“Non mi interessava fare l’ennesimo bot da retail. Volevo un motore serio, backtestato, estendibile, che potesse diventare un prodotto vendibile a trader professionali e desk quantitativi.”

Coinmaker – MWFormation & Smart Money Suite è un progetto di trading algoritmico completo: un motore multi-strategia scritto in Python, containerizzato, con backtest di un anno e integrazione end-to-end con broker, data feed, storage e sistemi di notifica.

Il repository è privato: il codice non è pubblico, perché le strategie sono profittevoli (MWFormation mostra un gain di circa +12% su un anno di backtest nel setup attuale). L’accesso al sorgente è valutato solo su richiesta e solo in ottica di collaborazione/uso professionale, non per curiosi o utilizzo “plug & play” retail.

Panoramica strategica

Il motore espone due famiglie di strategie indipendenti ma orchestrate dallo stesso framework:

1. MWFormation

Strategia discrezionale codificata attorno alle classiche figure “M” e “W” (doppio massimo / doppio minimo), ma implementata con un motore di pattern recognition robusto:

• Identificazione automatica di swing high / swing low su serie OHLC.

• Riconoscimento di pattern M/W con:

  • vincoli su profondità e distanza temporale fra i pivot,
  • filtri di simmetria e “pulizia” del pattern,
  • conferme su chiusure e volumetria.

• Filtri di contesto di mercato:

  • trend di fondo (medie mobili multi-timeframe),
  • livelli chiave (high/low settimanali/mensili, livelli di range),
  • volatilità (ATR) per adattare distanza di stop e target.

• Logica di entry/exit parametrizzabile:

  • entry su breakout/ritest del neckline,
  • stop dinamici (ATR, struttura) e partial take-profit,
  • gestione RR target (es. 1:2 / 1:3) e trailing opzionale.

La strategia è pensata per timeframe operativi swing/intraday (es. H1–H4), con regole completamente deterministiche e backtestabili.

2. Smart Money Strategy

Una seconda famiglia di strategie ispirata ai concetti di Smart Money Concepts:

• Ricostruzione della market structure:

  • identificazione automatica di BOS/CHOCH (Break of Structure / Change of Character),
  • definizione di trend attivo e zone di interesse.

• Rilevazione di:

  • liquidity grab / stop hunt sopra/sotto massimi e minimi chiave,
  • order block e zone di supply/demand,
  • compressioni di prezzo seguite da espansioni impulsive.

• Filtri multi-livello:

  • sessioni orarie operative (esclusione di fasce illiquide),
  • filtri di spread/commissione del broker,
  • regime di volatilità (no entry in condizioni estreme o in “chop”).

• Modulo di position building:

  • ingressi parziali su più livelli,
  • scaling-out su target intermedi,
  • gestione diaria/max-drawdown per protezione del conto.

Questa parte del motore è strutturata per poter ospitare in futuro ulteriori varianti Smart Money sulla stessa infrastruttura di backtest ed execution.

Architettura tecnica

Il progetto è organizzato come un motore di trading generalizzato, non come un singolo script:

• core/engine.py Loop principale, gestione degli eventi (nuova candela, segnale, ordine eseguito), orchestrazione delle strategie registrate.

• data/ Moduli per il caricamento e l’aggiornamento di dati storici e real-time:

  • connettori verso API REST/WebSocket del broker/exchange,
  • normalizzazione OHLCV,
  • salvataggio su storage locale/DB per riuso nei backtest.

• strategies/mwformation.py Implementa:

  • motore di detection M/W,
  • generazione segnali long/short,
  • interfaccia standardizzata verso il motore (metodi on_bar, on_signal, ecc.).

• strategies/smart_money.py Modulo che ricostruisce la market structure, calcola order block, liquidity sweep e genera i setup Smart Money.

• risk/risk_manager.py Layer trasversale che decide:

  • size della posizione (percentuale di equity, fixed-fraction, ecc.),
  • max rischio per trade, max perdita giornaliera,
  • blocco dell’operatività in caso di drawdown.

