Dalla stagionalità al portafoglio: quando il calendario diventa strategia
Una stagionalità non è la promessa che il mercato ripeterà il passato. È un comportamento ricorrente, misurato su una precisa finestra del calendario e sottoposto a un test statistico. Il salto professionale avviene quando molti di questi segnali vengono selezionati, dimensionati e coordinati in un portafoglio.
Cos’è una stagionalità — e come si costruisce
Una stagionalità finanziaria è la tendenza di un titolo, indice, future o altro strumento a mostrare un comportamento simile nello stesso periodo dell’anno. Le cause possono essere economiche o operative — cicli di domanda, raccolti, fiscalità, flussi istituzionali, reporting — ma il pattern diventa utilizzabile soltanto quando l’intuizione viene trasformata in una regola verificabile.
Una percentuale di successo elevata, da sola, non basta. Un pattern con molte piccole vittorie e poche perdite molto ampie può essere peggiore di uno meno frequente ma più equilibrato. Per questo SeasonHunter permette di scandagliare migliaia di combinazioni Long e Short su base metrica: non soltanto “quante volte ha funzionato”, ma anche qualità del campione, profitto medio, volatilità dei risultati e Score.
Lo screener SeasonHunter del 2 settembre 2026: ogni riga è una specifica combinazione di strumento, direzione e finestra temporale, accompagnata dalle metriche storiche necessarie per confrontarla con le altre.
Un esempio concreto dallo screener di oggi
La Tavola 2 mostra uno screening Long sull’S&P 500 avviato dal 2 settembre 2026: almeno 30 anni di storia, win rate minimo del 70%, finestre comprese fra 5 e 50 giorni e ordinamento per Score. Fra i 175 risultati, CB è la prima riga visibile: finestra 10 settembre–30 ottobre, 33 osservazioni, 78,79% di successi, profitto medio 6,34%, media negativa −3,70% e Score 6578. AZO segue con 35 osservazioni, successo dell’82,86%, profitto medio 6,88% e Score 5730. ALL, terza, ha uno Score leggermente inferiore — 5640 — ma una finestra di soli dieci giorni e una media negativa più contenuta, −1,70%. Il confronto dimostra perché una stagionalità non può essere letta da una sola colonna: Score, frequenza, intensità del profitto, rischio nelle annate negative e capitale immobilizzato nel tempo descrivono dimensioni differenti.
La stessa tavola rende visibile anche il problema dell’indipendenza. CB e ALL appartengono ai Financial Services; AZO, RCL e ORLY al Consumer Cyclical. Soprattutto, AZO e ORLY condividono esattamente la finestra 24 settembre–13 novembre. Considerarli scommesse completamente autonome significherebbe ignorare settore, calendario e beta di mercato comuni. L’aggregazione di portafoglio serve proprio a misurare e governare queste dipendenze, non soltanto ad accumulare righe con uno Score elevato.
Dal singolo campione all’aggregazione di stagionalità
Il singolo pattern risponde a una domanda locale: “come si è comportato storicamente questo titolo in questa finestra?”. Il portafoglio risponde a una domanda più importante: “cosa accade al capitale quando molti pattern competono per risorse limitate e operano contemporaneamente?”. È qui che emerge il vantaggio dell’aggregazione.
Le osservazioni di una stessa stagionalità possono già presentare dipendenza seriale: anni consecutivi possono condividere regimi monetari, strutture settoriali o dinamiche di volatilità. A livello trasversale, pattern diversi possono essere dipendenti perché riguardano lo stesso titolo, aziende dello stesso settore, finestre sovrapposte oppure una comune esposizione al beta di mercato. Per questo sommare il numero di osservazioni o mediare i win rate non produce automaticamente un campione più robusto.
Una costruzione algoritmica costringe invece i segnali a convivere sotto vincoli espliciti. Limita la concentrazione, rende visibili le sovrapposizioni, misura l’equity complessiva e permette di osservare drawdown, volatilità, correlazioni e utilizzo del capitale. L’unità di analisi smette di essere la “migliore riga” dello screener e diventa il comportamento del sistema che seleziona, sostituisce e dimensiona molte righe nel tempo.
