Il Realistic Engine AI è l’editor basato sull’intelligenza artificiale con cui, nella community di Trend Following Traders, ottimizziamo le strategie quantitative già prodotte con StrategyQuant: prende il motore di una strategia e lo incrocia con circa 9 anni di dati storici di mercato, per affinarne il comportamento secondo l’obiettivo scelto — rischio, limite di drawdown, break-even, target di profitto. In questo articolo, guidati dai due video del nostro fondatore Stefano Mastria, spieghiamo che cos’è lo strumento, come ottimizza e come si configura passo passo su MT5. Tutti i numeri che citiamo sono dati di backtest storici o simulati, non promesse di guadagno.
Che cos’è il Realistic Engine AI?
Il Realistic Engine AI è un editor, un motore, che usa l’intelligenza artificiale per ottimizzare le strategie che elaboriamo con il trading quantitativo e StrategyQuant. Queste strategie escono da StrategyQuant dopo un calcolo profondo e sono già di qualità elevata — nel video le chiamiamo “di terza generazione” —, ma restano una base: da sole non permettono certe ottimizzazioni, come limitare il drawdown in mesi specifici, applicare uno stop a pareggio o spostare il comportamento verso il breve o il lungo termine. È qui che entra in gioco lo strumento.
Sotto il cofano i calcoli li esegue l’AI via API, indicata nei video come il modello Opus di Claude (Claude Code). Il Realistic Engine AI è uno strumento della community riservato agli utenti premium, ma — ed è un punto importante — i risultati delle ottimizzazioni sono pubblicati e a disposizione di tutti gli utenti: nel DB Strategie, sotto “Ottimizzazioni con Realistic Engine AI”, trovi le soluzioni che Stefano produce per la propria attività e sceglie di condividere come pubbliche. Gli utenti premium possono inoltre elaborare e pubblicare in privato le proprie ottimizzazioni. È, in sostanza, uno dei due motori AI del nostro metodo: per il confronto con il secondo motore e per i risultati completi rimandiamo alla guida su il metodo con due motori AI per ottimizzare le strategie quantitative.
Come ottimizza le strategie il Realistic Engine AI?
Il funzionamento è, in linea di massima, questo: lo strumento prende il motore della strategia e lo unisce ai dati storici di Darwinex degli ultimi ~9 anni circa (il motore e i dati in CSV), poi incrocia ogni singola operazione con tutte le oscillazioni di mercato passate di quel periodo. A quel punto applica le regole che gli diamo — rischio per trade, limite di drawdown mensile, break-even, obiettivo di profitto, trailing stop — e restituisce, quasi in tempo reale (in pochi minuti), un risultato e un’anteprima che mostrano se i dati migliorano o peggiorano rispetto all’originale.
Non è un’operazione gratuita: ogni esecuzione consuma un credito. Ogni account premium ha una serie di crediti assegnati, perché il calcolo AI ha un costo reale — a fine mese Stefano riceve una fattura per l’uso delle API. A questo si aggiunge una postazione di calcolo di alto livello, un investimento nell’ordine dei 5.000 $ al mese: è per questo che i backtest, come ripete lui stesso, “non sono casalinghi”, ma è anche il motivo per cui lo strumento è riservato ai premium, il cui corrispettivo copre le spese. Al termine, il motore esporta una stringa di configurazione, che si riporta nella strategia e poi su MT5 per mettere il lavoro di ricerca alla prova del mercato reale.
Che cosa sono i dati MFE e cosa lascia sul tavolo una strategia?
Per capire dove ottimizzare, guardiamo l’MFE — Maximum Favorable Excursion, l’escursione favorevole massima: sono i profitti che una strategia aveva “in mano” durante un’operazione ma non è riuscita a catturare. Il Realistic Engine AI rielabora ogni operazione nell’ambito dei profitti MFE, calcolando le oscillazioni per capire quali problematiche incontra date le scelte messe in opera. I dati MFE sono condivisi da StrategyQuant e disponibili nella piattaforma di analisi della community. È lo stesso terreno di cui parliamo, in modo più ampio, nell’articolo su come ottimizzare le strategie quantitative.
Qualche esempio didattico, sempre da backtest, rende l’idea di cosa una strategia può lasciare sul tavolo: in un caso un’operazione di ottobre si è chiusa con 998 $ di spese pur avendo prima prodotto, tra il 2 e il 25 del mese, un’oscillazione favorevole di 24.000 $ mai catturata; in un altro, un’operazione chiusa in perdita aveva toccato 15.000 $ di profitto potenziale. Sono numeri di simulazione storica, utili per capire il comportamento, non guadagni realizzati. Le contromisure che si possono provare sono un obiettivo di profitto fisso che cattura mentre l’operazione è aperta, un trailing stop, oppure uno stop a pareggio per azzerare almeno le spese.
