Visione concreta e background solido
Un gruppo che legge tra le righe e cerca risposte serie, mai scontate, nei dati testuali.
Chi pensa, sviluppa e verifica ogni giorno
Marco Ferri, analista quantitativo senior
Responsabile modelli e dati
Esperto di dati finanziari e metodi quantitativi. Da anni si occupa di collegare teoria economica e verifica pratica. Coordina la revisione dei modelli e mantiene la barra sulle fonti affidabili. Conosciuto per il rigore e l’approccio essenziale.
Giulia Romano, specialista machine learning
Sviluppo algoritmi e verifica
Ricercatrice in machine learning con esperienza internazionale. Si occupa della parte tecnica: sviluppo degli algoritmi, controllo dei risultati, aggiornamento dei processi. Apprezzata per la chiarezza nell’esporre limiti e possibilità.
Luca Barbieri, consulente e docente
Analisi qualitativa e rischio
Docente e consulente, esperto di interpretazione dei testi e valutazione del rischio. Supporta l’integrazione tra lettura qualitativa e dati strutturati. Porta il punto di vista del lettore critico, pronto a smontare tesi infondate.
Dati prima delle impressioni
Le decisioni sensate partono dai dati, non dai titoli in grassetto. Il testo viene trattato come fonte di segnali, senza farsi illusioni. L’obiettivo resta separare le informazioni dalla confusione, ogni giorno.
Algoritmi sotto controllo
Fonti selezionate, trasparenza massima
Contesto ed errori ammessi
L’errore fa parte del mestiere. I segnali vengono contestualizzati e mai presi come verità assolute. L’approccio resta prudente, sempre pronto a rivedere una tesi alla luce dei nuovi dati.
Curiosità prima di tutto
La curiosità guida ogni scelta. Nessun dogma, solo la voglia di capire davvero cosa sta succedendo. Si prova, si sbaglia, si rifà. E ogni passo aggiunge un dettaglio alla lettura del mercato.
Tappe chiave e risultati raggiunti
Prime prove e validazione
La piattaforma nasce come progetto tra colleghi: l’idea era portare il rigore dei dati nel mondo delle informazioni non strutturate. Primi test con analisi testuale e filtri su fonti pubbliche.
Integrazione machine learning
Si integra il primo motore di machine learning per individuare segnali tra notizie e report. Viene ampliato il team con specialisti tecnici e si formalizzano i primi protocolli di controllo.
Collaborazioni e revisione esterna
Arriva la collaborazione con ricercatori esterni. Si implementano revisioni periodiche, documentazione più dettagliata e confronto continuo con esperti del settore.
Nuove funzioni e leadership di settore
Vengono sviluppati nuovi strumenti per pesare meglio le fonti e rendere trasparenti i processi decisionali. La piattaforma si afferma come punto di riferimento per l’analisi text analytics applicata ai mercati.