Introduzione
Il bias e la stagionalità sono gli elementi più discussi e, talvolta, fraintesi nel trading automatico. Il bias è un termine che si riferisce alla tendenza di uno strumento finanziario nel seguire un trend ripetuto nel tempo, sia esso rialzista o ribassista. Un esempio classico è il noto aforisma di Wall Street: “Sell in May and go away”, che suggerisce di vendere le azioni a maggio e ricomprarle successivamente per beneficiare di fluttuazioni stagionali del mercato azionario.
Cosa sono i bias
Il bias si riferisce a delle regolarità statistiche osservabili sui mercati finanziari. In altre parole, ci si aspetta che un asset si comporti in un determinato modo in certi periodi dell’anno. Il bias stagionale è un fenomeno naturale che può essere influenzato da vari fattori esterni, come le condizioni economiche o gli eventi geopolitici. Esistono molte altre tipologie di bias. Ad esempio, nei mercati agricoli, i cicli di semina e raccolto hanno un forte impatto sui prezzi delle materie prime agricole. La stagionalità agricola, infatti, è più marcata rispetto a quella del mercato azionario, poiché i cicli di produzione agricola seguono un andamento naturale legato alle condizioni climatiche.
La differenza tra correlazione e causalità
Quando si parla di bias, è importante distinguere tra correlazione e causalità. Mentre la correlazione indica che due fenomeni si verificano contemporaneamente, la causalità stabilisce che un evento è la causa diretta dell’altro. Ad esempio, se notiamo che i prezzi dell’oro tendono a salire durante le crisi economiche, possiamo parlare di una correlazione. Tuttavia, se riusciamo a dimostrare che la crisi economica è la causa dell’aumento dei prezzi dell’oro, allora abbiamo identificato una causalità.
Come identificare una stagionalità
Esistono molti servizi a pagamento che aiutano i trader a identificare e sfruttare le stagionalità. Tuttavia, questi strumenti sono adatti soprattutto a coloro che desiderano una soluzione già pronta. Un appassionato di statistica o di trading algoritmico ha la possibilità di calcolarle in autonomia. Questo permetterà di comprendere meglio i dati e di personalizzare l’analisi in base alle specifiche esigenze.
Esempio di stagionalità dell’oro
Uno degli asset più famosi per il suo comportamento stagionale è l’oro, spesso considerato un bene rifugio. Analizzando i dati storici dei futures sull’oro dal 2007 al 2020, possiamo osservare delle tendenze stagionali chiare. Ad esempio, l’oro tende a salire nei primi mesi dell’anno, segue un periodo laterale-ribassista fino all’estate, per poi riprendere a salire in autunno e durante le festività natalizie.
Come utilizzare i bias stagionali
I bias stagionali dovrebbero essere utilizzati solo come filtri per evitare decisioni sbagliate. Inoltre, poiché i bias si basano su valori medi, potrebbero essere influenzati da eventi eccezionali e perdere quindi la loro rilevanza statistica. Un approccio più efficace potrebbe essere quello di utilizzare i bias stagionali come un supporto alla strategia principale. Ad esempio, se si identifica un periodo storicamente favorevole per l’oro, lo si può utilizzare come conferma per una strategia di breakout. In questo modo, si sta seguendo la dinamica del prezzo e non si sta scommettendo semplicemente su una tendenza stagionale.
Validare i bias con l’analisi statistica
Una volta individuata una stagionalità, è importante validarla con l’analisi statistica. Nel caso dell’oro, ad esempio, analizzando il periodo dal 1 gennaio al 26 febbraio, possiamo osservare che in 11 anni su 13 l’oro ha registrato una performance positiva. Anche se 13 campioni non rappresentano un dataset statisticamente significativo, possiamo comunque trarre delle conclusioni basate sull’intero campione osservato.
