Scopri il trading quantitativo del Progetto Gandalf con Giovanni Trombetta: analisi su Bitcoin, stagionalità ed Edufin 2026
Sintesi Operativa dell’Evoluzione Quantitativa
L’universo dei mercati finanziari sta attraversando una fase di profonda trasformazione epistemologica, segnata dal progressivo ridimensionamento delle metodologie basate sull’osservazione visiva e dal contestuale consolidamento dell’analisi quantitativa strutturata.
Il presente contributo esamina nel dettaglio le premesse e le evidenze emerse dalla masterclass condotta da Giovanni Trombetta, ingegnere e fondatore del Gandalf Project, un’iniziativa che rappresenta da oltre un decennio un punto di riferimento per la ricerca applicata al trading algoritmico. L’obiettivo primario di questa disamina è ricostruire il paradigma attraverso cui il dato grezzo si trasforma in un modello operativo rigoroso, capace di navigare la crescente complessità dei mercati moderni.
Nel corso dell’intervento, Giovanni Trombetta ha tracciato con nitidezza la traiettoria concettuale che separa la speculazione discrezionale dalla gestione scientifica del rischio. In un contesto macroeconomico caratterizzato da elevata volatilità e dalla presenza pervasiva di operatori istituzionali ad alta frequenza, l’affidabilità dei segnali operativi non può più essere affidata a interpretazioni soggettive o a figure grafiche tradizionali.
La risposta offerta dal Progetto Gandalf risiede nell’adozione di un approccio metodologico rigoroso, in cui ogni decisione d’investimento viene validata attraverso test statistici approfonditi, algoritmi avanzati e lo studio sistematico della stagionalità degli asset finanziari.
Un’attenzione particolare viene rivolta alla convergenza tra l’ingegneria dei dati e le nuove architetture di mercato, comprese le infrastrutture crittografiche emergenti. L’integrazione di strumenti avanzati di codifica in linguaggio Python e l’integrazione della modellistica basata sull’intelligenza artificiale generativa stanno ridefinendo i contorni operativi del trader quantitativo.
Parallelamente alla dimensione tecnica, emerge con forza l’esigenza di diffondere una cultura finanziaria di livello professionale, una missione che trova la sua declinazione pratica nel programma Edufin 2026, concepito per creare un polo di eccellenza didattica nel Sud Italia e ridurre il divario di competenze presente nel territorio.
L’Architettura Scientifica e la Genesi del Progetto Gandalf
Fondato nel 2012 come laboratorio di ricerca e sviluppo, il Progetto Gandalf nasce con la precisa vocazione di gettare un ponte tra l’ingegneria applicata e la finanza operativa.
L’idea fondante di Giovanni Trombetta è stata quella di trasferire i principi di analisi dei sistemi complessi e del controllo di processo, tipici della formazione ingegneristica, allo studio dei flussi finanziari e dei prezzi dei titoli. Nel corso degli anni, l’iniziativa si è evoluta da semplice nucleo di ricerca a vera e propria fucina di modelli quantitativi capaci di adattarsi alle trasformazioni strutturali dei mercati mondiali.
La solidità scientifica del Progetto Gandalf si poggia su un’architettura multidisciplinare che vede la collaborazione sinergica di professionisti provenienti da ambiti eterogenei ma complementari. La leadership strategica e ingegneristica di Giovanni Trombetta è affiancata dall’apporto di esperti di primo piano nel panorama quantitativo internazionale.
Federico Zilli garantisce un contributo fondamentale nell’integrazione degli algoritmi di Intelligenza Artificiale Generativa, permettendo la costruzione di modelli in grado di elaborare enormi volumi di informazioni non strutturate e di ottimizzare l’esecuzione delle strategie.
Il versante dello sviluppo operativo e della codifica avanzata trova un punto di forza in Domenico D’Enrico, uno dei rari specialisti capaci di padroneggiare sia i linguaggi tradizionali come Easy Language, grazie al quale ha conseguito la vittoria nella prestigiosa World Cup Trading Championship, sia gli ecosistemi moderni basati su Python. Il raccordo con la ricerca accademica di frontiera è costantemente alimentato dalla figura di Michael 3, Quantitative Researcher impegnato nella validazione statistica delle ipotesi di trading e nell’analisi dei micro-pattern di prezzo.
