Storia e team dietro i modelli AI

AI per la ricerca sugli eventi, progettata per professionisti

Sappiamo quanto sia difficile trasformare eventi complessi in decisioni operative in pochi minuti. Slietxoamlaerdoa nasce con una missione semplice: portare capacità di previsione delle reazioni di mercato, basate su AI, nelle mani di chi fa ricerca sui mercati ogni giorno. Lavoriamo su eventi macro, comunicati societari e decisioni di politica monetaria, stimando l’impatto probabile su volatilità, liquidità e spread. Usiamo serie storiche estese, dati in tempo quasi reale e modelli addestrati su molteplici regimi di mercato. Il nostro obiettivo è migliorare velocità, copertura e coerenza delle analisi, mantenendo sempre al centro il giudizio umano e i vincoli di rischio interni.

Chi siamo, cosa facciamo e perché esiste Slietxoamlaerdoa

Da frustrazione operativa a piattaforma AI per la ricerca sugli eventi

Slietxoamlaerdoa nasce dall’idea che la ricerca sugli eventi non debba dipendere da appunti sparsi e memoria del team. Volevamo portare rigore quantitativo, copertura sistematica e tempi di risposta compatibili con i mercati elettronici.

Nel tempo abbiamo esteso il perimetro oltre i soli dati macro, includendo comunicati societari, guidance, decisioni di politica monetaria e notizie strutturate. Abbiamo progettato modelli che non si limitano alla direzione del prezzo, ma stimano anche profondità del book, probabili squeeze di volatilità e fasi di illiquidità locale. Ogni nuova ondata di dati è diventata un banco di prova per perfezionare feature, tecniche di normalizzazione e controlli di robustezza.

Oggi Slietxoamlaerdoa offre a desk di ricerca, team quantitativi e strutture di risk management una vista coerente su come il mercato ha reagito in passato a shock simili, quali regimi di volatilità erano attivi, quanto velocemente la liquidità è scomparsa o è tornata disponibile. Non sostituiamo il giudizio umano: lo rendiamo più rapido e informato. I nostri modelli vengono aggiornati regolarmente su nuove finestre storiche e periodi di stress, con un’attenzione costante alla trasparenza metodologica e alla possibilità, per i clienti, di interrogare i driver alla base delle previsioni.

Tutti ci siamo scontrati con lo stesso problema: eventi che muovono i mercati in pochi secondi, mentre i flussi informativi interni arrivano tardi e frammentati. Abbiamo vissuto questa frustrazione in sale operative, desk di ricerca e team quantitativi. Decisioni prese con dati incompleti, finestre di liquidità che si chiudono, volatilità che esplode mentre le note interne sono ancora in bozza. Da qui nasce Slietxoamlaerdoa. Un gruppo di quants, data scientist e ex gestori ha iniziato a ricostruire in modo sistematico la storia delle reazioni del mercato a migliaia di eventi macro, societari e geopolitici, combinando serie storiche profonde con flussi in tempo quasi reale. Abbiamo creato pipeline robuste per classificare ogni evento, collegarlo a strumenti negoziati, misurare pattern di liquidità e volatilità, e trasformare tutto in segnali leggibili per desk di ricerca e comitati di rischio.

Un team che unisce mercati, AI e infrastruttura dati

Lavoriamo come un unico team tra data science, ricerca quantitativa e ingegneria. Ogni profilo combina esperienza sui mercati con competenze tecniche su AI, pipeline dati e validazione statistica, così da parlare la stessa lingua di desk di ricerca, risk manager e strutture IT.

Luca Alessandro Ferri Bianchi

Chief Investment Scientist

Milano, hub europeo di ricerca

Competenze chiave ricerca

Modelli di volatilità evento Ricerca quantitativa macro Validazione statistica rigorosa Governance metodologica AI

Guida la progettazione dei modelli di reazione agli eventi, con particolare attenzione a volatilità implicita, profondità del book e dinamiche di spread. Coordina i test su periodi di stress storici e supervisiona la definizione delle feature utilizzate nei modelli di previsione.

Chiara Elisabetta Romano Conti

Head of Data Engineering

Torino, polo tecnologico dati

Competenze chiave dati

Infrastruttura dati scalabile Monitoraggio qualità sorgenti Integrazione feed eterogenei Automazione controlli coerenza

Responsabile delle pipeline dati, cura ingestione, normalizzazione e arricchimento delle serie storiche di prezzi, volumi e notizie strutturate. Progetta l’infrastruttura per aggiornamenti quasi in tempo reale e monitora qualità e coerenza delle fonti.

