(ITA) Trading System

I SISTEMI DI TRADING PER LE ATTIVITA' FINANZIARIE: un'introduzione pratica
Francesco Ceci
Ottobre 1994 (rivista in Marzo 1996)
F. Ceci / I sistemi di trading
Indice Sezione 3 Premessa Introduzione: cosa un sistema di trading Piano dell'esposizione Sezione 1 Segnali di entrata Alcuni esempi di segnali di entrata Regole di stop-loss e di stop-profit I costi di transazione Esempio. Parte I: progettazione di un sistema di trading Sezione 2 I dati da usare per lanalisi dei sistemi di trading Laggiustamento dei dati Lottimizzazione dei parametri del sistema Osservazioni sulla metodologia dellottimizzazione Osservazioni sul significato dellottimizzazione La simulazione in forward testing Uso combinato dellottimizzazione in back testing e del forward testing Fine tuning del sistema di trading Una sintesi Esempio. Parte II: test di un sistema di trading Rendimento e rischio Metodo dei pesi Metodo MAE Analisi della distribuzione del MDD Ritorno rischio e importo Lanalisi del f ottimale Un raffinamento dellanalisi del MDD Esempio. Parte III: calcolo dellimporto da investire Conclusioni
Premessa Il problema che deve affrontare un gestore di attivit finanziarie quanto e quando comprare o vendere. Lapproccio che la teoria finanziaria tradizionalmente suggerisce quello di analizzare attentamente i fattori di tipo fondamentale che possono influenzare landamento di un certo mercato o di una certo sistema economico. Abbiamo cos che per tracciare landamento atteso di unobbligazione occorre studiare i determinanti della curva dei rendimenti, oppure che per sapere se comprare o vendere una valuta occorre in qualche modo modellizzare leconomia del paese. E cos via negli altri casi. Una volta che questa analisi sia effettuata e che possibilmente siano chiarite le relazioni che legano le molteplici variabili economiche, lanalista si crea unaspettativa sul mercato. Se in quelleconomia tutti gli operatori seguissero questo procedimento e tutti giungessero allo stesso risultato e se tale risultato fosse corretto, probabilmente i modelli macroeconomici basati sulle cosiddette aspettative razionali avrebbero uneffettiva capacit previsiva. Da tempo tuttavia sappiamo che esiste asimmetria di informazioni, di metodi di analisi, di conclusioni e dunque di aspettative. In questa condizione, il risultato ottenuto dallanalisi del tutto ipotetico. E' normale che unanalisi proiettata sul futuro produca un risultato associato ad una probabilit di realizzarsi. Per chi effettivamente si trova ad operare sul mercato diventa allora fondamentale stimare -
almeno per grandi linee- il grado di probabilit delle ipotesi in questione, e questo davvero problematico. Come si fa a valutare laffidabilit di un guru? Nella maggior parte dei casi semplicemente non possibile. Esiste poi un secondo problema. Per quanto laffidabilit di unanalisi fondamentale possa essere elevata, essa non mai assoluta. Vi dunque sempre una probabilit non irrilevante che l'analisi di per s sia errata, anche in modo sostanziale. Che fare in questi casi? La risposta ovvia potrebbe essere che si provvede a revisionare lanalisi. Comunque con una considerazione inevitabile: la metodologia dellanalisi fondamentale porta alla costruzione di scenari di mediolungo periodo i quali sono poco toccati da variazioni di alcuni dati nel breve. Gli aggiornamenti possono e debbono essere fatti, ma normalmente non sono n rapidi, n frequenti. Esiste infine un problema di ordine teorico. Gli studi e le analisi macroeconomiche sono usualmente ben pubblicizzate ed i risultati principali conosciuti da tutti. E normale che il mercato gi incorpori nei prezzi correnti le aspettative espresse da questo tipo di scenari. Anzi al contrario di quanto suggerito dalla teoria delle aspettative razionali, il mercato non si adagia di conseguenza sui prezzi correnti in attesa di qualche shock casuale, ma comincia gi a lavorare sulla base delle "aspettative delle aspettative". In altre parole il mercato continua sempre a chiedersi come muteranno le aspettative sul futuro nei prossimi giorni?. Per esprimersi nei termini del noto aforisma keynesiano del concorso di bellezza quale sar nei prossimi giorni la ragazza che gli altri penseranno essere la pi bella?
Si pu dunque concludere che lanalisi fondamentale, vista dal punto di vista del trader, costringe a giocarsi tutto su una singola idea. Ad esempio, se pensiamo che il dollaro salga, compreremo dollari in ogni caso anche, e specialmente, se il mercato fa scendere il cambio. Se lanalisi corretta prima o poi si guadagneranno molti soldi. E' per possibile che nel frattempo, le perdite realizzate siano cos forti da costringerci ad uscire (gravemente feriti) dalle nostre posizioni prima di poter realizzare lutile sperato. Questo quanto accaduto nella realt proprio nei confronti del dollare: il suo andamento era sempre "troppo" diverso rispetto all'andamento atteso; con conseguenti accumulo di perdite anche da parte degli operatori migliori. Sorvoliamo su cosa poi accade se lanalisi all'opposto del tutto errata. A parziale difesa dellanalisi fondamentale, occorre ricordare che essa nata originariamente per fornire una guida ed un supporto alla politica economica e non per l'attivit di trading. La cosiddetta "analisi tecnica" invece nasce proprio dal floor dei mercati e si configura come una serie di regole empiriche che devono aiutare il trader nelle sue decisioni giornaliere. Ci si dovrebbe dunque attendere che lanalisi tecnica riesca l dove lanalisi fondamentale fallisce, oppure -ancora meglio- che un uso combinato delle due tecniche permetta di ottenere dei buoni risultati. Ma cosa lanalisi tecnica? Abbiamo detto che essa nasce dal floor e dallesperienza dei traders: ne consegue che essa non ha un particolare fondamento teorico e che il suo principale vantaggio
risiede nella semplicit e rapidit con cui si pu effettuare. Nelle sue forme pi tradizionali lanalisi tecnica si basa sullo studio dei grafici, dei patterns o di certi tipi di indicatori che si suppone possano avere capacit predittive. Il risultato di questi studi normalmente condensato in ricette del tipo alla terza onda di Elliott bisogna comprare oppure allo sfondamento della linea di resistenza bisogna vendere. E perch questo dovrebbe essere vero, e di grazia, esiste un modo chiaro di identificare la terza onda di Elliott o la linea di resistenza? e chi Elliott1? quante volte si ottenuto il risultato ipotizzato sul particolare mercato che ci interessa? che probabilit c che si ripeta? e se non pi vero cosa facciamo? I manuali di analisi tecnica (la maggior parte dei quali sono in verit decisamente scadenti) si guardano bene dal rispondere esaustivamente a queste domande: spesso anzi lintera questione passata sotto silenzio e la ricetta deve essere accettata per atto di fede. Che fare a questo punto? In un libro recente il matematico francese Ren Thom, riaccendendo un dibattito antico, traccia un importante distinzione tra la capacit esplicativa e la capacit previsiva di un modello2. Thom sostiene la predominanza in senso scientifico dei modelli esplicativi su quelli previsivi sottolineando che un modello
Incidentalmente pu interessare sapere che Elliott era un poveretto che perse tutto o quasi nel crack del 29 a Wall Street. Lasci delle note scritte che qualcuno 50 anni dopo pens bene di vendere come fossero ricette miracolose per vincere sui mercati. Rimane naturalmente irrisolto il quesito del perch Elliot sia morto povero pur disponendo di tali conoscenze. 2 R. Thom Predire nest pas expliquer, Flammarion, Parigi.
esplicativo non deve necessariamente essere un buon modello previsivo. Un esempio classico di questo dibattito riguarda l'evoluzione della teoria sui tassi di cambio. Nell'arco degli ultimi trent'anni, si passati dai modelli basati sugli squilibri della bilancia commerciale, ai modelli monetari degli anni '70, a modelli basati sulle scelte di portafoglio (con variazioni sul tema quasi infinite); per arrivare a concludere: (1) che nessun modello regge sufficientemente bene alla verifica empirica, (2) che l'arrivo di "news" (aspetto puramente pratico, privo di qualsivoglia evidenza teorica) influisce sui mercati a breve, (3) che nel "lungo" periodo probabilmente il principio delle Parit dei Poteri d'Acquisto funziona; di qui la necessit di tenere sotto controllo il prezzo degli hamburger nelle diverse capitali del mondo (si vedano le statistiche periodiche pubblicate dall'Economist). Se si accetta questo tipo di argomentazione, la teoria fondamentale trova una sua collocazione in quanto spiegazione del funzionamento di uneconomia. Viceversa lanalisi tecnica tradizionale non trova una sua collocazione perch non offre molto n in termini esplicativi n in termini previsivi. Occorre dunque fare un passo in avanti. Cosa pu essere oggi offerto al trader/gestore data limpossibilit di generare un modello previsivo affidabile? Una prima risposta : un metodo di lavoro che abbia certe caratteristiche di coerenza ed un certa performance passata direttamente misurabile. Questo studio si propone di esaminare i metodi di creazione e di analisi dei sistemi di trading nellambito di un processo di gestione
finanziaria o di attivit puramente speculativa. Il sistema di trading proprio la formalizzazione matematica di un certo metodo di lavoro che pu nascere dallanalisi fondamentale, dallanalisi tecnica o da idee ed esperienze generate dalloperativit concreta sul mercato. I sistemi di trading di per s non hanno necessariamente n capacit esplicativa, n capacit previsiva dei prezzi. A differenza dellanalisi tecnica tradizionale, lanalisi dei sistemi di trading per incentrata sulla verifica realistica della performance passata del sistema stesso. In questo senso ci che si ricerca dunque una capacit previsiva sulla performance del sistema piuttosto che sullandamento dei prezzi. Lobiettivo pu apparire secondario a chi ancora ricerca un metodo di previsione dei prezzi o il modello esatto del funzionamento di uneconomia. Esso ha per almeno due vantaggi. Anzitutto offre delle risposte non ambigue alle domande che ci siamo posti allinizio: quando comprare / vendere? e quanto comprare/vendere?. In secondo luogo, prevede sempre la possibilit di errore ed anzi ne fornisce una quantificazione. Questo non tutto quello che serve per fare trading, ma sicuramente una parte.
Introduzione: cosa un sistema di trading Con il termine sistema di trading, ci si riferisce a una metodologia rigorosamente definita, che utilizza determinate regole per decidere quando comprare o quando vendere su un certo mercato. Scopo del sistema di trading quello di generare una strategia che sia nel medio - lungo periodo che sia profittevole per linvestitore o lo speculatore. In questo lavoro ci si occupa specificatamente dei mercati dei futures e dei tassi di cambio, anche se i concetti esposti possono essere utilizzati (con qualche difficolt in pi) anche per le azioni. Rimane invece praticamente esclusa unapplicazione per il mercato obbligazionario. E importante sottolineare che un sistema di trading non (necessariamente) uno strumento previsivo. Ad esempio si pu pensare ad un sistema di trading che per quanto riguarda loperazione singola, non dia risultati migliori di quelli ottenibili con il lancio di una moneta: 50% di probabilit di vincita e 50% di probabilit di perdita. Se per il sistema fosse studiato in modo tale da produrre nel tempo, e sulla base di un suo uso ripetuto, perdite limitate e vincite ampie, il risultato nel medio-lungo periodo sarebbe di sicuro interesse. In questo caso, il sistema non avrebbe alcuna capacit previsiva, ma sarebbe comunque profittevole. Da questa considerazione discende un importante verit del trading: per guadagnare sufficiente ma non necessario prevedere landamento futuro dei prezzi.
Dato che landamento dei mercati segue normalmente un processo casuale, la cui natura pu s essere, come vuole la teoria finanziaria classica, quella di un semplice random walk3, ma pu anche essere molto pi complessa, normalmente molto difficile, se non impossibilie, ottenere un sistema affidabile dal punto di vista previsivo. I numerosi studi compiuti in questo settore4 da traders, economisti ed econometrici, pur avendo permesso lapprofondimento di certe relazioni causa - effetto presenti in tutte le economie, hanno dato risultati insoddisfacenti o comunque ambigui dal punto di vista sia della previsione che della determinazione della presenza di uneffettiva efficienza di mercato. Tuttavia, in questo fase non interessa la capacit previsiva del modello, quanto la sua capacit di realizzare un utile. Lorizzonte temporale entro il quale si deve realizzare lutile medio-lungo. Cosa questo significhi pu essere meglio illustrato se introduciamo il concetto di barra dei prezzi. Come noto, molti mercati quotano prezzi continuamente, almeno nei loro orari di apertura. Tali prezzi possono essere rilevati dallanalista in maniera continua, producendo cos una serie di rilevazioni dette ticks la cui lunghezza tuttavia nulla dice dellintervallo di tempo trascorso: possibile cio avere 100 rilevazioni in due ore e successivamente solo 50 rilevazioni nello stesso periodo di tempo. Pi spesso, lanalista rilever i prezzi ad intervalli fissi di tempo (ogni settimana, ogni
3
Lesempio classico di un processo stocastico random walk dato dalla passeggiata dellubriaco. Si pu sempre dire dove lubriaco adesso ma non si pu dire dove andr. 4 Cf. ad esempio Dunis-Feeny (1989), Goodhart (1988), Murfin-Ormerod (1984), BaillieBailey (1984), Taylor (1982), Levich (1979), Cornell-Kinmball (1978), Logue-Sweeney (1977), Giddy-Dufey (1975).
giorno, ogni ora, ogni 5 minuti, eccetera). In questultimo caso, al fine di ottenere il maggior numero di informazioni possibile, lanalista non rilever un solo prezzo, ma tre o quattro prezzi. Essi sono il prezzo registrato allinizio del periodo, ad esempio il prezzo di apertura del mercato (open), il prezzo massimo registrato nel periodo (high), il prezzo minimo registrato nel periodo (low), e lultimo prezzo del periodo (close). Le rilevazioni cos ottenute vengono poi espresse graficamente con una barra O-H-L-C del tipo illustrato in Figura 1.
importante perch esiste un periodo di tempo (ad esempio la notte) in cui il mercato non funziona ma in cui possono essere rese note notizie in grado di influenzare landamento dei prezzi e perci di creare dei gaps tra lopen di un giorno ed il close del giorno precedente. Altri mercati, come ad esempio i mercati dei cambi, quotano prezzi 24 ore su 24 attraverso circuiti telematici come Reuters, Telerate, Bloomberg, Knight Ridder ed altri. In questo caso non esiste n un vero open, n un vero close se non - ipoteticamente - a livello settimanale. Lopen ed il close possono venire calcolati solo artificialmente semplicemente rilevando certi prezzi a certi orari predeterminati: evidentemente il loro significato diverso da quello attribuibile agli open e close di mercati che effettivamente chiudono ad una certa ora. In pratica in questi casi si determina solamente un close (barra H-L-C): essendo la trattazione continua, lopen altro non che il close del periodo precedente. La lunghezza temporale di un sistema di trading quindi correttamente espressa dal numero di barre su cui il sistema si sviluppa piuttosto che da ununit temporale. Quando si dice che un sistema di trading deve produrre profitto su un orizzonte temporale medio-lungo ci si riferisce dunque ad un certo numero di barre e non ad una certa durata temporale. In particolare, riferendosi ad un periodo medio-lungo si pensa a 150 - 300 barre: se poi queste barre rappresentino minuti, ore, giorni, o anche settimane non ha in questo caso importanza. E compito dellanalista identificare il tipo di barra da utilizzare e questo dipende sia dalla liquidit del mercato (ad esempio un mercato scarsamente liquido non produce dati orari significativi), sia dalla possibilit fisica di effettuare operazioni di
Figura 1: alcune barre O-H-L-C registrate sul mercato del cambio dollaro - marco.
In alcuni mercati, come ad esempio i mercati dei futures e le borse, esistono orari di contrattazione predeterminati, del tipo dalle 9 alle 16. In questi casi relativamente facile rilevare lopen che il primo prezzo quotato allapertura, ed il close che lultimo prezzo quotato prima della chiusura. Il significato dellopen e del close quindi
trading con una certa frequenza. Sarebbe ad esempio impensabile per la maggior parte degli investitori privati effettuare speculazioni infragiornaliere o addirittura infraorarie ed spesso difficile anche effettuare speculazioni infrasettimanali.
Sezione 2 Viene discussa una metodologia di test e di affinamento di un sistema di trading trattando: la selezione dei dati da utilizzare ottimizzazione dei parametri del sistema simulazione in forward testing fine tuning del sistema.
Piano dell'esposizione La trattazione che segue affronta il tema dello studio e dellanalisi dei sistemi di trading suddividendolo in tre sezioni. Sezione 1
La sezione si conclude portando avanti lesempio pratico. Sezione 3 Si analizzano i seguenti aspetti relativi alla progettazione di un sistema: i segnali di entrata (acquisto o vendita) le regole di stop loss e stop profit i costi di transazione. Questa sezione si conclude proponendo un esempio pratico di progettazione di un sistema. Si tratta della valutazione della performance di un sistema di trading e della determinazione dellimporto ottimale da investire e si affrontano le seguenti tematiche: la definizione della performance e del rischio i diversi metodi di analisi della performance e del rischio il metodo di calcolo dellimporto ottimale da investire e del ritorno aggiustato per il rischio. Viene infine conclusa la trattazione dellesempio pratico con il calcolo del rischio e dellimporto da investire.
SEZIONE 1 Segnali di entrata Il "cuore" di un sistema di trading costituito dalle regole che definiscono quando comprare o quando vendere. Queste regole possono assumere forme svariate e la letteratura in proposito gi ricca di suggerimenti, anche se questi temi sono affrontate in modo sistematico solo da pochi anni5. Si va da regole di tipo matematico statistico, a regole grafiche, per finire a regole esoteriche che fanno riferimento allastrologia o allastronomia. Queste regole dovrebbero rispettare due princip fondamentali. Anzitutto le regole devono essere chiaramente espresse e tra loro coerenti. Con questo si intende sottolineare che non vi devono essere ambiguit o contraddizione di sorta. Deve risultare assolutamente chiaro quando bisogna comprare e quando bisogna vendere, senza lasciare spazio a incertezze o interpretazioni soggettive. Questo principio fondamentale perch permette successivamente di verificare in modo obiettivo la validit e la performance delle regole di acquisto e vendita6. E appena il caso di osservare che - pur nella sua semplicit - questo principio di chiarezza spesso disatteso. Un lampante (e diffusissimo) esempio in proposito costituito dalla cosiddetta teoria delle onde di Elliott (ampiamente utilizzata); le sue
Cf. ad esempio Kaufman (1987). Per esprimersi con il linguaggio del filosofo Karl Popper si pu dire che in questo modo la teoria falsificabile. Viceversa teorie non falsificabili sono da rigettare proprio per il fatto che non possibile decidere sul loro valore.
6 5
linee principali possono essere formulate; tuttavia, secondo i suoi stessi proponenti, la teoria possiede: ...rules that ... are extremely fine and delicate. It is almost impossible to state them precisely; they must be felt rather than formulated. 7Questo piccolo problema verrebbe superato utilizzando quel true aesthetic feeling which all mathematicians know ... but of which the profane are so ignorant as often to be tempted to smile8 con il quale lanalista deve (dovrebbe?) riuscire a percepire dal grafico dei prezzi come applicare il metodo di Elliott. Un matematico con il senso estetico , per eccellenza, il francese Henri Poincar. Soltanto che a Lui il senso estetico serviva a formulare ipotesi matematiche che poi venivano accettate o rigettate seguendo processi rigorosamente logici. I teorici di Elliott, suoi autoconclamati epigoni, si accontentano apparentemente di formulare le ipotesi rigettando il processo di prova. Non comunque questa la sede per discutere la validit di certe teorie di analisi tecnica che non hanno regole chiaramente definite (oltre a quella di Elliott ne esistono altre). Se esse funzionino o no non materia che qui interessi. Esse non possono venire testate perch contravvengono al principio di chiarezza delle regole e tanto basta per escluderle da questa analisi. Un secondo principio fondamentale riguarda la consapevolezza da parte dellanalista dellidea sottostante che cerca di verificare. La formulazione delle regole di acquisto e di vendita dovrebbe sempre nascere da una certa percezione del mercato che deriva a sua volta dallesperienza e dallo studio: inutile testare segnali senza capire
