ecco come costruire un desk di ricerca quantitativa basato sull'IA con Opus 5.5, passo dopo passo.
un unico posto dove analizzare le aziende, testare idee di trading e verificare le prove alla base di ogni risultato.
usa i prompt, gli screenshot annotati e i controlli qui sotto per creare la tua versione.
inizieremo con un pilot funzionante su Minara, per poi costruire la pipeline di dati e ricerca necessaria al desk completo.
chiedi a una chat IA tutte le azioni legate all'IA nel mondo e probabilmente otterrai una lista. prima, però, definisci l'esposizione all'IA, le quotazioni ammissibili e le prove che ogni azienda deve fornire.
se salti questo passaggio, la lista potrebbe confondere clienti e fornitori, contare la stessa azienda tre volte e far trapelare informazioni future nelle decisioni passate.
nella configurazione proposta, ogni strumento ha un solo compito:
Minara organizza la ricerca e il pilot. Codex esegue calcoli riproducibili. Jev verifica le prove documentate dopo aver superato i test più severi. Dots coordina le attività circoscritte una volta verificato il passaggio di consegne.
prima di richiedere un modello, voglio poter esaminare delle prove concrete.
quali emittenti quotati sono idonei, perché vengono inclusi e a quali domande possono rispondere i dati?
il nucleo previsto comprende azioni ordinarie quotate e ADR per i quali le fonti indicate offrono copertura geografica. mapperò l'esposizione all'IA di ciascun emittente lungo tutta la catena del valore.
momentum, qualità e ciclo degli investimenti avranno test separati, ma solo dopo che i rispettivi input avranno superato la revisione.
"globale" richiede una copertura documentata. non tutte le borse e gli emittenti compariranno automaticamente.
si tratta di ricerca pura: nessuna connessione a broker, routing degli ordini, wallet o implementazione live.
le acquisizioni grezze potrebbero mostrare etichette di account. registrano l'interfaccia attuale o salvata; non ho riprodotto i risultati in modo indipendente.
cosa supporta Minara oggi
ho esplorato Minara per esaminarne gli strumenti di ricerca. il database globale è ancora da costruire.
la Factor Library mostrava 376 fattori, inclusi diversi modi per definire il momentum.
un esempio di Strategy Studio conteneva 31 strumenti attuali, tra cui ETF e titoli non statunitensi.
questo va bene per un pilot dell'interfaccia. lo storico dei componenti azionari globali necessita ancora di dati propri.
il memo sul momentum statunitense ad ampio spettro ha restituito "non calcolato". copertura storica, composizione, data vintage dei dati e prezzi eseguibili non sono stati verificati.
ho anche riscontrato discrepanze nei costi e nelle impostazioni nelle schermate di backtest.

l'attuale memo di Minara e la richiesta originale mostrano i limiti dell'interfaccia e della ricerca.