Dall’idea alla graduatoria. SeasonHunter consente di filtrare e ordinare le ricorrenze storiche con criteri omogenei, rendendo confrontabili opportunità Long e Short che altrimenti resterebbero nascoste in migliaia di finestre di calendario.
Prova SeasonHunter gratuitamenteTre test di portafoglio, una sola disciplina
Nel nostro laboratorio abbiamo congelato lo screener al 31 dicembre 2025, così la selezione non usa informazioni del 2026. Sono state ammesse stagionalità S&P 500 con almeno 35 osservazioni, successo minimo del 70% e durata compresa fra 10 e 60 giorni. Ogni giorno l’algoritmo sceglie i candidati con Score più alto, evita duplicazioni sullo stesso titolo e occupa al massimo dieci slot. Il Market Neutral riserva cinque slot ai Long e cinque agli Short.
Le feature che trasformano lo screener in Aggregatore di Portafoglio
SIMULATION_YEAR = 2026Definisce l’anno fuori campione nel quale il calendario teorico viene trasformato in una sequenza reale di operazioni.
SCREENER_END_DATE = 2025-12-31Congela l’informazione disponibile prima dell’inizio del test e impedisce che dati del 2026 entrino nella selezione.
MARKET_INDEX = SP500Delimita l’universo investibile. Lo stesso motore può essere applicato a universi differenti, purché composizione e copertura dati siano coerenti.
SIDE = Long | Short | MarketNeutralPermette di studiare separatamente il premio stagionale rialzista, quello ribassista oppure la loro combinazione.
INITIAL_CAPITAL_USD = 100,000Fissa il NAV iniziale dal quale derivano nozionale, equity e indicatori di rischio confrontabili.
MAX_POSITIONS = 10Introduce scarsità di capitale: ogni slot pesa un decimo e soltanto i segnali meglio classificati possono entrare.
LONG_SLOTS = 5 · SHORT_SLOTS = 5Nel Market Neutral divide a priori la capacità fra i due lati e assegna a ciascuno metà del capitale lordo.
MIN_TRADES = 35Esclude campioni troppo piccoli. Non garantisce indipendenza, ma impone una base storica minima.
MIN_PERCENT_WIN = 70%Applica una soglia di ricorrenza prima del ranking, evitando che lo Score promuova pattern poco consistenti.
WINDOW = 10–60 DAYSRende confrontabili finestre operative non troppo brevi né eccessivamente lunghe e governa il turnover degli slot.
RANK_BY = scoreStabilisce la priorità di ingresso. Può essere sostituito con percent_win o avg_profit per testare filosofie diverse.
BEST PER SYMBOLEvita che più finestre dello stesso titolo occupino contemporaneamente slot diversi, riducendo una forma evidente di dipendenza.
Questi parametri non sono semplici filtri cosmetici: definiscono una politica di allocazione. Cambiare il ranking da Score a percentuale di successo privilegia la frequenza; usare il profitto medio privilegia l’intensità; aumentare gli slot accresce la diversificazione nominale ma può diluire la selettività; modificare la durata cambia turnover e sovrapposizione. Un Aggregatore di Portafoglio professionale deve rendere queste scelte trasparenti, ripetibili e confrontabili.
I prezzi sono letti da ArcticDB; l’esecuzione simulata avviene alla chiusura aggiustata della prima seduta disponibile dalla data teorica, con quote frazionarie e nozionale prefissato. È quindi un test di ricerca, non una replica di trading reale.
Equity line daily: tutte le 157 sedute disponibili dal 2 gennaio al 18 agosto 2026, senza aggregazione mensile.
Il 2026 premia la gamba Long
Il Long chiude il periodo a $120.952, con 45 operazioni concluse e un drawdown massimo contenuto al 6,92%. Lo Short scende a $75.129: la vendita allo scoperto è simulata correttamente — un ribasso genera profitto — ma le ricorrenze selezionate hanno incontrato un mercato sfavorevole. Il Market Neutral termina a $87.030. “Neutral” descrive la costruzione dell’esposizione, non garantisce né rischio zero né rendimento positivo: se la gamba Short perde più di quanto la gamba Long guadagni, la neutralità nominale non salva il risultato.
