Formazione sui metodi di ricerca · Quantic Eagle opera solo con capitale proprio. Non gestisce fondi di terzi né offre consulenza finanziaria o segnali di trading.

IN PREPARAZIONE · RISORSE GRATUITE GIÀ DISPONIBILI

Prima del capitale

Prima di fidarti di un backtest — una simulazione di acquisti e vendite sui dati passati — chiarisci che cosa i suoi risultati dimostrano e che cosa resta da verificare.

Un modello più complesso è anche una scelta migliore? Nel progetto finale di «Prima del capitale» confronti, su prezzi inventati, un modello con una regola elementare: comprare sempre la stessa azione. Il modello perde 152,17 €, mentre la regola semplice guadagna 35,73 €. Aumenti poi i costi di esecuzione e anche la regola semplice perde. Impari a scegliere un termine di confronto, mantenere uguali le condizioni della prova e verificare quanto il risultato dipenda dai costi.

Prova il confronto qui sotto Esplora il percorso

Il profitto sale da 294 € a 448 €. Merito del filtro?

In questo esempio inventato, la prima simulazione compra e rivende in tutte le 48 occasioni previste, investendo 1.000 € per acquisto. La seconda salta 12 occasioni secondo un filtro già fissato e investe 2.000 € per acquisto. I prezzi sono gli stessi; ogni vendita avviene prima dell’acquisto successivo. Il costo complessivo di ogni acquisto e successiva vendita è 2 €.

Il profitto netto aumenta di circa il 52%, ma hai cambiato due cose: quali operazioni eseguire e quanto investire. Quale confronto ti permette di valutare il filtro a parità di importo?

Mostra il confronto a 1.000 € per acquisto

Simulazione	Profitto netto
Tutte le 48 operazioni	294 €
36 operazioni ammesse dal filtro	188 €

Con il filtro e 1.000 € per acquisto, il profitto scende da 294 € a 188 €. In questo caso il filtro riduce il profitto a parità di importo. Il risultato di 448 € comprende anche l’effetto dell’importo raddoppiato: da solo non dimostra che il filtro migliori la strategia.

Dati e filtro sono inventati. Il confronto isola una differenza nel profitto di questo esempio; non misura tutti i rischi e non dimostra risultati futuri. QE-COMPARE-02 / 1.0.

Segui i calcoli e confronta tutte e quattro le simulazioni

Il tuo punto di partenza.

Per chi vuole costruire un progetto quantitativo. Se conosci la data science ma sei agli inizi in ambito finanziario, il modulo iniziale ti dà le basi sui dati di mercato.

Stai progettando il primo sistema

Sai lavorare con i dati e vuoi organizzare il tuo primo progetto di trading: comprendere le convenzioni dei mercati, confrontare modelli e definire i compiti degli agenti.

Hai già un backtest o una pipeline

Vuoi migliorare le decisioni di ricerca, confrontare modelli in modo coerente e capire su quali parti del processo conviene lavorare ancora.

Lavori da solo o in un piccolo team

Vuoi dare compiti precisi all’AI, rendere riutilizzabili gli esperimenti e misurare tempo, costi e qualità del lavoro consegnato.

Che cosa sai verificare nel tuo backtest

Esamini risultati che sembrano rassicuranti e non lo sono: due programmi d’accordo su una commissione cento volte troppo piccola; operazioni chiuse complessivamente in utile mentre il conto, contando le posizioni ancora aperte, è in perdita; una classifica preliminare che cambia quando simuli ordini e costi. Ogni volta individui il controllo che l’avrebbe scoperto.

Verifica che il dato fosse disponibile

Una simulazione compra alle 10 usando un dato ricevuto alle 12. Confronti l’orario della decisione con quello di ricezione e impedisci al modello di usare informazioni che allora non poteva conoscere.

Ricalcola ciò che una modifica cambia

Correggi un prezzo letto dal modello: le vecchie previsioni non descrivono più quegli input. Segui i calcoli che dipendono dal prezzo e rigenerali. Se cambi soltanto una regola applicata dopo la previsione, verifichi invece quando puoi conservare i punteggi e ripetere solo la simulazione degli ordini.