7 8
R. Balan Elliott Wave Principle Applied to the Foreign Exchange Markets, p.V - 1. Ibidem.
quale idea si stia realmente sottoponendo a prova. Lanalista deve necessariamente cercare di definire la sua idea del funzionamento del mercato prima di poterla esprimere chiaramente e quindi testarla. Lidea pu variare da una semplicit estrema ad una grande complessit. Un esempio di idea semplice pu essere i prezzi tendono a prolungare landamento in una certa direzione quando superano i massimi (o minimi) registrati in un recente arco di tempo. Un esempio di idea leggermente pi complessa pu essere che i prezzi tendono a proseguire il movimento in una certa direzione quando la loro velocit di allontanamento dai valori medi registrati in un periodo recente tende ad aumentare. Unidea molto complessa pu invece tentare di riferire landamento dei prezzi a patterns di tipo ciclico, frattale o anche caotico nel senso della moderna teoria del caos. Queste idee sono squisitamente soggettive e dipendono dallesperienza e dalle percezioni dellanalista e perci non sono tutte catalogabili a priori, non sono immutabili, e soprattutto non sono aprioristicamente separabili in giuste e sbagliate. Lesperienza tuttavia suggerisce alcune osservazioni. La prima quella che, in mancanza di forti convinzioni su idee particolari, conviene partire dalle idee semplici. Esse hanno il vantaggio di essere facilmente esprimibili e comunicabili anche ad altri e richiedono poco tempo e poco sforzo per essere testate e quindi accettate o rigettate. A seconda dei risultati poi ottenuti pu convenire complicare le idee iniziali con condizioni aggiuntive od anche sostituirle del tutto. Il limite allevoluzione di unidea dato
dal punto in cui successive complicazioni della stessa non portano pi benefici significativi in termini di risultati. La seconda osservazione riguarda la definizione dellipotesi di lavoro da cui partire. E' necessario che lidea sia esprimibile in termini di algoritmo matematico, anzitutto perch il linguaggio matematico costringe alla coerenza ed alla chiarezza, superando l'ambiguit di un'esposizione puramente verbale. Unidea che espressa dialetticamente pu risultare ambigua, diviene forzatamente chiara e, se del caso, mostra anche le sue contraddizioni, una volta che espressa con liguaggio matematico. Vi un ulteriore vantaggio: unidea espressa come algoritmo matematico direttamente traducibile in programmi informatici e perci pu far leva sulla grande capacit di calcolo dei moderni computers per una verifica efficace, economica e veloce. Non dimentichiamo che data la complessit dei mercati finanziari, luso dei computers pressoch indispensabile per quasi ogni tipo di analisi dei prezzi.
10
Alcuni esempi di segnali di entrata Da quando esistono i mercati, gli analisti o traders cercano di identificare segnali di entrata di un qualche tipo. La casistica riportata dalla letteratura numerosissima. Scopo di questo lavoro non quello di elencare e discutere i pro ed i contro dei vari tipi di segnale oggi disponibili (esistono ottimi gi numerosi testi in proposito), ma piuttosto quello di approfondire una metodologia di studio e di verifica della loro efficacia. E tuttavia opportuno, alfine di non addentrarsi in un discorso troppo lontano dalla vita vissuta, offrire al lettore una breve panoramica che almeno per grandi linee riassuma le idee fondamentali sottostanti a questi segnali. Possiamo raccogliere i segnali raggruppandoli a seconda della loro idea fondamentale, basandoci sulle percezioni che si ricava dalla lettura dei testi citati nelle note. Non sono riportati per questi segnali le rispettive formulazioni matematiche per almeno tre motivi: (i) esistono numerosi testi di analisi tecnica che gi affrontano questo tema9, (ii) tali e tante sono le variazioni di questi segnali che esiste una moltitudine di formule, (iii) raramente se non mai, un vero trader user un segnale cos come viene proposto in letteratura senza apportarvi le modifiche che lesperienza gli suggerisce. Si cercato anche di evitare la trappola costituita da una classificazione sulla base dei nomi che questi segnali hanno che sono spesso coloriti e talvolta decisamente fuorvianti. In diversi casi le idee fondamentali sono pi d'una, quindi lidentificazione di quella principale ci ha forse portato a
9
forzare un po troppo, costringendo un segnale in una certa categoria. Di questo ci scusiamo anticipatamente. Idea n. 1: esiste un trend sui prezzi e viene dal passato, seguiamolo. Questa idea nasce dalla semplice osservazione dei grafici di molti mercati. Nonostante i prezzi mostrino spesso un comportamento indubbiamente casuale segnato da numerosi disturbi, altrettanto innegabile che talvolta esistono movimenti prolungati (trends) che portano i prezzi sempre in una certa direzione con solo alcune limitate oscillazioni. Su alcuni mercati in particolare, questi movimenti possono durare anche dei mesi, se non degli anni. Questi movimenti sono normalmente spiegati dal fatto che la speculazione sui mercati tende a reagire eccessivamente alle situazioni di disequilibrio prolungando gli aggiustamenti oltre il dovuto e quindi generando sia movimenti prolungati dei prezzi in una stessa direzione, sia nuove situazioni di disequilibrio (fenomeno dellovershooting).
I segnali di entrata che sono stati sviluppati per testare e sfruttare questa situazione sono numerosissimi. I pi noti (e probabilmente i pi antichi) sono i sistemi basati sullattraversamento delle medie mobili dei prezzi. Nella maggior parte di questi modelli il segnale scatta quando il prezzo (in versione grezza od opportunamente prefiltrato) attraversa una media mobile calcolata in un certo modo; le formalizzazioni matematiche si sprecano e per esse rinviamo alla bibliografia. Per citare solo alcuni dei nomi di questi segnali (che possono essere riconosciuti da chi abbia gi esperienza in questo settore), ricordo ad esempio il Double Moving
Vedi ad esempio Kaufman (1987) o Pring (198 ).
11
Average Crossover di Donchian, il MACD di Appel, il Trix di Hutson, il Modified Three Crossover Model di Hochheimer10.
Idea n. 2: un aumento della volatilit dei prezzi fa presupporre un mutamento del trend ora esistente. Sempre losservazione dei grafici dei prezzi permette di rilevare come spesso esistano dei periodi in cui il prezzo non sembra andare da nessuna parte ma sembra solo soggetto a degli shock casuali. Quando questi shocks tendono ad aumentare di dimensione, possibile che essi siano indicativi di una futura accellerazione dei prezzi in una certa direzione. Perch questa osservazione non rimanga un inutile truismo (sempre e per definizione quando si avvia un movimento il prezzo registra un aumento della volatilit!) occorre prestare attenzione alla sua particolare formulazione matematica.
Anche in questo caso sono stati proposti numerosi metodi sia di misurare la volatilit che di identificare il segnale di entrata. Sempre con il solo scopo di permettere al lettore di ricollegarsi a modelli che forse gi conosce, alcuni tra i principali nomi sono i seguenti: le bande di Bollinger, la Master Trading Formula di Mart, il Mass Index ed il Relative Volatility Index di Dorsey, il Damping Index di McKallip. Citazione particolare al Vydia di Chande, concetto interessante (e semplice) che permette di integrare lidea precedente relativa al trend con considerazioni di volatilit del mercato11.
Idea n. 3: la posizione relativa del close rispetto o allhigh e low del giorno stesso e dei giorni precedenti e/o rispetto ai close dei giorni precedenti indicativa della prossima direzione del prezzo. In questo caso si vuole sottolineare il fatto che i grandi movimenti di mercato non nascono dal nulla, ma vengono preparati da piccoli movimenti anticipatori determinati da una pressione allacquisto o alla vendita che a un certo punto sboccano nel grande trend. Questo avverrebbe perch sul mercato non accade spesso che tutti istantaneamente si convincano che il prezzo deve salire o scendere dai livelli attuali. La situazione pi comune quella che vede il diffondersi graduale di unopinione. Il problema in questo caso come misurare questi aumenti di pressione allacquisto o alla vendita senza confonderli con segnali casuali.
Tra i numerosi segnali esistenti ne ricordiamo alcuni notissimi come il Relative Strenght Index, il Directional Movement e lo Swing Index tutti di Wilder, lo Stochastic Oscillator di Lane, lA/D Oscillator, il %R e lUltimate Oscillator di Williams12.
Idea n. 4: i patterns grafici dellandamento del prezzo si ripetono in forme pi o meno simili. Questo uno dei pi vecchi filoni di indagine dellanalisi tecnica. Esso basato sullipotesi che particolari patterns che si registrano sui grafici dei prezzi siano spiegabili da ragioni psicologiche di mercato.
Per esempio si dice che il pattern denominato Island Reversal, illustrato in Figura 2, sia normalmente seguito da un movimento discendente del prezzo.
12
10
Vedi Kaufman (1987) per una sintesi dettagliata di parecchi segnali di entrata basati sulle medie mobili e concetti affini. Pi recentemente nuovi metodi sono stati suggeriti da Chande (1992) e Arrington (1993). 11 Vedi Kaufman (1987), Dorsey (1992) e (1993), McKallip(1992), Chande(1992).
Kaufman (1987) offre una sintesi di tutti questi segnali corredata da esempi numerici.
12
La ragione? I traders hanno venduto molto creando un inusuale movimento verso il basso del prezzo, ma a fine giornata mancata la fiducia (vedi la poszione del close nella barra), qualcuno ha cominciato a comprare per paura di perdere i profitti realizzati, ed il close risultato alto nella barra. Sulla scorta di quanto accaduto, in mancanza di nuove notizie, improbabile che domani vi sia un radicale mutamento di aspettative che conduca il prezzo a nuovi minimi.
I tipi di patterns possono (e sono) naturalmente anche molto pi complessi del semplice Island Reversal descritto sopra13. Inoltre, esistono diversi patterns a seconda che si utilizzi un grafico normale, un grafico del tipo point and figure14 o un grafico candlestick15. Recentemente lo studio dei patterns stato ripreso con rinnovato vigore utilizzando algoritmi basati su reti neurali in grado (almeno teoricamente) di riconoscere patterns ripetitivi anche di forma molto complessa16.
Idea n. 5: solo alcuni livelli di prezzo sono rilevanti cio esistono barriere (resistenze o supporti) su cui il prezzo tende a rimbalzare e superate le quali si hanno in seguito ampi movimenti. Anche questa idea molto vecchia ed basata su considerazioni di tipo psicologico: i prezzi tendono normalmente a rimanere in uno spazio predefinito a causa di ci che potremmo definire sticky expectations. I traders cio tendono a pensare di trovarsi sempre pi o meno in una situazione di equilibrio e perci tendono a correggere i prezzi quando questi si avvicinano a delle soglie percepite come massime o minime relativamente al passato recente. Tuttavia, specialmente in presenza di nuove notizie, queste soglie possono
Figura 2: Island Reversal registrato il 10/1/94 sul cambio dollaro-marco. Notiamo che lHigh della barra del 10/1/94 inferiore al Low della barra precedente e che il Close della barra 10/1/94 nella parte superiore della barra stessa. Questo pattern normalmente segnala una risalita del cambio.
13 14
Vedi Kaufman (1987) e Kase (1992) per una lista delle tipologie pi comuni. Metodologia grafica suggerita da Charles Dow ad inizio secolo dove non conta il tempo ma si valutano solamente i movimenti relativi del prezzo. Cf. Kaufman (1987). 15 Metodologia grafica in uso in Giappone da diversi secoli. Le barre vengono rappresentate sotto forma di candele (da cui il nome) con corpi di varia misura bianchi o neri a seconda della posizione degli open e dei close relativamente ai prezzi precedenti. Cf. Kaufman (1987). 16 Vedi ad esempio Kean (1992) e (1993), Brown (1993), Cassetti (1993), Katz (1992), Mendelsohn (1993a) e (1993b). Per unintroduzione teorica alle reti neurali vedi Rumelhart et. al. (1986), per gli aspetti matematici Hertz et al. (1991), per unanalisi semplificata Carling (1992).
13
venire superate di slancio ed allora il movimento ampio perch il mercato si trova sulla strada di un nuovo equilibrio potenzialmente anche molto diverso da quello precedente.
Si pu osservare che anche in questo caso si tratta di un concetto vago che non ha un significato definito se non nella particolare formulazione di un algoritmo. Tra i molti esistenti ricordiamo uno dei pi vecchi che il Livermore System di Livermore, poi la famosa 4 Week Rule di Donchian, il Thrust Method di Dunnigan ed il 4% Model di Kargenian17.
la teoria spazio-tempo di Gann. Altri autori utilizzano tecniche meno esoteriche e statisticamente pi fondate come lanalisi spettrale18.
Idea n. 6: esistono insite nellandamento del prezzo delle ciclicit pi o meno nascoste di forma pi o meno complessa. In altre parole ad una spinta dei prezzi in una certa direzione corrisponde sempre una spinta in direzione inversa che si manifesta seguendo una certa legge. Lidea che esista una componente ciclica in molte serie storiche, specialmente quelle economiche non certo nuova e trova fondamenti anche nella teoria macroeconomica. Trovare la forma e la durata di questo ciclo tuttavia un compito non facile anche perch accade spesso che la componente casuale della serie copra la componente ciclica.
La difficolt nel reperimento della componente ciclica della serie dei prezzi ha favorito linsorgere di tutta una serie di teorie, pi o meno scientifiche sullo studio di cicli e onde. Tra di esse abbiamo gi ricordato la teoria delle onde di Elliott, ma esiste anche la Law of Proportions di Tubbs, la Sezione Aurea di Fischer, il Commodity Channel Index di Lambert,
17
Idea n. 7: il comportamento del mercato completamente casuale. Ci che importante non se si compra o se si vende ma quanto si compra o si vende. Questo concetto deriva originariamente dallo studio dei giochi dazzardo come la roulette. Si sostiene che il fatto che si possa realizzare unoperazione in utile piuttosto che in perdita in sostanza questione di fortuna perci diviene importante possedere una tecnica per sapere quanto giocare e quando uscire dalle operazioni.
Tra i metodi pi noti che appartengono a questa categoria ricordiamo i classici Martingale in cui ogni volta che si perde si raddoppia limporto, e anti-Martingale19in cui si raddoppiano le vincite. Questi metodi hanno il non piccolo problema di richiedere, in presenza di una stringa continuata di perdite, un capitale a disposizione veramente enorme. Altri metodi di questo tipo sono il Pyramiding20 e il Tactical Trading di Eliason21.
Idea n. 8: anche nellandamento apparentemente caotico dei prezzi esiste un ordine nascosto che rintracciabile con metodi matematici. Questo il filone che deriva recentemente dalla cosiddetta matematica del caos. Per usare un po di linguaggio tecnico si pu
18
Vedi Kaufman (1987), Kargenian (1992).
Vedi Kaufman (1987), in particolare su Elliott: Frost e Prechter (1985), Balan (1992); su Gann: Blasic (1992), Miner (1993a) e (1993b); sulluso dellanalisi spettrale Ehlers (1990) e (1992). 19 Vedi Kaufman (1987). 20 Vedi Kaufman (1987) e Balzara (1992). 21 Vedi Eliason (1989) e Logan (1989).
14
dire che si sostiene lesistenza in molte serie di prezzi generati da un sistema dinamico caotico non lineare con punti di attrazione detti strani normalmente di dimensione frattale. A detta dei sostenitori di questo approccio, tali sistemi sono almeno in parte ricostruibili attraverso luso dei diagrammi di fase, il calcolo della dimensione frattale ed il calcolo degli esponenti di Lyapunov. In altri termini: parte dei movimenti dei prezzi che noi riteniamo casuali potrebbero non essere cos casuali. Oggi possibile costruire dei sistemi di equazioni che in talune circostanze esibiscono un comportamento apparentemente del tutto caotico e casuale, ma che in realt deterministico anche se di un determinismo molto complesso. Questo significa che, identificando il processo sottostante alla dinamica caotica, sarebbe possibile poter prevedere con molto maggior precisione di quanto non si possa fare con altri metodi il comportamento futuro dei prezzi22.
La matematica del caos sicuramente un argomento affascinante. Dobbiamo tuttavia dire che si mantiene una perplessit di fondo circa il possibile uso pratico di questa metodologia per lo sviluppo di sistemi di trading ed in particolare per lidentificazione dei segnali di entrata. La perplessit questa: per produrre segnali di entrata io devo con questa metodologia essere in grado di comprendere la natura pi profonda del funzionamento del mercato per poterla poi modellizzare. Un obiettivo che farebbe rabbrividire il pi preparato degli analisti e che per quello che ci riguarda sufficiente a scoraggiarci. Questo naturalmente non significa che
22
in casi particolari, alcuni elementi utili circa la progettazione di particolari segnali di entrata possano venire anche da questa metodologia. Esiste gi un primo esempio di un segnale detto Delta Phenomenon di Wilder che apparentemente usa alcuni di questi concetti anche se non assolutamente chiaro il modo23.
Questa lista non naturalmente esaustiva. Soprattutto occorre considerare che nuovi tipi di segnale vengono proposti ogni mese su pubblicazioni, riviste specializzate o attraverso seminari e convegni. Linteresse su questo tipo di problemi sembra accrescersi sempre di pi a causa della sempre maggiore apertura dei mercati finanziari da un lato e della sempre pi economica capacit di calcolo dei moderni computers. E fuori discussione che lapprofondimento anche critico della letteratura esistente in materia possa essere utile per lanalista, mi permetto tuttavia di fare un invito. Un segnale di entrata pu forzatamente recepire solamente alcuni degli aspetti del funzionamento del mercato: non esister dunque mai il segnale che sempre corretto e la sua ricerca futile. Diviene dunque importante che ogni analista utilizzi segnali che, a suo modo di vedere, riflettono quelli che egli pensa siano le caratteristiche pi notevoli del mercato in questione e le rifletta in un modo che sia compatibile con il suo stile di trading. Non purtroppo quasi mai possibile che esista un segnale che, preso dalla letteratura a scatola chiusa, riesca a rappresentare se non lideale almeno il meglio. Linvito dunque
23
La matematica del caos e dei frattali ha ricevuto recentemente molta attenzione. Alcuni testi in proposito che mantengono ancora un certo grado di comprensibilit anche per il non addetto ai lavori sono Mandelbrot (1987), Schroeder (1991), Ruelle (1991), Devaney (1990) ed in particolare per le applicazioni finanziarie Peters (1991).
Vedi Wilder (1990). Ci lascia tuttavia moltissimi dubbi il fatto che lautore non espliciti chiaramente questo sistema nelle sue componenti e non ne incoraggeremmo sicuramente luso.
15
rivolto allanalista, affinch, se egli serio relativamente allo studio del mercato, studi non solo i segnali proposti dalla letteratura, ma si sforzi di modificarli o crearne dei nuovi al fine di creare la maggiore corrispondenza possibile tra il modo in cui egli interpreta il mercato ed il funzionamento del suo sistema di trading. Questo non per aumentare il panorama di segnali esistenti (ne esistono gi anche troppi), ma piuttosto per creare il massimo di sincronia tra analista (trader) e comportamento del sistema: pi lanalista sa cosa aspettarsi dal sistema sia in termini di forza che di debolezza, pi aumentano le probabilit di realizzare un profitto.
Regole di stop-loss e di stop-profit Abbiamo gi accennato al fatto che impossibile trovare un segnale di entrata che sia sempre corretto. Questo significa, ovviamente, che prima o poi il mio segnale mi provocher una perdita. Accenniamo qui ad uno dei punti principali dellarte del trading e cio del come gestire le perdite. In realt, lunica cosa di cui possiamo essere sicuri utilizzando un sistema di trading (o, pi in generale, dedicandoci al trading per un periodo prolungato) proprio che realizzeremo delle operazioni in perdita. Il sapere gestire le perdite dunque tanto importante quanto il sapere fare profitti ed anzi in molti ritengono che sia addirittura pi importante. In questo paragrafo, discutendo dello stop-loss, cominceremo ad avvicinarci al problema della gestione delle perdite.