Marco Giovanni De Santis Rinaldi

Lead Market Research Partner

Zurigo, ecosistema finanziario europeo

Competenze chiave clienti

Interfaccia con desk ricerca Analisi impatto operativo Progettazione reportistica eventi Allineamento con risk governance

Si concentra sulla traduzione dei segnali di reazione agli eventi in flussi utilizzabili da desk di ricerca e strutture di rischio. Collabora con i clienti per allineare gli output ai processi interni di analisi e di reporting verso i comitati decisionali.

Sara Valentina Moretti Ricci

Head of AI Modeling

Bologna, centro sviluppo AI

Competenze chiave AI

Machine learning supervisionato NLP su comunicati strutturati Interpretabilità dei modelli Monitoraggio drift dei dati

Guida l’applicazione di tecniche di machine learning e NLP agli eventi macro e societari. Lavora su modelli che combinano testi strutturati con dati numerici, mantenendo trasparenza e tracciabilità dei driver che portano alle previsioni di volatilità e liquidità.

Le tappe principali del nostro percorso

Ripercorriamo le tappe principali che hanno trasformato un’idea nata in sala operativa in una piattaforma AI strutturata per analizzare reazioni di mercato agli eventi.

2019

Fondazione del progetto e definizione della visione

Un gruppo di professionisti provenienti da ricerca quantitativa, data engineering e desk macro decide di strutturare anni di esperienza sugli eventi di mercato in un’unica piattaforma. L’obiettivo iniziale è semplice: costruire una memoria storica coerente delle reazioni di prezzo e volatilità attorno a principali pubblicazioni macro.

2020

Costruzione delle pipeline dati e primi modelli

Vengono sviluppate le prime pipeline per raccogliere, normalizzare e collegare serie storiche di prezzi, volumi e calendari macro. I primi modelli si concentrano su reazioni intraday di volatilità e liquidità su strumenti liquidi in corrispondenza di release di dati economici ricorrenti.

2021

Estensione a eventi societari e policy

L’ambito si estende a comunicati societari, guidance e decisioni di politica monetaria. Introduciamo componenti NLP per classificare rapidamente i contenuti degli annunci e colleghiamo gli eventi a universi più ampi di strumenti, mantenendo tracciabilità delle fonti e delle trasformazioni dei dati.

2023

Piattaforma modulare e governance dei modelli

La piattaforma evolve in un set modulare di servizi per team di ricerca, strutture di rischio e funzioni di treasury. Vengono formalizzati processi di validazione, monitoraggio del drift e aggiornamento periodico dei modelli, con documentazione pensata per i requisiti di governance istituzionale.

Riconoscimenti e validazioni indipendenti

Questi riconoscimenti nascono da valutazioni indipendenti di esperti fintech, ricercatori e professionisti dei mercati che hanno analizzato metodologia, governance dei dati e solidità del nostro approccio quantitativo.

Anno 2022

Premio innovazione ricerca quantitativa

Riconoscimento per l’approccio quantitativo alla previsione delle reazioni di volatilità e liquidità attorno alle pubblicazioni macro e alle decisioni di politica monetaria.

Anno 2021

Programma accelerazione fintech AI

Selezione in un programma di accelerazione fintech focalizzato su soluzioni AI per istituzionali, con validazione del modello da parte di team di ricerca esterni.

Anno 2023

Riconoscimento media specializzati

Menzione da parte di media di settore per la trasparenza metodologica e la documentazione dettagliata dei modelli di reazione agli eventi di mercato complessi.

Anno 2024

Premio collaborazione ricerca accademica

Riconoscimento da una comunità accademica per l’uso di serie storiche profonde e test su periodi di stress nella modellizzazione delle reazioni di mercato.

Abbiamo costruito Slietxoamlaerdoa perché eravamo stanchi di commentare gli stessi eventi macro ogni trimestre senza una memoria quantitativa condivisa. Volevamo modelli che descrivessero come il mercato ha reagito davvero, non come ricordavamo che fosse successo.

Luca Ferri, Chief Investment Scientist

Co-fondatore, background in ricerca quantitativa e desk macro in contesti istituzionali europei.