Motiva se proseguire, correggere o fermarti

Distingui i risultati effettivamente verificati dalle domande ancora aperte. Spiega quale osservazione sostiene la scelta e quale prova manca prima di impiegare capitale. Il dossier conserva i dati, le versioni e le ragioni di quella decisione.

Valuta la stabilità di un addestramento

Addestrare due volte una rete con gli stessi dati e le stesse impostazioni può produrre modelli diversi, perché cambia il punto di partenza casuale del calcolo. Nell’esercizio confronti venti addestramenti con queste condizioni comuni e con seed diversi: i seed identificano le inizializzazioni casuali. Scegli prima di vedere i dati successivi e confronti il modello scelto con un insieme di modelli definito in anticipo. Il miglior risultato fra i venti, sui dati già consultati, non è una conferma su dati nuovi.

Riconosci un vincitore creato dalla selezione

In un esperimento inventato senza vantaggio, scegli il migliore fra quaranta tentativi sullo stesso periodo. Poi osservi come va lo stesso vincitore su dati nuovi: in media, gran parte del vantaggio apparente scompare. Impari a distinguere il risultato usato per scegliere da una valutazione successiva.

La guida richiede nozioni di base di statistica e familiarità con le tabelle di dati. Il percorso richiama la distinzione fra dati di addestramento, scelta e valutazione. Il modulo iniziale introduce i dati finanziari; il progetto finale offre un ingresso guidato con percentuali, costi e lettura del registro. Per gli esercizi con codice occorrono conoscenze di base di Python e dimestichezza con il terminale; per il caso gratuito basta il browser.

Le lezioni che avremmo voluto avere all’inizio.

La guida raccoglie lezioni tratte da circa dieci anni di esperienza accumulata nella ricerca, con contributi del fondatore e di collaboratori esterni. Tentativi riusciti, errori e cambi di direzione diventano casi da esaminare: che cosa abbiamo provato, che cosa abbiamo trovato e perché abbiamo cambiato approccio.

Se conosci percentuali e tabelle ma alcuni passaggi quantitativi ti mancano, trovi un ingresso guidato e un modulo sui dati finanziari. Per eseguire gli strumenti servono le basi di Python indicate nelle attività. Se fai già backtest, il progetto finale ti consegna quattro versioni di un esperimento senza dirti quali sono difettose. Una è corretta ma perde; le altre nascondono un dato assegnato a una decisione anteriore alla sua disponibilità, previsioni non aggiornate dopo una modifica o un periodo di selezione indicato due volte. Scegli tu i controlli, trovi ogni difetto e motivi perché un risultato negativo ma corretto resta valido.

L’esperienza descritta riguarda la ricerca; non è un rendiconto di risultati di trading.

Hai già un backtest? Parti dai casi del laboratorio e dal dossier: vedrai quali decisioni cambiano dopo un controllo e quali domande restano aperte. Confronta la scelta attesa con quella del programma → Guarda la perdita che il saldo nasconde →

Dall’idea alla verifica

Ha funzionato sul passato. Che cosa succede dopo?

Immagina una regola inventata: comprare dopo un ribasso giornaliero di almeno il 2% e rivendere dopo cinque sedute. Sui prezzi dal 2015 al 2017 provi ribassi minimi, durate della posizione e regole di vendita diversi, finché una combinazione guadagna. Hai scelto le impostazioni conoscendo i risultati di quel periodo. Devi ancora verificare come si comportano su prezzi che non hai usato per sceglierle.

2015–2017
Costruisci la regola
Provi soglie e durate, poi scegli quelle che hanno guadagnato. Questi prezzi hanno già influenzato la strategia.
2018 · prima prova
Apri i dati tenuti da parte
La regola è già fissata. Osservi come si comporta su prezzi che non avevi usato per sceglierla.
2018 · dopo una modifica
Lo stesso anno cambia ruolo
Il risultato ti delude: cambi una soglia e riprovi. Ora il 2018 ti sta aiutando a scegliere; non è più una verifica indipendente.