L’architettura istituzionale del team si completa con figure dal profilo altamente specializzato quali Francesco Federici, Algorithmic Strategy Architect dedito alla strutturazione di modelli d’investimento per hedge fund e investitori qualificati, e Marco Cogliati, profondo conoscitore delle dinamiche che governano il mercato delle commodities e esperto nell’implementazione di linguaggi dedicati al trading sistematico.
L’approccio computazionale spinto è infine garantito da Fabio Baruffa, fisico con un dottorato di ricerca ed esperto di calcolo quantistico, ideatore dell’algoritmo Season Hunter, e da Samuel, imprenditore specializzato nelle infrastrutture hardware, server VPS e nell’integrazione con le API di Interactive Brokers.
Il Tramonto dell’Analisi Grafica e l’Avvento del Dato Numerico
Il passaggio dall’analisi tecnica tradizionale all’analisi quantitativa rappresenta una delle transizioni filosofiche e pratiche più rilevanti nella storia dei mercati finanziari. Come sottolineato da Giovanni Trombetta, l’approccio classico soffre di un limite intrinseco legato alla componente percettiva del trader. L’osservazione visiva delle candele giapponesi, l’individuazione di supporti o resistenze figurate e la tracciatura di trendline sono attività intrinsecamente soggettive, esposte a bias cognitivi e non replicabili in modo univoco da un calcolatore automatico.
L’analisi quantitativa ribalta completamente questa prospettiva muovendo dal concetto di misurabilità oggettiva della variazione di prezzo, definita come quantum. In questo nuovo contesto, il grafico cessa di essere un quadro da interpretare e diventa una matrice numerica di dati da analizzare mediante gli strumenti dell’algebra matriciale, della statistica descrittiva e del calcolo delle probabilità.
Non vi è più spazio per l’opinione o per l’intuizione estemporanea: ogni ipotesi di trading deve essere formulata in termini matematici e sottoposta a rigorose verifiche empiriche su ampi campioni storici.
In questa rivoluzione metodologica, il codice di programmazione assume il ruolo di spina dorsale dell’attività operativa. L’adozione del linguaggio Python, unita all’utilizzo di librerie specializzate nell’analisi dei dati come Pandas e NumPy, consente di elaborare milioni di record in frazioni di secondo, permettendo l’identificazione di inefficienze di mercato altrimenti invisibili ad occhio nudo. L’infrastruttura software consente non solo di testare l’efficacia di una strategia nel passato, ma di simularne il comportamento in condizioni di stress di mercato, verificandone la robustezza prima dell’impiego di capitale reale.
Un ulteriore salto di qualità è rappresentato dall’ingresso dell’Intelligenza Artificiale Generativa nel flusso di lavoro del quantitative trader. Come evidenziato durante la masterclass, la figura dell’analista non si identifica più esclusivamente nella stesura manuale di righe di codice, ma si sta progressivamente trasformando in quella di un regista metodologico. Il trader moderno deve possedere la capacità di formulare le giuste istruzioni per i modelli AI, supervisionare criticamente l’output generato dalla macchina ed erigere presidi di controllo per prevenire errori logici o interpretativi nelle fasi di esecuzione degli algoritmi.
Modellizzazione Algoritmica applicata al Mercato delle Criptovalute
Per comprendere l’efficacia dell’approccio quantitativo in contesti caratterizzati da estreme fluttuazioni dei prezzi, Giovanni Trombetta ha presentato un modello algoritmico applicato alla coppia Bitcoin contro Dollaro Americano. L’asset crittografico principale rappresenta un terreno di prova emblematico per i sistemi automatici, alla luce dell’elevata volatilità che lo contraddistingue e delle sue dinamiche strutturali unique nel panorama finanziario globale.
A differenza dei mercati tradizionali azionari o valutari, il mercato delle criptovalute opera in modalità continua, ventiquattro ore su ventiquattro per sette giorni alla settimana, senza alcuna pausa di negoziazione o meccanismo di blocco degli scambi in caso di ribassi eccessivi. Questa natura interamente continua impone l’adozione di sistemi di gestione del rischio attivi in ogni istante, in grado di reagire istantaneamente agli shock di liquidità senza dover attendere la riapertura dei mercati ufficiali.
