Il News Trading AI è un modulo avanzato che aggiunge capacità di trading basate sull'analisi del sentiment delle notizie finanziarie in tempo reale.

• Monitora 10+ fonti RSS finanziarie autorevoli
• Raccolta parallela e ottimizzata per performance
• Breaking news detection per eventi critici
• Filtro intelligente per simboli azionari rilevanti

• Triple method approach: TextBlob + VADER + Financial Dictionary
• Confidence scoring per affidabilità analisi
• Context-aware analysis specifico per testo finanziario
• Real-time processing di centinaia di articoli

• Segnali BUY/SELL basati su sentiment aggregato
• Portfolio virtuale per simulazione sicura
• Risk management integrato
• Alert system per eventi critici

graph TD
    A[RSS Feeds] --> B[News Collector]
    B --> C[Sentiment Analyzer]
    C --> D[Trading AI Engine]
    D --> E[Virtual Portfolio]
    D --> F[Alert System]
    D --> G[Web Dashboard]
    D --> H[CLI Interface]

# Analisi sentiment generale
polarity = TextBlob(text).sentiment.polarity  # -1 a +1
subjectivity = TextBlob(text).sentiment.subjectivity  # 0 a 1

• Peso: 30% del sentiment totale
• Strengths: Veloce, generale purpose
• Weaknesses: Non specifico per finanza

# Ottimizzato per social media e testi informali
analyzer = SentimentIntensityAnalyzer()
scores = analyzer.polarity_scores(text)
compound_score = scores['compound']  # -1 a +1

• Peso: 40% del sentiment totale
• Strengths: Context-aware, gestisce emoji/slang
• Use case: News con tone colloquiale

# Dizionario specializzato con 500+ termini finanziari
financial_terms = {
    'bullish': 0.8, 'bearish': -0.8,
    'earnings beat': 0.6, 'revenue miss': -0.5,
    'upgrade': 0.7, 'downgrade': -0.7
    # ... 500+ termini
}

• Peso: 30% del sentiment totale
• Strengths: Specifico per finanza
• Coverage: Earnings, rating, market conditions

final_sentiment = (
    textblob_score * 0.3 +
    vader_score * 0.4 +
    financial_score * 0.3
)

confidence = calculate_agreement_confidence(scores)

Confidence Calculation:

• Alta (>0.8): Tutti e 3 i metodi concordi
• Media (0.5-0.8): 2 metodi su 3 concordi
• Bassa (<0.5): Disaccordo tra metodi

def generate_signal(sentiment_score, confidence, news_count):
    if confidence < 0.6:
        return 'HOLD'  # Sentiment incerto
    
    if sentiment_score > 0.3 and confidence > 0.8:
        return 'STRONG_BUY'
    elif sentiment_score > 0.1 and confidence > 0.7:
        return 'BUY'
    elif sentiment_score < -0.1 and confidence > 0.7:
        return 'SELL'
    elif sentiment_score < -0.3 and confidence > 0.8:
        return 'STRONG_SELL'
    else:
        return 'HOLD'

Il peso delle notizie diminuisce nel tempo:

def apply_time_decay(sentiment, age_hours):
    decay_factor = math.exp(-age_hours * 0.1)  # 10% decay per ora
    return sentiment * decay_factor

VIRTUAL_PORTFOLIO = {
    'initial_cash': 10000,      # $10K iniziali
    'max_position_size': 0.2,   # 20% max per simbolo
    'transaction_cost': 0.001,  # 0.1% costo per trade
    'minimum_trade': 100        # $100 trade minimo
}

• Total Portfolio Value: Valore totale (cash + posizioni)
• Realized P&L: Profitti/perdite realizzate
• Unrealized P&L: P&L posizioni aperte
• Trade Count: Numero totale trades
• Win Rate: Percentuale trades profittevoli
• Average Hold Time: Tempo medio mantenimento posizioni

• Console: Output immediato
• Log File: Registrazione persistente
• Web Dashboard: Alert in tempo reale
• API Endpoint: Per integrazioni esterne

# Comandi principali
python news_trading_cli.py news          # Analisi notizie
python news_trading_cli.py signals       # Segnali trading  
python news_trading_cli.py cycle         # Ciclo singolo
python news_trading_cli.py auto          # Trading automatico
python news_trading_cli.py portfolio     # Status portfolio

URL: http://localhost:5001

Sezioni:

• 📊 Overview: Stats in tempo reale
• 📰 News Feed: Notizie live + breaking news
• 🎯 Trading Signals: Segnali attivi
• 💰 Portfolio: Gestione posizioni virtuali
• 📈 Charts: Grafici sentiment + performance
• 🚨 Alerts: Notifiche eventi critici

• Raccolta News: <0.5s per 60+ articoli
• Sentiment Analysis: <0.1s per articolo
• Signal Generation: <0.2s per simbolo
• Ciclo Completo: <10s per analisi full-market

• Threading Parallelo: Raccolta RSS concorrente
• Caching Intelligente: Evita re-analisi articoli
• Batch Processing: Elaborazione groupped
• Connection Pooling: Riuso connessioni HTTP

• Unit Tests: Ogni componente singolarmente
• Integration Tests: Flusso end-to-end
• Performance Tests: Benchmark speed/memory
• Reliability Tests: Gestione errori network

• ✅ 60+ articoli raccolti da fonti multiple
• ✅ 22 breaking news rilevate nell'ultima ora
• ✅ 95% uptime raccolta RSS
• ✅ <10s per ciclo completo
• ✅ 2-5 segnali generati per sessione

Il News Trading AI può essere integrato con il sistema principale per creare strategie ibride:

# Esempio integrazione
final_signal = (
    rl_signal * 0.7 +           # 70% RL/Technical
    news_signal * 0.3           # 30% News Sentiment
)

Possibilità di dashboard unificata che mostra:

• Performance sistema principale
• Sentiment overview news
• Segnali combinati
• Risk metrics consolidati

• Portfolio Virtuale: Nessun denaro reale a rischio
• Prezzi Simulati: Basati su Yahoo Finance
• Trade Simulation: Registrati ma non eseguiti
• Safe Testing: Ambiente completamente sicuro

• RSS Feeds: Max 1 richiesta/30s per fonte
• Yahoo Finance: Max 1 richiesta/10s per simbolo
• Sentiment Analysis: Ottimizzata per velocità
• Error Handling: Retry automatico + fallback

1. RSS Configuration - Configurare fonti news
2. Sentiment Analysis - Approfondire analisi
3. News Strategies - Sviluppare strategie custom
4. Hybrid Integration - Integrare con sistema principale

Per documentazione tecnica dettagliata, vedere i file nella directory trading-new/