La prossima prova richiede dati ancora nuovi per le tue scelte

Il 2019 può svolgere questo ruolo solo se non lo hai già consultato per modificare o scegliere la strategia. Il nome del file — «test» oppure «fuori campione» — non cambia l’uso che hai fatto dei dati.

Perché può andare male dopo? Fra molte combinazioni, alcune possono guadagnare per coincidenze presenti soltanto nei prezzi già visti. Scegliere proprio quelle può farti scambiare una coincidenza per una regola utile. Inoltre, il mercato e i costi possono cambiare. Un risultato deludente su un nuovo periodo richiede di cercarne la causa: da solo non dice quale sia.

Che cosa fare nel tuo progetto

Scrivi l’idea prima dei risultati
Scrivi perché la regola dovrebbe avere senso e che cosa ti farebbe abbandonare l’idea. Annota tutte le varianti provate, comprese quelle che perdono.
Fissa che cosa vuoi confrontare
Usa un periodo per costruire e scegliere la strategia. Prima di aprire il successivo, fissa regole, importi e ipotesi sui costi. Il 2019 può essere una nuova prova solo se non ha già guidato le tue scelte.
Procedi in ordine di tempo
Ripeti il procedimento andando avanti nel tempo: a ogni data usa solo ciò che avresti potuto conoscere allora. Conserva anche i periodi negativi, senza scegliere soltanto quelli favorevoli.
Cerca ciò da cui dipende il guadagno
Controlla quanto il risultato dipende da una soglia precisa, da pochi trade fortunati o da costi troppo ottimistici. Un risultato che scompare con piccole variazioni plausibili merita un’indagine prima di fidarsi.

Qui usiamo robustezza in questo senso: cercare risultati che non dipendano soltanto dagli incastri favorevoli di un singolo test. Sono verifiche che aiutano a scartare idee fragili; non garantiscono che una strategia guadagnerà in futuro.

Quale prova fai dopo il backtest?

La guida comprende sette attività su classifiche, frequenza delle operazioni, gruppi di modelli, controlli sui dati, calcoli da ripetere, prove abbinate e registri. Ognuna ha dati inventati, una soluzione e una scheda. I tre esempi qui sotto anticipano il lavoro che farai.

01 · Scegliere un modello
Il profitto sui dati di addestramento può distorcere la classifica
A guadagna molto sui prezzi usati per addestrarlo, ma perde sul periodo successivo. B guadagna meno nel primo periodo e di più nel secondo. Rifai la classifica e scopri quale parte del calcolo sta premiando A.
Capitolo 04 · Confronto fra candidati
02 · Valutare il rischio
Non ha mai perso. Quante volte ha operato?
Una strategia ha fatto tre operazioni, tutte positive; un’altra diciotto. Conta i giorni con posizioni aperte e confronta le perdite osservate prima di chiamare la prima «più sicura».
Capitolo 05 · Attività e perdite
03 · Unire due modelli
I modelli migliori possono perdere negli stessi periodi
A e B guadagnano bene da soli, ma perdono negli stessi momenti. Prova anche A con C, che si comporta diversamente. Calcola che cosa cambia dividendo il capitale fra le due strategie, poi richiedendo il loro accordo prima di operare.
Capitolo 07 e modulo avanzato §9 · Lavorare insieme

Esplora il programma e gli esercizi →

Dai dati alle decisioni.

Una parte ti aiuta a leggere correttamente i dati finanziari. L’altra ti insegna a verificare se combinare modelli porta un vantaggio e quali prove servono per sostenerlo.

La finanza che serve a chi lavora con i dati.

Il modulo iniziale spiega come frazionamenti azionari e dividendi cambiano la lettura dei prezzi storici, quando un dato diventa disponibile e quali giorni servono per calcolare una media. Mostra anche quali trasformazioni dei dati devono essere definite sul periodo di addestramento prima di usarle nella prova successiva.

Quanto conosci davvero il tuo modello?

