Analisi dei dati e algoritmo
Il forecast è generato da un ensemble di modelli di machine learning (basati su XGBoost) e si aggiorna automaticamente alla chiusura di ogni candela (close). La rete neurale elabora una rolling window degli ultimi 100 periodi (barre), analizzando la price action storica, i volumi in tick, la volatilità e i principali oscillatori tecnici.
Metodo Monte Carlo
Il sistema non fornisce un singolo scenario rigido. Dopo aver valutato il bias del trend in atto, l'algoritmo esegue 30 simulazioni indipendenti dei possibili percorsi futuri, introducendo il rumore di mercato storico (market noise). Il segnale operativo finale (BUY o SELL) è determinato dalla direzionalità confermata dalla maggioranza di queste 30 proiezioni.
Grado di Confidenza (Confidence)
Indica la percentuale di simulazioni (su 30) allineate con il segnale finale:
- Sotto il 60% — «Rumore di mercato» (Market Noise): Segnale debole, divergenza tra i modelli. Setup non ottimale, si sconsiglia l'ingresso a mercato (no-trade zone).
- 60% – 80% — «Confidenza Moderata»: Edge statistico a favore del segnale. Condizione operativa standard (business come al solito).
- Sopra l'80% — «Alta Confidenza»: Forte convergenza dei modelli. Massima probabilità di target hit (scenario ad alta affidabilità).
Livelli Dinamici (Stop Loss / Take Profit)
I livelli di Stop Loss e Take Profit sono calcolati in modo adattivo, basandosi sulla volatilità implicita del mercato (indicatore ATR). Nelle fasi di alta volatilità (market storm), gli stop si allargano per evitare di essere cacciati dal rumore (stop hunting), mentre in condizioni di mercato laterale (ranging) si restringono.