Anzitutto opportuno chiarire che con il termine stop-loss si intende riferirsi ad unoperazione di chiusura di una posizione esistente che - purtroppo - andata male. Lo stop-loss serve anzitutto a cautelarsi contro la possibilit che la perdita superi certi livelli ritenuti inaccettabili. Esistono vari tipi di stop-loss, ma il pi comune di gran lunga il cosiddetto money management order che consiste in un ordine di chiusura delloperazione ad un livello predeterminato di prezzo. Tale livello di prezzo calcolato, al momento in cui loperazione principale viene effettuata, risolvendo per la perdita massima (espressa in lire) che linvestitore decide di sopportare. Occorre considerare che - in pratica - i brokers eseguono gli ordini di stop solo al prezzo successivo a quello al quale il livello di stop stato toccato o superato per la prima volta.
Supponiamo ad esempio di avere acquistato 1 contratto future sul BTP del valore nominale di 200 milioni a 97.35. Supponiamo altres di non voler rischiare pi di 3 milioni su questa operazione. Occorre in questo caso porre un ordine di vendita (stop-loss) a 95.85 ( = 97.35 - 3/200 * 100).
Il funzionamento di questo tipo di ordine di stop-loss illustrato nella Figura 3. La Figura 4 illustra invece un comune inconveniente che si pu registrare quando si usa uno stop-loss: il prezzo tocca il fatidico livello ma successivamente rimbalza nelle direzione attesa trasformando unoperazione potenzialmente buona in una perdita.
16
Figura 3: lesercizio dello stop-loss.
Si detto che lo stop-loss permette di predeterminare limporto massimo a rischio sul mercato. Per essere pi precisi, lo stop-loss permette di predeterminare limporto a rischio sulla singola operazione: se la mia attivit di trading prevede molteplici operazioni, la mia perdita massima teorica si ottiene moltiplicando il numero di operazioni per la perdita prevista dallo stop-loss. Tuttavia ci si potrebbe anche chiedere perch, in presenza di un buon sistema di trading, si debba mai ricorrere alluso dello stop-loss. Daccordo che anche un buon sistema di trading presenta con tutta probabilit un certo numero di operazioni in perdita, ma tali perdite dovrebbero comunque essere sopravanzate dagli utili (o almeno cos si spera) ed il porre uno stop-loss potrebbe finire per avere gli effetti deleteri visti in Figura 4. La risposta generale a questo quesito risiede nel fatto che qualsiasi sistema di trading viene definito come buono ed accettato inevitabilmente sulla base di quanto accaduto nel passato. Ne risulta che il sistema di trading prescelto presuppone lesistenza di una qualche forma di stazionariet nella serie dei prezzi ed il predurare di tale stazionariet anche in futuro24. Purtroppo questo pu non essere il caso: anche se non sono la norma, esistono talvolta mutamenti strutturali del mercato che sono totalmente imprevedibili a priori e che finiscono per mutare radicalmente la performance del sistema. E
24
Figura 4: uno stop-loss che era meglio evitare.
E appena il caso di osservare, a beneficio degli esperti di statistica, che la stazionariet a cui si fa qui riferimento ha ben poco a vedere con la stazionariet come normalmente la si intende nellanalisi delle serie storiche. Questultimo un concetto ben pi restrittivo che presuppone lassenza di mutamenti della media (trend), di mutamenti sistematici della varianza e di ciclicit evidenti. Qui invece si intende riferirsi al fatto che se il sistema buono significa che esiste qualche caratteristica del mercato che ha un sufficiente grado di stabilit da essere identificata e sfruttata: quale sia esattamente la natura di questa caratteristica pu essere difficile a dirsi anche per lo stesso analista che ha studiato il sistema.
17
ci se ne accorge solamente dopo! Un esempio di grafico dei prezzi che muta radicalmente aspetto dopo un evento imprevisto dato dal contratto del future sul BTP a 10 anni (LIFFE) prima e dopo Giugno 1992 (vedi Figura 5). In questi casi un ordine stop-loss che permetta di uscire dal mercato con una perdita ragionevole e permetta di rianalizzare la situazione con la dovuta calma, senza lo stress di dover gestire una situazione ormai affidata al caso, pu effettivamente rappresentare il male minore. E nostra personale convinzione che per quanto buono possa essere un sistema di trading debba in generale sempre esistere un livello predeterminato di stoploss.
Figura 5: osserviamo limpressionante differenza esistente tra i prezzi del future BTP (LIFFE) prima e dopo Giugno 1992. Mutano radicalmente lampiezza media della barra, la volatilit dei prezzi, la dimensione media dei trend, nonch il voulme degli scambi (colonne in basso).
Luso costante dello stop-loss porta poi un ulteriore beneficio: esso consente infatti al trader di ridurre lo stress decisionale legato alla gestione della posizione esistente. Uno stop-loss meditato in anticipo predetermina infatti il punto di uscita ed evita un continuo monitoraggio dei mutamenti di prezzo sul mercato. Psicologicamente spesso indicato pensare alla perdita potenziale espressa dallo stoploss come a soldi gi persi a tutti gli effetti. Se il trader riesce ad assorbire questa idea, sar normalmente molto pi tranquillo
18
nellaffrontare le successive evoluzione del mercato favorevoli o sfavorevoli che esse siano. Una possibile eccezione alluso dello stop-loss la si pu immaginare solo per sistemi basati su barre orarie (o di durata inferiore), i quali per loro stessa natura - generano ordini con una tale frequenza da prevenire di fatto quasi sempre lesecuzione dello stop-loss effettuando invece uninversione dellordine principale. In altre parole, accade spesso che questi sistemi basati su rilevazioni infragiornaliere dei prezzi generino diverse operazioni di acquisto e vendita allinterno della stessa giornata. Essendo normalmente le oscillazioni dei prezzi giornalieri abbastanza contenute, molti sistemi finiscono per non usare mai lo stop-loss perch la posizione viene preventivamente girata in senso inverso. Il piazzamento dellordine di stop-loss avviene normalmente nello stesso momento in cui si effettua loperazione principale. Lordine di stop-loss usualmente lasciato in carico al proprio broker con listruzione di eseguirlo nel caso in cui il livello prefissato venga raggiunto. Solamente nei casi in cui il trader segua personalmente ed in modo continuo il mercato pu essere possibile una sua gestione diretta dello stop-loss ed anche in questo caso, come gi indicato sopra, non raccomandabile, specialmente se il servizio offerto dal broker di buona qualit. Un ultima osservazione riguardo allo stop-loss. Quando si predetermina il livello di uscita da unoperazione in perdita, si assume implicitamente che quel particolare prezzo verr raggiunto dal
mercato se le cose si mettono male. Purtroppo non sempre cos . Accade talvolta che vi siano dei gaps tra il prezzo di chiusura del giorno precedente ed il prezzo di apertura del giorno dopo. Pu darsi che durante la notte sia uscita una notizia tale per cui il mercato si trova ad aprire ad un livello di molto inferiore (o superiore) a quello registrato il giorno precedente. In questi casi, pu verificarsi che il prezzo di stop-loss venga saltato cio mai quotato sul mercato. Purtroppo in queste situazioni non rimane altro che prendersi una perdita pi ampia del previsto. Osserviamo che casi di questo tipo si possono registrare, seppur con minore frequenza, anche su mercati a trattazione continua come i tassi di cambio: pu darsi infatti che sulla scorta di una notizia particolare la quotazione del dollaro marco passi improvvisamente da 1.6000 a 1.6100 saltando gli stop-loss posti tra questi due livelli. Sul grafico giornaliero si vede una barra continua che unisce lhigh ed il low, ma nella realt non tutti i prezzi inclusi in quella barra sono stati effettivamente trattati. Similmente allordine stop-loss, esiste la possibilit di piazzare ordini stop-profit. Con questo termine si identificano quei tipi di ordini che servono a chiudere una posizione esistente una volta che essa stia realizzando un profitto. Il tipo di ordine stop-profit pi comune il cosiddetto ordine profit target attraverso il quale viene prefissato limporto che si desidera guadagnare da una certa operazione. Una volta che esso sia raggiunto, la posizione viene automaticamente chiusa. Lordine stop-profit viene utilizzato idealmente per sfruttare al massimo quelle situazioni dove il movimento favorevole dei prezzi solo temporaneo come illustrato in Figura 6. Il potenziale svantaggio derivante dalluso dello stop-profit illustrato in Figura 7.
19
Figura 7: uno stop-profit di cui pentirsi. Figura 6: uno stop-profit quasi perfetto.
Luso dello stop-profit assai meno importante di quello dello stoploss e la ragione dovrebbe essere evidente. Tenere sotto controllo i rischi , in questo tipo di attivit, di gran lunga prioritario rispetto alla massimizzazione del reddito verso cui indirizzato un uso accorto dello stop-profit. In questo senso luso dello stop-profit va dunque inteso come un raffinamento possibile del sistema di trading: il suo uso pu essere raccomandato se sulla base di test statistici stato profittevole farlo in passato. Oltre allordine stop-profit del tipo profit target, ne esistono altri. Tra di essi ricordiamo i seguenti. Il breakeven stop. Questo ordine viene attivato solo dopo che il prezzo ha cominciato a muoversi in direzione favorevole. In questo caso il livello dello stop posto allo stesso livello di entrata in modo
20
da garantire come minimo un risultato di breakeven. Questo ordine naturalmente non serve a proteggersi da situazioni in cui il prezzo immediatamente dopo il piazzamento dellordine comincia a muoversi in maniera avversa e non torna pi ai livelli di partenza. Il % risk trailing stop. Con questa tecnica si definisce un livello detto floor di profitto minimo, espresso in valore assoluto, che deve essere raggiunto prima che lordine venga attivato. Viene poi fissata una percentuale detta di retracement dal livello di profitto massimo realizzato dalla posizione. Lo stop posto ad un livello che garantisca il massimo profitto meno la percentuale di retracement. Se il prezzo continua a muoversi in direzione favorevole, questo tipo di ordine permette di mantenere la posizione aperta, viceversa in caso il prezzo cominci a ritirarsi oltre la percentuale di retracement, la posizione viene chiusa ed il profitto realizzato.
Esempio: compro un future sul BTP a 102. Il floor posto a 2 lire ed il livello di retracement del 25%. Se il prezzo scendesse da 102 verso valori pi bassi non succederebbe niente cos come se il prezzo salisse ma non superasse le 104 lire. Se daltra parte il prezzo superasse le 104 lire lordine verrebbe attivato nel modo seguente. Si inizierebbe registrando un utile teorico di 2 lire (=104-102) e si osserverebbe il comportamento successivo dei prezzi. Se questi scendono di almeno 0.50 lire (=.25 2) a 103.50 si effettuerebbe lo stop profit e si realizzerebbero 1.50 lire di guadagno. Se invece i prezzi salissero ancora si registrerebbe il nuovo massimo, ad esempio 105, ed il nuovo utile teorico di 3 lire (=105-102), e si sarebbe pronti ad intervenire con lo stop profit nel caso i prezzi scendessero di 0.75 lire o pi a 104.25 realizzando 2.25 lire di guadagno e cos via. Come si vede il vantaggio di questo metodo sta nel non troncare troppo presto
unoperazione, ma nel tentare di sfruttare un eventuale trend prolungato: inoltre pi il profitto teorico elevato e pi questo tipo di ordine si prende dei rischi sopportando un retracement che in valore assoluto diviene sempre pi elevato (nel nostro esempio passa da 0.50 lire a 0.75).
Questultimo tipo di ordine non viene passato al broker ma richiede una presenza continua del trader sul mercato.
21
I costi di transazione In quasi tutti i libri di economia una delle assunzioni semplificatrici ricorrenti nella descrizione di modelli e leggi finanziarie lassenza di costi di transazione. Non di rado i costi di transazione sono visti come unimperfezione di mercato e si dimentica che senza questa imperfezione i mercati stessi non esisterebbero o non sarebbero in grado di svolgere efficientemente la loro funzione. Nessuno pi del trader deve invece essere conscio dellesistenza e della rilevanza dei costi di transazione. Infatti sono proprio i costi di transazione che rendono lattivit del trading e della speculazione un gioco a somma negativa25. Dal punto di vista dello studio dei sistemi di trading, questo significa che il sistema deve essere abbastanza buono non solo da battere il mercato ma anche da coprire tutti i costi di transazione. La principali tipologie di costi di transazione sono tre, una visibile e due invisibili. I costi di transazione visibili sono raccolti nella categoria delle commissioni, bolli, spese amministrative e simili. Si tratta di costi che sono o previsti dalla legge oppure fatturati dallintermediario a seguito di accordi con il trader e sulla base delle tariffe vigenti su quel particolare mercato.
25
I costi invisibili sono rappresentati nelle due categorie dello slippage e pi in generale della qualit del servizio. Con il termine slippage ci si riferisce a quella differenza che si registra praticamente sempre, tra prezzo di mercato (come riportato dai circuiti informatici o dalla stampa) e prezzo effettivo di esecuzione. Tale differenza, che in perfetto accordo con la ben nota "legge" di Murphy quasi sempre sfavorevole al trader, non rappresenta sempre una cattiva esecuzione dellordine da parte del broker, quanto un prezzo che si paga alla liquidit meno che perfetta dei mercati. Anche sui mercati telematici, dove i circuiti riportano in tempo reale i prezzi a cui vengono concluse le transazioni, non sempre detto che il prezzo che si ottiene per effettuare unoperazione sia esattamente pari a quello quotato giusto un secondo prima: lordine potrebbe essere troppo grosso oppure troppo piccolo; potrebbe darsi che alcune controparti siano uscite (od entrate) sul mercato proprio in quel momento o pi semplicemente che le condizioni di mercato siano mutate. In teoria lo slippage potrebbe essere sia negativo che positivo per il trader e talvolta proprio cos. A livello di progettazione di sistema comunque pi realistico oltre che pi conservativo assumere uno slippage sempre sfavorevole. Unaltro costo invisibile rappresentato dalla qualit del servizio che si riceve dallintermediario o broker. Come gi accennato per gran parte della teoria economica e finanziaria i costi di transazione non esistono, dunque i brokers non esistono e perci il servizio da essi ottenuto sempre efficiente per definizione. Nella realt tuttavia non cos e ogni operatore sa benissimo che per quanto liquido possa
In teoria dei giochi si definisce a somma zero un gioco in cui tutto ci che un giocatore perde viene guadagnato dagli altri giocatori e viceversa. Un gioco a somma positiva quello in cui la somma di tutto ci che guadagnato da tutti i giocatori supera la somma di tutto ci che perso da tutti i giocatori e dunque il gioco crea ricchezza. Un gioco a somma negativa quello in cui la somma di tutte le vincite di tutti i giocatori inferiore alla somma di tutte le perdite ed il gioco distrugge ricchezza. Nel nostro caso la somma delle vincite di tutti i traders inferiore alla somma di tutte le perdite e la differenza (costi di transazione) finisce ad un non giocatore, uno che non prende i rischi del gioco, lintermediario o broker.
22
essere un mercato, per quanto basse possano essere le commissioni, per avere una buona esecuzione di un ordine occorre anche un intermediario che sappia fare il suo mestiere. E quale il mestiere del broker? Seguire landamento dei prezzi minuto per minuto, essere in continuo contatto con un gran numero di controparti ed altri broker per poter eseguire gli ordini di entrata di uscita e gli stop-loss effettivamente al meglio. La qualit del servizio offerto dal broker risiede dunque nella tempestivit e nellefficacia con cui questi esegue gli ordini: se questa qualit manca, i costi di transazione possono facilmente divenire inaccettabili anche in presenza di commissioni e slippage modesti. Purtroppo la qualit di un broker la si conosce soltanto utilizzandolo per un certo periodo di tempo e possibilmente confrontandolo con altri e dunque non esiste una ricetta a priori che permetta di trovare il broker giusto. Esistono tuttavia alcune avvertenze ed alcuni errori comuni che si possono facilmente evitare. Anzitutto occorre riflettere sul servizio che si vuole ottenere da un broker: esso principalmente, come specificato prima, un servizio di buona esecuzione di ordini. Questa prima considerazione implica che un broker non deve essere valutato tanto sulla base di reports di mercato, suggerimenti e (peggio ancora) previsioni sullandamento dei prezzi: tutto questo ha ben poco a che fare con il suo mestiere. Occorre considerare cosa fa un broker tutto il giorno: sta al telefono di fronte ad uno o pi monitors continuamente cercando compratori e venditori: come pu avere il tempo e la preparazione per effettuare riflessioni sul mercato e addirittura previsioni? quandanche
disponesse di un servizio studi, poich il reddito del broker legato al volume di transazioni effettuato, possiamo stare certi che i suggerimenti sarebbero invariabilmente tesi a fare eseguire al cliente un buon numero di operazioni siano o non siano esse necessarie per la salute del portafoglio di questultimo. E tuttavia incredibilmente elevato il numero di persone che, chiamando un broker o un intermediario, finiscono per agire sulla base delle sue indicazioni cedendo alla pigrizia di effettuare unanalisi propria. Un secondo comune errore riguarda uneccessiva concentrazione sulle commissioni o sui prezzi da parte dei clienti. Vi sono clienti disposti a tutto pur di ottenere sconti sulle commissioni. A parte il fatto che il pi delle volte si tratta di cifre modestissime rispetto allimporto del guadagno (o perdita) che si pu realizzare sul mercato, occorre anche considerare che una contrattazione eccessiva, anche se coronata da successo, pu portare il broker a tentare di recuperare profitti (con interessi) in altri modi: ad esempio con unesecuzione non sempre brillante, oppure pi in generale con un servizio mediocre.
Anni fa, cera in Italia unimpresa industriale che effettuava grosse operazioni sui cambi. Il tesoriere lavorava con 4 o 5 intermediari ed aveva labitudine di non fidarsi mai di nessuno e per qualsiasi cosa di proporre unasta a tutti questi intermediari. Questo costringeva gli intermediari a ridurre il proprio margine al minimo e qualcuno anche a rinunciare al cliente. Poich la cosa andava ripetendosi da parecchio tempo, e dato che il mercato era a quellepoca abbastanza limitato e pertanto praticamente tutti gli intermediari si conoscevano tra di loro, questa strategia, ideata dal tesoriere per favorire la sua azienda, fin per ottenere il risultato opposto.
23
Gli intermediari finivano per allocarsi tra di loro il risultato dellasta spartendosela a quote, con un accordo informale per favorire uno particolare di loro ogni volta. I prezzi quotati erano regolarmente leggermente fuori mercato di modo che lazienda finiva per pagare sempre di pi di quello che avrebbe pagato senza il meccanismo dellasta. Non un grande esempio di professionalit da parte degli intermediari, ma neanche un grande esempio di intelligenza da parte dellazienda.
Esempio. Parte I : progettazione di un sistema di trading In questo esempio cerchiamo di fornire una breve presentazione di come si pu applicare in concreto la nostra metodologia di studio dei sistemi di trading. Il lettore deve essere comunque avvertito che il nostro scopo solo quello di illustrare una metodologia di analisi e in alcun modo vogliamo suggerire luso di un particolare sistema per leffettuazione di operazioni di trading effettivo. Infatti, per ragioni di semplicit, ci si limitati ad un sistema abbastanza semplice, effettuando unanalisi semestrale che probabilmente non fornisce nemmeno un numero di dati sufficiente a raggiungere una conclusione definitiva. Impostiamo dunque lo studio di un sistema di trading riferendoci al mercato del tasso di cambio dollaro USA / Yen giapponese. Le Figure E1 ed E2 illustrano landamento giornaliero di questo mercato negli ultimi anni.
La realt che il mercato non quasi mai in grado di accontentare tutti i contraenti con la stessa efficacia: alcuni saranno trattati meglio di altri26. Per essere tra i favoriti occorre trovare la giusta miscela di capacit professionale del broker, costi di transazione e rapporti umani con lintermediario stesso senza pretendere di raggiungere sempre e comunque lottimo in tutti e tre i campi: il trader e linvestitore non sono scattisti ma maratoneti e ci che importa loro il risultato medio ottenuto nel lungo termine.
26
