🤖 machine learning

Do VLMs Truly "Read" Candlesticks? A Multi-Scale Benchmark for Visual Stock Price Forecasting

Questo studio introduce un benchmark multi-scala e un dataset di grafici a candele per valutare i modelli visione-linguaggio (VLM) nella previsione dei prezzi azionari, rivelando che, sebbene efficaci in trend persistenti, questi modelli mostrano capacità predittive limitate e bias significativi nella maggior parte degli scenari di mercato e nella ragionamento temporale preciso.

Autori originali: Kaiqi Hu, Linda Xiao, Shiyue Xu, Ziyi Tang, Mingwen Liu

Pubblicato 2026-04-15

📖 4 min di lettura☕ Lettura da pausa caffè

CC BY 4.0

Autori originali: Kaiqi Hu, Linda Xiao, Shiyue Xu, Ziyi Tang, Mingwen Liu

Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo

🕵️‍♂️ Il Grande Esperimento: Le Intelligenze Artificiali Sanno "Leggere" i Grafici di Borsa?

Immagina di essere un analista finanziario. Per prevedere se il prezzo di un'azione salirà o scenderà, guardi un grafico fatto di candele colorate (rosse e verdi). Queste "candele" raccontano una storia: quanto è salito il prezzo, quanto è sceso e quanto è stato forte il movimento.

Gli scienziati si sono chiesti: le nuove Intelligenze Artificiali (chiamate VLM, modelli che vedono e leggono) capiscono davvero questa storia? O stanno solo indovinando?

Per scoprirlo, un gruppo di ricercatori ha creato un "campo di prova" speciale. Ecco come funziona, spiegato con delle metafore.

1. Il Problema: L'AI che legge troppo (o troppo poco)

Fino a oggi, per testare queste intelligenze, si usavano dati molto confusi: grafici mescolati a notizie di giornale, tweet e tabelle numeriche. Era come dare a uno studente un compito di matematica ma permettergli di usare anche una calcolatrice, un dizionario e chiedere aiuto a un amico.

Il dubbio: Se l'AI indovina, è perché ha capito il grafico? O perché ha letto la notizia che diceva "l'azienda va bene"?
La soluzione: I ricercatori hanno creato un test "pulito". Hanno dato all'AI solo due grafici (uno giornaliero e uno settimanale) e hanno chiesto: "Cosa succederà tra 30 giorni?". Niente testo, niente notizie, solo immagini.

2. La Metafora del "Binocolo" e del "Teleobiettivo"

Nella finanza, gli esperti guardano i mercati su due scale temporali diverse:

Il grafico settimanale (Il Binocolo): Ti mostra la direzione generale. È come guardare una mappa per vedere se stai andando verso le montagne o verso il mare.
Il grafico giornaliero (Il Teleobiettivo): Ti mostra i dettagli immediati, le buche sulla strada, i segnali di svolta.

L'esperimento: Hanno dato all'AI entrambi gli "occhiali" contemporaneamente.

L'obiettivo: Vedere se l'AI sa combinare la visione d'insieme (il trend a lungo termine) con i dettagli rapidi (i segnali a breve termine), proprio come farebbe un umano esperto.

3. Cosa è successo? (I Risultati Sorprendenti)

Hanno fatto fare il test a diverse intelligenze artificiali famose (come GPT, Claude, Gemini) e le hanno messe a confronto con un vecchio metodo matematico chiamato XGBoost (che è come un calcolatore super-veloce ma "stupido", che non vede le immagini).

Ecco le scoperte principali, spiegate con immagini:

🌧️ L'AI è brava a vedere la pioggia, ma non il sole

Le intelligenze artificiali sono diventate molto brave a prevedere quando le cose andranno male (quando il mercato scende).

Metafora: Immagina di essere un meteorologo. Se c'è un temporale, l'AI grida "PIOVE!" ed è quasi sempre corretta. Ma se c'è il sole, spesso esita o sbaglia a dire se pioverà o meno.
Risultato: Sono molto sensibili ai rischi (le cadute), ma faticano a cogliere le opportunità di crescita (i rialzi).

⏱️ L'AI ha la "memoria corta"

L'AI è stata istruita a guardare 30 giorni nel futuro. Invece, sembra che guardi solo 5 giorni.

