Il 29 aprile 2026 abbiamo pubblicato su TradingView una nuova evoluzione del nostro Trendycator®: un pannello chiamato Ranker AI che accompagna ogni setup con un giudizio sintetico e con una serie di dati statistici utili a contestualizzarlo. Non cambia la logica di base del sistema e non viene introdotta alcuna promessa di previsione certa. Cambia la qualità delle informazioni disponibili prima di prendere una decisione.
Implementare l’intelligenza artificiale qui non va intesa come un motore fondato su big data esterni o come un modello linguistico generalista o come collegamento a Claude CODE. Il Ranker AI lavora come un sistema a loop chiuso, che apprende dentro il perimetro ristretto del grafico su cui viene applicato. Osserva i setup, li cataloga, poi li confronta con configurazioni simili già emerse in quello stesso contesto e aggiorna progressivamente la propria base statistica.
Tutti i setup restano nel flusso alimentando la statistica: il Ranker AI osserva, classifica e aggiorna la qualità del setup.
Il dubbio che ognuno di noi ha quando riceve un segnale da un modello, per solido che sia, è sempre come andrà a finire?
Prevedere il futuro resta impossibile. Ogni investimento è esposto a variabili esterne, spesso imprevedibili, che possono cambiare in modo sensibile l’andamento di un titolo.
Il Ranker AI non elimina totalmente questa incertezza, ma aggiunge un contesto statistico utile: mostra come setup comparabili, nelle stesse condizioni operative, si sono comportati in passato. Da qui nasce una misura di affidabilità che si aggiorna nel tempo, mano a mano che il sistema osserva nuovi casi in contesti di mercato diversi. Più il campione storico si amplia, più il Trendycator® con Ranker AI può affinare la qualità della propria classificazione.
Il Trendycator® arriva su TradingView con Ranker AI
Negli ultimi giorni il lavoro si è concentrato su come rendere il Trendycator più utile senza snaturarlo. Alcuni approcci di intelligenza artificiale applicati ai setup funzionano come filtri statistici: osservano i casi passati e selezionano solo quelli che il modello considera migliori. Il limite è che i setup esclusi escono dal flusso e non alimentano più la statistica futura.
La soluzione scelta è stata un layer aggiuntivo, non invasivo, che non tocca ingressi, uscite, target o stop, ma prova a qualificare meglio il setup corrente.
Con questo metodo non si genera più una sola base statistica chiusa, ma più famiglie statistiche legate ai potenziali setup, che continuano ad aggiornarsi nel tempo.
Il risultato è un sistema di giudizio di merito del setup suddiviso in quattro livelli: STRONG, GOOD, NEUTRAL, WEAK. Dietro queste etichette non c’è una sentenza automatica sul trade, ma una sintesi leggibile di contesto, qualità e storico comparabile. In pratica, il Ranker AI non sostituisce il trader e non pretende di dire cosa accadrà. Aiuta a capire con più ordine che tipo di situazione si ha davanti.
Questa distinzione conta più di quanto sembri. Molti strumenti che richiamano l’intelligenza artificiale finiscono per aggiungere rumore, oppure per spostare l’attenzione su meccanismi poco trasparenti. Qui il criterio è opposto: usare la potenzialità di elaborazione del software per dare un contesto al setup senza lasciare a lui la libertà di decidere cosa è giusto e cosa è sbagliato.
Cosa cambia nella lettura del setup
Il passaggio decisivo riguarda il momento in cui l’informazione arriva. Un ranking utile deve parlare del trade. Deve offrire una misura sintetica della qualità del setup quando il segnale si forma, chiaramente basandosi su pattern simili visti in passato.
Per questo il nuovo pannello prova a rispondere in anticipo ad alcune domande operative essenziali. Quanto è robusto il setup corrente rispetto ai casi simili già osservati? Quante volte quei setup hanno raggiunto il target definito? In quanto tempo medio ci sono arrivati? Quale escursione favorevole o contraria hanno mostrato mentre maturavano?