Praticamente tutti i grandi traders riconoscono lesecuzione dellordine come uno degli elementi critici per una sua buona riuscita. Vedi ad esempio le interviste contenute in Schwager (1990).
24
Figura E1: landamento del cambio Yen/USD da Dicembre 1988 a Giugno 1991.
Figura E2: landamento del cambio USD/Yen da Luglio 1991 a Giugno 1994.
La serie pur presentando le usuali increspature e ciclicit irregolari dovute alla casualit che sempre si registra sui mercati, mostra anche dei trend evidenti e molto prolungati. La prima idea pu essere di ipotizzare che il mercato USD/Yen mantenga anche in futuro questa caratteristica di trend prolungati e perci di studiare dei segnali di entrata trend following. Luniverso dei segnali trend following molto variegato per cui in mancanza di idee pi precise si procede normalmente con una serie di test preliminari su diversi segnali per rendersi conto delle diverse caratteristiche di ognuno su questo mercato. Poich per lo scopo di questo esempio non quello di produrre "il Sistema" per lo Yen, quanto quello di illustrare una procedura, ci si accontenta di
25
esaminare un segnale che stato scelto unicamente per semplicit di calcolo e senza nessuna pretesa di uso concreto. Un possibile metodo di identificare linizio di un trend il seguente. Si pu dire che un trend in salita o discesa cominciato quando il prezzo diviene contestualmente superiore (o inferiore) a certi livelli che ha raggiunto in passato nel breve termine, nel medio termine e nel lungo termine. Ma perch non riferirsi semplicemente ad un unico livello di prezzo passato? Perch la serie, pur presentando trend prolungati, presenta anche molte false partenze: movimenti che inizialmente possono venire interpretati come trend ma che poi si rivelano solo correzioni pi o meno casuali. La speranza , identificando tre livelli di prezzo, di prendere un numero minore di falsi segnali27. Matematicamente si pu esprimere questo concetto nel modo seguente. Si compera USD contro Yen non appena si verifica questa condizione: (Et - Et-n1) / n1 > 0 / n3 > 0
(Et - Et-n2) / n2 > 0
dove n1< n2 < n3 sono i tre orizzonti temporali e Et il tasso di cambio odierno espresso in numero di Yen per USD (come nelle figure E1 ed E2). Viceversa si vende non appena si verifica la condizione inversa: (Et - Et-n1) / n1 < 0 / n3 < 0.
(Et - Et-n2) / n2 < 0
(Et - Et-n3)
Le formule qui riportate sono quelle relative al segnale conosciuto in letteratura come ROC (= Rate of Change) facilmente reperibile in qualsiasi software di analisi tecnica. Poich si sono usati tre ROC di diversa durata, con scarsa originalit chiamiamo il segnale Triplo ROC. Si osservi che il Triplo ROC perfettamente definito: si compera quando tutti e tre i ROC diventano positivi e si vende quando tutti diventano negativi. Si tratta dunque di un segnale che dopo il primo ordine sempre sul mercato: cio una volta che si partiti o si lunghi (in acquisto di USD contro Yen) o corti (in vendita di USD contro Yen) senza mai essere fuori dalla mischia. Il rischio , in presenza di segnali sbagliati, di realizzare perdite molto ampie prima che il segnale stesso si inverta. E perci opportuno utilizzare uno stop-loss del tipo money management order il cui livello definiremo pi avanti. In questo modo, se si comprasse su un falso trend rialzista, si realizzarebbe la perdita prevista dallo stop-loss, si uscirebbe dal mercato e si attenderebbe il segnale successivo per rientrare.
(Et - Et-n3)
27
Linizio di un trend pu essere definito in molti altri modi anche migliori e pi precisi. Si scelto questo perch come vedremo porta ad identificare un algoritmo per il segnale di entrata che matematicamente molto semplice oltre che conosciuto e quindi rappresenta lideale per un esempio di questo tipo.
26
Alcune osservazioni sul comportamento teorico del Triplo ROC. Se la serie dei prezzi esibisse un comportamento perfettamente lineare crescente o decrescente, questo segnale giungerebbe ad acquisire lesistenza del trend con un ritardo sempre pari a n3 giorni. Se invece la serie presentasse dei cicli regolari, questo segnale dovrebbe avere una buona performance in presenza di cicli di periodo pari a n1/2, n2/2 ed n3/228. Infine necessario effettuare delle assunzioni sui costi di transazione. Il mercato del USD/Yen un mercato trattato over-the-counter in cui i principali price makers sono le banche. Limporto minimo (per ottenere una buona esecuzione) normalmente 1.000.000 di USD anche se talvolta possibile avere buoni prezzi anche per USD 500.000. Lo spread bid-offer del mercato in condizioni normali di 0.10 yen per 1 USD (ad esempio 100.10-100.20 yen per USD). Possiamo ipotizzare un ulteriore 0.05 yen di slippage portando cos il totale dei costi di transazione a 0.15 yen per USD cio 150.000 yen per 1 milione di USD29. La garanzia necessaria per effettuare unoperazione a termine sui cambi varia da banca a banca, ma normalmente non supera il 25% dellimporto nominale (cio non occorrono pi di 250.000 USD per fare unoperazione da 1.000.000 USD).
SEZIONE 2 I dati da usare per lanalisi dei sistemi di trading Abbiamo gi accennato al fatto che le rilevazioni di mercato, salvo il caso in cui vengano registrate tick per tick, sono rilevate sotto forma di barre O-H-L-C oppure H-L-C. Ovviamente il primo requisito per unanalisi corretta dei dati che essi stessi siano quanto pi possibile rappresentativi dei prezzi ottenibili sul mercato. La fonte da cui i dati vengono presi deve essere perci affidabile. Il secondo requisito che i dati siano raccolti in numero sufficiente per ottenere dei risultati statisticamente significativi. In generale, anche se il numero di dati necessario pu variare ampiamente a seconda dei test che si desiderano effettuare, lesperienza indica che per la maggior parte dei sistemi occorrono circa 1200 barre che equivalgono a circa 5 anni di dati giornalieri o 6 mesi di dati orari. La maggior parte dei sistemi di trading oggi in circolazione utilizza dati giornalieri o infragiornalieri (da orari a tick per tick). E tuttavia possibile che qualche sistema utilizzi, in congiunzione con i dati giornalieri, anche rilevazioni settimanali o mensili nel tentativo di identificare dei trend di lungo periodo. In questultimo caso, il ruolo dei dati di lungo periodo comunque secondario ed i requisiti sulla loro numerosit sono di solito molto meno stringenti.
28
Leventuale esistenza di cicli di questo periodo pu essere verificata con lanalisi dello spettro della serie. La regola generale che tuttavia cicli regolari sui mercati finanziari non esistono (sarebbe troppo facile!). 29 In taluni casi, specialmente per un privato, questo potrebbe essere perfino poco.
27
Occorre una certa dose di cautela nel modo in cui si scelgono i dati per effettuare poi lanalisi di un sistema di trading. Anzitutto i dati dovrebbero essere tra loro omogenei: bisogna cio assicurarsi che nel periodo che si va ad analizzare il mercato non abbia subito dei mutamenti strutturali tali da metterne in discussione la sua stessa natura.
Ad esempio, se si pensa alla serie storica del tasso di cambio lira / marco degli ultimi 5 anni (vedi Figura 8) viene sicuramente il forte sospetto di non trovarsi di fronte ad una serie omogenea. La serie si divide infatti in due tronconi, prima e dopo Settembre 1992, in ragione delluscita della lira dallo SME. E ovvio che il passaggio della lira da una fluttuazione allinterno di una banda abbastanza stretta ad una situazione di mercato libero comporta una vera e propria modifica della natura del mercato. Figura 8: il cambio marco - lira, un mutamento delle regole del gioco nel sett. 92.
In questi casi si richiede da parte dellanalista una particolare attenzione specialmente a livello di progettazione del sistema ed a livello di interpretazione dei risultati ottenuti.
28
Laggiustamento dei dati In certi casi i dati di mercato non possono essere utilizzati in forma grezza ma devono essere aggiustati. Questo avviene per tutti i dati relativi ai contratti futures e per i dati relativi alle azioni principalmente in caso di stacco dei dividendi, stock splitting o aumenti di capitale. Per quello che riguarda i futures, il problema nasce dal fatto che ogni contratto future quotato per un periodo di tempo molto limitato: normalmente non pi di tre mesi.
Per esempio il future del BTP prevede consegna a Marzo, Giugno, Settembre, Dicembre. Questo significa che da Genneaio ai primi di Marzo il contratto di gran lunga pi liquido quello scadente a Marzo, mentre da Marzo a Giugno il contratto pi liquido quello di Giugno e cos via. Agli inizi di Marzo ci troviamo perci in una situazione dove il contratto di Marzo quota un prezzo che praticamente uguale a quello di un BTP con scadenza e struttura cedolare simili a quelle previste dal contratto stesso, mentre il contratto di Giugno quota circa come il prezzo a termine a 3 mesi dello stesso BTP. La serie storica riporta tuttavia uno dietro laltro i prezzi del future sulla sua scadenza pi liquida, per cui esiste una data in Marzo in cui si passer dal contratto di Marzo al contratto di Giugno. La differenza pu essere alle volte rilevante, e ci che conta che occorre impedire che il nostro sistema registri un profitto od una perdita fittizia dovute semplicemente al passaggio di contratto.
si comincia rilevando i prezzi del contratto pi vicino alla scadenza (detto nearest future) che tipicamente il pi liquido: se si in febbraio e si parla del BTP si prender il contratto di Marzo; si continua cos fino a che, ad un certo punto (presumibilmente ai primi di Marzo), il contratto di Marzo diviene meno liquido di quello di Giugno (questa informazione la si desume dai dati di Volume riportati dal mercato) definiamo questa data come data di rollover; il giorno in cui questo accade si rileva la differenza tra i close del contratto di Giugno e quello di Marzo, la si registra e la si sottrae dai prezzi del contratto di Giugno continuando cos fino a che il contratto di Settembre non diventa pi liquido di quello di Giugno; si misura a questo punto la differenza tra il contratto di Settembre e quello di Giugno, si somma tale differenza a quella gi registrata, si sottrae il dato cos ottenuto dalle rilevazioni di Settembre. E cos via. Come rileva Schwager30the construction of the continuous series can be thought of as the mathematical equivalent of taking a nearest future chart, cutting out each individual contract series makes up the chart and pasting the ends together.
In pratica il metodo per costruire una serie di prezzi di contratti future continua e testabile il seguente:
30
Schwager (1992) p.68.
29
Questo metodo di costruzione della serie dei futures porta ad avere un grafico in cui lultimo prezzo disponibile diverso da quello quotato dal mercato per una differenza pari alla somma di tutte le differenze registrate in passato a tutte le date di rollover. Se la serie molto lunga potremmo perfino avere dei prezzi aggiustati negativi. Questo non sbagliato anzi assolutamente corretto. Alcuni analisti (specialmente quelli che usano i grafici) hanno tuttavia problemi con questo aspetto e preferiscono riscalare la serie in modo che almeno gli ultimi prezzi corrispondano a quanto quotato dal mercato. Questo non fa alcuna differenza per i nostri scopi: notiamo che tuttavia in questo modo saranno i prezzi pi vecchi a non corrispondere pi a quanto effettivamente quotato dal mercato. In linea di principio, non c' problema con alcuno dei due metodi, ma di fatto si tende a preferire di gestire una serie in cui gli ultimi prezzi sono diversi da quelli quotati sul mercato piuttosto che non riscalare tutti i dati ad ogni data di rollover. Limportante comunque che sia ben chiaro che il metodo di aggiustamento sopra proposto lunico accettabile per i nostri scopi. Tutti gli altri metodi (sul mercato ne girano diversi) sono matematicamente sbagliati. Questo metodo infatti lunico che consente di ottenere una serie continua che sia esattamente fedele alle fluttuazioni subite da unipotetica e costante posizione in acquisto sul future che stata prolungata effettuando dei passaggi di contratto alle date di roll-over prescelte. Per conferma si provi a fare un esempio numerico con la serie di un future ipotizzando di avere una posizione lunga e di portarla avanti indefinitivamente.
Per quello che riguarda le azioni i problemi sorgono, come abbiamo detto, nel tener conto dei dividendi, degli stock splits e degli gli aumenti di capitale. In tutti questi casi occorre sempre tenere a mente che ci che serve una serie che rifletta nel modo pi fedele possibile la situazione in cui si verrebbe a trovare un ipotetico cassettista che compera un azione per tenerla nel lungo periodo. Nella nostra analisi occorre dunque inglobare il fatto che se si possiede unazione alla data di stacco del dividendo, la variazione di ricchezza dalla data cum alla data ex generata non solo dalla variazione del prezzo dellazione ma anche dalla liquidit incassata. Se si in presenza di uno split, ad esempio uno split 1:2, occorre tener presente che il prezzo dellazione si dimezza ma se ne hanno in tasca due. Se vi un aumento di capitale, a seconda delle modalit con cui questo effettuato, vi potranno essere delle diluizioni della quota azionaria, oppure delle acquisizioni di diritti che possono avere un certo valore. Nei limiti del possibile, cio senza complicare oltremodo lanalisi, opportuno tener presente tutti questi fattori sempre partendo dal punto di vista di un semplice cassettista e chiedendosi come si modifica la sua ricchezza a seguito di questi eventi e cercando di riflettere questi dati nella serie storica aggiustata.
30
Lottimizzazione dei parametri del sistema La componente stocastica (casuale) presente in modo rilevante su tutti i mercati comporta come conseguenza quasi sempre la necessit di mantenere un certo grado di indeterminatezza nella costruzione dei segnali di entrata. Come conciliare questa indeterminatezza con il principio di chiarezza e di coerenza dei segnali di entrata precedentemente esposto? E' semplice. Un segnale espresso chiaramente non deve necessariamente esprimere un concetto rigido, anzi pu contenere elementi di flessibilit al fine di ottenere una maggiore generalit di applicazione (attraverso vari mercati o vari periodi di tempo). E sufficiente che il carattere di flessibilit stesso sia chiaramente definito. In pratica, la formula matematica che esprime il segnale di entrata, contiene spesso dei parametri suscettibili di assumere un certo campo di valori.
Ad esempio, un sistema basato su una media mobile pu prevedere che questultima venga calcolata usando dalle ultime 4 alle ultime 40 barre di prezzo.
Una procedura spesso utilizzata per caratterizzare i parametri del sistema la cosiddetta ottimizzazione. Si tratta di un procedimento numerico che articolato in quattro fasi. 1. Si seleziona un certo periodo temporale (ad esempio un anno di dati giornalieri). 2. Si definiscono per ogni parametro dei campi di variazione e dei passi di variazione (ad esempio il parametro A deve variare da 4 a 40 con passo 4). 3. Si testano numericamente, simulando leffettuazione di operazioni di trading, tutti i casi possibili registrando un certo numero di dati di interesse quali ad esempio il profitto (o perdita) totale, il numero di operazioni effettuate, il numero di perdite e di vincite, eccetera. (Vedi Figura 9).
La maggior parte dei sistemi prevede numerosi parametri: in questi casi occorre tener presente che il numero di combinazioni possibili tra tutti i parametri cresce in maniera esponenziale e diviene rapidamente elevatissimo.
Ad esempio, un sistema con 3 parametri ciascuno suscettibile di assumere 10 valori diversi presenta 103 = 1000 combinazioni posssibili.
31
Performance Summary: All Trades Total net profit Gross profit $ $ 206.70 310.20 15 9 $ $ Open position P/L Gross loss $ 23.00 $ -103.50 60% 6 -58.80 13.78 1 8 10
Osservazioni sulla metodologia dellottimizzazione 1. Serie aggiustata e costi di transazione. Occorre ricordarsi che lottimizzazione va effettuata su una serie storica di prezzi aggiustati secondo quanto gi discusso nel precedente paragrafo. La serie deve riflettere il pi fedelmente possibile la situazione effettiva di un investitore che ha comprato un certo asset e lo ha tenuto in portafoglio. Nella procedura di ottimizzazione occorre anche che siano inclusi in modo appropriato (e cio il pi realisticamente possibile) tutti i costi di transazione relativi al mercato oggetto dellanalisi. 2. Scelta dei parametri. I parametri da ottimizzare dipendono dai segnali di entrata / uscita prescelti, tuttavia lo stesso non si pu dire del loro campo di variazione e del loro passo di variazione.
Ad esempio, un segnale basato sullattraversamento da parte del prezzo della sua media mobile pu essere ottimizzato utilizzando da 4 a 40 barre precedenti con passo 4 (11 test), oppure con passo 1 (41 test), ottenendo probabilmente risultati diversi. Analogamente il parametro pu essere testato da 2 a 20 o da 40 a 80.
Total # of trades Number winning trades Largest winning trade Average winning trade Ratio avg win/avg loss Max consec. winners Avg # bars in winners Max intraday drawdown Profit factor Account size required
Percent profitable Number losing trades
111.20 Largest losing trade $ 34.47 Average losing trade$ -17.25 2.00 Avg trade(win & loss) $ 4 Max consec. losers 16 Avg # bars in losers -66.50 3.00 Max # contracts held 69.00 Return on account 300%
$ $
Figura 9: esempio di report di ottimizzazione prodotto dal software Omega Supercharts 2.0. Praticamente tutti i software commerciali producono rapporti molto simili.
4. Si seleziona quellinsieme di parametri che ha dato i risultati migliori secondo il criterio specificato (ad esempio linsieme di parametri che ha generato il massimo profitto). Questi parametri sono detti ottimizzati. Questo procedimento divenuto estremamente popolare negli ultimi anni grazie soprattutto allampia diffusione che hanno avuto i computers ed al fatto che la maggior parte dei software commerciali di analisi tecnica, anche quelli a basso costo, offrono questa possibilit. Per questo motivo opportuno effettuare alcune osservazioni sia sulla metodologia che sul suo significato.
Naturalmente pi il passo di variazione stretto ed il campo di variazione ampio tanto pi la stima ottenuta dal processo di ottimizzazione pu essere giudicata attendibile. Lanalista si trova dunque a mediare tra unottimizzazione molto dettagliata ed un tempo (= costo) di calcolo che pu divenire inaccettabile.
32
3. Stabilit dei risultati. Alcuni autori31rilevano che linsieme dei parametri determinato da questa procedura potrebbe non rappresentare la scelta ottima in quanto leggeri mutamenti degli stessi potrebbero causare drastici mutamenti nella performance del sistema. Poich lunica cosa che si conosce con certezza che i comportamenti del mercato non si ripetono mai nello stesso identico modo, opportuno scegliere quellinsieme dei parametri che, anche se soggetto a leggeri mutamenti, fornisce una certa stabilit di performance.
Ad esempio, la Figura 10 illustra graficamente la performance ottenuta in ottimizzazione da un sistema con due parametri. Le curve di livello indicano il profitto. Evidentemente la combinazione di parametri data dal punto B preferibile a quella generata dal punto A perch, pur presentando un profitto inferiore, pi stabile a piccole variazioni dei parametri (cio a piccole variazioni del comportamento di mercato).
Figura 10: le cifre vicino alle curve di livello indicano i profitti toccati dal sistema per quella particolare combinazione di parametri, larea dove le curve sono assenti indica profitti inferiori a 90.
4. Stop-loss e stop-profit. In certi casi lanalista pu decidere di ottimizzare oltre ai parametri dei segnali di entrata anche gli eventuali livelli di stop-loss e/o stop-profit. Questo avviene essenzialmente nei casi in cui lalgoritmo che descrive il segnale di entrata ed uscita incentrato sullo stop-loss stesso32. Negli altri casi, a livello di ottimizzazione, lo stop-loss non normalmente usato in quanto semplicemente non necessario! Infatti il procedimento di ottimizzazione stesso tende ad individuare
32 31
Kaufman (1987), Ehlers (1992).
Ad esempio il segnale Parabolic Stop and Reversal proposto da Wilder. Vedi Kaufman (1987).
33
proprio quei parametri che generano solo operazioni corrette o al massimo piccoli errori. Un eventuale ordine di stop-loss non scatterebbe dunque quasi mai e lunico risultato che si otterrebbe tentandone unottimizzazione sarebbe quello di appesantire i calcoli. Discorso perfettamente analogo vale -mutatis mutandisper lo stop-profit.
