ORQELUNE
Analisi finanziaria degli eventi SEC con modelli AI integrati
ORQELUNE è un software fintech sviluppato da Niccolò Vaccina per analizzare documenti SEC, interpretare eventi societari e generare segnali previsionali. I modelli AI sono integrati nell’analisi dei documenti; il motore quantitativo collega le informazioni estratte ai dati di mercato. Backend .NET, servizi Python, SQL Server e Qdrant sostengono acquisizione, ricerca e monitoraggio.
From market events to actionable intelligence.
- Fintech
- Intelligenza artificiale
- Intelligence finanziaria
- Sviluppo full stack
Analizzare documenti SEC e reazioni di mercato
I filing SEC descrivono eventi complessi. Le informazioni sono distribuite tra documenti, società e momenti diversi. Collegarle a ciò che accade sui mercati richiede un sistema verificabile, prima ancora di un modello predittivo.
Interpretare i documenti
Organizzare eventi, entità e informazioni rilevanti da documenti finanziari estesi e non uniformi.
Collegare eventi e mercato
Ricostruire il contesto temporale dei documenti e delle osservazioni di mercato.
Valutare le previsioni
Generare segnali e confrontarli con i dati osservati, mantenendo tracciabili le valutazioni.
Backend .NET e Python, modelli AI integrati
Il backend .NET coordina l’acquisizione dei filing SEC, l’analisi dei documenti e i dati di mercato. I modelli AI integrati estraggono il contesto degli eventi; la ricerca semantica e i servizi Python supportano l’analisi quantitativa. Un’interfaccia Razor permette di esplorare eventi, società, segnali e stato delle elaborazioni.
Dati documentali
Documenti societari e informazioni di mercato conservano il contesto della fonte.
Analisi AI
L’integrazione LLM aiuta a organizzare e interpretare il contenuto dei documenti, con output soggetti a verifica.
Ricerca quantitativa
Le ipotesi vengono studiate con strumenti sperimentali, distinguendo osservazioni e interpretazioni.
Analisi SEC, AI e ricerca semantica
SEC Event Intelligence
Acquisizione di filing SEC EDGAR e organizzazione degli eventi societari attraverso pipeline dati resilienti.
AI Analysis Engine
Modelli LLM integrati tramite Ollama per interpretare documenti finanziari, estrarre il contesto degli eventi e produrre informazioni strutturate.
Semantic Search
Embeddings e Qdrant permettono di ricercare eventi semanticamente simili ed esplorare il contesto storico.
Financial Market Data
Integrazione di dati di mercato e grafici per esplorare il contesto finanziario. La disponibilità dipende dalle fonti e dai dati acquisiti.
Motore dei segnali
Generazione di segnali previsionali dagli eventi societari e dai dati di mercato, con strumenti per seguirne e valutarne gli esiti.
Monitoring & Observability
Health check, monitoraggio delle elaborazioni e diagnostica aiutano a valutare affidabilità e stato operativo del sistema.
Architettura .NET, SQL Server e Qdrant
Una vista concettuale delle responsabilità: fonti documentali e dati di mercato, elaborazione, analisi AI, archiviazione e applicazione. Backend .NET e servizi Python integrano dati strutturati e ricerca semantica.
- SorgentiDocumenti e dati finanziari
- ElaborazionePipeline resilienti
- Analisi AILLM e ricerca semantica
- ArchiviazioneDati strutturati e vettoriali
- ApplicazioneEsplorazione e ricerca
Ingegneria del dato e integrità temporale
Qualità e provenienza
Controlli sui dati e tracciabilità delle fonti aiutano a interpretare correttamente le informazioni.
Coerenza temporale
La ricerca presta attenzione alla disponibilità delle informazioni nel tempo e ai limiti delle ricostruzioni storiche.
Riproducibilità
Gestione delle versioni e sperimentazione ripetibile supportano il confronto fra valutazioni.
Resilienza
Elaborazioni asincrone e gestione degli errori supportano la continuità delle pipeline.
Osservabilità
Monitoring e diagnostica rendono leggibili lo stato del sistema e i problemi di elaborazione.
Test e validazione
Test unitari e di integrazione, controlli automatici degli output e strumenti di valutazione supportano l’evoluzione del motore di analisi.
Dai documenti ai segnali, con verifiche continue
Lo sviluppo prosegue con verifiche sulla qualità dell’analisi e sulla capacità predittiva dei segnali. I segnali non costituiscono consigli di investimento.
Fonti documentali
Filing SEC e dati di mercato acquisiti e organizzati dal sistema.
Analisi AI integrata
Modelli LLM interpretano i documenti e producono informazioni strutturate.
Segnali previsionali
Il motore quantitativo elabora le informazioni degli eventi insieme ai dati di mercato.
Valutazione continua
Strumenti di verifica e test supportano l’evoluzione dell’analisi e dei segnali.
Software in sviluppo attivo
Il software dispone di acquisizione SEC, analisi AI integrata, ricerca semantica, dati di mercato, generazione dei segnali e una dashboard dedicata. Lo sviluppo continua sulla qualità dell’analisi, sulla validazione quantitativa e sull’affidabilità operativa.
Funzionalità implementate
Acquisizione SEC, analisi LLM, ricerca semantica, dati di mercato, segnali e dashboard con diagnostica.
Validazione quantitativa
Valutazione dei segnali e dei modelli su dati finanziari, con verifiche ripetibili.
Sviluppo continuo
Evoluzione dei controlli di qualità, della robustezza delle elaborazioni e dell’esperienza di ricerca.
Lo stack .NET e Python di ORQELUNE
- Backend
- C#ASP.NET CoreMVC/RazorEF CoreREST API
- Intelligenza artificiale
- OllamaLLMEmbeddingsQdrantSemantic Search
- Machine learning e analisi quantitativa
- PythonFastAPIscikit-learnQuantitative Research
- Database e infrastruttura
- SQL ServerDockerDocker Compose
- Fonti e dati di mercato
- SEC EDGARMassive
- Frontend del prodotto
- RazorHTMLCSSJavaScriptTradingView Lightweight Charts
- Ingegneria
- Automated TestingIntegration TestingData ProvenanceTemporal Integrity
Dai documenti SEC all’analisi finanziaria
Un software sviluppato da Niccolò Vaccina, con modelli AI integrati per interpretare gli eventi societari e supportare l’analisi previsionale.