Il nodo del break-even: perché va calibrata la soglia?
Lo stop a pareggio è comodo — annulla il rischio quando l’operazione è già in guadagno — ma nasconde quello che nel video chiamiamo “un nodo delicato”. Su un’operazione la strategia aveva circa 8.000 $ in mano e ha chiuso a zero: com’è possibile? Perché, prima di sviluppare quel profitto, il mercato ha oscillato, l’oscillazione ha fatto scattare lo stop a pareggio chiudendo la posizione a zero, e solo dopo il mercato è andato avanti. L’applicazione dello stop a pareggio, insomma, può porre un ostacolo.
La soluzione è calibrare la soglia per non farsi fermare troppo presto. Nel video Stefano prova diversi valori sulla stessa base dati: al 2% l’operazione viene ancora “catturata”, il 2,5% non è sufficiente per superare il problema, quindi si passa al 3% e così via, aggiungendo strati di ottimizzazione fino all’equilibrio che lavora bene su tutta la storia. È un lavoro di ricerca che richiede tempo e che, va detto con chiarezza, non assicura quei profitti: si usano i valori di un backtest accurato per fare valutazioni, sapendo che a parità di condizioni — condizioni che tendono a ripetersi — si ottiene uno strumento in grado di affrontare meglio quel problema.
“Questo non è che poi assicura quei profitti, naturalmente: stiamo utilizzando i valori di un backtest accurato per fare delle valutazioni.”
Lungo o breve termine: lo stesso motore, gestioni diverse
Una delle cose più interessanti è che lo stesso motore può essere spostato più sul lungo o più sul breve termine. Sul lungo termine punta a profitti larghi ma rari — una, due, tre volte l’anno —, e negli anni senza tendenze di lungo periodo produce spese: è la natura del trend following, una serie di opportunità infruttuose e poi il grande movimento. Sul breve termine, invece, cerca continuità, con risultati minori ma più frequenti, quasi ogni mese o settimana, sfruttando anche le tendenze brevi. Il comportamento è speculare: la versione lungo termine rende molto con tendenze forti e spende con quelle deboli; la breve fa l’esatto contrario.
In backtest, questo si traduce in distribuzioni diverse: circa 7 anni su 10 producono bene e 3 chiudono in spesa sul profilo di lungo termine, mentre la variante di breve termine dello stesso motore produce complessivamente meno ma con maggiore regolarità. Non esiste una versione “giusta” in assoluto. È il piano concettuale che nel nostro metodo chiamiamo «leva del tempo»: qui ci basta sapere che il Realistic Engine AI ci permette di progettare entrambe le gestioni partendo dallo stesso motore, senza cambiare strategia.
“Non c’è uno strumento migliore o peggiore: sono strumenti diversi per progettare gestioni diverse.”
Come si configura il Realistic Engine AI su MT5?
Il primo passo è saper leggere la codifica di ogni strategia nel DB Strategie: i badge dicono come lavora. Il dato più importante è il rapporto tra stop loss e take profit — uno stop loss piccolo con un take profit ampio è tipico di una strategia di trend following, che aggancia un punto di reazione carico di liquidità con uno stop contenuto e concede al mercato tempo e spazio, anche per giorni o settimane. Nel video, per esempio, la strategia 2.1.165 su sterlina yen (GBP/JPY) è contestualizzata su H1 e D1 ma lavora su M5 (per usare stop molto piccoli), è di seconda generazione, opera 24 ore su 24 e ha un limite di 2 operazioni al giorno, cioè due posizioni contemporanee al massimo.
Per attivare la strategia su MT5 la si scarica dal progetto, si inseriscono i codici API rilasciati nella community e si attiva la licenza: così si riserva uno slot dedicato al proprio account. Da lì si scaricano gli aggiornamenti quando ci sono, si installano e si riavvia la piattaforma quando necessario. Se muovi i primi passi su MetaTrader, può esserti utile ripassare le basi di MetaTrader 5 e, sul piano operativo, la piattaforma ufficiale MetaTrader 5.
A questo punto arriva la parte manuale: come diciamo nel video, “le postazioni Realistic Engine vanno configurate manualmente”. Nelle Proprietà si riporta la stringa dell’ottimizzazione scelta, campo per campo: il rischio per trade; il Risk Management, con il Monthly Drawdown (il Daily Drawdown nel video non viene usato); l’obiettivo di profitto mensile e i giorni operativi; il break-even, con un margine in percentuale o in dollari oltre la soglia; il trailing stop, anch’esso con soglia in percentuale o in dollari. Sono gli stessi parametri che regolano il rischio e le uscite, e vanno impostati con la stessa cura di una corretta gestione del rischio nel trading.