• a sinistra, un'analisi istituzionale preesistente con copertura globale incompleta. la freccia indica le fasi completate della roundtable su NVDA.
• al centro, un report solo su NVDA senza un universo IA globale. la freccia indica il titolo e la raccomandazione di mantenimento (hold).
• a destra, la richiesta originale e il memo salvato descrivono uno studio non testato. la freccia indica la conclusione e il limite relativo ai dati non supportati.
per prima cosa, definisci l'universo investibile
parti dall'identità aziendale. aggiungi il ticker solo dopo.
un ticker identifica una quotazione. lo studio, di solito, ha bisogno dell'emittente che c'è dietro.
un singolo emittente può avere più classi di azioni, una quotazione primaria locale e un ADR.
una ricerca ampia può restituire anche ETF, fondi, warrant e società private.
se li conti come aziende IA indipendenti, il campione si rompe prima ancora del primo calcolo.
manterrò due tabelle collegate:
la issuer master archivia un issuer_id interno stabile, la ragione sociale, il domicilio e gli identificativi esterni disponibili.
la listing master archivia listing_id, collegamento all'emittente, ticker, borsa, classe di azioni, tipo di strumento, valuta, calendario, date di validità ed eventuali rapporti ADR o titoli sottostanti.
un'entità legale e un titolo necessitano di identificativi separati, uniti da una mappa datata emittente-quotazione.
una mappa non risolta esclude la voce dal campione principale.
il primo nucleo include azioni ordinarie e certificati di deposito.
ETF, fondi, derivati, asset tokenizzati e società private restano esclusi o tracciati separatamente.
un ADR e la sua azione sottostante contano come un unico emittente, anche se entrambi hanno un ticker.
prima dei test, congelerò la regola della quotazione primaria oppure sceglierò esplicitamente uno studio a livello di singola quotazione.
i risultati dei fattori non possono modificare questa scelta.
ogni etichetta di "azienda IA" richiede delle prove. una casella di spunta in borsa non basta.
userò tre categorie:
• esposizione diretta: l'emittente vende modelli, software, sistemi o servizi di IA supportati da prove documentate a livello di segmento o prodotto.
• fornitore o abilitatore: vende chip, memorie, attrezzature per la fabbricazione, infrastrutture di rete, capacità cloud, sistemi per data center, energia, raffreddamento o altri input chiaramente identificabili per l'implementazione dell'IA.
• solo watchlist: un'affermazione del management, un posizionamento generico o un collegamento plausibile mancano dei dettagli necessari per l'inclusione nel nucleo centrale.
ogni record probatorio archivia l'affermazione, il passaggio della fonte, il periodo del documento, il timestamp di pubblicazione, il segmento di business, l'ora di acquisizione, la regola di etichettatura, il revisore e il legame capogruppo/sussidiaria.
un LLM può individuare i passaggi e segnalare i conflitti. le etichette storiche richiedono comunque fonti datate e record revisionati da un essere umano.
known_at mi impedisce di inserire la descrizione di un'azienda del 2026 nel suo record del 2018.
nessuna prova significa "sconosciuto". ed è un risultato valido.
conta gli sconosciuti insieme a ogni classe, così le prove mancanti resteranno visibili.
"mondiale" richiede un registro di copertura per ogni fonte.
registra paesi, borse, tipi di strumento, storico, nomi dei titoli delistati, operazioni societarie, campi finanziari, licenze e lacune.
segna ogni coppia paese/borsa come inclusa, parziale o non disponibile. definisci il sottoinsieme supportato dal fornitore come ambito dello studio.
un titolo "globale" non può compensare una copertura incompleta.
costruisci il master senza duplicati o perdite temporali (time leakage)
congela il manifesto dell'universo: data di riferimento, paesi, sedi, tipi di strumento, regole di esposizione, snapshot della mappa degli identificativi, filtri di qualità, trattamento del delisting, data vintage delle fonti ed esclusioni.
riporta i conteggi a ogni passaggio: candidati, emittenti e quotazioni mappati, duplicati, strumenti rifiutati, etichette sconosciute e membri finali.
un revisore deve poter tracciare la lista di partenza fino alla composizione finale.
i ticker cambiano. lo storico delle identità deve sopravvivere.
le aziende cambiano nome, sede di quotazione e classi di azioni. le quotazioni possono essere sospese, fuse o revocate.
conserva alias datati, fonti di mappatura e il motivo di ogni modifica.
anche i collegamenti e i rapporti ADR richiedono date di efficacia.
l'elenco odierno delle borse aiuta a identificare le quotazioni attuali. non stabilisce la composizione storica né quando le prove relative all'IA sono diventate pubbliche.
i filing possono offrire date di pubblicazione, ma non rendimenti totali o dati sul delisting.
uno storico necessario non disponibile o privo di licenza significa "non calcolato".
ogni quotazione ha una valuta, un calendario, regole sull'ora legale e un orario di chiusura.
userò rendimenti non coperti in un'unica valuta base, probabilmente USD, con una fonte FX e un timestamp indicati.
definisci il metodo del rendimento totale, la politica su operazioni societarie e dividendi, il trattamento del delisting e l'orario di esecuzione.
le chiusure alla stessa data non dimostrano la disponibilità. controlla i timestamp effettivi di Tokyo e delle borse che chiudono più tardi.
registra l'orario della decisione e la successiva sessione locale eseguibile nel manifesto.
conserva i rendimenti in valuta locale per le diagnostiche. documenta la conversione in USD, perché il tasso di cambio può alterare le classifiche.
allinea festività e sessioni non sovrapposte ai calendari di borsa. un join generico a fine mese può nascondere errori di tempistica.
quando non è possibile garantire una tempistica coerente, usa il sottoinsieme allineabile e dichiara il limite.
tre ipotesi. tre modalità di fallimento.
un agente non dovrebbe testare migliaia di fattori finché non appare un grafico accattivante.
congela tre ipotesi semplici, limita le varianti e testane una alla volta.
il momentum viene per primo. le sue definizioni sono già ispezionabili in Minara.
qualità e ciclo degli investimenti restano solo in fase di progettazione finché gli input storici non superano l'audit.
1. momentum. confronta il semplice rendimento totale a 12 mesi, capitalizzato da t−12 a t−1, con il momentum 12–2, capitalizzato da t−12 a t−2 saltando t−1.
congela l'universo emittenti/quotazioni point-in-time, il calendario di ribilanciamento, la regola di selezione, i pesi, il benchmark e i costi.
modifica solo la finestra del segnale.
il test mostra se le definizioni selezionano nomi diversi. non spiega cosa abbia generato quei rendimenti.
2. qualità. congela una piccola definizione transnazionale prima del ranking.
un candidato combina redditività, solidità patrimoniale e stabilità degli utili.
definisci unità, periodo fiscale, politica di riesposizione, timestamp di pubblicazione e trattamento dei campi non comparabili o mancanti per ogni input.
principi contabili, valute, settori e calendari fiscali possono far crollare un punteggio globale ingenuo.
mostra la copertura di ogni componente accanto al punteggio combinato. i campi mancanti devono restare visibili.
3. ciclo degli investimenti. usa le spese in conto capitale dichiarate legate ai segmenti IA presenti nel registro delle prove.
separa capex monetario realizzato, guidance, impegni annunciati, lavori in corso e obiettivi del management. ognuno ha significati e date diverse.
l'annuncio di un data center pluriennale non è capex completato.
congela la metrica e il lag prima del test. i rendimenti non possono riscriverli.
registra direzione attesa, input, tempistiche, campione idoneo, controlli, benchmark, varianti, regola di scarto e holdout in ogni manifesto.
mantieni lo stato di "solo progettazione" finché il dizionario dei dati e le regole sui tempi di pubblicazione non superano la revisione.
la ricerca pubblicata sul momentum può ispirare la domanda. ma i suoi risultati storici non sono trasferibili a questo universo.
userò French Mom come riferimento metodologico. questo campione avrà una definizione propria.

