btcpredictor.io — teoria del sistema

Prevedibilita
Perfetta

Perche i profitti attuali sono nell'ordine dei centesimi, cosa significa Prevedibilita Perfetta, e perche il percorso verso di essa e quasi certo — non per ottimismo, ma per la matematica dell'apprendimento.

Mattia Calastri · Febbraio 2026 · btcpredictor.io

01. Perche i profitti attuali sono piccoli

Il bot opera attualmente con $100 di capitale. Ogni trade apre una posizione di ~$5–15 con leva moderata. Un segnale corretto genera pochi centesimi di profitto netto, dopo le commissioni Kraken (0.005% maker/taker) e il costo di inferenza AI.

Non e un errore di calibrazione. E il design deliberato della Fase 1: raccogliere dati reali con capitale minimo, senza rischiare budget significativo finche il modello non ha abbastanza storico per essere pienamente affidabile.

Logica Operativa
Il modello XGBoost viene addestrato sui segnali chiusi. Ogni bet conclusa — vincente o perdente — e un campione di addestramento. Con 50 campioni il modello e rumore. Con 500 inizia a vedere pattern. Con 5.000 converge verso una stima stabile della vera distribuzione dei movimenti di BTC.

Siamo in fase di accumulo dati. I centesimi di oggi finanziano i risultati di domani.

Il bot non scala il capitale finche il win rate non supera una soglia stabile su un periodo rappresentativo. E la stessa logica dei trial clinici: prima la sicurezza, poi la scala.

02. Cos'e la Prevedibilita Perfetta

Prevedibilita Perfetta non significa prevedere ogni singolo movimento di BTC con certezza assoluta. Questo e impossibile — i mercati finanziari contengono rumore irriducibile, eventi macro imprevedibili, comportamento di massa irrazionale.

Prevedibilita Perfetta significa qualcosa di piu preciso e raggiungibile: massimizzare il vantaggio atteso su ogni segnale fino al punto in cui il valore atteso di ogni trade e positivo, stabile e calibrato.

E[trade] = P(win) × avgWin − P(loss) × avgLoss > 0
PP = stato in cui E[trade] converge verso il massimo teorico dato l'insieme di informazioni disponibili

In termini di teoria dell'informazione: ogni mercato ha un'entropia di Shannon — una quantita di incertezza irriducibile. La Prevedibilita Perfetta e lo stato in cui il modello ha estratto tutto il segnale estraibile da quell'entropia, e opera al limite di Cramer-Rao: non si puo fare meglio con le informazioni disponibili.

Definizione Operativa
Prevedibilita Perfetta ≠ 100% win rate.
Prevedibilita Perfetta = win rate stabile × rapporto rischio-rendimento ottimale × calibrazione della confidenza perfetta — il tutto replicabile su diversi timeframe e condizioni di mercato.

Un sistema con 60% WR e 2:1 R:R ha +20% di valore atteso per trade. Questo e gia straordinariamente vicino alla Prevedibilita Perfetta da un punto di vista pratico.

Il bot attuale usa un dual-gate LLM + XGBoost: il trading avviene solo quando entrambi i modelli concordano sulla direzione. Questo riduce la frequenza ma aumenta la precisione. E gia una forma primitiva di convergenza verso la PP.

03. Il percorso di convergenza — perche ci arriveremo

La domanda critica: la Prevedibilita Perfetta e un limite asintotico irraggiungibile, o un obiettivo concreto?

La risposta sta nella natura del machine learning applicato alle serie temporali finanziarie. Tre forze convergono verso di essa:

1. Accumulo dati. Ogni segnale chiuso aggiunge un campione al dataset di addestramento. La legge dei grandi numeri garantisce che, con campioni sufficienti, la stima delle probabilita condizionate converge alla distribuzione reale. Non e un'ipotesi — e un teorema.

2. Ricchezza del segnale. Il bot oggi usa 12+ fonti di input: price action, profondita dell'orderbook, sentiment, rapporto long/short, funding rate, dominance, indicatori macro. Ogni fonte aggiunge dimensioni allo spazio delle feature. Piu dimensioni = piu pattern estraibili. Il modello non ha ancora visto abbastanza combinazioni di questi segnali per generalizzare perfettamente — ma sta imparando.

