Il 20 ottobre 2021, Tesla ha riportato earning che hanno portato a un rally del 12.6% nella sessione successiva. Un modello XGBoost addestrato su 8 anni di dati earning avrebbe assegnato probabilità dell'81% a un movimento superiore all'8%.

Dataset e feature engineering

Il modello analizzava 240 eventi earning su 30 titoli tecnologici ad alta volatilità. Per ogni evento, 34 feature venivano estratte: 12 metriche finanziarie dal report, 8 variabili di mercato pre-earning, 9 parametri delle opzioni e 5 indicatori di sentiment. Le metriche più predittive risultavano: beat/miss su revenue, variazione guidance, volatilità implicita pre-evento e put/call ratio.

Segnali specifici nel caso Tesla Q3 2021

Tre giorni prima dell'annuncio, la volatilità implicita delle opzioni at-the-money era al 68%, indicando aspettativa di movimento dell'8% in entrambe le direzioni. Il put/call ratio si attestava a 0.43, segnale fortemente bullish rispetto alla media di 0.89. Il consensus degli analisti prevedeva EPS di 1.59 dollari mentre i dati preliminari delle consegne suggerivano potenziale beat significativo.

Meccanica del modello XGBoost

Il sistema utilizzava 300 alberi con learning rate di 0.05 e max depth di 6. La cross-validation su 5 fold mostrava accuracy del 73% nel predire direzione del movimento post-earning e R-squared di 0.58 sulla magnitudo. Il modello era particolarmente affidabile quando il consensus aveva deviazione standard bassa, indicando sorpresa potenziale elevata.

Feature importance analysis

Il beat/miss percentage su revenue contribuiva per il 23% alla predizione finale. La volatilità implicita pre-evento pesava il 19%, seguita dal put/call ratio al 16%. Interessante notare che metriche fondamentali tradizionali come P/E ratio avevano importanza inferiore al 4%, risultando poco rilevanti per movimenti di breve termine.

Implementazione pratica e risultati

Il modello richiedeva update dei dati 48 ore prima di ogni earning event. Il tempo di inferenza era inferiore a 2 secondi, permettendo decisioni rapide. Su 60 eventi testati nel 2021, il modello generava segnali tradable con confidence superiore al 75% in 38 casi. Di questi, 29 risultavano profittevoli considerando slippage e costi di transazione, con win rate del 76%.