• in alto a sinistra, il catalogo della Factor Library non valida i segnali. la freccia indica le schede e i conteggi del catalogo.
• in alto a destra, i nomi dei preset dell'universo non stabiliscono la composizione storica. la freccia indica la scelta Tradfi 30.
• in basso a sinistra, questa vista generica della Factor Library non mostra una coppia di momentum corrispondente. la freccia indica l'intestazione categoria/conteggio.
• in basso a destra, il modulo della strategia mostra i controlli disponibili, senza nuove strategie inviate. la freccia indica i controlli su asset e portafoglio.
inizia con un pilot circoscritto su Minara
prima di costruire un dataset su scala globale, chiedi a Minara un test comparativo plain-versus-skip-month su un sottoinsieme supportato specifico.
richiedi prima il report di disponibilità: asset esatti, identificativi, definizioni dei fattori, regole di ribilanciamento, date, costi e campi di esportazione.
un elemento obbligatorio non confermato blocca il backtest.
la Factor Library mostrava definizioni plain a 12 mesi, skip-one-month a 3 e 6 mesi, e intermedie a 7–12 mesi.
una coppia corrispondente plain a 12 mesi e 12–2 richiede ancora una verifica.
ispeziona gli ID dei fattori e il codice per confermarlo.

l'attuale wrapper del codice momentum è ispezionabile.
un test a 12 mesi contro 6 mesi non può sostituire una coppia 12–2 mancante.
un segnale personalizzato richiede un percorso supportato, codice ispezionabile e input riproducibili. altrimenti, calcola la coppia offline.
il paniere TradFi 30 osservato mostrava 31 strumenti attuali, inclusi ETF e quotazioni non statunitensi.
riutilizzalo come pilot dell'interfaccia a paniere fisso. la composizione storica globale dell'IA richiede dati separati.
congela long-only sui primi cinque, pesi uguali, ribilanciamento mensile, leva 1x, benchmark e costi. cambia solo il segnale.
salva impostazioni, componenti e output per entrambe le esecuzioni.
poi testa una griglia di costi unidirezionali, ad esempio 0, 10, 25 e 50 punti base.
la panoramica fee-off mostrava le commissioni di riempimento. questa discrepanza resta irrisolta; lo slippage non è stato verificato in modo indipendente.
l'interruttore delle commissioni non definisce il modello di costo.
Codex calcolerà il turnover presunto e le deduzioni partendo dalle posizioni e dai rendimenti esportati. artefatti mancanti significano "non calcolato".

• in alto a sinistra, la bozza e la richiesta momentum salvate mostrano la costruzione attuale. la freccia indica i controlli di universo e portafoglio.
• in alto a destra, le attuali impostazioni di commissioni e slippage del momentum non verificano l'esecuzione. la freccia indica la commissione di 10 bps e le impostazioni di slippage.
• in basso a sinistra, l'attuale panoramica del momentum non registra nuove esecuzioni. la freccia indica le metriche principali.
• in basso a destra, i riempimenti momentum salvati non sono stati riprodotti in modo indipendente. la freccia indica riempimenti e commissioni.
la finestra 2024–2026 esaminata è materiale di sviluppo. non può più fungere da holdout intatto.
riserva un blocco storico solo con dati point-in-time dotati di licenza. altrimenti, avvia la validazione prospettica dopo aver congelato le definizioni.
Minara organizza l'esperimento. ogni numero di performance mostrato richiede comunque prove a supporto.

• in alto a sinistra, i risultati per simbolo sono prove riportate dal prodotto. la freccia indica P&L realizzato e non realizzato.
• in alto a destra, le metriche momentum attuali differiscono da quelle storiche della chat. la freccia indica i valori principali attuali.
• in basso a sinistra, i riempimenti salvati attuali non hanno riproduzione indipendente. la freccia indica la tabella dei riempimenti.
• in basso a destra, questa tabella per simbolo mostra le stesse prove salvate, senza nuove esecuzioni. la freccia indica la tabella.
verifica una formula in modo indipendente
inizia offline con un piccolo controllo: ricostruisci il Mom mensile di Kenneth French a partire dai sei portafogli size-by-momentum pubblicati.
questo verifica l'aritmetica. l'universo IA globale e il portafoglio proposto richiedono una validazione separata.
controlla il parser, l'allineamento delle date, le unità di rendimento e la matematica long-short.
1Mom[t] = 0.5 * (SmallHigh[t] + BigHigh[t])2 - 0.5 * (SmallLow[t] + BigLow[t])
French crea sei portafogli value-weighted usando dimensione e rendimento precedente (2–12). Mom fa la media dei due portafogli con rendimento precedente alto e sottrae la media dei due portafogli bassi.
scarica i sei componenti e la serie Mom pubblicata separatamente. fissa una data vintage dell'archivio, unisci i mesi comuni e confronta la ricostruzione a quattro componenti con la serie pubblicata.
imposta la tolleranza residua in base alla precisione pubblicata prima di calcolare.
una corrispondenza conferma l'impianto della formula.
non verifica gli input a livello di titolo, le etichette IA globali, lo storico di Minara, i costi o l'alpha.
la data library è passata da CRSP FIZ a CIZ a partire dal rilascio di gennaio 2025. le tempistiche di reinvestimento mensile dei dividendi differiscono tra i due formati.
non unire questi formati in una serie "continua" senza un confronto documentato separato.
conserva URL, ora di recupero, formato, checksum, versione del parser, unità e nota sulla licenza di ogni snapshot.
verifica la build di Data Studio prima di fidarti dei suoi dati
il builder mostra Claude Opus 5.5 come modello selezionato. è l'impostazione del modello catturata per questa dashboard.
il desk globale è ancora da costruire. ne verificherò codice e dati in modo indipendente prima di usarne qualsiasi output.
Minara riporta la versione app 1.2.1. le versioni della dashboard hanno una numerazione propria.
il vecchio progetto Data Studio indicava Version 1, ma abbinava un'anteprima Bitcoin a un piano Nvidia/Palantir.

