Report Dicembre 2024
Con il mese di dicembre ormai alle spalle è giunto il momento di redigere un bilancio esteso sull’operatività del nostro portafoglio Number One Dime relativamente all’intero anno solare 2024. In questo report ci concentreremo però unicamente sull’analisi e le novità del mese di dicembre, mentre nei prossimi giorni pubblicheremo un ulteriore report annuale per tirare le somme degli ultimi 12 mesi.
Per scoprire come si è concluso il nostro 2024 e tutte le novità a cui ha lavorato il team scarica subito il report completo.
Siamo pronti per iniziare ad affrontare il nuovo anno e tutte le sfide che si presenteranno sui mercati con la migliore versione del nostro ecosistema e con l’obiettivo di continuare ad innovare per crescere e segnare nuovi massimi 💪
Tanti auguri di un grandioso 2025, buon trading! 😉🎆
Se non lo hai già fatto, inizia anche tu a replicare i nostri trade in maniera 100% automatica e gratuita!
Scrivici per scoprire come aderire, essere guidato passo passo e avere risposta a qualsiasi tuo dubbio o domanda.
Clicca qui per chattare con noi 💬
📱Resta aggiornato su Telegram / 📸 Seguici su Instagram / 📨 Scrivici a info@bottomup.finance
Altri articoli
Trading Algoritmico – Analisi Bibliometrica
🧩 Introduzione Negli ultimi trent’anni il trading algoritmico è passato dall’essere una nicchia sperimentale a una componente centrale dei mercati finanziari e, più recentemente, anche dei mercati energetici. Questo sviluppo è stato reso possibile dall’avanzamento delle tecnologie di intelligenza artificiale (IA), in particolare del machine learning (ML) e del deep learning (DL), che hanno superato i tradizionali modelli statistici nel prevedere andamenti e ridurre i rischi. L’articolo di Horobet et al. (2024) propone una analisi bibliometrica su 4552 pubblicazioni (1990–2023), con l’obiettivo di mappare il paesaggio scientifico del trading algoritmico e individuarne le traiettorie evolutive. 🔬 Metodologia Gli autori
Perchè le strategie algoritmiche smettono di funzionare?
1. Introduzione Negli ultimi decenni sono state documentate centinaia di anomalie di mercato. Tuttavia, molti studi (Harvey et al., 2015; McLean & Pontiff, 2016) hanno dimostrato che le performance tendono a svanirefuori dal campione. Questo lavoro analizza 72 anomalie replicate su dati CRSP/COMPUSTAT (1963–2014), con estensioni a mercati internazionali fino al 2018. Il dibattito sulla solidità delle anomalie di mercato è oggi al centro della finanza empirica. Studi come Harvey, Liu e Zhu (2015) hanno evidenziato che la proliferazione di fattori (più di 400 documentati in letteratura) ha reso difficile distinguere i “veri” segnali da artefatti statistici. McLean e