3. Architettura adattiva. Il sistema e progettato per il retraining continuo. Ogni N segnali chiusi, il modello viene riaddestrato sui dati piu recenti. I mercati cambiano — il modello cambia con loro. Non e un sistema statico ma un organismo che si adatta.

Traiettoria stimata del sistema
Dati raccolti
~8%
Calibrazione LLM
~42%
Copertura feature
~65%
Target PP

La convergenza e quasi certa non perche siamo ottimisti — ma perche i mercati finanziari, a differenza di altri sistemi complessi, sono stazionari su scala statisticamente rilevante: pattern di panic selling, livelli di supporto/resistenza, ciclicita del funding rate — si ripetono. Un modello che li impara ha un vantaggio reale.

"Tutti i modelli sono sbagliati. Alcuni sono utili." — George E.P. Box

Non cerchiamo il modello perfetto. Cerchiamo un modello abbastanza utile da avere valore atteso positivo e stabile. Questo e raggiungibile. Non e un sogno. E ingegneria.

04. Il Regime di Abbondanza

La Prevedibilita Perfetta ha implicazioni che vanno ben oltre il P&L di un trading bot.

Per la maggior parte della storia umana, la capacita di generare rendimenti finanziari costanti era riservata a chi aveva accesso a enormi capitali, infrastrutture istituzionali, team di ricerca, latenza HFT. Un singolo individuo non poteva competere.

L'AI sta cambiando questa equazione. Non gradualmente — radicalmente. Un individuo con un laptop e una API key ha accesso agli stessi modelli linguistici che usano i grandi fondi. La differenza di scala si riduce. L'accesso si democratizza.

Il regime di abbondanza
Quando la Prevedibilita Perfetta diventa accessibile a chiunque — non solo ai fondi miliardari — la concentrazione di ricchezza generata dai mercati finanziari si inverte. Non piu un trasferimento da retail a istituzionale. Ma un livellamento del campo di gioco.

Questo e il Regime di Abbondanza: non una promessa utopica, ma la conseguenza logica della democratizzazione degli strumenti cognitivi.

btcpredictor.io non e solo un trading bot. E una prova empirica in corso che questa transizione e possibile. Ogni trade pubblico, ogni metrica verificabile, ogni riga di codice open source e un dato a supporto dell'ipotesi: un individuo puo competere.

05. Il Bivio — la scelta che conta

Il Financial Times ha pubblicato una rappresentazione grafica che mostra due possibili traiettorie post-AI per la societa: abbondanza e scarsita.

La tecnologia da sola non determina quale percorso prendiamo. Lo determina come ogni individuo sceglie di usarla.

Percorso A — Abbondanza
  • AI democratizzata, accesso individuale
  • Mercati piu efficienti, vantaggio distribuito
  • Ricchezza generata dalla capacita, non dall'accesso
  • Build in public, algoritmi trasparenti
  • Individui che competono ad armi pari
Percorso B — Scarsita
  • AI centralizzata, black box istituzionali
  • Vantaggio asimmetrico per pochi
  • Concentrazione accelerata della ricchezza
  • Algoritmi opachi, non verificabili
  • Retail sempre piu esclusi

btcpredictor.io e una scelta esplicita per il Percorso A. Ogni trade e pubblico. Ogni algoritmo e documentato. Ogni metrica e verificabile on-chain. Non e solo trasparenza tecnica — e una posizione filosofica.

"L'AI puo portare scarsita o abbondanza. La tecnologia non decide. Decide l'individuo consapevole che sceglie come usarla." — Mattia Calastri, fondatore btcpredictor.io

Questo bot e il mio voto per il percorso dell'abbondanza. I centesimi di oggi sono la prova che si puo partire da zero, costruire in pubblico, e avvicinarsi alla Prevedibilita Perfetta senza un hedge fund alle spalle.

Segui il percorso dal vivo
Tutti i trade sono pubblici. Il P&L e in tempo reale. Il codice e open source. Ogni segnale e registrato on-chain su Polygon per un audit immutabile.

→ Vedi la dashboard live    → Leggi il manifesto    → I Molti Padri