Il modulo avanzato distingue due domande: che cosa avrebbe deciso il modello di oggi sui dati passati e che cosa era davvero possibile decidere allora. Con dati inventati confronti un modello lasciato invariato con un sistema che ne aggiunge un secondo, e osservi sia un caso favorevole sia uno sfavorevole.

Questi due moduli fanno parte della guida in preparazione, con esempi su dati sintetici, grafici e soluzioni commentate. I modelli e le regole operative di Quantic Eagle restano riservati.

Quando termini una prova, devi poter spiegare a un’altra persona come sei arrivato al risultato. La guida «Prima del capitale» insegna a progettare e confrontare esperimenti di trading. Il Research Verification Protocol organizza le verifiche su dati, decisioni e risultati. Nel dossier di esempio distingui i controlli svolti da quelli ancora necessari per decidere come proseguire.

Venti capitoli e sei workshop, affiancati da quattro moduli: dati finanziari, valutazione di un secondo modello aggiunto a uno già addestrato, laboratorio di selezione dei modelli e progetto finale. Il percorso comprende 26 schede, controlli Python ed esempi sintetici che puoi riprodurre.

Scegliere un modello: oltre il profitto più alto

Il modello con il profitto più alto è quello da scegliere? In un esercizio inventato, i due periodi hanno uguale durata e lo stesso capitale iniziale. X guadagna 500 USD nel primo periodo e 30.000 nel secondo; Y guadagna 8.000 USD in ciascuno. La somma premia X, ma nasconde quanto il suo risultato dipenda dal secondo periodo.

Il criterio del laboratorio considera anche l’equilibrio fra i periodi e per questo preferisce Y. Nell’esercizio entrambi hanno 100 operazioni per periodo e drawdown massimo del 12%. Nel laboratorio confronti il criterio, spiegato per intero nella guida privata, con il profitto totale e con il rapporto profitto/drawdown; modifichi un componente alla volta per capire come cambia la graduatoria.

Con le impostazioni dell’esercizio il criterio preferisce Y a X. Nella continuazione inventata, non usata per scegliere, X guadagna 1.200 USD e Y perde 800. Una classifica più articolata non garantisce il vincitore futuro: impari a motivare la selezione, renderne visibili le ipotesi e mettere alla prova il candidato scelto su osservazioni successive.

Un altro caso: Conta miglioramenti e profitti positivi nel caso gratuito

Sei decisioni per progettare la ricerca.

Vuoi passare da un’idea di trading a una simulazione che puoi verificare? Il percorso segue sei decisioni: che cosa provare, quali dati usare, con che cosa confrontarlo, come misurare il conto, come distribuire le analisi e come motivare il passo successivo. Per ogni decisione il manuale propone una scheda, un caso o un esercizio.

Mappa del percorso di progettazione. Le frecce indicano l’ordine di lavoro; ogni esperimento può richiedere di rivedere una scelta precedente.

L’idea

Scrivi la regola che vuoi simulare e perché pensi possa essere utile. Scegli un termine di confronto: la versione precedente, se la stai modificando, oppure una regola semplice sugli stessi dati. Stabilisci quale risultato ti farebbe abbandonare l’idea. Capitolo 01 e scheda 01.

I dati

Prima di simulare gli ordini, elenca i titoli acquistabili in ciascuna data e verifica quando potevi conoscere ogni dato. Un prezzo, un bilancio o un indicatore aggiornato oggi non era necessariamente disponibile allora. Capitoli 02–03 e schede 02–03.

I modelli

Se vuoi capire se una modifica aiuta, esegui la versione precedente e quella nuova sullo stesso periodo, con gli stessi dati, capitale e costi. Se aggiungi un modello, confronta anche il sistema senza quel modello. Così eviti di attribuire alla modifica un risultato dovuto a un periodo o a un importo diverso. Capitoli 04, 07 e 13.

Il rischio

Ricostruisci quanto vale il conto durante la simulazione, includendo guadagni e perdite delle posizioni ancora aperte. Misura i cali rispetto ai massimi precedenti e collega le variazioni a ordini e costi: il profitto finale da solo può nascondere perdite che avresti dovuto sostenere prima. Capitoli 05 e 11, laboratorio sul conto.