• backtesting/ Motore di simulazione che riusa gli stessi moduli di strategia:

  • ingest dei dati storici,
  • simulazione tick-by-tick o bar-by-bar,
  • applicazione di spread, commissioni e slippage,
  • calcolo delle metriche finali.

• config/ (YAML + .env) Tutta la parametrizzazione è esterna al codice:

  • coppie/trading universe,
  • timeframe, orari operativi,
  • parametri delle strategie (pattern, filtri, RR),
  • credenziali broker, chiavi API, endpoint.

Il motore è pensato per essere estendibile: aggiungere una nuova strategia significa creare un modulo che implementa una semplice interfaccia e registrarlo nel core.

Motore di backtesting

Uno dei punti chiave del progetto è il backtester proprietario, progettato per ridurre al minimo il gap fra test e operatività reale:

• Simulazione bar-based con gestione esplicita di:

  • apertura/chiusura ordini,
  • esecuzione di stop/target entro la stessa candela,
  • gap e buchi di mercato.

• Supporto multi-strumento e multi-strategia:

  • più strategie attive in parallelo sullo stesso asset,
  • controllo di conflitti (es. limitare l’esposizione totale).

• Calcolo automatico di:

  • equity curve,
  • drawdown assoluto e relativo,
  • sharpe/ sortino ratio,
  • distribuzione dei trade,
  • analisi per fascia oraria / giorno della settimana.

Nel setup attuale, la strategia MWFormation, backtestata su un anno di dati, mostra un gain intorno al +12% (al netto di costi modellati). Naturalmente si tratta di risultati storici, non di garanzie di performance future.

Gestione del rischio e controllo esposizione

La parte di risk management non è un’aggiunta cosmetica, ma un layer centrale:

• sizing dinamico basato su:

  • rischio per trade (% equity),
  • volatilità del sottostante (ATR-based),
  • plafond giornalieri/settimanali;

• limiti globali:

  • max numero di posizioni aperte,
  • max esposizione in leva,
  • kill-switch automatico oltre una certa soglia di drawdown;

• log dettagliati di:

  • ogni decisione del risk manager,
  • motivazione di riduzioni/stop dell’operatività.

Questo rende il motore adatto a contesti in cui il controllo del rischio è tanto importante quanto il setup di ingresso.

Integrazione, deployment e automazione

Il progetto dimostra anche la capacità di integrare più componenti in un ecosistema unico:

• Containerizzazione Docker L’intero motore gira in un container dedicato:

  • facile deployment su VPS, server on-prem o cloud,
  • separation of concerns rispetto ad altri servizi.

• Integrazione broker/API Il motore comunica con il broker tramite API REST/WebSocket:

  • invio ordini market/limit/stop,
  • polling o streaming delle esecuzioni,
  • riconciliazione dello stato interno con quello del conto.

• Logging & monitoring Logging strutturato (JSON) e rotazione log per:

  • segnali generati,
  • ordini inviati, modificati, cancellati,
  • interventi del risk manager.

• Notifiche Hook per notifiche (es. Telegram / email) per:

  • nuovi trade aperti/chiusi,
  • superamento soglie di rischio,
  • errori di connessione o problemi con il broker.

Il risultato è un sistema automatizzato ma osservabile, adatto a essere monitorato nel tempo e a scalare su più strategie.

Accesso al progetto & posizione commerciale

Questo progetto non è pensato come “repo open source per smanettare”.

• Il codice risiede in un repository privato, con:

  • strategie MWFormation & Smart Money,
  • motore di backtesting,
  • infrastruttura di execution completa.

• L’accesso è valutato solo per collaborazioni serie:

  • desk di trading,
  • gestori,
  • team quant che cercano un punto di partenza solido da estendere.

Non viene fornito supporto a chi cerca un “bot magico” da collegare al proprio conto personale senza competenze tecniche o di rischio.

Se sei interessato a valutare collaborazioni professionali o un utilizzo commerciale del motore (licenza, customizzazione, integrazione sul tuo stack), puoi contattarmi per una demo privata. L’equity curve, i risultati di backtest e l’architettura interna vengono condivisi solo in questo contesto.