Metafora: È come se chiedessi a uno studente di prevedere il risultato di un esame tra un mese, ma lui studiasse solo quello che è successo ieri. L'AI capisce benissimo i movimenti rapidi e recenti, ma fatica a capire il "grande quadro" a lungo termine.

🎨 L'AI non è perfetta, ma è meglio del calcolatore

Nonostante i limiti, le intelligenze che "vedono" i grafici (VLM) hanno fatto meglio del calcolatore matematico (XGBoost).

Perché? Perché i grafici sono come un linguaggio visivo. L'AI ha imparato a riconoscere forme (come "una montagna" o "una valle") dalle immagini che ha visto milioni di volte su internet. Il calcolatore matematico, invece, deve imparare le regole da zero guardando solo numeri. È più difficile per lui.

4. Il Verdetto Finale

Le intelligenze artificiali non "leggono" i grafici come un umano esperto, ma ci stanno arrivando.

Cosa fanno bene: Riconoscono i pattern visivi e i rischi immediati.
Cosa non fanno bene: Non hanno ancora la saggezza per capire le tendenze a lungo termine o per distinguere perfettamente quando il mercato salirà.

In sintesi: Oggi, queste AI sono come assistenti molto attenti che ti avvertono se stai per cadere da una scala, ma non sono ancora pronte a guidare l'auto da sole per un viaggio lungo. Servono ancora umani per prendere le decisioni finali, specialmente quando il mercato è incerto.

🎯 Perché è importante?

Questo studio ci dice che non dobbiamo fidarci ciecamente dell'AI per investire i nostri risparmi. Ma ci dà anche speranza: se le AI imparano a leggere meglio i grafici, in futuro potrebbero aiutarci a navigare la complessità della borsa molto meglio di quanto facciamo oggi.

Titolo

I Modelli Vision-Language (VLM) "leggono" davvero le candele giapponesi? Un benchmark multi-scala per la previsione visiva dei prezzi azionari.

1. Il Problema

Nonostante l'uso crescente dei Modelli Vision-Language (VLM) nella previsione dei prezzi azionari, esistono lacune critiche nelle valutazioni attuali:

Attribuzione della capacità: Gli studi precedenti utilizzano dataset multimodali complessi (testo + immagini + dati strutturati), rendendo impossibile determinare se le prestazioni derivino dalla reale comprensione dei grafici o dalla semplice elaborazione di segnali testuali.
Mancanza di analisi multi-scala: La maggior parte dei benchmark si basa su input tabellari o a singolo periodo. Tuttavia, gli analisti umani si affidano a grafici a multi-scala temporale (es. giornaliero e settimanale) per integrare trend a lungo termine e punti di svolta a breve termine. Esiste un vuoto nella valutazione della capacità dei VLM di sintetizzare queste dinamiche visive su diverse scale temporali.
Ambiguità dei dati: È incerto se i VLM migliorino realmente le prestazioni grazie agli input visivi o se siano semplicemente "black box" che non comprendono i pattern delle candele.

2. Metodologia

Gli autori hanno proposto una soluzione sistematica per isolare la capacità visiva e valutare l'integrazione multi-scala.

A. Costruzione del Dataset

Fonte Dati: Dati storici OHLCV (Open, High, Low, Close, Volume) da TuShare (mercato cinese, indice HS300) e Yahoo Finance (mercato USA, indice S&P500) dal 2015 al 2025.
Generazione Visiva: Creazione di un dataset di immagini di grafici a candele puri, senza testo descrittivo o dati numerici grezzi.
- Ogni campione include due grafici per la stessa azione e data di taglio: Grafico Giornaliero e Grafico Settimanale.
- I grafici includono medie mobili (MA5, MA20, MA90) e volumi.
- Sono stati generati 193.524 campioni totali (giornalieri e settimanali).
Target: Previsione del rendimento futuro a 30 giorni ( $H=30$ ), calcolato come variazione percentuale del prezzo di chiusura.

