Report Luglio 2024
Luglio è stato un mese particolarmente difficile per il nostro portafoglio di algoritmi, Number One Dime ha infatti registrato la sua peggiore performance mensile di sempre, totalizzando un drawdown del -10,30% 😩
Ovviamente noi del team di Bottom Up non siamo rimasti con le mani in mano… la nostra priorità numero uno è sempre stata la protezione del nostro capitale e quindi a fine luglio abbiamo preso la decisione di sospendere temporaneamente l’attività del portafoglio per svolgere approfondite analisi sull’accaduto ed implementare tutti i correttivi richiesti.
Nel giro di 10 giorni full focus abbiamo studiato, implementato e testato molteplici novità estremamente impattanti per fare in modo che drawdown così profondi e rapidi non possano più ripetersi in futuro.
Sono state settimane estremamente impegnative e per questo motivo questa volta pubblichiamo il report con qualche giorno di ritardo… all’interno troverete come al solito tutti i dettagli su cosa è successo durante il mese scorso e alcuni dei principali miglioramenti che abbiamo apportato al portafoglio.
Noi di Bottom Up continuiamo a sviluppare ogni giorno nuove soluzioni per migliorare l’intero ecosistema, facendo tesoro di ogni lezione ricevuta dal mercato in continua evoluzione.
Nel gioco infinito del trading ogni volta che si cade ci si rialza più forti, Bottom… Up!
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 💬
Buon trading! 😉
📱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