Trading Platform & Analytics Dashboard

Il Contesto

Overview FX opera nel mondo del trading sui mercati valutari e finanziari, con un desk che si appoggiava a un insieme di strumenti cresciuti negli anni in modo organico: script standalone, fogli di calcolo, terminali separati per la quotazione, l'esecuzione e il reporting. Funzionava, ma ogni nuova funzionalita - un indicatore, una vista di portfolio, una regola di analisi - richiedeva un intervento manuale su sistemi che non parlavano tra loro.

L'obiettivo del progetto era consolidare questo ecosistema frammentato in un'unica piattaforma SaaS in cloud: una web application centralizzata per trading algoritmico, analisi di mercato e gestione del portfolio, accessibile da browser, multi-utente e alimentata da dati di mercato in tempo reale. Il mio ruolo e stato lo sviluppo full-stack, dalla progettazione del backend al frontend reattivo fino al motore analitico.

Il Problema

I sistemi legacy presentavano tre criticita che ne bloccavano l'evoluzione:

• Dati non in tempo reale: le quotazioni e le metriche di portfolio venivano aggiornate per polling o, in alcuni casi, a mano. In un contesto di trading, un ritardo di pochi secondi sui dati di mercato e una differenza operativa concreta.
• Debito tecnico accumulato: la logica di analisi era spalmata tra script Python locali e fogli di calcolo, senza versionamento, test o un ambiente riproducibile. Ogni modifica era rischiosa e difficile da tracciare.
• Nessuna centralizzazione: l'assenza di una piattaforma unica significava niente accesso multi-utente, niente storico consolidato, niente possibilita di scalare il desk senza moltiplicare gli strumenti.

La sfida tecnica concordata era netta: migrare l'intero desk da questi sistemi legacy a una piattaforma SaaS cloud real-time, mantenendo continuita operativa e senza perdere la logica di business gia validata negli anni.

La Soluzione

Ho progettato l'architettura su tre livelli disaccoppiati, in modo che il backend applicativo, il motore di analisi e il frontend potessero evolvere in modo indipendente.

Backend applicativo (Laravel)

Il cuore della piattaforma e un'applicazione Laravel che gestisce autenticazione multi-utente, persistenza su MySQL, gestione di portfolio e ordini, e l'esposizione di una API REST consumata dal frontend. Laravel ha fornito le fondamenta SaaS - migrazioni, code, policy di autorizzazione - permettendo di portare la logica di business dai vecchi script a un dominio versionato e testabile.

Motore di analisi (Python / Flask)

La parte quantitativa - indicatori, backtesting, segnali di trading algoritmico - vive in un servizio Python esposto via Flask. Questa separazione e deliberata: Python e l'ecosistema naturale per l'analisi di mercato (pandas, numpy e librerie quant), mentre Flask offre un layer HTTP leggero che Laravel interroga senza accoppiarsi al codice analitico. La logica gia validata nei vecchi script Python e stata cosi recuperata e incapsulata in un servizio interrogabile.

Frontend real-time (Vue.js)

L'interfaccia e una single-page application Vue.js: dashboard di analytics, grafici di mercato e viste di portfolio che si aggiornano in tempo reale man mano che arrivano i dati live. La reattivita di Vue rende naturale rappresentare uno stato che cambia di continuo - prezzi, posizioni, P&L - senza ricaricare la pagina.

Infrastruttura (Docker)

Tutti i servizi - applicazione Laravel, motore Flask, database - sono containerizzati con Docker, garantendo un ambiente riproducibile in locale, in staging e in produzione cloud. La migrazione SaaS poggia su questa base: deploy prevedibili e rollback semplici, l'opposto del setup legacy.

Tecnologie Chiave

Lo stack e stato scelto per coniugare velocita di sviluppo SaaS, idoneita all'analisi quantitativa e reattivita real-time sul frontend.

Il Risultato

Il desk e passato da un mosaico di strumenti scollegati a una singola piattaforma SaaS cloud, con i dati di mercato finalmente in tempo reale e il debito tecnico legacy ridotto a un dominio versionato e testabile.

Nota. Gli indicatori riportati sono indicativi/stimati e descrivono l'esito qualitativo del progetto su un lavoro soggetto a riservatezza con il cliente. Non sono presentati come metriche certificate o auditate.

Sfide Tecniche

Due nodi tecnici hanno richiesto particolare attenzione durante la migrazione.

Dati di mercato in tempo reale fino al browser

Portare i prezzi live dal feed di mercato fino alla dashboard senza ricaricare la pagina richiede di gestire uno stream continuo lungo tutta la catena. La soluzione e stata disaccoppiare l'ingestione dei dati dalla loro presentazione: il backend Laravel normalizza e instrada gli aggiornamenti, mentre il frontend Vue.js sottoscrive lo stato reattivo e ridisegna solo i componenti interessati (un prezzo, una riga di portfolio, un grafico), evitando di sovraccaricare il browser con re-render inutili.

Migrare la logica legacy senza interrompere il desk

La logica analitica gia validata negli anni non poteva essere riscritta da zero col rischio di introdurre regressioni su calcoli su cui il desk faceva affidamento. La strategia e stata incapsulare il codice Python esistente dietro il servizio Flask, validandone gli output a parita di input rispetto al comportamento legacy prima di staccare i vecchi strumenti. Questo ha permesso una migrazione progressiva e reversibile, mantenendo l'operativita durante la transizione verso il cloud SaaS.