La mobilità sostenibile incontra la finanza quantitativa.
Drivio Trading unisce l'esperienza nella micro-mobilità alla formazione avanzata in ambito ESG, Fintech e Trading Sistematico.
01
La Visione
Dati in movimento, valore per i mercati.
In Drivio, ogni viaggio a zero emissioni genera dati geospaziali preziosi in tempo reale. Trasformiamo l'infrastruttura della nostra flotta in modelli predittivi per la finanza tech. Attraverso percorsi formativi dedicati, mostriamo ad analisti e investitori come i flussi della mobilità urbana diventino indicatori chiave per anticipare i trend economici.
02
L'Offerta Formativa
Drivio Trading: la nostra offerta formativa.
Sviluppiamo competenze all'intersezione tra sostenibilità, tecnologia e strategie di investimento strutturate.
03
Algorithmic & Systematic Trading
Come integrare gli alternative data della mobilità in modelli matematici e sistemi di trading sistematico, automatizzando le decisioni finanziarie basate su trend macroeconomici reali.
02
Fintech applicata e Micro-Finanza
Studio dei sistemi di pagamento digitali, tariffazione dinamica guidata dall'AI e modelli di finanziamento green per infrastrutture urbane.
03
Metriche ESG e Carbon Credits
Metodi quantitativi per calcolare e convertire l'impatto ambientale e i chilometri a zero emissioni in asset finanziari e crediti di carbonio certificati.
Il Legame con il Business
L'innovazione che applichiamo ogni giorno.
La nostra flotta non è solo ecologica, è un ecosistema connesso. Gli stessi algoritmi matematici e i processi di analisi dati che utilizziamo per ottimizzare il posizionamento dei nostri veicoli sul territorio sono alla base dei moduli di trading sistematico che insegniamo. Portiamo in aula l'unione perfetta tra obiettivi di sostenibilità e tecnologia finanziaria d'avanguardia.
Case Study
Modelli Predittivi basati su Flussi Geospaziali (Alternative Data)
I flussi di micro-mobilità riflettono in tempo reale lo stato dell'economia locale prima che questo si rifletta nei dati macroeconomici ufficiali.
In Drivio analizziamo come costruire algoritmi di trading sistematico sulla base della densità e della frequenza dei noleggi Drivio in specifiche aree urbane medie. L'algoritmo converte l'indice di mobilità locale in segnali di buy/sell predittivi per titoli legati al Real Estate commerciale o alle grandi catene di Retail presenti sul territorio.
Meet the Team
Head Of Strategy
Carmine Eneches
Laureato in Matematica all’Università Bicocca di Milano, ed attualmente SAP Consultant, ha 3+ anni di esperienza nell’applicazione di metodi quantitativi per la previsione di serie storiche in ambito finanziario
CEO
Renato Maione
Renato Maione è imprenditore e fondatore di Drivio. Da oltre 5 anni sviluppa startup tecnologiche nei settori della mobilità e della finanza quantitativa, con esperienza nella gestione aziendale, nella raccolta di capitali e nello sviluppo di modelli di business innovativi. Attualmente coordina la crescita di Drivio Academy e ne definisce la strategia e la visione di lungo termine.
CFO
Davide Longobardi
Davide Longobardi è laureato in Economia con un background in amministrazione, finanza e controllo di gestione. Ha maturato esperienza come CFO, occupandosi di pianificazione finanziaria, analisi dei rischi e gestione strategica del capitale. In Drivio Academy supervisiona gli aspetti economico-finanziari e contribuisce allo sviluppo delle strategie di investimento e di risk management.
Case Study
Hedging e Arbitraggio basato su Metriche ESG e Carbon Credits
Il risparmio reale di emissioni di COâ‚‚ generato giornalmente dai nostri veicoli ha un controvalore finanziario liquido sul mercato dei crediti di carbonio.
Ci occupiamo di sviluppare ed insegnare ai nostri studenti come simulare ed effettuare backtesting di una strategia di Quantitative Hedging. Gli studenti imparano a sviluppare modelli di esecuzione automatica che, al variare della fluttuazione dei prezzi dei future sul carbonio (es. EUA), aprono o chiudono posizioni per ottimizzare la copertura finanziaria di portafogli istituzionali esposti a settori ad alte emissioni.
