempio, l'agente Buffett verifica ROE ≥ 15% per 7 anni su 10, D/E < 0,5 e calcola gli owner earnings con uno sconto del 10%.
2. Agenti Economici (EconomicAgents) — 6 Agenti
Sei scuole economiche, ciascuna con il proprio framework analitico. Progettati per l'analisi macroeconomica, la valutazione delle politiche e le previsioni.
| Agente | Scuola | Competenze Chiave |
|---|---|---|
| Capitalism Analyst | Libero mercato, supply-side | supply_side_analysis, market_mechanism_framing |
| Keynesian Analyst | Domanda aggregata, stabilizzazione fiscale | aggregate_demand_analysis, fiscal_policy_framing |
| Neoliberal Analyst | Deregolamentazione, liberalizzazione commerciale | deregulation_analysis, trade_liberalization_framing |
| Socialist Analyst | Disuguaglianza, redistribuzione | inequality_analysis, redistribution_framing |
| Mixed Economy Analyst | Equilibrio pragmatico mercato-stato | market_failure_analysis, pragmatic_policy_framing |
| Mercantilist Analyst | Industrie strategiche, bilance commerciali | trade_balance_analysis, strategic_industry_framing |
Tutti utilizzano OpenBB per i dati macro e strumenti di ricerca (DuckDuckGo, Tavily). Ogni agente è tenuto a specificare una condizione di falsificazione — lo specifico esito in base al quale riviserebbe la propria previsione.
3. Agenti Geopolitici (GeopoliticsAgents) — 20 Agenti
Il modulo più ampio. Gli agenti sono divisi in tre serie, ciascuna basata su un libro specifico:
📖 Prisoners of Geography (Tim Marshall) — 10 agenti:
Determinismo geografico. Ogni agente si specializza in una regione specifica: Russia (zone cuscinetto, porti in acque calde), Cina (Stretto di Malacca, catene di isole), USA (barriere oceaniche, Mississippi), Europa (territorio frammentato), Medio Oriente (Stretto di Hormuz, scarsità d'acqua), Africa (confini coloniali, fiumi non navigabili), India-Pakistan (Indo, Himalaya), Giappone-Corea (isolamento insulare vs vulnerabilità peninsulare), America Latina (Ande, Amazzonia), Artico (scioglimento dei ghiacci, nuove rotte).
📖 World Order (Kissinger) — 5 agenti:
Concezioni concorrenti dell'ordine mondiale: americano (internazionalismo liberale), cinese (tianxia, armonia gerarchica), europeo (sovranità westfaliana), islamico (ummah, sharia), multipolare (BRICS, SCO, declino dell'unipolarità).
📖 The Grand Chessboard (Brzezinski) — 5 agenti:
Geostrategy eurasiatica: Balcani Eurasiatici (Asia Centrale), Pivot Geopolitici (Ucraina, Turchia, Iran), Attori Geostrategici Attivi (revisionisti vs status quo), Primato Americano (NATO, AUKUS, QUAD), Heartland Eurasiatico (teoria di Mackinder + BRI).
4. Agenti Operativi (Deep Agents) — 8 Subagenti
Sistema multi-agente con un orchestratore. Tipi di compiti operativi: research, trading_strategy, portfolio_management, risk_assessment, general. Per ogni tipo di compito viene automaticamente assemblato un team di subagenti:
| Subagente | Ruolo |
|---|---|
| Research | Raccolta e sintesi delle informazioni da molteplici angolazioni |
| Data Analyst | Analisi quantitativa, ratio finanziari, statistiche |
| Trading | Strategie di trading, setup tecnici, entrate/uscite |
| Risk Analyzer | VaR (storico, parametrico, Monte Carlo), stress test |
| Portfolio Optimizer | Ottimizzazione di Markowitz, tilt fattoriali, ribilanciamento |
| Backtester | Simulazione storica, walk-forward, protezione dall'overfitting |
| Reporter | Sintesi dei risultati in un report strutturato |
| Macro Economist | Macroeconomia, banche centrali, curva dei rendimenti, credit spread |
5. Agenti di Trading (Agno Trading) — 5 Agenti
Un framework per il trading live con cinque agenti specializzati:
- MarketAnalystAgent — analisi fondamentale e tecnica.
- TradingStrategyAgent — generazione di strategie e setup di trading.
- RiskManagerAgent — calcolo del VaR e limiti di drawdown.
- PortfolioManagerAgent — ribilanciamento e ottimizzazione dei pesi.
- SentimentAnalystAgent — analisi di notizie e social media.
Strumenti: Kraken API, yfinance, indicatori tecnici, sentiment delle notizie.
6. Agente Hedge Fund (Renaissance Technologies)
Un modulo dedicato che replica la struttura organizzativa di Renaissance Technologies: comitato investimenti, team di ricerca, Medallion Fund. Gerarchia completa di personas e ruoli.
Provider LLM
Supporto per LLM locali (Ollama) insieme ai provider cloud: OpenAI, Anthropic, DeepSeek, OpenRouter. È possibile analizzare dati proprietari senza inviarli a server di terze parti.
Editor Logico Visuale (Node Editor)
Un editor di nodi per assemblare pipeline analitiche senza codice: recupero dati → filtraggio → analisi AI → generazione ordini. Il codice include preset di nodi predefiniti: agent_type = "economic", agent_type = "investor", agent_type = "hedge_fund".
Connettori Dati (100+)
| Categoria | Fonti |
|---|---|
| Mercati tradizionali | Yahoo Finance, FRED, IMF, World Bank, DBnomics, BEA, Databento |
| Crypto | WebSocket a Kraken, HyperLiquid |
| Dati alternativi | Tracciamento marittimo, dati satellitari, Adanos Market Sentiment |
| Mercati asiatici | AkShare (Shanghai, Shenzhen, Hong Kong) |
| Mercati predittivi | Polymarket |
| Geopolitica | Integrazione con gli agenti geopolitici |
Trading e QuantLib
Trading live attraverso 16 broker (Interactive Brokers, Alpaca, Zerodha, ecc.). QuantLib Suite integrata — 18 strumenti: pricing di derivati, VaR, indice di Sharpe, ottimizzazione del portafoglio di Markowitz.
Confronto con le Alternative
| Funzionalità | Fincept Terminal | Bloomberg Terminal | TradingView |
|---|---|---|---|
| Prezzo | Gratuito (AGPL-3.0) | ~$25.000/anno | Da 60/mese |
| Agenti AI | 37+ integrati | Nessuno | Nessuno |
| Codice nativo | C++20 | C++ | Web (JS) |
| LLM locali | ✅ (Ollama) | ❌ | ❌ |
| Node Editor | ✅ | ❌ | Pine Script |
| Open Source | ✅ | ❌ | ❌ |
Link
- 💻 GitHub: Fincept-Corporation/FinceptTerminal
- 🌐 Sito web: fincept.in
- 📄 Licenza: AGPL-3.0 (personale/accademico), licenza commerciale per uso aziendale
Conclusione
Fincept Terminal è un caso raro in cui un progetto open-source offre non solo grafici e indicatori, ma un'infrastruttura multi-agente completa. I 37 agenti non sono un numero di marketing: ognuno ha un system prompt dettagliato, soglie di attivazione specifiche e un set di strumenti API. Se stai cercando una piattaforma desktop nativa che combini analisi quantitativa con agenti AI — questa è una delle migliori opzioni open-source disponibili.