• in alto a sinistra, la home di Data Studio mostra progetti salvati, non calcoli verificati. la freccia indica l'input in linguaggio naturale.
• in alto a destra, la vecchia anteprima Bitcoin Version 1 non corrispondeva alla richiesta successiva. la freccia indica i pannelli vuoti della Version 1.
• in basso a sinistra, il vecchio piano Nvidia/Palantir non dimostra che la sua anteprima funzionasse. la freccia indica l'obiettivo azionario mescolato ai requisiti Bitcoin.
• in basso a destra, le vecchie richieste di dati sono fallite. la freccia indica gli errori 504 dello storico e delle quote FMP.

• in alto a sinistra, le vecchie impostazioni mostrano la configurazione, non i risultati. la freccia indica lo stato Ready di Financial Modeling Prep.
• in alto a destra, la vecchia vista del codice non dimostra che il recupero dei dati abbia funzionato. la freccia indica un titolo azionario con componenti Bitcoin.
• in basso a sinistra, contesto del vecchio progetto Bitcoin, separato dalla nuova richiesta di confronto. la freccia indica il prompt della dashboard solo ricerca prima dell'invio.
• in basso a destra, la vecchia anteprima Bitcoin mostra un perfezionamento azionario fallito. la freccia indica quella richiesta non riuscita.
la sua scheda Data mostrava quattro richieste FMP con errori 504. ciò non ha prodotto un confronto azionario funzionante.

• in alto a sinistra, la vecchia scheda Data mostra quattro errori FMP 504. la freccia indica quei fallimenti 504.
• in alto a destra, il vecchio piano salvato di confronto azionario non corrispondeva all'anteprima Bitcoin. la freccia indica l'obiettivo del piano.
• in basso a sinistra, i template della dashboard azionaria mostrano le scelte disponibili, non studi completati. la freccia indica i template azionari e macro.
• in basso a destra, About riporta Minara app 1.2.1. il piccolo screenshot mantiene le dimensioni native; la freccia indica la riga della versione
ho inviato una richiesta di ricerca separata Nvidia contro Palantir, chiedendo osservazioni reali, timestamp ed errori visibili. la richiesta esatta e i follow-up sono salvati in file prompt separati.
la prima build si è bloccata al passaggio 3/5.

• a sinistra, la Version 1 salvata aveva le quote; storico e correlazione erano ancora in sospeso. la freccia indica i valori delle quote e i timestamp della sorgente della Version 1.
• al centro, le chiamate quote della Version 1 hanno restituito HTTP 200. La freccia evidenzia due chiamate quote HTTP 200.
• a destra, l'estensione dello storico era ancora in esecuzione qui. successivamente ha salvato la Version 2; la freccia indica il pannello dello storico in sospeso.
l'estensione dello storico ha salvato la Version 2. l'app segnala che i controlli di build e anteprima sono stati superati.
l'interfaccia mostra una copertura dal 1° aprile al 1° ottobre 2026: 127 chiusure valide su 127 restituite per ogni simbolo. entrambe le serie di prezzi partono da 100 alla prima data comune.
l'interfaccia riporta una correlazione di Pearson di 0.1421 su 126 coppie di rendimenti giornalieri. non l'ho riprodotta in modo indipendente.
descrive rendimenti storici. non prevede la prossima mossa.

• in alto a sinistra, l'interfaccia finale della Version 2 mostra quote e prezzi storici. la freccia indica i grafici delle chiusure giornaliere della Version 2.
• in alto a destra, la Version 2 riporta 127 chiusure ciascuna e 126 rendimenti accoppiati. la freccia indica le date e le righe di copertura 127/127.
• in basso a sinistra, lo storico delle richieste mostra sei fallimenti HTTP 403 prima delle risposte positive. la freccia indica quei fallimenti HTTP 403 e le successive risposte HTTP 200.
• in basso a destra, mostra l'inizio del codice di confronto, non l'intero file. la freccia indica il parser e la gestione delle date duplicate.

la Version 2 salvata mostra i prezzi indicizzati e la correlazione riportata dall'interfaccia. non ho riprodotto il calcolo in modo indipendente.
l'anteprima ha registrato anche le richieste fallite. la scheda Data cumulativa mostra 18 chiamate FMP e sei errori.
sei tentativi per lo storico hanno restituito 403, poi due hanno restituito HTTP 200. l'anteprima finale è stata renderizzata con quegli errori ancora nello storico delle richieste.