Gli agenti AI

Se chiedi a un assistente AI di esaminare i file della ricerca, assegna a ogni richiesta un elenco preciso. Controlla che la risposta riguardi quei file e verifica le analisi, contando anche richieste ripetute e tempo umano di revisione. Qui l’agente AI svolge compiti di analisi tramite un modello linguistico, non operazioni di trading. Capitoli 08, 15 e 20 e workshop 26.

La prossima prova

Raccogli in un dossier i dati usati, i comandi eseguiti, i risultati e i limiti dei controlli. Serve a motivare se proseguire, correggere o fermare la ricerca, e a permettere a un’altra persona di verificare la scelta. Indica la prova successiva e quale risultato cambierebbe la tua decisione. Capitoli 10 e 19, dossier di esempio.

Quattro controlli prima di fidarti di un backtest.

La guida raccoglie casi tratti dalla ricerca interna: tentativi utili, strade abbandonate, correzioni e risultati che hanno cambiato il progetto. La guida spiega il ragionamento alla base di queste scelte e propone esercizi per applicarlo ad altri progetti.

Problema	Cosa puoi provare ora	Cosa impari a distinguere
Il profitto cambia fra due simulazioni	Caso guidato con tre acquisti	Come cambiano i risultati con importi diversi e previsioni invariate
Il programma supera i controlli ma sbaglia	Tre casi del Museo	Un controllo superato da un risultato davvero corretto
Hai una curva del conto	Convertitore e controllo del drawdown	Perdite visibili nei dati e movimenti non osservati
Devi decidere il prossimo passo	Dossier di esempio	Ciò che hai verificato, ciò che resta da provare e ciò che va rieseguito dopo una correzione

Un manuale illustrato da leggere nel browser, con workshop, schede compilabili e strumenti da usare sul tuo computer. Puoi iniziare dai dati finanziari e affrontare i moduli avanzati quando il progetto lo richiede.

Tre idee da mettere alla prova.

Il modello primo in classifica è anche quello che guadagna di più?

Nel confronto interno su 192 candidati, un punteggio preliminare serviva a decidere quali esaminare. Quando si simulavano gli ordini e si misurava il risultato economico, la classifica cambiava. Il caso insegna a confrontare i due ordinamenti e a individuare i modelli che il primo filtro avrebbe scartato. Non dimostra quale modello guadagnerà in futuro.

Aggiungere un secondo modello migliora il primo?

Confronta la simulazione del modello base con quella che usa anche il secondo modello. Usa lo stesso periodo, capitale e ipotesi sui costi; ricostruisci gli ordini di entrambe. Così puoi vedere se il modello aggiunto cambia gli acquisti, il risultato e le perdite durante la prova. Il manuale include anche un caso in cui peggiora il risultato.

Le stesse previsioni producono gli stessi acquisti?

Prima di sostituire una funzione che decide gli ordini, controlla che la riscrittura segua le stesse regole. Due programmi possono assegnare entrambi 0,7 ad A e 0,6 a B, e poi comprare titoli diversi oppure quantità diverse dello stesso titolo. Nell’esercizio confronti i registri dei due programmi e trovi il primo passaggio che cambia la decisione, prima di guardare il profitto finale.

Ogni caso indica il proprio ambito e i propri limiti. Gli esempi ricostruiti sono distinti dalle osservazioni interne; le lezioni non sono presentate come leggi universali sui mercati.

Le scelte diventano chiare quando le vedi all’opera.

Apri i casi del Museo. In ciascuno clicca «Caso corretto» per confrontare il risultato iniziale con quello dopo la correzione spiegata: non devi modificare dati o codice per usare le figure.

01 / CASO

Stessi punteggi. Decisioni diverse.