Procedura operativa per la validazione di un bias
Quando si osserva un bias stagionale, il primo passo da fare per verificarne l’affidabilità è quello di utilizzare l’analisi statistica. Questa fase è fondamentale, perché spesso le stagionalità possono apparire solide, ma non essere affidabili se non vengono supportate da dati statistici robusti. In pratica, l’obiettivo è quello di misurare la consistenza e la forza della stagionalità su un campione di dati sufficientemente esteso, eliminando così l’effetto di eventi isolati o casuali. Di seguito i passaggi operativi:
- Raccolta dei dati storici
Per validare una stagionalità, il primo passo è raccogliere un numero sufficiente di dati storici sullo strumento finanziario. Maggiore è il periodo di osservazione, più affidabili saranno i risultati. Ad esempio, se prendiamo l’oro e osserviamo i dati dal 2007 al 2020, possiamo estrarre circa 13 anni di informazioni, che rappresentano un buon punto di partenza, anche se idealmente è preferibile un periodo più lungo. - Identificare i periodi di bias
Una volta raccolti i dati, si possono suddividere in intervalli temporali significativi. Supponiamo di voler verificare se effettivamente l’oro tende ad avere performance positive nei primi mesi dell’anno. Ad esempio, consideriamo il periodo dal 1 gennaio al 26 febbraio. Dopodiché calcoleremo la variazione percentuale giornaliera o settimanale. - Calcolare la performance media e la distribuzione dei risultati
Dopo aver definito il periodo, il passo successivo è calcolare la media delle variazioni percentuali, per ciascun anno, nel periodo analizzato. Ciò aiuta a verificare se il trend positivo è una caratteristica ripetitiva oppure solo un’anomalia. - Misurare la consistenza del bias
Per validare il bias, dobbiamo esaminare la frequenza con cui la tendenza si verifica. Ad esempio, su 13 anni di osservazione, se in 11 anni l’oro ha avuto una performance positiva nel periodo gennaio-febbraio, questo suggerisce una certa coerenza della tendenza, confermata dall’85% di ripetitività (11 anni positivi su 13). Una frequenza elevata di anni positivi rafforza l’ipotesi di una vera stagionalità, poiché indica che la tendenza non dipende da eventi casuali ma è presente su base regolare. - Valutare le prestazioni massime e minime
Per una visione più completa, conviene analizzare anche le performance massime e minime. Prendiamo ad esempio il peggiore anno della serie, in cui l’oro ha registrato un -4,61% nel 2013. Se la perdita massima in un anno è ragionevole rispetto al guadagno medio degli altri anni, la stagionalità può essere considerata affidabile. Tuttavia, perdite molto elevate possono indicare una debolezza della stagionalità o la presenza di eventi imprevedibili. - Analizzare la significatività statistica
Per migliorare ulteriormente l’analisi, è utile verificare la significatività statistica del bias. Se l’analisi mostra che la tendenza positiva nei primi mesi dell’anno è statisticamente significativa, ciò rafforza l’idea che il bias stagionale abbia una base reale e non sia frutto del caso. - Estendere l’analisi ad altri periodi o asset
Infine, se la tendenza stagionale appare valida per un periodo di tempo limitato, potrebbe essere utile estendere l’analisi a periodi precedenti (pre-2007, in questo esempio) o ad asset simili, come altri metalli preziosi. Questo aiuta a capire se il bias è specifico per quell’asset o ha una correlazione con l’intero settore.
Conclusione
In conclusione, comprendere e validare il bias stagionale rappresenta un passo cruciale per i trader algoritmici interessati a sfruttare le dinamiche dei mercati finanziari. In primo luogo, è fondamentale riconoscere che non tutte le stagionalità osservate sono affidabili. Di conseguenza, utilizzare un approccio statistico per verificare la significatività e la consistenza dei bias è essenziale. Inoltre, è importante ricordare che i bias stagionali dovrebbero essere visti come strumenti di supporto e non come strategie autonome. Per di più, integrarli con altre analisi tecniche o fondamentali consente di ottenere una visione più chiara delle opportunità di mercato. Tuttavia, è necessario procedere con cautela. Infatti, eventi straordinari o cambiamenti macroeconomici possono influenzare la validità di un bias. In sintesi, sfruttare i bias stagionali nel trading automatico può offrire un vantaggio competitivo, a patto che vengano supportati da un’analisi rigorosa.