• a sinistra, il piano salvato finale segnala il completamento della build. la freccia indica i contratti sorgente per quote e storico.
• a destra, le impostazioni finali non validano i dati in modo indipendente. la freccia indica la prontezza di FMP e la cadenza one-load.
le fonti registrate e verificate continuano a non fornire input su materie prime, supply chain o previsioni basate sulle notizie. la pipeline globale rimane un piano di costruzione.
esamina la strategia salvata e i flussi di importazione
la strategia BTC salvata e gli esempi Pine mostrano un altro flusso di lavoro da esaminare. quelle simulazioni e quel codice non stabiliscono la validità dello studio azionario.

• in alto a sinistra, questo esempio Pine è separato dallo studio azionario globale. la freccia indica la spiegazione di dimensionamento e costi.
• in alto a destra, gli attuali input di costo Pine non dimostrano i costi delle esecuzioni precedenti. la freccia indica i valori di costo del backtest nella finestra di dialogo.
• in basso a sinistra, la panoramica Pine salvata riporta una simulazione che non ho riprodotto. la freccia indica i risultati principali.
• in basso a destra, i riempimenti Pine salvati sono una simulazione separata, non ordini live. la freccia indica la prima riga dell'operazione completata.

• in alto a sinistra, la finestra di importazione del codice mostra una superficie di input, non una conversione validata. la freccia indica l'area di input Pine/codice.
• in alto a destra, questa panoramica Pine salvata è separata dallo studio azionario. la freccia indica le metriche principali dell'esempio.
• in basso a sinistra, il sorgente Pine appartiene a un esempio salvato separato. la freccia indica il codice.
• in basso a destra, la lista delle operazioni salvate mostra l'output di una simulazione, non ordini live. la freccia indica le righe.
fissa il repository e il contratto dati
inizierò in piccolo: Python, NumPy, pandas, PyArrow, Pydantic, pytest, Ruff e un ambiente uv bloccato.
statsmodels e Matplotlib aspetteranno finché un report non ne avrà bisogno. scikit-learn attende una fase di modellazione definita.
DuckDB può interrogare Parquet se il pannello cresce.
sei serie di fattori non richiedono un server, un database vettoriale o un framework per agenti autonomi.
1quant-research-lab/2 AGENTS.md README.md pyproject.toml uv.lock3 config/ schemas/ manifests/{sources,universes,hypotheses}/4 src/qrlab/5 data/{ingest,identifiers,calendar,fx,validate}.py6 universe/{build,evidence,coverage}.py7 factors/{momentum,quality,investment_cycle}.py8 portfolio/{weights,returns,costs}.py9 validation/{splits,metrics,review}.py10 runner.py registry.py reporting.py11 tests/fixtures/ tests/test_*.py12 data/{raw,normalized}/ # ignorato da Git13 runs/ # cartelle di esecuzione immutabili14 reports/
Git riceve codice, schemi, fixture sintetici e manifest non sensibili.
i dati grezzi o soggetti a licenza restano fuori da Git.
conserverò gli archivi sorgente byte per byte e calcolerò l'hash dell'archivio e di ogni voce.
ogni snapshot Parquet normalizzato porta con sé la versione dello schema, lo snapshot sorgente, valuta, unità e lineage della trasformazione.
un'esecuzione richiede un input fissato. non leggerà latest.csv.
quattro record rendono la catena ispezionabile.
- DataManifest registra fonte, licenza, formato, timestamp di recupero, hash, copertura, parser e data vintage.
- UniverseManifest congela regole di composizione, etichette probatorie, mappe emittente-quotazione, conteggi, esclusioni e regole as-of.
- ExperimentSpec definisce ipotesi, input, segnale, date, mappatura del portafoglio, benchmark, costi e regole di scarto.
- RunManifest registra commit del codice, lockfile, hash degli input, comando, ambiente, hash degli output, chiamate esterne e stato.
un ReviewResult separato cita gli artefatti ed elenca i problemi irrisolti.
- per ogni membro dell'universo, mi servono issuer_id, listing_id, valid_from, valid_to, known_at, instrument_type, country, exchange, currency e source_snapshot_id.
- ogni affermazione probatoria richiede anche timestamp di pubblicazione e acquisizione, testo dell'affermazione, fonte della prova, regola di classificazione e revisore.
- i valori finanziari necessitano di inizio/fine periodo, available_at, valuta originale, unità, valore riportato, stato di riesposizione e fonte.
- i rendimenti richiedono un metodo di prezzo o rendimento totale, politica sulle operazioni societarie, trattamento del delisting, conversione in valuta base e timestamp FX.
una data di fine periodo non mi dice quando il filing è diventato disponibile.
- i test impongono available_at <= decision_at. l'operazione segue un segnale conoscibile; il rendimento target inizia dopo l'esecuzione.
- dividerò le date prima di espandere le righe nelle quotazioni.
- la stessa data di decisione resta in un unico fold. le etichette di training vengono eliminate quando i loro intervalli di rendimento si sovrappongono alla validazione.
- un singolo gap numerico non coprirà orizzonti o calendari diversi.
congela le regole di calcolo e di fallimento prima del backtesting