Chiariamo subito che un setup classificato STRONG resta un setup, non una garanzia. Un setup WEAK può comunque produrre un risultato positivo. Conta però sapere se ci stiamo muovendo dentro una struttura che, storicamente, ha espresso maggiore solidità o maggiore fragilità.
Come leggere la tabella TRENDYCATOR AI
La tabella è posizionata in alto a destra del grafico e raccoglie in uno spazio compatto i campi principali del nuovo pannello.
Il titolo TRENDYCATOR AI identifica il modulo statistico che affianca il nostro Trendycator®. Subito sotto compare un giudizio sintetico, che può essere STRONG, GOOD, NEUTRAL oppure WEAK. È la prima informazione che il pannello restituisce: una classificazione rapida del setup corrente.
AI Quality è il voto sintetico del setup espresso sia come barra visiva sia come punteggio numerico da 0 a 100. Non va interpretato come probabilità matematica di successo, ma come un punteggio interno che condensa diversi elementi del contesto.
Setup è la traduzione del contesto operativo attuale. Serve a dare una definizione leggibile del tipo di struttura che il sistema sta osservando in quel momento, evitando che il pannello resti confinato a una sola logica numerica.
Learning indica quanti setup simili sono già stati osservati nello storico. È un dato importante perché dice quanto è ampio il campione di esperienza su cui poggiano le altre statistiche.
Setup Hit mostra la percentuale dei setup simili al setup corrente che hanno raggiunto il target impostato nell’input perc_target. È quindi una statistica mirata sul comportamento di casi omogenei rispetto a un obiettivo preciso.
Tgt Avg Bars indica il numero medio di barre necessarie ai setup simili per arrivare al target. Questo dato aiuta a misurare il fattore tempo, che spesso è trascurato anche quando si parla di segnali validi.
Avg MFE è un po’ da smanettoni ma una volta capio è utilissimo, riassume l’escursione favorevole media globale dei setup maturati. È una misura utile per capire quale spazio medio il mercato abbia storicamente offerto nella direzione attesa.
Avg MAE riassume invece l’escursione negativa media globale degli stessi setup maturati. In altre parole, aiuta a leggere quanta pressione contraria abbiano subito i casi comparabili prima di svilupparsi oppure di esaurirsi.
AI Target, infine, è il target prudenziale suggerito dal modello quando il campione disponibile è sufficiente. È un’informazione che ha senso solo se sostenuta da una base statistica adeguata, e proprio per questo va letta come supporto alla valutazione, non come livello meccanico da assolutizzare.
Nel loro insieme, questi campi compongono un pannello di pre-trade decisionale. La funzione non è dire al trader cosa fare, ma offrirgli una scheda sintetica che unisce classificazione, storico e qualità del contesto.
Sviluppi futuri
Il lavoro non si chiude con la pubblicazione su TradingView. Il passaggio successivo sarà portare una logica simile anche sul sito, con una forma che oggi non è ancora definita nei dettagli. Sappiamo però quale direzione vogliamo seguire: mantenere la chiarezza del pannello, aumentare la leggibilità dei dati e costruire qualcosa che sia all’altezza del progetto.
La struttura finale potrà cambiare, così come potranno cambiare le modalità con cui verranno presentati ranking, statistiche e contesto. L’obiettivo resta lo stesso: usare la tecnologia per migliorare il giudizio, non per complicarlo. Se riusciremo a farlo bene, il risultato sarà certamente magnifico.
L’articolo rientra nell’attività di analisi e informazione economico-finanziaria della redazione, impegnata da oltre vent’anni nello studio dei mercati e delle dinamiche industriali.
Disclaimer: Il presente contenuto ha finalità esclusivamente informative e non costituisce sollecitazione al pubblico risparmio né raccomandazione personalizzata di investimento. Ogni decisione deve essere valutata in autonomia alla luce della propria situazione patrimoniale e del proprio profilo di rischio.
Se vuoi scoprire come decidiamo noi quando investiamo:
Guarda il video.