Osservazioni sul significato dellottimizzazione 1. Backtesting. Lottimizzazione dei parametri di un sistema porta a conoscere la combinazione di parametri che ha meglio funzionato in passato. In questo senso si tratta di una procedura backward looking ed infatti ad essa spesso ci si riferisce con il termine backtesting. In sostanza ci che si fa ottimizzando un sistema semplicemente ricercare il migliore fit con certi dati passati di mercato. Questa procedura non implica nulla riguardo alla possibile esistenza di una qualche relazione (esplicativa o previsiva) tra sistema e mercato. Inoltre essa assolutamente non porta ad ottenere una simulazione corretta e realistica delleffettivo uso di un sistema sul mercato. Si pu dire che lottimizzazione indica soltanto quale sarebbe stato il risultato di un ipotetico colpo di fortuna risultante dallutilizzo del giusto insieme di parametri su un particolare mercato in un dato periodo. E da ritenersi che la realizzazione di un tale colpo di fortuna sia, appunto, del tutto casuale. 2. Rischi. Da quanto detto sopra risulta chiaro che un utilizzo puro e semplice di un sistema con parametri ottimizzati pu rappresentare un rischio molto elevato. Fortunatamente sono molto pochi i traders e gli investitori che usano il procedimento dellottimizzazione in modo cos naif. Anche il novizio, dopo un paio di prove, si rende conto che questa tecnica spesso fuorviante. La realt che quasi qualsiasi sistema di trading (anche il pi strano) sottoposto ad ottimizzazione finisce per
34
produrre dei risultati accettabili ...
solo nel passato.
cos importante da meritare una trattazione dettagliata nei prossimi paragrafi.
3. Utilit dellottimizzazione. Viene dunque spontaneo chiedersi in che cosa consista lutilit di un procedimento di ottimizzazione. In effetti se si dispone di uno schema interpretativo del mercato sufficientemente dettagliato, lottimizzazione serve a poco: ... somewhat facetiously Im tempted to say I wish everyone in the world used optimization to the hilt. If they did, it would make the competition that much more lame!33 Tuttavia non sempre questo il caso. Un valido schema interpretativo del mercato e con laggettivo valido si intende utilizzabile per il trading richiede sempre anni di lavoro ed una lunga maturazione. Inoltre, spesso proprio tramite analisi effettuate usando lottimizzazione che si acquisisce lesperienza e si generano le idee per crearsi uno schema interpretativo. Quando, per qualsiasi motivo, uno schema interpretativo non sia disponibile la procedura dellottimizzazione permette di ottenere almeno due risultati. Il primo quello di escludere idee o concetti palesemente errati. Se un sistema di trading produce infatti brutti risultati anche se ottimizzato, si pu essere ragionevolamente certi del fatto che esso vada abbondantemente rivisto e forse abbandonato. Il secondo quello di permettere leffettuazione di una simulazione corretta del sistema utilizzando in combinazione ottimizzazione e forward testing. Proprio questultimo aspetto
33
La simulazione in forward testing Scopo di questa procedura quello di effettuare una simulazione che sia il pi realistica possibile di una certa operativit di trading. Per ottenere questo risultato, tutte le decisioni di trading sono effettuate sui dati passati ma senza prendere in considerazione la conoscenza che gi si possiede sullandamento futuro dei prezzi.
Ad esempio supponiamo di avere una serie giornaliera dei prezzi che va dal 1/1/88 al 31/12/93. Se desideriamo effetuare unanalisi in forward testing dal 1/7/90 al 31/10/90, lalgoritmo che determina le decisioni di acquisto e di vendita pu utilizzare solo le informazioni che sarebbero state effettivamente disponibili alla data in questione. Cos al 1/7/90, lalgoritmo pu utilizzare tutti i prezzi dall1/1/88 al 30/6/90, al 2/7/90 si possono utilizzare anche i prezzi dell1/7/90 e cos via.
La simulazione in forward testing deve ovviamente tener presente leffetto di tutti i possibili costi di transazione e le eventuali condizioni di stop-loss e stop-profit34. Le modalit del forward testing sono abbastanza semplici da realizzare e si possono riassumere come segue.
34
Schwager (1993) p.17.
A differenza dellottimizzazione una qualche forma di stop-loss generalmente sempre presente nel forward testing. Quanti traders infatti si avventurerebbero sul mercato a seguire un sistema giocando soldi veri senza porre condizioni di questo tipo?
35
Si determina anzitutto la durata del forward testing che pu essere fissa (ad esempio 4 mesi) o variabile (ad esempio fino alla terza perdita). Barra per barra si verifica il comportamento del sistema (ordini di acquisto, vendita, nulla) e lo si registra. Procedendo in questo modo si ottiene una sequenza di operazioni in utile od in perdita: tale serie rappresenta il risultato effettivo della simulazione. Una volta effettuato il forward testing, possibile calcolare una serie di statistiche utili per la determinazione della performance e del rischio del sistema. In particolare, le pi importanti di queste statistiche sono le seguenti. Profitto totale. Si tratta del profitto o perdita complessivo che si sarebbe realizzato in un certo periodo seguendo le indicazioni del sistema sotto analisi. Numero di operazioni in utile (W) e numero di operazioni in perdita (L). Questa statistica un indicatore di rischiosit e permette di qualificare la performance del sistema: ovviamente essa tanto migliore quanto pi il rapporto W/L elevato. Lutilit di questo dato la si pu apprezzare con un esempio. Assumiamo di avere un sistema che pur registrando complessivamente un profitto, ha collezionato 25 operazioni in perdita contro 2 in utile. Che cosa sarebbe successo a questo
sistema se per qualche motivo si fosse mancato uno (od entrambi) dei segnali in utile? Assai probabilmente si sarebbe registrata complessivamente una perdita. Viceversa un sistema complessivamente in perdita ma con un rapporto W/L favorevole potrebbe indicare che si sulla buona strada: forse una leggera modifica degli algoritmi che definiscono i segnali di acquisto e di vendita sufficiente ad evitare qualcuna delle operazioni in perdita ed a capovolgere il risultato globale. Il rapporto W/L anche utile per lordinamento della performance dei vari sistemi e per costruirne una graduatoria: a parit di profitto il sistema con il maggiore rapporto W/L sicuramente preferibile. Infine il rapporto W/L ha una rilevanza anche sul piano pi strettamente psicologico e manageriale: quanti se la sentirebbero di seguire effettivamente un sistema di trading che generalmente colleziona un gran numero di perdite e solo di tanto in tanto realizza una singola operazione con utile cos grande da sorpassare tutte le perdite precedenti?35 Perdita massima. Questo dato indica la perdita pi elevata registrata in una singola operazione durante il periodo di forward testing. Si tratta sempre di un indicatore di rischio che tanto
35
Pensiamo soprattutto ad un gestore di fondi di investimento che ha una contabilit ( e performance) rilevata trimestralmente, mensilmente o addirittura giornalmente. Egli si troverebbe durante gran parte dellanno costretto a difendere di fronte ai suoi capi (e ai suoi clienti) delle performance scadenti e solo in alcuni fortunati momenti ad essere una star del mercato, tutto questo pur presentando sui lunghi periodi dei buoni risultati. Discorso solo parzialmente diverso vale per linvestitore privato che pu essere anche molto paziente, ma raramente lo .
36
migliore quanto pi prossimo allo zero. Viene per lo pi utilizzato per creare una graduatoria dei vari sistemi, ma qualche autore suggerisce un suo utilizzo anche ai fini della determinazione dellimporto ottimale da investire36. Massimo draw-down (MDD). A nostro parere il pi importante indicatore di rischio. Esso riporta la massima perdita registrata nel corso del periodo di forward testing in termini di capitale (e non come nel punto precedente sulla singola operazione). In altre parole si pu dire che si tratta dellipotesi di massima sfortuna infatti risponde alla domanda quanto si sarebbe perso del proprio capitale se si fosse cominciato ad effettuare operazioni proprio nel momento peggiore e si fosse terminato ancora nel momento peggiore?. La Figura 11 illustra
questo
concetto
Valore cumulato dei trades
graficamente.
200
150 momento pi sfortunato per entrare
Max Drawdown
100 valore
50
mpmento pi sfortunato per uscire
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26
-50 numero trades
Figura 11: lasse verticale riporta il valore cumulato dei trades eseguiti.
E difficile sottovalutare limportanza del MDD come indice di rischio: esso quantifica in modo efficace lo stress finanziario e psicologico che il trader deve essere preparato ad affrontare utilizzando un certo sistema. Rilevazioni delle variazioni del MDD nel corso di diversi periodi di forward testing danno unimmagine sintetica e ragionevolmente completa della rischiosit di un sistema nel tempo.
36
Vedi Vince (1990). Torneremo su questo punto nella Sezione 3.
37
Uso combinato dellottimizzazione in back testing e del forward testing Per molti sistemi di trading spesso necessario ricorrere ad una combinazione di ottimizzazione e di forward testing. Il metodo semplice ed convenientemente rappresentato in Figura 12.
parametri quelli desunti dallottimizzazione immediatamente precedente e tutte le statistiche finali sono calcolate utilizzando solamente i dati ottenuti in forward testing. Osserviamo anche che nella maggior parte dei casi il periodo di forward testing ha una durata inferiore a quello utilizzato per lottimizzazione nellassunzione che questultima tenda a perdere di validit abbastanza rapidamente.
Fine tuning del sistema di trading Luso combinato dellottimizzazione e del forward testing o luso del solo forward testing37permettono di ottenere una valutazione realistica della performance di un certo sistema di trading. Il risultato di questa simulazione espresso dalla serie dei risultati ottenuti nelle singole operazioni e da statistiche riassuntive quali il profitto o perdita totale, il massimo drawdown ed altre. Basta tutto questo per generare un sistema in grado di essere effettivamente utilizzato sul mercato? La risposta solo molto raramente positiva. Ci che pi spesso accade che lanalista identifica con queste procedure uno o pi sistemi che sembrano contenere idee interessanti per quel mercato o quella situazione e che per sembrano presentare anche altri aspetti suscettibili di miglioramento o di approfondimento. Si entra quindi in quella fase che si pu denominare di fine tuning del sistema.
Figura 12: uso combinato dellottimizzazione e del forward testing.
Si tratta di una successione di back testing e forward testing che utilizza tutti i dati disponibili. Il forward testing utilizza come
37
Per sistemi che non richiedono lottimizzazione dei parametri.
38
Le analisi effettuate nella fase del fine tuning sono molto variegate e dipendono sia dal particolare problema che si sta studiando che dalla sensibilit e dallesperienza dellanalista. Non vi dunque una lista univoca e vincolante di passi che devono essere intrapresi, ma solo qualche suggerimento basato sullesperienza. In generale si pu dire che alcune analisi che spesso risultano utili sono le seguenti. 1. Analisi della dipendenza dei segni delle operazioni. La serie dei risultati delle singole operazioni presenter una successione di utili e perdite. E importante verificare se esista una dipendenza tra i segni delle operazioni che pu fornire spunti per il miglioramento del sistema.
Ad esempio, se si riscontrasse che unoperazione in perdita normalmente seguita da unaltra in perdita o comunque con un utile molto basso, sarebbe conveniente saltare ogni segnale seguente unoperazione in perdita.
2. Variazione del periodo di forward testing. Per meglio comprendere la portata e la validit dei risultati ottenuti anche opportuno provare a variare la lunghezza dei periodi sui quali si effettuato il forward testing. Se ad esempio abbiamo utilizzato dei periodi di forward testing trimestrali, si pu sperimentare con periodi mensili o trimestrali o con periodi di durata variabile (la cui lunghezza determinata dal numero di perdite registrate in un certo periodo, o dallutile del periodo o da altri fattori). 3. Variazione delle regole di stop-loss e/o stop-profit. Questa analisi serve a verificare la dipendenza dei risultati ottenuti da particolari regole di stop-loss e stop-profit. Siccome queste due ultime regole sono in qualche modo legate alla propensione al rischio dellanalista39 esse possono talvolta essere utilmente modificate al fine di comprendere meglio il funzionamento del sistema. 4. Modifica dellalgoritmo del segnale di entrata. Lanalisi dei risultati ottenuti in forward testing pu anche dare delle indicazioni utili per poter migliorare lalgoritmo che descrive il segnale di entrata. Ad esempio pu verificarsi il caso che un segnale tenda ad essere corretto solo in particolari situazioni di mercato e tenda sempre a sbagliare in altre. In questo caso si pu tentare di apportare delle modifiche al segnale stesso (e dunque in qualche misura alla sua stessa logica) al fine di renderlo di uso pi
Un test statistico utilizzabile per verificare lesistenza di una dipendenza dei segni di tipo semplice come quella illustrata nellesempio precedente il test di Wald - Wolfowitz che disponibile su praticamente tutti i software di statistica. Tale test, valido quando si dispone di un campione di almeno 20 operazioni38, permette di determinare se la sequenza dei segni (utili = +, perdite = -) sia casuale o meno. In caso di non casualit opportuno analizzare attentamente il sistema ed i risultati per cercare di identificarne la vera natura.
38
39
Ma noi ci sentiremmo tranquilli solo con un campione molto pi ampio.
Noi per esempio non testeremmo mai sistemi usando stop-loss troppo ampi perch sappiamo gi che probabilmente poi non avremmo il coraggio di usarli effettivamente.
39
generale. Se si segue questa strada occorre comunque rifare tutta lanalisi in forward testing. Un accorgimento utile per determinare quali tipi di analisi di fine tuning sono necessarie quello di ripercorrere tutta lanalisi in forward testing del sistema manualmente cercando di immedesimarsi il pi possibile nelle situazioni vissute dal sistema in passato. Questo metodo, che ovviamente applicabile per ragioni di tempo solo ai sistemi migliori, presenta due vantaggi. Il primo appunto quello di permettere di scoprire attraverso unanalisi molto dettagliata i punti di forza e di debolezza del sistema e dunque progettare eventuali interventi di fine tuning. Il secondo quello di entrare psicologicamente nel tipo di situazioni in cui quel sistema tende a portare (perdite, sequenze di perdite, rischi, grandi o piccoli profitti, ecc.). Questo aiuter enormemente nel momento in cui si decidesse di passare dal paper trading ad unoperativit effettiva.
Figura 13: la metodologia per la progettazione e lanalisi di un sistema di trading.
Una sintesi La Figura 13 illustra e riassume il processo di analisi che abbiamo seguito fino a questo punto. Osserviamo che le frecce bidirezionali tra ottimizzazione e forward testing indicano la sequenzialit del processo di uso congiunto delle due metodologie (come illustrato in Figura 12) ed ovviamente si applicano solo ai sistemi che richiedono ottimizzazione.
Le frecce bidirezionali tra segnali di entrata e regole di stop-loss e stop-profit riguardano invece solo quei segnali che per loro natura dipendono fortemente dalla definizione degli ordini di stop.
40
Esempio. Parte II: il test di un sistema di trading. I dati mostrati in Figura E1 ed E2 relativi al mercato del cambio USD/YEN sono i cambi spot (cio a pronti) rilevati giornalmente dal Financial Times sul mercato europeo. Il close in particolare si riferisce alla quotazione media di alcune banche alle 17.30 di Londra. Poich il mercato dei cambi non chiude virtualmente mai (se non durante il week end), ma prosegue sulle piazze americane e poi su quelle asiatiche, il close ha un valore molto relativo. Per questo motivo, anzich calcolare il Triplo ROC sui close, lo si pu calcolare su una media (H+L+C)/3 che in qualche modo riflette forse meglio la condizione del mercato. Questi dati, non essendo relativi a contratti futures, non necessitano di particolari aggiustamenti. Tuttavia importante osservare che con questo tipo di sistema ci si troverebbe ad usare probabilmente operazioni a termine e non operazioni spot. In altre parole si acquisterebbe (o venderebbe) USD contro Yen per consegna futura. In questo caso il prezzo quotato dalla banca il prezzo a termine che pu essere significativamente diverso dal prezzo spot40. Questo fatto viene qui trascurato per due motivi: (1) praticamente molto difficile da includere nellanalisi in quanto occorrerebbe studiare parallelamente cambio e tassi di interesse, (2) non dovrebbe essere economicamente molto rilevante perch circa su met delle operazioni il premio viene pagato e sullaltra met incassato.
Per iniziare a verificare la validit del sistema si pu decidere di procedere in questo modo. Si ipotizzano dei valori per i parametri n1, n2 ed n3. Poich si dispone di dati giornalieri tali valori possono essere i seguenti: n1 [3,12], n2 [14,23], n3 [24,36] tutti variabili con passo 2 o 3. Dato che si semplicemente interessati a fornire un esempio, si pu anche ipotizzare che il sistema mantenga certe caratteristiche di stabilit per un periodo abbastanza prolungato, ad esempio 6 mesi. Si effettua dunque unottimizzazione in backtesting su periodi annuali ed un forward testing su periodi semestrali. In pratica, lottimizzazione effettuata sui seguenti periodi: dal 31/12/88 al 31/12/89; dal 30/6/89 al 30/6/90; dal 31/12/89 al 31/12/90; e cos via fino al termine dei dati. Lottimizzazione effettuata senza stop-loss. Il forward testing invece effettuato sulle seguenti date: dal 1/1/90 al 30/6/90; dal 1/7/90 al 31/12/90; eccetera fino alla fine dei dati. In forward testing si usa uno stop-loss del tipo money management order la cui misura minima soggettivamente determinata essere pari circa a met della perdita massima realizzata nel periodo di backtesting. Inoltre, lo stop-loss minimo comunque fissato in 1.2 yen per 1 USD41. Si ipotizza che lesecuzione degli ordini avvenga al prezzo close del giorno seguente a quello in cui scatta il segnale42. Si
41
40
La diversit tra prezzo spot ed a termine proporzionale al differenziale esistente sui tassi di interesse delle due divise ed alla durata delloperazione.
Si tratta di condizioni abbastanza risk averse: esse possono tuttavia essere rilassate in sede di fine tuning. 42 Unaltra ipotesi fortemente conservativa. In molti sistemi lesecuzione avviene nel momento stesso in cui scatta il segnale.
41
ipotizza inoltre che nel caso in cui la barra sia cos ampia che nello stesso giorno scatti sia il segnale che lo stop-loss, nessuna delle due operazioni sia in pratica effettuata43. I risultati dellottimizzazione sono riportati nella Figura E3.
Da 31/12/88 30/6/89 31/12/89 30/6/90 31/12/90 30/6/91 31/12/91 30/6/92 31/12/92 30/6/93 A 31/12/89 30/6/90 31/12/90 30/6/91 31/12/91 30/6/92 31/12/92 30/6/93 31/12/93 30/6/94 Param 12,14,27 12,23,30 12,23,24 9,20,24 9,17,36 12,23,27 6,23,24 12,23,24 9,14,24 12,23,34 Total Profit 36.0 -26 342 162 137 247 75 171 159 102 Wins 1 2 4 5 4 3 4 4 4 4 Losses 5 5 1 3 2 0 3 2 2 1 Max Loss -32.2 -66.2 -32 -6 -3 0 -27 -5 -19 -16 Open -10.9 -32.9 58.7 -13.5 38.5 74.4 3.5 -16 33 41
I risultati del forward testing sono invece riportati nella Figura E4.
Da 1/1/90 1/7/90 1/1/91 1/7/91 1/1/92 1/7/92 1/1/93 1/7/93 1/1/94 A 30/6/90 31/12/90 30/6/91 31/12/91 30/6/92 31/12/92 30/6/93 31/12/93 30/6/94 Param 12,14,27 12,23,30 12,23,24 9,20,24 9,17,36 12,23,27 6,23,24 12,23,24 9,14,24 Stop 16 19 15 12 12 12 14 12 12 Total Profit 66.35 60.2 8.6 104.8 56.7 -31.3 95.2 18 10.4 MDD -76.3 -76.2 -48.9 -26 -36 -48 -43.3 -53 -72.5 Wins 2 1 3 2 2 2 1 4 2 Losses 5 5 4 2 3 4 2 6 5
Figura E3: risultati dellottimizzazione per unoperativit ipotetica di 10 USD. I risultati sono espressi in yen. Param sono i valori dei parametri ottimizzati, Total Profit il profitto o perdita realizzato durante lintero periodo, Wins il numero di operazioni in utile, Losses il numero di operazioni in perdita, Max Loss la perdita massima realizzata nel periodo e Open il valore della posizione aperta troncata a fine del periodo (tale valore gi incluso nel Total Profit).
Figura E4: risultati del forward testing per unoperativit ipotetica di 10 USD. I risultati sono espressi in yen. Param sono i valori dei parametri usati per il forward testing, Stop il valore dello stop-loss, Total Profit il profitto o perdita realizzato, MDD il drawdown massimo del periodo di forward testing, Wins e Losses sono rispettivamente il numero delle operazioni conclusesi in utile ed in perdita.