ogni esecuzione separa segnali, posizioni, rendimenti lordi e costi.
- i segnali classificano gli emittenti idonei usando le informazioni disponibili al momento della decisione.
- le parità seguono una regola deterministica.
- la costruzione del portafoglio seleziona il numero prestabilito di nomi, normalizza i pesi, gestisce le quotazioni mancanti o sospese e registra le posizioni scartate.
- il livello dei costi applica commissioni dichiarate, turnover, spread, slippage e assunzioni FX.
- i rendimenti lordi non possono essere etichettati come performance netta.
la specifica del rendimento globale fissa una valuta base e un timestamp di conversione.
il rendimento totale locale e il rendimento valutario si combinano in modo moltiplicativo: (1 + local_return) \ (1 + fx_return) - 1.*
mi servono dati reali sul rendimento totale oppure dividendi e operazioni societarie documentati. Il solo "adjusted close" non basta a spiegare i calcoli.
i rendimenti di delisting mancanti generano un avviso di copertura. Le aziende fallite non spariscono nel silenzio.
- prima di usare dati con licenza, dei dataset sintetici (fixture) testano la deduplicazione degli ADR, il mapping delle classi di azioni, le modifiche puntuali delle etichette (point-in-time), le festività locali, le chiusure asincrone, la conversione valutaria, il delisting, le osservazioni duplicate, i filing mancanti e i pesi di portafoglio.
- I fixture French Mom verificano il segno, la conversione percentuale una tantum, l'allineamento al mese comune, l'esclusione della sezione annuale e i limiti di arrotondamento.
- riesegui lo stesso manifest, lo stesso codice e gli stessi input. Gli artefatti numerici devono coincidere.
se un hash cambia, l'esecuzione si interrompe.
- un risultato può essere verified_reconstruction, not_reproduced, not_calculated o blocked.
- blocked richiede una motivazione. Esempi: storico paese non supportato, mapping emittente irrisolto, tempistica valutaria sconosciuta o coppia di fattori Minara corrispondente mancante.
- l'agente non può tirare a indovinare per aggirare un campo mancante.
- i conteggi di copertura e i dati mancanti vanno affiancati alla tabella dei rendimenti.
assegna a ogni idea una voce nel registro di prova
prima del calcolo, ogni idea riceve un manifesto di ipotesi versionato: razionale economico, formula esatta, campi richiesti, ritardo di disponibilità, universo idoneo, orizzonte, tempi di formazione ed esecuzione, benchmark, costi, finestra di sviluppo, holdout, varianti pianificate e criteri di scarto.
il registro annota ogni esecuzione, inclusi gli errori di parsing e i risultati negativi.
- modificare la formula dopo aver visto l'output genera una nuova versione del manifesto. La vecchia voce resta.
- il registro potrebbe usare stati come proposed, design_only, data_audited, implemented, challenged, independently_reviewed, research_qualified, rejected e paper_research.
questi nomi di stato sono proposte. Il registro non è ancora stato costruito.
- replicare l'aritmetica di French può valere un verified_reconstruction. Qualificare un modello azionario richiede prove separate.
- research_qualified esige tracciabilità delle fonti, calcoli deterministici, controlli point-in-time, validazione congelata, trattamento dei costi e un revisore in grado di riprodurre il risultato.
- questo porta a uno step paper-research. Non autorizza l'impiego di capitale.
- per l'inferenza, mantieni raggruppati i nomi della stessa data. Riporta la correlazione di rango cross-section per data; non trattare ogni coppia titolo-giorno come indipendente.
le stime dello Sharpe di portafoglio richiedono intervalli di incertezza e un metodo che gestisca la dipendenza seriale.
- scegli la statistica prima di guardare il holdout. Dichiara quante ipotesi e varianti hai provato.
- L'analisi di Two Sigma sulla stima dello Sharpe e il test delle ipotesi è un utile riferimento metodologico.
un risultato statisticamente significativo può comunque presentare problemi di survivorship bias, etichette obsolete, copertura o esecuzione.
affida a ogni strumento un compito alla sua portata
Minara organizza il desk di ricerca. Lo userò per strutturare le domande, esaminare le superfici di fattori e strategie e registrare gli asset supportati.
- i primi passaggi di consegne sono manuali.
- un adapter successivo potrà usare la chat API documentata, dopo che avrò testato entitlement dell'account, autenticazione, fatturazione, rate limit, formato di risposta e un prompt solo per ricerca.
- la documentazione attuale descrive POST /v1/developer/chat e una route di stato.
- specifica background: true solo con stream: false, documenta l'idempotenza del requestId e conserva lo status completed per 24 ore.
metterò in cache una risposta accettata prima che quello stato scada.
- la route documentata va comunque testata con un account. Le sue risposte vanno verificate prima di diventare dati di mercato point-in-time.
- Codex gestisce il lavoro deterministico. Ogni task riceve un output, un repository, un ID manifesto, input approvati, effetti collaterali vietati e controlli di accettazione.
