Finance
IRA — Iarno Robo Advisor
Il tuo PAC azionario Italia, ben costruito: una proposta operativa a settimana, una decisione informata, sempre tracciata.

IRA — Iarno Robo Advisor nasce da una domanda concreta: come trasformare un PAC sulle azioni italiane fai-da-te in un processo disciplinato e quantitativo, senza delegare le decisioni a una scatola nera. Il prodotto si posiziona deliberatamente fuori dal recinto della consulenza regolamentata: non esegue ordini e non promette previsioni, ma ogni quattro settimane propone un portafoglio target ottimizzato confrontando due approcci classici, Markowitz vincolato (massimizzazione dello Sharpe con vincoli long-only, peso min/max e tetti settoriali) e Risk Parity. L'utente sceglie il modello, inserisce manualmente gli ordini su Revolut nella sequenza vendite → acquisti e poi riconcilia le esecuzioni reali nell'app, un passaggio reso volutamente bloccante per tenere allineati portafoglio teorico ed effettivo. Intorno a questo nucleo ho costruito un'esperienza che educa mentre opera: cono di volatilità a due anni, matrice di correlazione, rendimenti attesi annualizzati e soglie di ribilanciamento, ciascuno accompagnato da disclaimer statistici espliciti su distribuzione normale e bande di confidenza. Il ciclo operativo a quattro settimane, i promemoria push del lunedì e lo skip motivato trasformano l'investimento in un'abitudine tracciata, mentre la gestione di corporate action e dividendi mantiene coerente lo storico. Tutto poggia su uno stack React/Vite/Firebase con un data model pensato per l'auditabilità: ogni proposta, conferma, skip e riconciliazione finisce nello storico. Le quotazioni sono generate in modo deterministico per ticker, una scelta progettuale che protegge il carattere sperimentale del prodotto e ribadisce che IRA è uno strumento personale di disciplina, non un servizio di investimento.
Il problema
La soluzione
Target
Funzionalità principali
- Ottimizzatore di portafoglio con due modelli a confronto: Markowitz vincolato (massimizza Sharpe, long-only, no leva, peso min/max e vincoli settoriali) e Risk Parity
- Universo investibile configurabile sui panieri FTSE Italia (All-Share): selezione del paniere con download e aggiornamento automatico dei ticker ammessi all'ottimizzazione
- Ciclo operativo a 4 settimane con proposta settimanale, possibilità di saltare con skip motivato e settimana dedicata al ribilanciamento
- Riconciliazione post-operazione: allinea il portafoglio teorico con le esecuzioni reali su Revolut (sequenza vendite → acquisti), bloccante per nuove proposte finché non riconciliato
- Metriche di rischio: rendimento atteso e volatilità annualizzati, Sharpe, cono di volatilità a 2 anni e matrice di correlazione (heatmap teal/coral)
- Soglie di ribilanciamento configurabili (suggerito vs prioritario) con calcolo dello scostamento percentuale dal portafoglio target
- Gestione corporate action (split/frazionamento, fusione/incorporazione, variazioni di indice) e dividendi → cash residuo
- Promemoria settimanale via web push (lunedì 08:00) e reminder di riconciliazione; storico completo di operazioni, skip, riconciliazioni e snapshot di portafoglio
Cosa ho fatto io
- Ho definito il posizionamento di prodotto: non un robo-advisor che esegue, ma uno strumento personale di disciplina che lascia all'utente il controllo e la responsabilità degli ordini reali
- Ho progettato il modello quantitativo confrontando Markowitz vincolato (max Sharpe) e Risk Parity, con vincoli espliciti su peso min/max per titolo, numero di titoli e concentrazione settoriale
- Ho disegnato il ciclo operativo a 4 settimane e il flusso di riconciliazione con Revolut, rendendolo bloccante per garantire coerenza tra portafoglio teorico ed esecuzioni reali
- Ho progettato il data model dello storico (operazioni, skip motivati, riconciliazioni, corporate action, snapshot, log) per rendere ogni decisione tracciabile e auditabile
- Ho prototipato le visualizzazioni di rischio (cono di volatilità a 2 anni, matrice di correlazione, rendimenti attesi) con disclaimer statistici chiari su distribuzione normale e bande 1σ/1.96σ
- Ho validato l'approccio compliance-first con disclaimer pervasivi e quotazioni generate in modo deterministico per ticker, evitando di spacciare dati di mercato reali
Cosa dimostra
- Product strategy
- UX
- Data model
- AI workflow
AI workflow
- Ottimizzazione quantitativa del portafoglio (Markowitz vincolato max-Sharpe e Risk Parity) come motore di proposta settimanale
- Stima statistica di rendimento atteso e volatilità da serie storiche (distribuzione normale) per cono di volatilità e bande di confidenza
- Generazione deterministica delle quotazioni per ticker per simulazione riproducibile senza dati di mercato reali
Tech & strumenti
- React
- Vite
- Zustand
- Tailwind CSS
- Recharts
- Firebase (Auth, Firestore, Cloud Functions, Cloud Messaging)
- PWA (Workbox / service worker, installabile e standalone)
Roadmap
- Simulazioni di scenario e PAC
- UX conversazionale
- Evoluzione del modello advisoryprossimo step