B. Framework di Valutazione

Prompt Engineering: I modelli ricevono istruzioni strutturate per agire come "analisti di trend azionari", analizzando pattern di candele, incroci di medie mobili, volumi e coerenza tra scale temporali (giornaliero vs settimanale). L'output richiesto è un punteggio numerico continuo in un intervallo specifico $[-0.5, 1.0]$ .
Metriche di Valutazione:
1. Matrice di Confusione: Analisi di TP (Vero Positivo), TN, FP, FN per calcolare Accuratezza, Precisione, Recall, Specificità e F1-score.
2. IC (Information Coefficient): Correlazione lineare tra previsioni e rendimenti reali (media, mediana, ICIR).
3. Rank IC: Correlazione di rango (Spearman) per valutare la capacità di ordinamento relativo.
4. Analisi del Bias: Misura della tendenza sistematica dei modelli a sovrastimare o sottostimare i trend rialzisti.
Baseline: Confronto con un modello classico basato su feature temporali (XGBoost) per quantificare il valore aggiunto dell'input visivo.

3. Contributi Chiave

Dataset Multi-Scala Puro: Primo dataset che forza i VLM a estrarre informazioni esclusivamente da pattern visivi di candele su scale temporali multiple (giornaliero/settimanale), eliminando il bias multimodale.
Framework di Valutazione Olistico: Introduzione di una valutazione multidimensionale che combina metriche di classificazione (matrice di confusione) con metriche di regressione finanziaria (IC) e analisi del bias di calibrazione.
Analisi Granulare: Studio approfondito delle prestazioni in condizioni di mercato estreme (bull/bear market) e su azioni con trend continui, rivelando bias specifici e limiti temporali.

4. Risultati Sperimentali

Prestazioni Generali: La maggior parte dei VLM testati (GPT-4o, Claude, Gemini, Qwen) mostra prestazioni accettabili solo in condizioni di trend persistenti (forti rialzi o ribassi), ma fatica nei mercati laterali o complessi.
Bias e Calibrazione:
- I modelli mostrano bias direzionali significativi. Ad esempio, alcuni modelli tendono a essere eccessivamente ottimisti o pessimisti.
- Claude-sonnet-4-5 (thinking) ha ottenuto le prestazioni migliori complessive, con un buon equilibrio tra direzione e ranking.
- Qwen ha mostrato una forte capacità di ranking, mentre GPT5mini ha eccelluto nel catturare trend rialzisti (alta Recall).
Confronto con XGBoost:
- XGBoost ha dimostrato maggiore stabilità media e un ranking medio superiore in termini di IC.
- Tuttavia, i VLM hanno mostrato una maggiore stabilità predittiva (mediana IC più alta) e una migliore capacità di gestire la "coda" dei rischi rispetto ai modelli tabellari, suggerendo un potenziale superiore di ottimizzazione.
Limiti Temporali (Time Sensitivity):
- I modelli mostrano una correlazione significativamente più forte con i rendimenti a 5 giorni rispetto a quelli a 30 giorni.
- Questo indica che i VLM attuali catturano meglio i segnali tecnici a breve termine (pattern visivi immediati) ma faticano nel ragionamento fondamentale a lungo termine o nella gestione dell'incertezza cumulativa.
Mercati Estremi: Tutti i modelli sono stati più accurati nell'identificare i rischi di ribasso (mercati bear) rispetto alle opportunità di rialzo, evidenziando un'asimmetria nelle capacità predittive.

5. Significato e Conclusioni

Validazione Visiva: Lo studio conferma che i VLM possiedono una capacità intrinseca di "leggere" i grafici a candele, superando i modelli tabellari in termini di stabilità e gestione del rischio di coda, grazie alla capacità di trasferire "priors" visivi (riconoscimento di forme, gerarchie) dai dati naturali ai dati finanziari.
Limiti Attuali: I VLM non sono ancora strumenti affidabili per decisioni di investimento a lungo termine basate esclusivamente su grafici, poiché mancano di una vera comprensione temporale profonda e tendono a reagire ai segnali a breve termine.
Implicazioni Future: Il benchmark proposto offre una base metodologica per:
- Ottimizzare le strategie di trading ibrido (ensemble di modelli con bias complementari).
- Sviluppare VLM specializzati nella ragionamento temporale finanziario.
- Comprendere meglio i meccanismi di previsione multimodale nel settore finanziario.

In sintesi, il paper dimostra che mentre i VLM iniziano a comprendere i pattern visivi delle candele meglio dei modelli tradizionali in termini di stabilità, la loro capacità di ragionamento temporale a lungo termine rimane un limite fondamentale da superare.