Correlazione: tre curve non raccontano la stessa cosa
Per valutare la diversificazione usiamo in primo luogo la correlazione dei rendimenti giornalieri, non quella dei livelli di equity. Nel periodo osservato Long e Short hanno correlazione −0,05: sono quasi indipendenti giorno per giorno. Il Market Neutral mostra invece +0,58 con il Long e +0,56 con lo Short, coerentemente con una strategia che combina entrambe le componenti.
| Rendimenti giornalieri | Long | Short | Market Neutral |
|---|---|---|---|
| Long | 1,00 | −0,05 | +0,58 |
| Short | −0,05 | 1,00 | +0,56 |
| Market Neutral | +0,58 | +0,56 | 1,00 |
La correlazione dei livelli cumulati offre una lettura complementare: Long–Short −0,66, Long–Market Neutral −0,44 e Short–Market Neutral +0,95. Quest’ultimo valore non significa che le strategie siano strutturalmente uguali; segnala che, in questo campione 2026, la traiettoria del Market Neutral è stata dominata dalla debolezza della gamba Short. È un diagnostico di portafoglio, non una proprietà immutabile.
La vera frontiera. Scoprire una buona stagionalità è soltanto il primo livello. Un tool professionale deve decidere quali segnali possono convivere, come dimensionarli, quando sostituirli e come controllare esposizione, concentrazione e correlazione. È proprio su questa composizione algoritmica di portafoglio che SeasonHunter sta preparando il prossimo passo: ne vedremo presto le funzionalità in una futura release.
Cosa insegna il test
Il risultato non boccia lo Short né consacra il Long. Mostra qualcosa di più utile: una buona metrica storica sul singolo pattern non coincide automaticamente con una buona equity aggregata nell’anno successivo. Direzione, sovrapposizione temporale, capacità degli slot, regime di mercato e interazione fra segnali trasformano la graduatoria in un problema di portafoglio.
Mostra anche che l’aggregazione non è una scorciatoia per eliminare l’incertezza. Se molti segnali condividono lo stesso fattore, il portafoglio può apparire diversificato per numero di titoli e rimanere concentrato economicamente. La correlazione quasi nulla fra i rendimenti giornalieri Long e Short è quindi informativa, ma va letta insieme alla correlazione del Market Neutral, ai drawdown e alla scomposizione delle due gambe. Il vantaggio dell’approccio di portafoglio è proprio rendere osservabili queste relazioni prima invisibili.
Limiti da ricordare. Il backtest esclude commissioni, slippage, costi di prestito, dividendi dovuti sugli Short, vincoli di marginazione e disponibilità dei titoli. Inoltre, CTRA e HOLX risultano mancanti in parte della copertura prezzi: le relative operazioni sono state escluse e registrate. I risultati arrivano soltanto al 18 agosto 2026 e non rappresentano l’intero anno.
Buona settimana
Gandalf Project R&D Team
Vuoi passare dalla ricerca del pattern alla costruzione della strategia? Prova gli screener SeasonHunter e segui gli aggiornamenti sulla prossima evoluzione della Ricerca di Portafoglio.
Scopri SeasonHunterAvvertenza importante — Non è consulenza finanziaria
Le informazioni e le simulazioni sono fornite esclusivamente a scopo educativo e informativo. Le statistiche stagionali si basano su dati storici e non garantiscono risultati futuri. Il contenuto non costituisce una raccomandazione, sollecitazione od offerta di acquisto o vendita di strumenti finanziari.
From Seasonality to Portfolio: When the Calendar Becomes a Strategy
Seasonality is not a promise that markets will repeat the past. It is recurring behaviour measured over a precise calendar window and subjected to statistical testing. The professional leap comes when many such signals are selected, sized and coordinated inside a portfolio.