- Codex può scrivere parser, test a risposta nota, validatori di dati, report e codice sperimentale.
- un risultato debole non può alterare il fattore congelato. Un controllo non eseguito non può trasformarsi in un successo. Le parole non rendono idoneo un candidato.
ogni modifica diventa una diff di codice allegata a una nuova esecuzione.
Jev verifica le evidenze tipizzate. Hash delle fonti, unità di misura, tempistiche di pubblicazione, regole sui dati mancanti, tipo di rendimento e test indipendenti passano prima attraverso gate rigidi.
un gate fallito restituisce blocked. Jev non può ignorarlo.
- se l'artefatto supera il controllo, Jev può classificarlo come needs_evidence, schema_issue o ready_for_human_review.
- la soglia attuale di 0.65 è un'impostazione di routing proposta, non un limite di sicurezza calibrato.
- minore confidenza significa astensione. Anche con maggiore confidenza serve la revisione umana.
- Jev non può classificare titoli, calcolare rendimenti, annullare test falliti o approvare un modello.
Dots coordina il lavoro. Una volta creato un progetto cloud approvato, può monitorare lo stato, aggiornare la checklist e preparare brief operativi ben delimitati.
Codex continua a eseguire il codice.
- finché un passaggio di consegne supportato non sarà testato e salvato, avvierò manualmente i task di Codex confrontando commit, manifesto, run ID e link alle evidenze restituiti.
- lo testerò con una nota ostile che cerca di deviare l'agente. Deve restare all'interno del campo evidence.
costruiscilo un checkpoint alla volta
0. congela la domanda. Scegli i tipi di listing target, le classi di esposizione AI, i paesi candidati, la valuta base e le evidenze minime dalle fonti.
l'output è un documento di perimetro.
i rendimenti aspettano.
1. verifica la copertura. Fai l'inventario dell'universo azionario disponibile su Minara e di ogni fonte dati esterna proposta.
- produci la matrice paese/borsa/data/campo, le note sulle licenze e le lacune.
- Minara conta come sottoinsieme supportato solo quando la sua superficie e il suo export sono verificabili.
- l'assenza di appartenenza storica o di rendimenti totali significa not_calculated per lo studio interessato.
2. costruisci le tabelle di identità ed evidenza.
- Mappa emittenti e listing con alias datati, collegamenti ADR, calendari, valute ed etichette di evidenza.
- testa la prevenzione dei duplicati e la logica storica known_at su esempi verificati manualmente.
- il controllo: un revisore deve poter spiegare perché ogni entità è stata inclusa o esclusa in una data precisa.
3. crea il core offline.
- Aggiungi schemi, un lockfile, cartelle di esecuzione immutabili, hash, dataset fixture e comandi CLI proposti: qrlab universe-audit, qrlab validate-data, qrlab run e qrlab report.
- quei nomi di comando sono proposte. Non funzionano ancora.
- il controllo: un checkout pulito valida i dati sintetici senza una chiave API di prodotto.
4. valida l'aritmetica.
- Ricostruisci un singolo vintage French Mom fissato ed esegui i test sui fixture global-data.
- imposta la tolleranza prima di vedere il risultato.
- il controllo: nessun mix di vintage, nessun allineamento silenzioso, residui entro i limiti e file riproducibili.
- se fallisce, registra not_reproduced. Non spostare il limite per forzare il successo.
5. avvia il pilota Minara. Richiedi prima un manifesto di disponibilità.
- se la coppia plain/skip sullo stesso identico universo e le impostazioni richieste sono ispezionabili, congelale e confrontale.
- altrimenti, Minara continua a organizzare la ricerca. Il confronto non allineato resta non eseguito.
- prima di pubblicare, rimuovi gli identificativi dell'account e descrivi esattamente cosa mostra ogni screenshot.
6. preregistra i tre studi.
- Congela separatamente le definizioni di momentum, quality e ciclo di investimento.
- parti solo dallo studio il cui universo, input, timestamp, copertura dei membri delistati e costi superano la revisione.
- gli altri due restano in design_only. I loro esiti non possono influenzare il primo test.
7. aggiungi le integrazioni per ultime.
- Verifica la chiave API e il costo con una singola richiesta solo per ricerca.
- misura il comportamento di falso positivo e di astensione di Jev su casi etichettati manualmente.
- configura Dots solo dopo aver chiarito i permessi cloud e un contratto operativo ristretto.
- il core offline deve continuare a funzionare anche se un'integrazione fallisce.
com'è fatta la prima vittoria
la prima vittoria è un audit dell'universo che posso ispezionare.
- mostra cosa è coperto, perché ogni emittente è idoneo e dove finisce lo storico.
- un controllo della formula e un piccolo pilota di prodotto mostreranno poi quali parti riesco a riprodurre.
- dopodiché, momentum, quality e ciclo di investimento avranno i propri studi.
il laboratorio diventa più solido quando sa spiegare un rifiuto. I dati mancanti lasciano un vuoto nel report, mai una supposizione spacciata per certezza.
altre funzionalità dell'app da esaminare
questi pannelli mostrano ulteriori superfici dell'app e stati intermedi di costruzione. Il sistema di ricerca globale va ancora costruito.

