Report Aprile 2025
Aprile è stato un mese veramente pazzo: a causa delle numerose dichiarazioni dell’amministrazione Trump i mercati finanziari sono piombati nell’incertezza e sono stati estremamente agitati e imprevedibili.
In questo contesto estremamente caotico qualsiasi analisi e strategia previsiva è risultata scarsamente efficace, dal momento che tutto poteva cambiare nel giro di poche ore; ciononostante il nostro portafoglio Number One Dime ha superato questo stress test in maniera assai robusta, conseguendo un risultato positivo grazie alle numerose ottimizzazioni implementate negli ultimi mesi.
Scarica subito il report completo per ripercorrere tutti gli eventi più salienti del mese, e analizzare tutte le metriche delle performance generate.
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