What seasonality is — and how it is built
Financial seasonality is the tendency of a stock, index, future or other instrument to behave similarly during the same part of the year. Its causes may be economic or operational — demand cycles, harvests, taxation, institutional flows or reporting — but a pattern becomes usable only when the intuition is converted into a testable rule.
A high win rate is not enough. A pattern with many small wins and a few very large losses may be inferior to a less frequent but better-balanced one. SeasonHunter therefore scans thousands of Long and Short combinations on a metric basis: not only how often they worked, but also sample quality, average profit, result dispersion and Score.
The September 2 SeasonHunter screener: every row represents a specific instrument, direction and time-window combination, together with the historical metrics needed for comparison.
A concrete example from today’s screen
Table 2 shows a Long S&P 500 screen starting on September 2, 2026, with at least 30 years of history, a 70% minimum win rate, 5-to-50-day windows and Score ranking. Among 175 results, CB is the first visible row: September 10–October 30, 33 observations, 78.79% wins, 6.34% average profit, −3.70% average negative result and a 6578 Score. AZO follows with 35 observations, an 82.86% win rate, 6.88% average profit and a 5730 Score. Third-ranked ALL has a slightly lower 5640 Score, but only a ten-day window and a milder −1.70% negative average. The comparison shows why seasonality cannot be read from one column: Score, frequency, profit magnitude, downside in negative years and time-dependent capital usage describe different dimensions.
The same table also exposes the independence problem. CB and ALL belong to Financial Services; AZO, RCL and ORLY to Consumer Cyclical. Most importantly, AZO and ORLY share the exact September 24–November 13 window. Treating them as fully autonomous bets would ignore common sector, calendar and market-beta exposure. Portfolio aggregation exists to measure and control these dependencies, not merely to accumulate high-Score rows.
From individual samples to aggregated seasonalities
An individual pattern answers a local question: “How did this stock historically behave during this window?” A portfolio answers the more important question: “What happens to capital when many patterns compete for limited resources and operate at the same time?” This is the real opportunity created by aggregation.
Observations within one seasonality may already be serially dependent: consecutive years can share monetary regimes, sector structures or volatility dynamics. Across patterns, dependence can arise from the same stock, companies in the same sector, overlapping windows or shared market beta. Adding observation counts or averaging win rates does not automatically create a more robust sample.
Algorithmic construction forces signals to coexist under explicit constraints. It limits concentration, reveals overlaps, measures total equity and exposes drawdown, volatility, correlation and capital usage. The unit of analysis is no longer the “best row” in a screen, but the behaviour of the system that selects, replaces and sizes many rows through time.
From idea to ranking. SeasonHunter filters and ranks historical recurrences with consistent criteria, making Long and Short opportunities comparable across thousands of calendar windows.
Try SeasonHunter for freeThree portfolio tests, one discipline
Our research lab froze the screen at December 31, 2025, so the selection does not use 2026 information. Eligible S&P 500 patterns required at least 35 observations, a 70% minimum win rate and a 10-to-60-day window. Each day the algorithm selects the highest-Score candidates, avoids duplicate exposure to the same stock and fills at most ten slots. Market Neutral reserves five slots for Longs and five for Shorts.
The features that turn a screener into a Portfolio Aggregator
SIMULATION_YEAR = 2026Defines the out-of-sample year in which the theoretical calendar becomes an actual sequence of trades.
SCREENER_END_DATE = 2025-12-31Freezes the information set before the test begins and prevents 2026 data from leaking into selection.
MARKET_INDEX = SP500Defines the investable universe. The same engine can address other universes when membership and data coverage are consistent.
SIDE = Long | Short | MarketNeutralSeparates bullish seasonality, bearish seasonality and a combination of the two.
INITIAL_CAPITAL_USD = 100,000Sets the initial NAV from which notional, equity and comparable risk indicators are derived.
MAX_POSITIONS = 10Introduces capital scarcity: every slot weighs one tenth and only the best-ranked signals can enter.
LONG_SLOTS = 5 · SHORT_SLOTS = 5Pre-allocates Market Neutral capacity between the two sides, giving each half of gross capital.
MIN_TRADES = 35Removes very small samples. It does not guarantee independence, but it imposes a minimum historical base.