• sinistra questa interfaccia di codifica appartiene a un altro progetto salvato. La freccia indica le azioni explore, build, review e fix.
• destra la finestra di import mostra una superficie disponibile, non un'importazione completata. La freccia indica l'area di rilascio per immagini/video.
parti dal prompt universe-audit qui sotto. Un numero di rendimento diventa interessante solo quando qualcun altro riesce a ricostruirlo.
le prime sei richieste che farò al laboratorio
esegui questi sei prompt in ordine. Ogni artefatto vincola il successivo, con copertura ed evidenze verificate prima delle performance. Salverò ogni prompt esatto con il relativo manifesto e run ID.
1. Audit dell'universo
1Crea una proposta di perimetro dell'universo per le azioni AI quotate a livello globale. Non restituire un semplice elenco di ticker.23Separa l'emittente dal listing e definisci il nucleo azioni ordinarie/ADR, i tipi di strumenti esclusi, le domande sulla copertura per paese e borsa e le evidenze necessarie per classificare l'esposizione diretta all'AI, i fornitori/abilitatori e le affermazioni destinate solo alla watchlist.45Elenca le fonti e i campi necessari per l'appartenenza attuale e storica. Segna ogni elemento sconosciuto. Non dedurre una copertura globale completa né assegnare etichette storiche basandoti sulle descrizioni attuali.67Restituisci solo una bozza versionata di UniverseManifest e una checklist per l'audit di copertura; non eseguire backtest.
2. Evidenze sulla catena del valore
1Usando esclusivamente i filing datati e i documenti sorgente forniti, mappa ogni emittente candidato sulla tassonomia proposta della catena del valore AI.23Per ogni etichetta, cita o individua l'evidenza a supporto, registrando data del documento e timestamp di pubblicazione, segmento di business, identificativi emittente/listing, hash della fonte, regola dell'etichetta e stato del revisore.45Distingui tra ricavi AI diretti dichiarati, fornitori/abilitatori identificabili e affermazioni basate solo sul management o su evidenze deboli.67Se le evidenze mancano o sono in conflitto, usa unknown/watchlist e spiega perché. Non creare etichette storiche antecedenti alla pubblicazione del documento.
3. Tre ipotesi
1Redigi tre specifiche di ricerca separate e preregistrabili per l'universo sottoposto ad audit: (a) momentum semplice 12 mesi vs 12–2, (b) un piccolo composito quality con input contabili point-in-time e (c) una misura del ciclo di investimento AI che separi il capex realizzato dalle guidance o dagli impegni.23Per ciascuna, indica formula, direzione attesa, ritardo di disponibilità, campione idoneo, benchmark, orizzonte, controlli, varianti, costi, regola di scarto e holdout.45Non stimare le performance né combinare le ipotesi in un unico punteggio. Contrassegna come design_only qualsiasi specifica in cui manchi un campo richiesto o lo storico.
4. Confronto del sottoinsieme supportato da Minara
1Prima di eseguire una strategia, segnala quali listing azionari globali, definizioni di fattori, date, impostazioni di portafoglio, impostazioni dei costi e campi di esportazione sono effettivamente supportati in questo account Minara.23Proponi un confronto abbinato plain-12-month vs 12–2 solo se entrambe le formule usano lo stesso universo verificato e tutte le impostazioni, tranne il segnale, sono identiche.45Se non sono disponibili una coppia con lo stesso lookback, l'appartenenza point-in-time o un output richiesto, fermati e restituisci not_calculated. Non sostituire un altro lookback né citare performance non verificate come evidenza.
5. Task di ingegneria Codex
1Implementa solo la milestone offline approvata di universe-audit e data-validation nel repository quant-research-lab.23Parti da UniverseManifest e DataManifest approvati.45Usa fixture sintetici a meno che non vengano esplicitamente forniti snapshot di fonti con licenza. Aggiungi deduplicazione emittente/listing, etichette di evidenza AI datate, conteggi di copertura, controlli su timestamp, valuta e calendario, test deterministici e output di esecuzione immutabili.67Non chiamare API esterne, non modificare ipotesi congelate, non recuperare dati con licenza, non generare trade e non affermare che la copertura globale sia completa. Restituisci diff, comando, output dei test, hash, campi bloccati e decisione successiva per la revisione umana.
6. Audit critico
1Esamina manifest congelati, file sorgente, diff di codice, output dei test e artefatti di esecuzione senza affidarti al riepilogo.23Cerca di falsificare il mapping dell'universo e qualsiasi affermazione sulle performance.45Controlla emittenti/ADR duplicati, survivorship bias, lookahead sulle etichette AI, paesi mancanti, diritti sui dati non verificati, valute obsolete, chiusure asincrone, tempistiche FX, operazioni societarie, delisting, assunzioni sui costi, data leakage nei test e ogni scostamento dal piano preregistrato.67Cita percorsi e hash esatti degli artefatti.89Non riparare né rieseguire nulla. Restituisci pass, blocked o not_reproduced per ogni requisito, elenca i controesempi e dichiara cosa il risultato non dimostra.
note sulle fonti
• Minara, Panoramica dell'Agent API e Riferimento endpoint API-key. Entitlement di prodotto e accesso all'account restano non testati.
• Kenneth French, Costruzione del Momentum Factor mensile e Note sui vintage della Data Library e su CRSP FIZ/CIZ.
• AQR, Fact, Fiction, and Momentum Investing.
• Two Sigma, Stima dello Sharpe ratio e test delle ipotesi.
• TypeSafe, Jev e output decisionali tipizzati; OpenAI, Presentazione di Dots.
• DuckDB, Documentazione Parquet; pytest, documentazione.





