Sintesi del progetto
SAIFIN punta a sviluppare un sistema avanzato di trading algoritmico che integra dati satellitari, A generativa e tecniche di Deep Learning per migliorare previsione, analisi e automazione delle decisioni finanziarie. Combinando osservazioni satellitari con indicatori finanziari e modelli AI, SAIFIN introduce un paradigma innovativo: l’uso di dati eterogenei per nowcasting economico e strategie di trading adattive.
Obiettivi
Il progetto si propone di: integrare dati satellitari ottici, radar e multispettrali con serie finanziarie; sentiment web e indicatori macroeconomici, sviluppare algoritmi di trading basati su Large Language Model (LLM), Convolutional Neural Network (CNN), Long Short-Term Memory (LSTM) e Reinforcement Learning; progettare una piattaforma multi agente in grado di automatizzare raccolta dati, formulazione di strategie e esecuzione del trading; ottimizzare i modelli tramite HPC e GPU ad alte prestazioni.
Problemi e necessità
I modelli di trading tradizionali non riescono a sfruttare efficacemente dati non strutturati o osservazioni indirette dell’economia reale. L’aumento della volatilità e dei volumi di dati richiede sistemi capaci di apprendere da informazioni multimodali e prendere decisioni in tempo reale. SAIFIN affronta proprio questo gap tra finanza tradizionale e AI generativa.
Soluzioni sviluppate
A seguito della definizione delle tecnologie più avanzate (CNN, LSTM, RL, LLM), della mappatura delle sorgenti dati, progettato l’architettura agentica basata su LLM e sviluppato algoritmi per estrarre segnali finanziari da immagini satellitari, è stata avviata la realizzazione del framework di training su GPU e della pipeline di fine-tuning dei modelli su dati finanziari specializzati.
Impatti
SAIFIN può migliorare la stabilità dei mercati e la resilienza economica anticipando crisi produttive, variazioni nella supply chain e segnali macroeconomici. Supporta investimenti sostenibili e rafforza l’inclusione finanziaria grazie a strumenti avanzati accessibili a professionisti e investitori retail.
Settori di applicazione
Il progetto ha impatti diretti su Fintech, Intelligenza Artificiale e Osservazione della Terra, con utilizzi estendibili alla Formazione in ambito Fintech a pubbliche amministrazioni, imprese e ricerca accademica.