Vuoi velocizzare il backtest e riscrivi la funzione che sceglie quale azione comprare. Il modello assegna un punteggio a ogni titolo: A = 0,7 e B = 0,6. Non ha ancora scelto un acquisto; la regola successiva deve comprare soltanto il titolo con il punteggio maggiore. Nella riscrittura riordini i titoli da A, B a B, A, ma lasci i punteggi nell’ordine originale. Il programma li abbina per posizione nella lista: ora attribuisce 0,7 a B e 0,6 ad A.

02 / CASO

Due approvazioni. Hai ottenuto due verifiche indipendenti?

Hai fatto preparare un backtest a un agente e vuoi un secondo parere prima di fidarti del profitto. Il secondo revisore trova nella cartella anche il rapporto del primo, già positivo. Due approvazioni bastano? Se vuoi una nuova verifica, organizza una lettura degli stessi originali senza mostrare prima il verdetto altrui.

03 / CASO

La media è calcolata sui giorni sbagliati.

Vuoi usare una media dei prezzi per decidere un acquisto. Il programma può restituire un numero plausibile anche se nel download manca una seduta: controlla le date usate prima di passare la media al modello. All’apertura della seduta 4 il prezzo disponibile è 10 €. La regola inventata compra soltanto se quel prezzo supera la media delle chiusure delle tre sedute precedenti: 1, 2 e 3. Le chiusure originali sono 10, 11 e 12 €, quindi la media è 11 € e non si compra. Nel CSV scaricato manca però la seduta 2. La funzione prende gli ultimi tre prezzi presenti: include 5 € della seduta 0 al posto degli 11 € mancanti. La media scende a 9 €.

Il museo dei falsi verdi Guarda un dossier di esempio

Il metodo e gli strumenti per applicarlo.

Nella guida in preparazione: sette comandi Python, ciascuno con una domanda precisa:

equity:: misura le discese del valore del conto nelle osservazioni fornite.
temporal:: confronta l’ora di disponibilità dei dati con quella della decisione.
folds:: prepara gruppi per addestrare sui dati precedenti e valutare sui successivi, escludendo le righe di addestramento il cui esito non è noto prima dell’inizio della valutazione.
ranks:: confronta due classifiche degli stessi modelli.
trace:: confronta i registri delle decisioni dichiarati da due programmi, dal punteggio alla quantità selezionata.
batches:: confronta i lavori assegnati agli agenti con i risultati consegnati.
windows:: cerca le osservazioni richieste dal calendario di un calcolo.

Workshop operativi: 6 · Capitoli del manuale: 20
Guarda un dossier di esempio · HTML stampabile
Osservatore MT5 · strumento didattico da collaudare su un conto demo per registrare equity e saldo
Template per agenti nella lingua scelta: AGENTS.md / CLAUDE.md / .cursor/rules

La guida insegna a progettare e verificare la ricerca. Il lavoro sul tuo sistema richiede dati, implementazione e sperimentazione: non include una strategia pronta da collegare al broker.

Ho solo un elenco di trade

L’elenco degli acquisti e delle vendite non mostra quanto valeva il conto mentre le posizioni erano ancora aperte. Parti dal caso gratuito che confronta saldo e valore del conto. La guida in preparazione include un workshop per iniziare a registrare queste osservazioni in un ambiente demo; il registratore non ricostruisce il passato.

Ho una curva di equity

Apri il convertitore gratuito, verifica le colonne e i flussi di capitale, poi usa il CSV nel controllo del drawdown. La misura riguarda solo i campioni disponibili.

Sto costruendo una pipeline

Esplora i casi del Museo: confronti le decisioni di due programmi, controlli quali originali e verdetti riceve ciascun revisore e trovi un prezzo mancante. Nel dossier puoi anche verificare analisi di file duplicate. La guida in preparazione include i programmi Python per ripetere questi controlli su file di prova e adattarli ai tuoi dati.

Il laboratorio aperto

Esplora il processo di ricerca. Prova gli strumenti. Scopri la guida che stiamo preparando.

L’articolo e gli strumenti qui sotto sono già gratuiti e utilizzabili. La guida completa è in preparazione: contenuti definitivi ed eventuali condizioni d’acquisto saranno pubblicati prima dell’apertura delle vendite.