Dal punto di vista infrastrutturale, il settore si articola in due macro-ambienti distinti ma interconnessi: da un lato gli Exchange Centralizzati, operanti mediante book di negoziazione gestiti da entità private, e dall’altro gli Exchange Decentralizzati, basati su architetture blockchain e smart contract automatizzati. Il sottostante, pur essendo nativamente algoritmico e privo di un sottostante fisico tradizionale, presenta proprietà di scarsità programmata che hanno portato molti analisti quantitativi ad assimilarlo ad un bene rifugio moderno, definendolo di fatto come una forma di oro digitale.
La risposta del Progetto Gandalf alla complessità di questo mercato risiede nell’applicazione di regole Trend Following estremamente semplici ma rigide, progettate non per indovinare il punto esatto di minimo o di massimo, ma per catturare i grandi movimenti direzionali minimizzando il tempo di esposizione al rischio. L’ingresso in posizione rialzista viene attivato al superamento del prezzo massimo registrato nelle precedenti cinque sedute giornaliere, garantendo la partecipazione immediata alle fasi di breakout di prezzo.
Per evitare di entrare durante finti segnali di forza in contesti strutturalmente ribassisti, il sistema adotta un filtro condizionale vincolante: l’operatività viene autorizzata esclusivamente se la media mobile veloce a venti periodi si trova al di sopra della media mobile lenta a duecento periodi, confermando l’allineamento del trend di breve termine con la tendenza di fondo del mercato.
La gestione delle uscite rappresenta il vero cuore pulsante del sistema, consentendo di preservare il capitale durante le fasi di tracollo sistemico. La strategia prevede tre meccanismi di chiusura della posizione distinti ed esaustivi: la perdita della convergenza direzionale, segnalata dall’incrocio al ribasso della media mobile a venti periodi su quella a duecento periodi; l’attivazione di uno stop monetario fisso impostato a cinquemila dollari per singolo contratto; e infine un’uscita temporale automatica che svincola la posizione decorse cinque barre giornaliere qualora non si siano verificate le altre condizioni di chiusura.
L’applicazione empirica di questa logica rigorosa dimostra come la quantificazione delle regole operative permetta di abbattere radicalmente il drastico impatto dei drawdown. Rimanendo completamente disinvestiti ed esenti da rischi nei periodi di prolungata contrazione del mercato crittografico, come le fasi di crisi sistemica registrate nel 2018 e nel 2022, il sistema quantitativo garantisce una curva dei patrimoni stabile, annullando il profondo stress emotivo e finanziario che caratterizza le strategie passive di detenzione a lungo termine.
Lo Studio della Stagionalità e la Piattaforma Season Hunter
Un capitolo di primaria importanza all’interno delle metodologie promosse da Giovanni Trombetta riguarda lo studio della stagionalità degli asset finanziari. La stagionalità rappresenta la misura statistica della tendenza di un determinato titolo o mercato a mostrare comportamenti di prezzo ricorrenti in specifiche finestre temporali dell’anno, in risposta a dinamiche cicliche, scadenze societarie, flussi di bilancio o fattori climatici e produttivi.
Per poter considerare valida un’anomalia stagionale dal punto di vista quantitativo, è necessario condurre le analisi su un orizzonte temporale storicamente significativo, comprendente almeno un ventennio di dati storici idonei a depurare il campione da fluttuazioni estemporanee o eventi eccezionali. Il Progetto Gandalf affronta questo studio mediante la piattaforma proprietaria Season Hunter, sviluppata da Fabio Baruffa, la quale applica metriche avanzate per la selezione delle finestre temporali ad alta probabilità.
L’identificazione dei migliori pattern stagionali non avviene tramite la semplice osservazione delle variazioni percentuali medie, ma attraverso l’elaborazione di uno Score sintetico. Tale indicatore integra in modo non lineare parametri fondamentali quali il valore medio atteso per ogni singola operazione e la percentuale storica di successo, consentendo di isolare i periodi in cui la statistica mostra una spiccata asimmetria a favore dell’investitore.
Tra i casi di studio illustrati durante la masterclass, spicca l’analisi condotta sul colosso tecnologico Nvidia. L’elaborazione sui dati storici estesi su ventisette anni ha permesso di individuare una finestra temporale fortemente rialzista compresa tra l’undici e il trentuno agosto. In questo intervallo di tempo, il titolo ha mostrato una frequenza di chiusure positive superiore all’ottantuno percento, evidenziando una regolarità statistica di eccezionale rilievo nel panorama azionario globale.
