Dove i numeri incontrano l'intelligenza
Oltre le previsioni superficiali
Dal 2019, Harn Umet sviluppa modelli che trasformano dati finanziari in decisioni concrete. Non vendiamo promesse. Costruiamo architetture di machine learning che migliorano l'accuratezza delle previsioni di mercato con precisione misurabile.
Algoritmi costruiti su fondamenta solide
Ogni modello che sviluppiamo parte da 3 domande: quali dati abbiamo realmente, quale precisione possiamo raggiungere, come misuriamo i risultati.
Il machine learning applicato ai mercati finanziari non è magia. È iterazione costante su dataset puliti, feature engineering accurato e validazione incrociata su almeno 7 anni di dati storici. Quando un modello sbaglia — e sbaglia sempre almeno il 18% delle volte — vogliamo sapere perché.
La differenza tra un sistema che funziona e uno che fallisce sta nei dettagli invisibili: come gestiamo i valori anomali, come normalizziamo le serie temporali, come evitiamo l'overfitting. Sono questi dettagli che separano i progetti reali dai prototipi accademici.
Come siamo arrivati qui
Primi esperimenti con reti neurali su dati azionari europei
Lancio del primo modello LSTM per previsioni a 5 giorni
Integrazione di transformer architecture per analisi multivariate
Sistema completo in produzione con oltre 400 asset monitorati
Ricerca continua
Ogni trimestre testiamo almeno 3 nuove architetture. La maggior parte fallisce. Quelle che superano i benchmark entrano in produzione dopo 6 mesi di validazione.
Dati puliti prima di tutto
Dedichiamo il 60% del tempo alla preparazione dei dati. Un dataset sporco produce predizioni inutili, non importa quanto sofisticato sia l'algoritmo.
Validazione brutalmente onesta
I nostri modelli vengono testati su periodi di crisi di mercato. Se non funzionano quando serve, non funzionano affatto.
Le persone dietro i modelli
Beatrice Longo
Specializzata in deep learning per serie temporali finanziarie. Ha ottimizzato 23 modelli in produzione riducendo il tempo di training del 41%.
Valeria Riccardi
Costruisce pipeline di addestramento scalabili. Gestisce l'infrastruttura che processa 2,3 milioni di record al giorno senza perdere un dato.
Il nostro team include 7 specialisti tra data scientist, ML engineer e quantitative analyst. Ognuno porta competenze diverse, ma condividiamo lo stesso approccio: testare tutto, fidarsi solo dei numeri, iterare fino a quando funziona.
Non cerchiamo la perfezione. Cerchiamo sistemi che migliorano costantemente e che sappiamo riparare quando si rompono. Perché si rompono sempre, prima o poi.