Notiamo che, per quanto i risultati ottenuti in forward testing evidenzino sempre un utile salvo che nel II semestre 1992, il rapporto W/L non sia molto buono ed il MDD non di rado superi il profitto totale. Unosservazione pi attenta della performance del sistema effettuata con una ricostruzione operazione per operazione del sistema stesso sembra suggerire, a livello di fine tuning, alcune modifiche. In particolare, sembra che in diversi casi, specialmente su trends brevi, il
43
Questo coerente con il fatto di eseguire loperazione al close. Poich il close lultimo prezzo della giornata, a quellora si conosce gi lampiezza della barra per cui si tratta di un calcolo lecito.
42
segnale sia arrivi troppo in ritardo nellapertura delle operazioni. Viceversa su trends lunghi il sistema sembra arrivare in ritardo nella chiusura delloperazione. Si pu perci pensare di aggiungere due regole da applicarsi al forward testing del sistema: non prendere un segnale quando esso in ritardo di 4 barre o pi (ad esempio non si prende un segnale in acquisto se le quattro barre precedenti quella dacquisto presentano un Low strettamente crescente: Lt-4 < Lt-3< Lt-2 < Lt-1 e viceversa); usare uno stop-profit del tipo % risk trailing stop con floor pari allo stop loss moltiplicato per 2.4 e retracement percentuale del 20%44.
Da 1/1/90 1/7/90 1/1/91 1/7/91 1/1/92 1/7/92 1/1/93 1/7/93 1/1/94
A 30/6/90 31/12/90 30/6/91 31/12/91 30/6/92 31/12/92 30/6/93 31/12/93 30/6/94
Param 12,14,27 12,23,30 12,23,24 9,20,24 9,17,36 12,23,27 6,23,24 12,23,24 9,14,24
Stop 16 19 15 12 12 12 14 12 12
Total Profit -1.2 23.3 92.3 78.4 21.5 39.2 82.0 14.7 48.1
MDD -48 -36 -23 -24 -60 -21 28 -49 -48
Wins 1 1 4 3 3 3 3 3 2
Losses 3 2 1 1 5 3 1 5 4
Figura E5: rifacimento dellanalisi di forward testing dopo lintroduzione delle nuove regole di fine tuning.
I nuovi risultati ottenuti in forward testing sono i seguenti:
Notiamo che vi un miglioramento netto del rapporto W/L ed anche del MDD in quasi tutti i periodi. Anche il profitto si ridistribuisce in modo differente con un minore utile nei periodi iniziali ed una performance pi costante nei periodi seguenti.
44
Si osservi che questi valori non sono ottimizzati. Essi sono stati ipotizzati basandosi sullidea che il sistema deve pi o meno finire in breakeven se riesce a fare almeno unoperazione giusta su tre. Se si accetta questo principio, occorre che lo stop profit sia almeno due volte lo stop loss: qui si ipotizzato 2.4 volte per tener conto anche del retracement del 20%.
43
SEZIONE 3 Metodo dei pesi La validazione del sistema: rendimento e rischio Una volta definito e testato il sistema, le domande che si presentano sono: lo si pu usare? per quale importo? La risposta a queste domande fondamentali tocca naturalmente la sfera della valutazione del ritorno e del rischio. In entrambi i casi la risposta ha per due caratteristiche: soggettiva ed relativa. Essa soggettiva perch dipende dal rapporto rischio-ritorno che si disposti ad accettare e che varia da persona a persona. Essa anche relativa perch determinata sempre da un confronto che viene fatto con possibilit di investimento alternative. Non sempre esiste dunque il modo di definire aprioristicamente un sistema buono o non buono se non riferendosi ad una determinata propensione al rischio e ad un particolare gruppo di alternative45. Per procedere in questanalisi occorre rifarsi ai risultati ottenuti dal forward testing (dopo leventuale fine tuning). Tipicamente, attraverso la ripetizione di analisi di forward testing su pi periodi, dati quali quelli presentati in Figura 9 sono raccolti e valutati. Esisono diverse metodologie possibili, qui se ne presentano tre: il metodo dei pesi, il metodo M.A.E. e lanalisi della distribuzione del drawdown.
45
Lanalista identifica soggettivamente le dimensioni del ritorno e del rischio che gli paiono pi importanti, ad esempio il profitto del sistema, il drawdown massimo (MDD), il rapporto W/L tra operazioni in utile ed in perdita e la volatilit dei ritorni (standard deviation). Quindi egli assegna soggettivamente un peso (tra 0 e 1) a ciascuna di queste dimensioni. I pesi, complessivamente presi, devono sommare allunit. Questi pesi rappresentano in un certo senso la propensione al rischio e perci non dovrebbero essere variati spesso. Infine si calcola un indice medio ponderato che rappresenta una sorta di punteggio per quel particolare sistema e questo permette il raffronto con altri sistemi.
Esempio. Assumiamo di aver ricavato dal forward testing i seguenti dati relativi ai sistemi A, B e C. Sistema A B C pesi P/L 100 120 90 0.65 MDD -10 -40 -15 0.25 W/L 0.80 0.75 1.05 0.10
Lultima riga della tabella riporta i pesi assegnati soggettivamente ai tre fattori considerati. Calcoliamo quindi il punteggio per questi sistemi: Sistema P/L MDD W/L Punteggio
Eccezione: un sistema che sbaglia tutte le operazioni. Esso manifestatamente non mai buono in nessun caso. Tuttavia un sistema di tale tipo vale probabilmente moltissimo: basta fare sempre lopposto di quanto indica per diventare ricchi!
44
A B C
83 (=100/120) 100 75
100 25 (=10/40) 67
76 (=0.8/1.05) 71 100
86.55 78.35 76.15
Metodo M.A.E. Il metodo MAE (Maximum Adverse Excursion) stato proposto da John Sweeney46e consiste in unanalisi che viene effettuata, operazione per operazione, sui dati ottenuti dal forward testing. Per ogni operazione occorre calcolare il pi elevato movimento contrario registrato dai prezzi durante il suo periodo di vita: tale valore, -che potremmo chiamare massimo drawdown delloperazione- detto pi brevemente MAE da Sweeney. Si costruiscono quindi due grafici che riportano sullasse delle ordinate il numero dei trades e sullasse delle ascisse le classi di un istogramma che definisce il campo di variazione del MAE rispettivamente per le operazioni in perdita e per le operazioni in utile.
Notiamo che 100 viene assegnato al sistema che per un determinato fattore presenta il valore massimo (o preferito), cos al sistema A viene dato 100 per il fattore MDD perch ha il drawdown meno elevato di tutti. Gli altri valori sono parametrati su quello massimo in modo che un 75 rappresenta un valore del 25% peggiore di quello preferito e cos via. Lultima colonna riporta il punteggio complessivo: utile osservare che, pur avendo assegnato un grosso peso al profitto (0.65) il sistema migliore risulta essere A che non il pi profittevole, mentre la propensione al rischio ipotizzata fa s che i sistemi B e C risultino quasi equivalenti. In casi reali, la mia esperienza indica che sempre meglio includere tra i fattori anche un indice di variabilit del ritorno (come la standard deviation del profitto) la quale, del resto, la misura principe del rischio secondo la teoria finanziaria.
Questo metodo di classificazione e di comparazione dei sistemi abbastanza rozzo, ma ha il vantaggio di essere facilmente comprensibile e molto veloce da calcolarsi. E particolarmente utile nel caso che i sistemi presi in considerazione siano molti e si intenda avere una prima comparazione quick and dirty prima di procedere ad ulteriori analisi.
46
Vedi Sweeney (1993).
45
formano sul grafico delle nuvole nelle aree di maggiore concentrazione.
Figura 14: grafici MAE, lasse delle ascisse va da 0 a - infinito. Ogni colonna dellistogramma rappresenta un gruppo di operazioni conclusesi rispettivamente in perdita o in utile che hanno avuto un drawdown molto simile. La definizione delle classi dellistogramma soggettiva.
Sweeney suggerisce di usare lanalisi MAE per la validazione del sistema. La sua tesi che se i due grafici non sono significativamente differenti, probabilmente il sistema non riesce a discriminare tra operazioni in utile ed operazioni in perdita, per cui gli eventuali risultati positivi ottenuti possono essere casuali. Un possibile raffinamento dellanalisi MAE di Sweeney il seguente. Si costruisce un grafico in cui lasse delle ordinate riporta il profitto o perdita registrato sulle singole operazioni e lasse delle ascisse riporta il MAE. Le operazioni stesse sono raffigurate come dei punti e quindi
Figura 15: Esempio di analisi MAE: per rendere il grafico leggibile sono state riportate solo poche operazioni.
Ogni sistema compone un proprio pattern sul grafico MAE di Figura 15. Tale grafico permette di dettagliare la performance del sistema identificando i trades profittevoli ma rischiosi (nel quadrante trades rischiosi), i trades profittevoli e poco rischiosi, cio i segnali corretti (nel quadrante trades ideali), i trades orrendi con alto rischio ed alta perdita (quadrante trades da evitare), ed i trades normali a
46
medio ritorno (o perdita) e medio rischio (quadrante trades normali). Da notare che non possono esistere trades nella zona inferiore alla bisettrice r: per definizione non pu infatti essere che unoperazione registri una perdita superiore a quella ipotetica registrata dal suo MAE. Se poi esiste uno stop-loss, diciamo al livello S, non dovrebbero nemmeno esistere operazioni n in profitto n in perdita con MAE superiore a S47. Anche in questo caso il grafico utilizzato per la validazione del sistema. Lanalisi dei tracciati prodotti da ogni sistema permette di selezionare il migliore. Chiaramente, tanti pi trades un sistema ha nella zona ideale, tanto pi esso appetibile48. Lanalisi MAE uno strumento interessante anche se di calcolo non immediato. Linterpretazione dei grafici MAE richiede tuttavia una certa esperienza e non sempre facile. Si tratta di unanalisi che produce un output qualitativo e non un punteggio quantitativo come
47
la precedente, ma che permette di apprezzare una diversa dimensione del rischio. Infine si osservi che lanalisi MAE pu anche essere utilizzata con profitto per la determinazione dello stop-loss (money management order), infatti permette di visualizzare graficamente quali e quanti trades vengono troncati (siano essi portatori di profitto o di perdita) per ciascun livello dello stop.
Analisi della distribuzione del MDD Limportanza del MDD quale misura del rischio gi stata rilevata, non vi dunque nulla di strano nel prendere in considerazione un metodo basato sul MDD per giungere alla selezione di un sistema. Qui si propone la forma di analisi che mi pare pi interessante e che anche quella che ho trovato operativamente pi utile49. Anche in questo caso si parte dai dati delle singole operazioni come ottenute attraverso le simulazioni di forward testing. Questi dati, assumendo che ve ne siano in numero sufficiente50, danno luogo ad una distribuzione che pu assumere varie forme: una illustrata in Figura 15.
Potrebbero esistere solo alcune operazioni in perdita nel caso che lo stop-loss sia stato saltato. Dovrebbero comunque essere casi eccezionali. 48 Un altro contributo di Sweeney (1992) relativo allanalisi MAE il seguente. Egli propone il calcolo del numero di giorni (barre) di durata di ciascuna operazione. Anche in questo caso possibile produrre un grafico che ha la durata sullasse delle ordinate ed il profitto / perdita su quello delle ascisse. Lanalisi dei tracciati prodotti da ciascun sistema permette di acquisire delle informazioni (almeno probabilistiche) sul comportamento del sistema stesso: ad esempio in presenza di un buon sistema trend following dovremmo osservare tante operazioni in utile di lunga durata e poche operazioni in perdita di breve durata. Questo tipi di analisi tuttavia, pi che essere utile per scegliere un sistema, pu avere una sua validit in sede di fine tuning.
49 50
In questa esposizione mi rifaccio, pur variandola, ad unidea di Gallacher (1994). Molti test statistici richiedono almeno 20 dati, tuttavia preferibile lavorare con almeno una cinquantina.
47
20.00% 18.00% 16.00% 14.00% Frequenza 12.00% 10.00% 8.00% 6.00% 4.00% 2.00% 0.00% 0 -5 5 10 15 20 25 30 35 40 45 50 55 60 65 -20 -18 -15 -10 Profitto / Perdita 70
Attraverso un generatore di numeri casuali51 adattato sulla distribuzione empirica dei trades ottenuti in forward testing, si effettuano ripetute estrazioni di numeri casuali ciascuno dei quali rappresenta lipotetico risultato di unoperazione futura. I numeri estratti sono raggruppati sequenzialmente in gruppi di 30 elementi (abbiamo infatti ipotizzato 30 trades allanno). Il numero delle estrazioni deve naturalmente essere molto elevato per essere significativo (nel nostro caso si potrebbe pensare a 9000 o anche 15000 estrazioni in grado di produrre 300 o 500 gruppetti di 30). Ciascun gruppetto di 30 rappresenta lipotetico risultato di un anno di trading. Su ciascuno di questi gruppetti si calcola quindi il MDD ottenendo un valore per ogni gruppetto. I valori cos ottenuti rappresentano lipotetica distribuzione del MDD su un orizzonte temporale di un anno assumendo che la distribuzione dei trades non muti. Tale distribuzione pu essere plottata e studiata. In particolare, opportuno studiare la distribuzione cumulata del MDD la quale d informazioni del tipo presentato nella Figura 16. In questo caso esiste il 15% di probabilit di registrare nel corso di un anno di trading un drawdown uguale o superiore a 100 lire.
Figura 15: distribuzione dei risultati delle singole operazioni di unanalisi in forward testing. Osserviamo che la presenza di uno stop-loss tende a troncare il lato sinistro della distribuzione, mentre il lato destre scende asintoticamente.
Lipotesi chiave che si effettua quando si compie unanalisi MDD che la distribuzione dei trades cos come ottenuta in forward testing sia ragionevolmente stabile in futuro. Senza questo tipo di ipotesi non siamo autorizzati a fare alcuna deduzione di tipo probabilistico. I passi dellanalisi MDD sono i seguenti. Si ipotizza un orizzonte temporale di trading, ad esempio un anno o cinque anni (ovviamente la lunghezza dellorizzonte dipende anche dal tipo di dati usati per lanalisi: orario, giornaliero, ecc.). Si calcola poi il numero medio di trades normalmente effettuati dal sistema lungo tale periodo (ipotizziamo 30 trades allanno).
51
Per formule di calcolo di generatori di numeri casuali vedi ad esempio Law-Kelton (1982). Tali generatori sono oggi completamente automatizzati e praticamente presenti in tutti i linguaggi per computer ed anche in molti spreadsheets quali Microsoft Excel.
48
Probabilit cumulata 5% 15% 30% 50% 75%
MDD (lire) - 150 -100 -80 -70 -50
Figura 16: esempio di distribuzione cumulata del MDD (dati ipotetici).
La questione della determinazione dellimporto da investire stata sempre considerata cos importante che, come abbiamo gi visto, esistono dei sistemi di trading interamente basati su di essa: si tratta di quei sistemi derivati dallo studio dei giochi di azzardo. Con leccezione dei sistemi basati su questi concetti, si sempre in presenza del problema della determinazione dellimporto ottimale. Qui di seguito si presentano due tipi di analisi volte a rispondere a questa domanda: lanalisi del f ottimale di Vince e un raffinamento dellanalisi del MDD.
Effettuando lanalisi della distribuzione del MDD su diversi sistemi, possibile apprezzarne le differenze in termini di profilo di rischio. Inoltre vedremo pi avanti come, stabilendo una sorta di obbiettivo di rischio (determinato soggettivamente) possibile calcolare un ritorno aggiustato per ogni sistema e dunque realizzare un confronto quantitativo.
Lanalisi dell' f ottimale L f ottimale definito da Ralph Vince52come lottima frazione fissa del proprio capitale da investire in un certo sistema di trading. Questo concetto ha avuto recentemente unampia copertura nella stampa specializzata ed ha acquisito una certa popolarit: perci importante capirne i pregi e le limitazioni. Per definire il suo f, Vince parte dalla risoluzione del problema teorico del lancio della moneta. Se si partecipa ad un gioco che consiste nel lanciare una moneta, vincere 100 lire quando esce testa e perdere 100 lire quando esce croce, qual la percentuale ottima del proprio capitale da giocare nel lungo periodo? Utilizzando un risultato ottenuto dal matematico Claude Shannon negli anni 40, la risposta data dalla seguente formula:
52
Rendimento, rischio e importo Le analisi precedenti permettono di studiare il profilo rischio - ritorno di un sistema di trading in senso astratto. Molto -forse quasi tuttodipende per dallimporto che si ha intenzione di investire su un certo sistema. Il rischio di perdere 100 milioni di lire pu essere insignificante per una banca ma normalmente preoccupante per un privato.
Vince (1990).
49
f = 2p -1 dove p la probabilit di vittoria. In altre parole se la moneta non truccata, meglio non giocare, infatti per p=0.5 si ha che f=0 (sorpresi?, non credo proprio). Se la moneta truccata e si ha il 60% di probabilit di vittoria ovvio che non giocare equivale a perdere unopportunit di guadagno, ma altrettanto ovvio che giocare tutto il proprio capitale equivale, se si sfortunati, a rischiare molto (ad esempio giocando tutto il proprio capitale e perdendo al primo lancio, si sarebbe subito fuori nonostante la moneta truccata). La formula indica che limporto ottimale dato da f = 2 0.6 -1 = 20% del proprio capitale: questo significa che occorre giocare sempre il 20% del proprio capitale calcolato inclusivamente di tutte le vincite e perdite mano a mano che esse si realizzano. La formula pu venire generalizzata ad un gioco in cui se esce testa si vince limporto A e se esce croce si perde limporto B (AB): f = [ ( C + 1) p - 1 ] / C dove C A / B
generalizzare i risultati di Shannon al trading. Il suo ragionamento pi o meno il seguente. Attraverso il forward testing otteniamo una distribuzione di risultati delle singole operazioni che rappresentativa del comportamento del sistema di trading. Possiamo quindi immaginare che il comportamento del sistema di trading sotto osservazione sia equivalente a quello di un ipotetico dado su ogni faccia del quale rappresentato il risultato di unoperazione come ottenuto in forward testing. Ad ogni operazione corrisponde una faccia del dado per cui, poich possibile avere pi operazioni con lo stesso risultato, vi saranno anche pi facce del dado con uno stesso numero. Tirando il dado ripetutamente per un certo numero di volte si ottiene dunque una simulazione affidabile del comportamento futuro del sistema di trading. Ovviamente la perdita massima che possibile realizzare con una simulazione di questo tipo esattamente uguale alla perdita massima realizzata in forward testing e ogni operazione ottenuta da questa simulazione presenta lo stesso identico risultato di una qualche operazione ottenuta in forward testing. Il sistema di trading cos stato trasformato in una sorta di moneta dalle molte facce a cui, senza troppo sforzo, possibile generalizzare il risultato di Shannon54.
e dove per deve valere anche la condizione C (1- p) / p (se no, ancora una volta, meglio non giocare). I risultati presentati dalle due precedenti formule sono matematicamente ineccepibili: la dimostrazione formale si trova negli scritti di Shannon53. A questo punto per Vince cerca di
53
Vince ricava dunque una f variabile tra 0% e 100% anche per il sistema di trading. Non riporto le formule di Vince perch meglio
54
Cf. Shannon (1948).
In realt Vince non menziona nei suoi libri alcun dado (forse troppo naif), ma il suo ragionamento lequivalente matematico della spiegazione qui riportata.
50
invece riflettere sulla logica seguita da questo autore. La domanda che occorre porsi se veramente il comportamento del sistema di trading possa venire ragionevolmente simulato, per un periodo indefinito, ma sufficientemente lungo, dal particolare dado che abbiamo ipotizzato sopra. A nostro parere la risposta nettamente negativa. A causa della presenza di una rilevante componente casuale nelle serie dei prezzi, i risultati di un sistema di trading non sono mai esattamente uguali a quelli ottenuti nei forward testing precedenti e tanto pi lorizzonte temporale si allunga tanto pi il fenomeno si accentua. I risultati di Vince daltra parte sono strettamente dipendenti dai risultati specifici ottenuti dal forward testing e dalla loro probabilit di verificarsi di nuovo. Se nel mondo reale questi risultati o queste probabilit sono poi anche leggermente differenti, la percentuale f anzich ottima pu facilmente essere catastrofica55. Per concludere, nonostante i risultati di Shannon siano senzaltro interessanti ed aiutino a comprendere il tipo di rischio a cui si va incontro anche con giochi molto semplici, i risultati di Vince non lo sono altrettanto. Luso dell' f ottimale per la determinazione dellimporto va scoraggiato: fare del trading non come giocare a testa o croce perch la distribuzione dei risultati non mai conosciuta con esattezza in anticipo.