01
Dentro il laboratorio
Segui una modifica dagli input agli ordini, distingui tempo di calcolo e attese, e conserva le decisioni originali quando ricalcoli il passato.
02
Controllo del drawdown nel CSV
Misura il drawdown visibile nel tuo CSV, con limiti dichiarati.
03
Tre casi interattivi
Confronta il caso con errore e il caso corretto: scopri che cosa il primo controllo non verificava.
04
Convertitore CSV
Scegli colonne e formati. I tuoi dati restano nel browser.
05
Un dossier commentato
Scopri come collegare risultati, file di supporto e verifiche ancora mancanti.

Due programmi d’accordo possono sbagliare insieme

Vuoi scegliere quale strategia approfondire e guardi il profitto di un backtest, una simulazione di acquisti e vendite su dati storici. Se il programma sottrae meno commissioni di quelle previste, una strategia può sembrare migliore solo perché le spese sono sbagliate. Anche due programmi che danno lo stesso risultato possono nascondere questo problema, se usano la stessa funzione per convertire la tariffa.

Partiamo da un conto facile da fare a mano: ti aiuta a capire che cosa controllare prima di fidarti dei calcoli di un sistema più grande. Il controllo deve partire dalla tariffa e dall’importo dell’operazione, verificati separatamente dal programma.

Nel caso inventato acquisti azioni per un valore totale di 8.000 €: è l’importo dell’acquisto, non il numero di azioni o lotti. La commissione ipotizzata è 1 punto base, ossia lo 0,01% di quell’importo. Il simulatore registra 0,008 € e un secondo programma restituisce lo stesso numero. Calcola tu la commissione prima di aprire la soluzione.

Prova il caso gratuito e verifica i calcoli

L’obiettivo: una decisione che sai difendere

In questo progetto, un costo di 1 punto base equivale allo 0,01% dell’importo di ciascun ordine: 2 punti base sono lo 0,02%, 8 lo 0,08%. «Per lato» significa che il costo è applicato separatamente a ogni acquisto e a ogni vendita. Il progetto finale esegue un esperimento inventato completo, dai dati agli ordini e ai costi. Fissi il modello prima della prova finale e lo confronti con l’acquisto sistematico dello stesso titolo e con la liquidità. Quando i costi di esecuzione salgono da 2 a 8 punti base per lato, perde anche l’alternativa semplice e il riferimento da battere diventa la liquidità. Ripari inoltre tre versioni difettose dell’esperimento e le esegui di nuovo. Il dossier pubblico mostra come documentare un caso più circoscritto.

Esamina il dossier pubblico

Prima di chiedere l’avviso

Perché volete vendere una guida, se vi occupate di trading?

La formazione è per noi anche un’attività commerciale. Una parte dell’esperienza maturata nella ricerca può diventare casi, esercizi e strumenti utili senza pubblicare i metodi operativi che vogliamo mantenere riservati. La guida nasce da questa parte condivisibile del nostro lavoro.

È un corso per chi parte da zero?

Per iniziare servono basi di statistica e familiarità con le tabelle. Se ti mancano alcuni passaggi finanziari o di ricerca, il modulo iniziale e il progetto guidato li riprendono con esempi ed esercizi. Gli esercizi con codice richiedono le basi di Python indicate nelle attività. Leggi i prerequisiti →

Posso acquistarla o prenotarla ora?

No. Condividiamo risorse gratuite mentre prepariamo la guida. La richiesta d’avviso non comporta ordini, versamenti di acconti o prenotazioni. Prezzo e data d’uscita non sono ancora stati annunciati.

Condividerete le vostre strategie di trading?

Spieghiamo metodi di ricerca, scelte di progetto e lezioni selezionate dal lavoro interno. Il materiale non include le nostre regole proprietarie di acquisto e vendita, né segnali, modelli operativi o promesse di rendimento.

In quale lingua riceverò il materiale?

Puoi chiedere l’avviso in italiano, inglese o spagnolo. La consegna prevista è un pacchetto nella lingua scelta; le edizioni definitive saranno descritte prima dell’apertura delle vendite.