Un secondo esempio di notevole interesse operativo riguarda la società farmaceutica Gilead Sciences. In questo caso, le rilevazioni quantitative hanno evidenziato una finestra d’acquisto ottimale collocata tra gli ultimi giorni di agosto e la prima metà del mese di settembre, caratterizzata da una percentuale di successo storico pari all’ottanta percento del campione esaminato. Tali evidenze confermano come anche all’interno del settore sanitario esistano dinamiche cicliche sfruttabili con precisione chirurgica.
L’analisi quantitativa della stagionalità estende la sua efficacia ben oltre il comparto azionario, mostrando la sua massima espressione nel settore delle commodities. Materie prime quali il legname o l’olio di palma sono per loro natura soggette a cicli produttivi, stagioni di raccolto e fattori meteorologici che ne condizionano l’offerta in modo altamente prevedibile. Gli strumenti algoritmici permettono di cogliere queste ricorrenze strutturali anche su mercati meno maturi, offrendo opportunità di diversificazione preziose per un portafoglio operativo.
Dallo studio sistematico delle curve stagionali emerge un’ulteriore indicazione fondamentale per la costruzione delle strategie quantitative: la debolezza statistica del periodo estivo. L’intervallo temporale che si estende da giugno ad ottobre si rivela storicamente caratterizzato da una riduzione dei volumi di scambio e da una maggiore erraticità dei prezzi, rendendo questo trimestre decisamente meno profittevole per gran parte dei sistemi algoritmici e suggerendo una gestione più prudente dell’esposizione al rischio.
Piattaforme Didattiche e Diffusione della Cultura Finanziaria con Edufin 2026
L’impegno del Progetto Gandalf e di Giovanni Trombetta non si limita alla dimensione puramente operativa e di ricerca, ma trova una naturale prosecuzione nelle iniziative a carattere divulgativo e formativo.
Il programma Edu-fin 2026 nasce dalla volontà di colmare uno storico divario geografico nella fruizione dell’alta formazione finanziaria, proponendosi di trasformare la città di Bari e l’intero Sud Italia in un polo di riferimento accreditato per il trading professionale e la finanza quantitativa.
L’architettura formativa dell’iniziativa si articola attraverso un ciclo di masterclass ad alto contenuto tecnico da trasmettere in modalità digitale nel corso del mese di settembre 2026. L’apertura dei lavori, prevista per il quattro settembre, vedrà la partecipazione congiunta di Giovanni Trombetta, Giuseppe Lauria e Pietro Froio, in un incontro interamente dedicato all’integrazione tra modelli quantitativi applicati alle azioni e strategie specifiche per i mercati delle commodities.
Il percorso proseguirà l’undici settembre con un modulo incentrato sull’analisi della dinamica dei volumi e dei flussi operativi tenuto da Paolo Nardovino e Salvatore Scarano, per poi giungere alla sessione del diciotto settembre gestita da Fabio Michettoni e Igor Pretolani, focalizzata sull’interazione tra analisi tecnica avanzata e utilizzo strategico dei contratti in opzione.
Il momento culminante del programma Edufin 2026 si terrà il venticinque settembre 2026 con un grande evento dal vivo ospitato presso gli spazi del Meeticongress di Bari. L’incontro offrirà un’intera giornata di immersione didattica a stretto contatto con i relatori, al termine della quale verrà rilasciato un certificato formativo ufficiale a tutti i partecipanti che avranno completato l’intero percorso online e superato la prova di valutazione finale.
La fattibilità e la qualità tecnica di un progetto educativo di tale portata sono garantite dalla sinergia con partner industriali e tecnologici di primaria importanza nel settore dell’intermediazione finanziaria.
La presenza di broker istituzionali quali Pepperstone, WeBank e Mexem assicura l’aderenza dei contenuti alle reali dinamiche di mercato, mentre la trasmissione delle infrastrutture informative e dei flussi dati per le masterclass è affidata al contributo tecnologico di Traderlink mediante la piattaforma Visual Trader.
Attraverso questa solida struttura, Edufin 2026 si prefigge di formare una nuova generazione di investitori consapevoli, in grado di approcciare i mercati finanziari con il rigore, la disciplina e la preparazione scientifica imposte dalle moderne tecnologie quantitative.
Guarda la video analisi sui nostri canali social LinkedIn, YouTube, Facebook, Twitch e su WorkatWallStreet.it
