Chi scrive queste analisi

Mi chiamo Eleonora Quaglino e dal 2021 mi occupo di applicare tecniche di machine learning all'analisi quantitativa dei portafogli finanziari. La mia specializzazione si concentra sul portfolio clustering, un approccio che permette di identificare gruppi omogenei di asset attraverso algoritmi non supervisionati come k-means, DBSCAN e hierarchical clustering.

Ho iniziato questo percorso dopo aver notato quanto fosse difficile individuare correlazioni nascoste tra centinaia di strumenti finanziari usando solo l'analisi tradizionale. Gli algoritmi di clustering mi hanno permesso di automatizzare pattern recognition su dataset complessi, riducendo il rumore e isolando segnali davvero rilevanti per la costruzione di portafogli diversificati.

In questo blog condivido quello che imparo sul campo. Scrivo di feature engineering per dati finanziari, metriche di distanza adattate ai rendimenti degli asset, validazione dei cluster attraverso silhouette score e Calinski-Harabasz index. Ogni articolo nasce da problemi concreti che ho affrontato, errori che ho fatto e soluzioni che hanno funzionato nei miei progetti reali.

Non sono qui per vendere corsi o promettere rendimenti garantiti. Questo spazio serve a documentare un approccio tecnico e rigoroso all'intersezione tra finanza quantitativa e intelligenza artificiale, condividendo codice, dataset e risultati verificabili con chi lavora su progetti simili.