Un raffinamento dellanalisi del MDD Precedentemente si mostrato come sia possibile simulare una distribuzione del MDD attraverso luso di un generatore di numeri casuali. La Figura 16 riporta un esempio ipotetico di una tale distribuzione. Si ricordi anche che tale distribuzione presuppone tra laltro di aver fissato un orizzonte temporale di trading. Un semplice raffinamento di questanalisi permette di affrontare anche il problema dellimporto da investire. Anzitutto si ricordi che la propensione al rischio una materia ampiamente soggettiva, specialmente per quello che riguarda sistemi di supporto per la speculazione, e quindi non possibile che esista un unico importo ottimo. E per possibile permettere allanalista di quantificare in qualche modo la sua propensione al rischio: ad esempio egli pu dire che gli risulterebbe inaccettabile perdere pi del 10% del capitale in un anno. La Figura 16 mostra che - diciamo in un anno di trading - esiste il 5% di probabilit di perdere almeno 150 lire utilizzando il sistema a cui i dati si riferiscono56. Supponiamo altres che tale risultato sia stato ottenuto da un sistema che metodicamente effettuava operazioni di importo nominale pari a 1000 lire. E importante osservare che nessuno pu garantire con assoluta certezza al nostro analista che egli non perder pi del 10% del suo
56
55
Allo stesso risultato arriva, seguendo un cammino diverso, Gallacher (1994) che pone anche molte altre obiezioni di carattere operativo alluso di f. La sua conclusione non lascia spazio ad ambiguit: the very concept of an optimal f is suspect in principle (p. 197) e my advice to traders is to forget about optimal f (p.198).
Si ricorda a costo di essere ripetitivi, che i dati in Figura 16 sono fittizi e non si riferiscono a nessun mercato in particolare.
51
capitale in un anno. Come si gi osservato, i mercati presentano talvolta dei comportamenti totalmente inattesi ed entrambe la teoria finanziaria e lesperienza indicano che non c ritorno senza rischio57. Lanalista pu per decidere soggettivamente che il 5% di probabilit di perdere il 10% (o pi) del capitale accettabile. In questo caso, una semplice moltiplicazione ci dice che per investire 1000 lire di capitale nominale nel sistema di trading in oggetto, lanalista dovrebbe averne da parte almeno 1500 (= 150 0.10 100). Questo capitale non necessariamente corrisponde al margine richiesto dal broker per effettuare le operazioni, anzi normalmente sempre pi elevato. Si tratta piuttosto del capitale che si dovrebbe avere da parte per affrontare con la tranquillit desiderata il mercato con il sistema di trading oggetto dellanalisi. Questo capitale dovrebbe essere investito in attivit senza rischio e dovrebbe generare (nella misura in cui non utilizzato per far fronte al drawdown) un ritorno riskfree. Questo metodo di analisi pu quindi essere riassunto come segue. Si definisce un orizzonte temporale di trading (detto H) e si valuta il numero medio di operazioni che il sistema esegue in tale periodo di tempo.
Si definisce una propensione al rischio in questo modo. Si sceglie anzitutto la percentuale R del proprio capitale che si disposti a rischiare durante il periodo H. In secondo luogo si determina un livello P che rappresenta la probabilit di perdere R% del proprio capitale nel periodo H. N R, n la probabilit P possono assumere valori nulli (cio chi non risica non rosica). Si calcolano ripetutamente con il meccanismo descritto in precedenza le distribuzioni cumulate del MDD (ottenute dai dati di forward testing) per tutti i sistemi sotto analisi. Su tavole del tipo di quella riportata in Figura 16 si calcola per ogni sistema il capitale necessario. Il calcolo effettuato moltiplicando il MDD corrispondente al P prescelto per la percentuale R per 100. La simulazione qui effettuata attraverso un generatore di numeri casuali non equivale al lancio del dado ipotizzato nel paragrafo precedente a proposito dellf ottimale. Anzitutto, la distribuzione dei risultati ottenuti in forward testing pu qui essere ipotizzata come continua: dunque possibile che vi siano operazioni simulate il cui risultato diverso da quello di ogni operazione analizzata in forward testing. In secondo luogo lesperimento ripetuto centinaia o migliaia di volte al fine di produrre sequenze di operazioni diverse. Questultimo fatto, una sorta di analisi Monte Carlo semplificata, crea ipotetici periodi di trading che hanno un diverso numero di vincite e perdite, diversi importi di perdita massima e diversi MDD. Se si volessero calcolare gli f ottimali non se ne otterrebbe uno, bens una distribuzione probabilmente composta da valori molto differenti e quindi con uno scarso valore operativo.
57
Sia detto per inciso: se fosse possibile garantire al trader un rischio massimo (es. 10% del capitale in un anno) avremmo creato una strategia replicante unopzione simile a quelle ottenibili con la cosiddetta portfolio insurance. Ovviamente non cos e non questo lo scopo che ci si prefissi. Strategie a rischio massimo garantito sono perfettamente raggiungibili ma lesperienza ha pi volte dimostrato che non hanno ritorni interessanti: si tratta perci non soltanto di eliminare il rischio, ma di minimizzarlo.
52
E importante anche comprendere la relazione che esiste tra le tavole della distribuzione cumulata del MDD come quella di Figura 16 e la scelta dellorizzonte temporale H. Nello schema proposto lorizzonte temporale effettivamente rappresentato dal numero medio di operazioni eseguite dal sistema su tale durata. Cosa succede se H viene ampiato, ad esempio se si passa da un anno a due anni? Succede che occorre raddoppiare anche il numero di estrazioni effettuate con il generatore di numeri casuali per ogni ciclo di trading. Cos , se le operazioni erano 30 allanno, ora saranno 60 per due anni. Cosa succede alla distribuzione cumulata del MDD? La risposta a questo quesito meno semplice di quello che sembra. Essa equivalente alla risposta a questa domanda: pi rischioso investire in un certo sistema di trading per un anno o per due anni?. Tanto per cominciare occorre assumere che la distribuzione dei ritorni del sistema sia ugualmente stazionaria ad uno e a due anni, e questa gi una condizione difficilmente accettabile. Se si accetta questo, si pu ricalcolare la distribuzione dei MDD e si entra nel dominio di una delle pi sottili questioni della moderna teoria finanziaria e cio se possibile o meno trarre vantaggio da un effetto diversificazione temporale. La trattazione di questo problema esce tuttavia dagli scopi di questo scritto ed il mio suggerimento allanalista quello pragmatico di non dimenticare che lunico orizzonte temporale ragionevole quello per il quale si ritiene che la distribuzione dei ritorni (e quindi dei MDD) di cui si dispone sia
significativa. E normalmente non si tratta mai di un periodo molto lungo58. Una volta definiti lorizzonte temporale e la propensione al rischio, possibile dunque calcolare il capitale necessario per ciascuno dei sistemi di trading che sono stati testati. Tanto migliore la distribuzione simulata del MDD, tanto minore il capitale richiesto. Tuttavia questa solo una parte della storia: sul mercato si va non solo cercando di minimizzare i rischi ma anche e soprattutto per guadagnare. A questo punto per facile generalizzare lanalisi per ottenere anche una stima del ritorno del sistema. Vi sono due metodi. Il primo metodo quick and dirty. Si conosce il numero di operazioni medie che si effettuano in H ed ovviamente si conosce anche (dal forward testing) il ritorno medio di una singola operazione. Infine si conosce il capitale necessario per poter affrontare il mercato con il sistema dato alle condizioni di rischio prefissate. Facile.
Esempio: H = 1 anno, 30 operazioni allanno, rendimento medio di 5.5 lire per operazione, capitale richiesto alle condizioni di rischio prefissate di 1500 lire. Il ritorno percentuale annuo di 11% ( = (5.530)/1500).
58
Una semplice e breve introduzione al problema della diversificazione temporale la si trova in Kritzman (1994). In sostanza questautore afferma che non esiste un effetto diversificazione temporale nel caso che (1) i ritorni siano casuali e distribuiti lognormalmente, (2) lavversione al rischio dellinvestitore sia invariante a mutamenti della sua ricchezza, (3) la ricchezza futura dellinvestitore dipenda solamente dai risultati dei suoi investimenti. Viceversa, se qualcuna di queste condizioni non valida, come ad esempio nel caso di funzioni di utilit discontinu o ritorni non casuali, talvolta possibile trarre un vantaggio dalla diversificazione temporale.
53
Il ritorno cos calcolato si pu definire aggiustato per il rischio nel senso della definizione di rischio basata sul MDD che stata qui presentata. Si tratta di un excess return in quanto ricordiamo che il capitale (o almeno gran parte di esso) dovrebbe gi rendere un risk free return. Questo primo metodo sottintende tuttavia unassunzione difficile da ingoiare. Si sta infatti accettando il fatto che il ritorno atteso sia sempre lo stesso qualunque sia il MDD. In realt altamente probabile che quando il sistema genera ampi valori di MDD, il ritorno finale sia ben inferiore a quello ottenibile quando il sistema genera un basso MDD. Anzi proprio la simulazione tipo Monte Carlo effettuata sul MDD permette senza sforzo anche il calcolo di una distribuzione di ritorni totali attesi lungo il periodo H. Conseguentemente possibile associare ciascun ritorno ad una classe di MDD. Tutto questo pu essere visualizzato in un grafico come quello riportato in Figura 17.
MDD
100 500 400 300
10
15
20
25
30
35
40
45
50
55
60
65
70
75
80
85
90
-50
-100 MDD -150 100 Reddito 200 Reddito
-200
95
-250 Probabilit
-100
Figura 17: lasse delle ascisse riporta la probabilit cumulata di ottenere reddito inferiore a 400), lasse delle ordinate a sinistra riporta il MDD (rappresentato dalle barre) e a destra riporta il reddito (linea continua). I
Lo studio della figura non consente un calcolo numerico come quello realizzato con il primo metodo, ma permette un apprezzamento rispettive probabilit, del sistema in oggetto.
54
Per concludere si pu dire che lanalisi del MDD si presenta come lo strumento pi flessibile e pi ricco di potenzialit per quanto riguarda lanalisi del rischio e della performance e quindi la validazione del sistema. Non comunque inutile ricordare ancora una volta che essa affidabile solo nella misura in cui la distribuzione dei ritorni ottenuta in forward testing pu essere ritenuta attendibile per il futuro.
Esempio. Parte III: calcolo dellimporto da investire Si effettua unanalisi del MDD sul sistema Triplo ROC relativo al cambio USD / Yen discusso nella Parte II dellesempio. Il sistema (inclusivo dei miglioramenti effettuati con il fine tuning) genera mediamente 11 operazioni allanno (cio 11 acquisti ed altrettante vendite). Si ipotizza che lorizzonte temporale che ci interessa sia pari ad un anno. Per questo esempio sono stati generati 100 ipotetici anni di trading ciascuno dei quali ha dato luogo ad un certo MDD. La Figura E6 riporta i risultati.
MDD < -65 < -60 < -55 < -50 < -45 < -40 < -35 < -30 < -25 < -20 < -15 < -10
Pct Cumulata 1% 4% 6% 8% 14% 20% 25% 35% 51% 64% 94% 100%
Figura E6: il MDD espresso in yen per unoperativit di 10 USD di importo nominale. La tabella indica ad esempio che nel 20% dei casi il MDD su un periodo di un anno stato peggiore di 40 yen.
Si suppone infine che linvestitore sia disposto ad accettare il rischio di perdere il 10% (o pi) del capitale solo nel 5% dei casi. Interpolando, otteniamo dalla Figura E6 che tale probabilit corrisponde ad un livello di MDD di circa 58 yen ogni 10 USD di importo nominale. Il capitale richiesto perci pari a 580 (= 58 10) yen ogni 10 USD di nominale. Per effettuare unoperazione da 1 milione di USD di nominale con questo sistema alle condizioni di rischiosit prescelte occorre dunque disporre di 58.000.000 di yen. La Figura E7 riporta infine la distribuzione del reddito relativamente a quella del MDD.
55
Scatterplot (DATI.STA 2v*100c) 0 -10 -20 -30 MDD -40 -50 -60 -70 -80 -100
tra MDD e reddito e lelevata volatilit di questultimo (che - sia detto per inciso - non distribuito normalmente), questa stima da prendersi con molta cautela. Se da un lato dovrebbe rassicurare il fatto che redditi negativi sono stati registrati solo molto sporadicamente, dallaltro occorre anche considerare che un segnale cos semplice come il Triple ROC pu essere soggetto ad elevati ed improvvisi mutamenti di performance ove il mercato non mantenesse certe caratteristiche di trend prolungato.
-50
50
100
150
200
250
300
350
REDDITO
Figura E7: distribuzione del MDD relativamente al reddito come ottenuta nel corso di 100 simulazioni di 1 anno di trading con il sistema Triplo ROC. Sul grafico viene anche riportato, a titolo indicativo, un fit polinomiale con relativi intervalli di confidenza al 95%. Quando si in presenza di un elevato numero di dati questo tipo di grafico pi leggibile di quello presentato in Figura 17.
Come ci si poteva attendere, la correlazione tra MDD e reddito positiva e statisticamente significativa. Se, per una stima veloce, si prende come significativo il livello della media del reddito che 116.05 yen per 10 USD, si ottiene che il ritorno medio atteso pari al 20% annuo (=116.05/580) circa. Questo ritorno espresso in yen e si tratterebbe di excess return da aggiungersi al risk free return maturato sul capitale di 580 yen. Data lelevata correlazione esistente
CONCLUSIONE Lanalisi dei sistemi di trading prescinde da qualsiasi considerazione di tipo fondamentale cos come da un uso troppo naif dellanalisi tecnica. Il fatto che il movimento dei prezzi sia correttamente descritto da processi random walk come prescrive la teoria finanziaria o piuttosto da processi di tipo pi complesso alla fine anchesso non molto rilevante. La quotidianit dei mercati sembra suggerire che, a seconda dei momenti, esistono entrambe queste situazioni. Linvestitore, il trader e lo speculatore si trovano a dover convivere con la concreta impossibilit di prevedere landamento futuro dei prezzi. Anche se possiamo chiederci perch questo accade, non riusciremo tuttavia a superare questo problema di fondo. In questa situazione di incertezza strutturale, lobiettivo minimo che ci siamo posti quello di fornire qualche strumento di supporto decisionale che sia mirato alle effettive esigenze del trader (massimizzazione del profitto), che mantenga certe caratteritiche di coerenza interna e che sia correttamente testato in tutti i suoi aspetti di profittabilit e rischio. Lo studio dei sistemi di trading automatizzato ancora allinizio e sar enormemente facilitato dallavvento di computers e software sempre pi moderni59. Tuttavia, il lettore ha probabilmente gi rilevato da queste pagine che non n saggio n opportuno aspettarsi di trovare la sfera di cristallo, il computer che dice quando
59
comprare o quando vendere mentre si sta in vacanza alle Hawaii. Nessuno ottiene profitti dal mercato se non con un duro lavoro ed una continua applicazione. Lutilit primaria dellanalisi e delluso dei sistemi di trading quella di fornire allanalista e allo speculatore (a) strumenti di riflessione sulla natura dei mercati, (b) una sorta di esperienza compressa e accellerata di un certo tipo di trading e (c) capacit di analizzare seriamente e con salutare scetticismo idee proprie e altrui. Inoltre, il sistema di trading pu essere di grande aiuto nel gestire uno degli aspetti pi difficili e stressanti che derivano da questo tipo di attivit: le perdite. I sistemi sono forzatamente disciplinati e seguono sempre le regole che si sono posti. Perdite e profitti vengono trattati imparzialmente per ci che sono: eventi inevitabili e parte del gioco. Tutti i grandi traders sono concordi nellindicare che una delle cause principali di fallimento in questo mestiere va proprio ricercata nella mancanza di disciplina e nelleccessivo coinvolgimento emotivo derivante da stringhe di perdite o di profitti. Se i sistemi di trading possono aiutare a superare questi problemi, essi hanno gi raggiunto gran parte del loro scopo.
Tutte le grandi banche stanno investendo in questo settore. Vedi ad esempio larticolo di V. Houlder Of Machines and Men, Financial Times 22/9/94.
57
Bibliografia Arrington, George R. Baillie R., Bailey R. (1993) (1984) The JSA Moving Average International Currency Speculation Market Stability and efficiency in the 1920s: a time series approach Elliott Wave Principle Applied to the Foreign Exchange Markets A Guide to Pyramiding The Gann Method Neural Networks with Learning Disabilities Introducing Neural Networks TASC October 1993 Journal of Macroeceonomics vol.6
Cassetti, Marlowe D.
(1993)
Chande, Tushar S.
(1992)
Cornell W., Kimball D.
(1978)
Balan, Robert
(1992)
BBS Financial Publications
Devaney, Robert L. Dorsey, Donald Dorsey, Donald Dunis C., Feeny M. (eds) Ehlers John Ehlers, John Ehlers, John Eliason, Peter Frost A.J., Prechter R.
(1990) (1992) (1993) (1989) (1990) (1992) (1992) (1989) (1985)
A Neural Network System for Reliable Trading Signals Adapting Moving Averages to Market Volatility The efficiency of the market for foreign exchange under floating exchange rates Caos e frattali The Mass Index The Relative Volatility Index Exchange Rate Forecasting Profit Mapping MESA Manual 3D Manual Tactical Stock Trading Elliott Wave Principle
TASC June 1993
TASC March 1992 Review of Economics and Statistics, vol.60
Addison Wesley TASC June 1992 TASC June 1993 WoodheadFaulkner TASC April 1990 3D Software Manual TASC March 1989 New Classic Library
Balzara, Nauzer J. Blasic, John C. Brown, Connie
(1992) (1992) (1993)
TASC October 1992 TASC June 1992 TASC May 1993
Carling, Alison
(1992)
Sigma Press
58
Gallacher, William R. Giddy I., Dufey G.
(1994) (1975)
Winner Take All The random behavior of flexible exchange rates: implications for forecasting The Foreign Exchange Market: a Random Walk with a Dragging Anchor Introduction to the Theory of Neural Computation The 4% Model: Using the Value Line Composite Low Risk Trading: Manual and Workshop Exercises Developing Neural Network Forecasters for Trading
Probus Journal of International Business Studies
Kaufman, Perry J.
(1987)
Kean, John
(1992)
Goodhart, C.
(1988)
Economica Nov 1988
Kean, John
(1993)
Kritzman, Mark Addison Wesley Law A.M., Kelton D.K. TASC March 1992 Levich, R. Logan, Hugh L. Logue D., Sweeney R. J. TASC April 1992
(1994)
Hertz J., Krogh A., Palmer G.R.
(1991)
The New Commodity Trading Systems and Methods Chaos Theory and Neural Network Analysis Treasury Bond Yields: a Neural Net Analysis Approach About Time Diversification Simulation Modeling and Analysis The International Money Market Tactical Stock Trading White noise in imperfect markets: the case of the franc-dollar exchange rate Gli oggetti frattali
John Wiley
TASC June 1992
TASC April 1993
(1982)
Financial Analyst Journal Jan/Feb 1994 McGraw-Hill
Kargenian, Bob
(1992)
(1979) (1989) (1977)
JAI Press TASC December 1989 Journal of Finance vol. 32
Kase, Cynthia A.
(1992)
Katz, Jeffrey O.
(1992)
Mandelbrot, Benoit B.
(1987)
Einaudi
59
McKallip, Curtis Jr. Mendelsohn, Lou
(1992) (1993a)
Mendelsohn, Lou
(1993b)
Miner, Robert
(1993a)
Miner, Robert
(1993b)
Murfin A., Ormerod P.
(1984)
The Damping Index Neural Network Development for Financial Forecasting Preprocessing Data for neural Networks A Spreadsheet for Price Ratio Projection Analysis A Spreadsheet for Time ratio Analysis The forward rate for the US dollar and the efficient market hypothesis Chaos and Order in the Capital Markets Technical Analysis Explained
TASC July 1992 TASC September 1993
Ruelle, David Rumelhart D.E., McClelland J.L. et al. Schroeder, Manfred Schwager, Jack
(1991) (1986)
Hasard et Chaos Parallel Distributing Processing Fractals, Chaos, Power Laws Selecting the Best Futures Price Series for Computer Testing Market Wizards The Market Wizard of Interviews: An interview Jack Schwager by Thom Hartle A Mathematical Theory of Communication Reversing your Losses Where to put your Stops Fourier Spectral Analysis
Editions Odile Jacob The MIT Press
(1991) (1992)
Freeman TASC October 1992
TASC October 1993 TASC June 1993
Schwager, Jack D. Schwager, Jack D. TASC October 1993 Manchester School of Economic and Social Studies, vol. 52 Wiley
(1990) (1993)
Harper Perennial TASC August 1993
Shannon, Claude E. Sweeney, John Sweeney, John
(1948)
Peters, Edgar E.
(1991)
(1992) (1993) (1984)
Bell System Technical Journal October 1948 TASC April 1992 TASC Bonus Issue 1993 Technical Analysis July/August
Pring, Martin J.
John Wiley Taylor, W.
60
Portfolio Wiley Management Formulas Wilder, J. Welles (1990) Predicting Market TASC April 1990 Order with the Delta Phenomenon La sigla TASC si riferisce alla rivista Technical Analysis of Stocks and Commodities.
Vince, Ralph
(1990)
61