Una volta applicata la configurazione, un monitor — un log — mostra, tra virgolette, “come pensa la strategia”: cosa sta aspettando e quali azioni mette in opera sulla base dei dati. Da lì il compito è monitorare l’operatività nel tempo.
Perché conviene partire dai conti demo?
Il consiglio, soprattutto per chi è alle prime armi, è di iniziare i lavori di ricerca su conti demo — di Darwinex, di MT5, quello che si preferisce — per raccogliere i primi dati senza rischiare capitale, perché all’inizio è normale commettere errori. Prima si capisce, poi eventualmente si investe. È lo stesso spirito con cui va letto ogni numero di questi backtest: descrivono il passato, non il futuro. Il contesto cambia di continuo — la guerra in Ucraina, la guerra in Iran — e il passato non si ripresenta identico. Nove anni di storico coprono, per stima, circa il 90% delle problematiche di quel mercato, non il 100%.
Per questo lo strumento aiuta la ricerca e la pianificazione, ma non “fa guadagnare”: la crescita è graduale e c’è un lavoro da costruire, come mostrano gli stessi dati di backtest realistici. L’operatività può diventare automatica o semi-automatica, ma — parole di Stefano — “ci dobbiamo arrivare gradualmente”.
“L’utente che arriva, attiva e poi si illude subito di guadagnare, no: gli stessi dati di backtest, proprio perché realistici, ci mostrano che c’è un lavoro di crescita da costruire.”
Il quadro completo lo trovi partendo dalla nostra guida su come funziona il trend following: il Realistic Engine AI è solo lo strumento con cui rendiamo misurabile e ripetibile quel metodo.
Domande frequenti sul Realistic Engine AI
Che cos’è il Realistic Engine AI?
È un editor basato sull’intelligenza artificiale, riservato agli utenti premium della community, con cui ottimizziamo le strategie quantitative prodotte con StrategyQuant. Prende il motore di una strategia e lo affina applicando regole come rischio, limite di drawdown, break-even, target e trailing stop. I risultati delle ottimizzazioni sono però pubblicati per tutti gli utenti nel DB Strategie.
Come ottimizza una strategia?
Incrocia ogni singola operazione con tutte le oscillazioni di mercato di circa 9 anni di dati storici Darwinex, applica le regole che gli diamo e restituisce in pochi minuti un risultato e un’anteprima, mostrando se i dati migliorano o peggiorano rispetto all’originale. Ogni esecuzione consuma un credito, perché il calcolo AI ha un costo reale.
Che cosa sono i dati MFE?
L’MFE (Maximum Favorable Excursion) è l’escursione favorevole massima: il profitto che un’operazione aveva “in mano” ma non ha catturato. Studiare ciò che una strategia lascia sul tavolo serve a capire dove ottimizzare. È una misura di analisi su dati di backtest, non un guadagno realizzato.
Come si configura una strategia su MT5?
Si scarica la strategia dal progetto, si inseriscono i codici API rilasciati nella community e si attiva la licenza, riservando uno slot. Poi, nelle Proprietà di MT5, si riporta manualmente la stringa dell’ottimizzazione (rischio, Monthly Drawdown, break-even, trailing stop, target e giorni operativi). Un monitor/log mostra cosa sta facendo la strategia.
I dati di backtest garantiscono guadagni futuri?
No. Tutti i numeri citati sono dati di backtest storici o simulati e non garantiscono in alcun modo risultati reali o futuri: lo dice lo stesso Stefano, il contesto cambia e il passato non si ripresenta identico. Il backtest è un punto di partenza per il lavoro di ricerca, non una promessa. Il trading comporta un rischio concreto di perdita del capitale.
I contenuti di questo articolo hanno scopo esclusivamente informativo e formativo e riportano il metodo e le opinioni personali del fondatore di Trend Following Traders così come esposti in due video del canale; non costituiscono consulenza finanziaria né un invito a operare. Tutte le cifre citate (escursioni MFE, profitti non catturati, spese, percentuali, valori dei parametri) sono dati di backtest storici o simulati: i risultati di backtest non garantiscono in alcun modo risultati reali o futuri e il contesto di mercato cambia nel tempo. Il Realistic Engine AI è uno strumento a pagamento riservato agli utenti premium (ogni esecuzione consuma crediti e ha un costo reale di API e di calcolo), pensato per la ricerca e la pianificazione: non “fa guadagnare” e non promette alcun rendimento. Il trading, l’automazione e l’uso di strategie quantitative comportano un rischio concreto di perdita del capitale; meglio partire su conti demo e considerare ogni decisione come propria responsabilità.