MIN_PERCENT_WIN = 70%Applies a recurrence threshold before ranking so that Score cannot promote an inconsistent pattern.
WINDOW = 10–60 DAYSKeeps operational windows comparable and controls how quickly portfolio slots turn over.
RANK_BY = scoreSets entry priority. It can be changed to percent_win or avg_profit to test different philosophies.
BEST PER SYMBOLPrevents multiple windows on the same stock from occupying separate slots, reducing an obvious source of dependence.
These parameters are not cosmetic filters: together they define an allocation policy. Ranking by win rate favours frequency; ranking by average profit favours magnitude; adding slots increases nominal diversification but may dilute selectivity; changing window length alters turnover and overlap. A professional Portfolio Aggregator must make those choices transparent, repeatable and comparable.
Prices come from ArcticDB. Simulated execution uses the adjusted close of the first available session on or after the theoretical date, fractional shares and fixed target notional. This is a research test, not a replication of live trading.
Daily equity lines: all 157 available sessions from January 2 through August 18, 2026, with no monthly aggregation.
2026 rewards the Long leg
The Long portfolio ends at $120,952, with 45 closed trades and a contained 6.92% maximum drawdown. Short falls to $75,129: short selling is modelled with the correct P&L direction, but the selected recurrences met an adverse market. Market Neutral ends at $87,030. “Neutral” describes exposure construction; it guarantees neither zero risk nor a positive return. If the Short leg loses more than the Long leg earns, nominal neutrality cannot rescue performance.
Correlation: the three curves do not tell the same story
To assess diversification, we first use the correlation of daily returns, rather than equity levels. Long and Short correlation is −0.05: they were almost independent day by day. Market Neutral correlates +0.58 with Long and +0.56 with Short, consistent with a strategy combining both components.
| Daily returns | Long | Short | Market Neutral |
|---|---|---|---|
| Long | 1.00 | −0.05 | +0.58 |
| Short | −0.05 | 1.00 | +0.56 |
| Market Neutral | +0.58 | +0.56 | 1.00 |
Correlation of cumulative equity levels provides a complementary view: Long–Short −0.66, Long–Market Neutral −0.44 and Short–Market Neutral +0.95. The latter does not mean the strategies are structurally identical; it shows that, in this 2026 sample, Market Neutral’s path was dominated by weakness in the Short leg. It is a portfolio diagnostic, not an immutable property.
The real frontier. Finding a good seasonal pattern is only the first level. A professional tool must decide which signals can coexist, how they should be sized, when they should be replaced and how exposure, concentration and correlation should be controlled. SeasonHunter is preparing its next step around this algorithmic portfolio construction: these capabilities are coming in a future release.
What the test teaches us
The result neither invalidates Shorts nor crowns Longs. It demonstrates something more useful: a strong historical metric on an individual pattern does not automatically become a strong aggregated equity curve in the following year. Direction, temporal overlap, slot capacity, market regime and interaction between signals turn a ranking exercise into a portfolio problem.
It also shows that aggregation is not a shortcut that removes uncertainty. If many signals share the same factor, a portfolio may look diversified by ticker count while remaining economically concentrated. The near-zero daily-return correlation between Long and Short is informative, but it must be read together with Market Neutral correlations, drawdowns and the decomposition of both legs. Portfolio analysis adds value precisely because it makes these previously hidden relationships observable.
Limits to remember. The backtest excludes commissions, slippage, borrow costs, dividends owed on Shorts, margin constraints and stock availability. CTRA and HOLX are also missing from part of the price coverage; affected trades were excluded and logged. Results end on August 18, 2026 and do not represent the full year.
Have a good week
Gandalf Project R&D Team
Ready to move from pattern discovery to strategy construction? Explore SeasonHunter’s screeners and follow the next evolution of Portfolio Research.
Discover SeasonHunterImportant notice — Not financial advice
Information and simulations are provided solely for educational and informational purposes. Seasonal statistics rely on historical data and do not guarantee future results. This content is not an investment recommendation, solicitation or offer to buy or sell financial instruments.