(ITA) Trading System

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

(ITA) Trading System

Uploaded by

Copyright:

Available Formats

I SISTEMI DI TRADING PER LE ATTIVITA' FINANZIARIE: un'introduzione pratica

Ottobre 1994 (rivista in Marzo 1996)

F. Ceci / I sistemi di trading

F. Ceci / I sistemi di trading

F. Ceci / I sistemi di trading

F. Ceci / I sistemi di trading

F. Ceci / I sistemi di trading

F. Ceci / I sistemi di trading

F. Ceci / I sistemi di trading

F. Ceci / I sistemi di trading

F. Ceci / I sistemi di trading

F. Ceci / I sistemi di trading

Vedi ad esempio Kaufman (1987) o Pring (198 ).

F. Ceci / I sistemi di trading

F. Ceci / I sistemi di trading

F. Ceci / I sistemi di trading

Vedi Kaufman (1987), Kargenian (1992).

F. Ceci / I sistemi di trading

F. Ceci / I sistemi di trading

F. Ceci / I sistemi di trading

Figura 3: lesercizio dello stop-loss.

Figura 4: uno stop-loss che era meglio evitare.

F. Ceci / I sistemi di trading

F. Ceci / I sistemi di trading

F. Ceci / I sistemi di trading

F. Ceci / I sistemi di trading

F. Ceci / I sistemi di trading

F. Ceci / I sistemi di trading

F. Ceci / I sistemi di trading

F. Ceci / I sistemi di trading

F. Ceci / I sistemi di trading

F. Ceci / I sistemi di trading

F. Ceci / I sistemi di trading

F. Ceci / I sistemi di trading

Schwager (1992) p.68.

F. Ceci / I sistemi di trading

F. Ceci / I sistemi di trading

F. Ceci / I sistemi di trading

Percent profitable Number losing trades

F. Ceci / I sistemi di trading

Kaufman (1987), Ehlers (1992).

F. Ceci / I sistemi di trading

F. Ceci / I sistemi di trading

produrre dei risultati accettabili ...

solo nel passato.

cos importante da meritare una trattazione dettagliata nei prossimi paragrafi.

Schwager (1993) p.17.

F. Ceci / I sistemi di trading

F. Ceci / I sistemi di trading

150 momento pi sfortunato per entrare

mpmento pi sfortunato per uscire

-50 numero trades

Vedi Vince (1990). Torneremo su questo punto nella Sezione 3.

F. Ceci / I sistemi di trading

Figura 12: uso combinato dellottimizzazione e del forward testing.

Per sistemi che non richiedono lottimizzazione dei parametri.

F. Ceci / I sistemi di trading

Ma noi ci sentiremmo tranquilli solo con un campione molto pi ampio.

F. Ceci / I sistemi di trading

Figura 13: la metodologia per la progettazione e lanalisi di un sistema di trading.

F. Ceci / I sistemi di trading

F. Ceci / I sistemi di trading

F. Ceci / I sistemi di trading