Liquidità della coppia: cosa significa e quali dati la riflettono
La liquidità della coppia è la facilità con cui i partecipanti al mercato possono comprare e vendere una coppia di valute con un impatto sul prezzo limitato. Nella pratica, non è un singolo numero. È riflessa in diverse proprietà osservabili, come quanto sono contenuti i costi di transazione (spesso descritti tramite il comportamento bid-ask) e quanta attenzione commerciale esiste a diversi livelli di prezzo (profondità).
Per valutare la liquidità della coppia usando i dati, in genere combini (1) evidenze di trade e quote, (2) misure di microstruttura del mercato e (3) informazioni contestuali che spiegano perché la liquidità può differire tra momenti o sedi.
Risposta diretta: gli input di dati di cui hai bisogno
Puoi costruire una checklist di valutazione autosufficiente basata su quattro categorie di dati: input, provenienza, tempestività e controlli di qualità.
1) Input che descrivono la meccanica della liquidità
Usa almeno due dei seguenti tipi di input, perché ciascuno cattura un aspetto diverso della liquidità:
- Misure basate sulle quote: serie temporali dei prezzi bid e ask (e opzionalmente del prezzo mid), dalle quali puoi calcolare statistiche di spread (ad es., comportamento medio, mediano e delle code).
- Misure di order book o di profondità: snapshot o profondità aggregata a livelli di prezzo attorno al prezzo corrente; questo aiuta a stimare quanta dimensione può essere scambiata prima che il prezzo si muova in modo sostanziale.
- Misure basate sui trade: timestamp dei trade eseguiti, dimensioni dei trade e se i trade sono avvenuti con molte controparti; questo supporta interpretazioni di volume e partecipazione.
- Proxy dei costi di esecuzione: slippage realizzato dai tuoi trade benchmark, oppure metriche medie di esecuzione documentate da una piattaforma (solo se le definizioni e il campionamento sono chiari).
Assunzione da dichiarare per qualsiasi calcolo: definisci la finestra di misurazione (ad esempio, “durante la sessione di Londra”) e il metodo di aggregazione (media vs mediana; intervallo fisso vs campionamento event-based).
2) Provenienza: da dove provengono i dati
Documenta l’origine di ciascun dataset:
- Tipo di sede o feed (ad esempio, dati di mercato aggregati vs dati di book specifici della sede).
- Chi lo pubblica (e se è dati regolamentari, di exchange/ECN/MTF, oppure dati di un vendor).
- Cosa rappresentano i prezzi (indicazioni spot vs quotazioni indicative; se le quote sono eseguibili o semplicemente riferimenti negoziabili).
La provenienza è importante perché la stessa coppia può mostrare liquidità diversa a seconda che i dati coprano una singola sede, più sedi o feed filtrati/elaborati.
3) Tempestività: quanto sono attuali e allineati nel tempo i dati
La liquidità dipende dal tempo. Dovresti registrare:
- Precisione del timestamp (secondi vs millisecondi) e fuso orario.
- Etichettatura della sessione o almeno le ore di inizio/fine usate.
- Frequenza di campionamento (ad es., ogni secondo, ogni trade o snapshot periodici).
Se confronti due coppie, allinea le loro finestre usando le stesse definizioni di sessione e gli stessi standard di timestamp, altrimenti misuri regimi diversi.
4) Controlli di qualità: verifica che i dati possano supportare la metrica
Prima di interpretare la liquidità, esegui controlli che confermino la coerenza interna:
- Mancanze e outlier: rileva gap nelle serie di quote, trade con dimensione pari a zero o salti di prezzo implausibili.
- Coerenza delle definizioni: verifica se “spread” è calcolato come ask meno bid, se le unità sono pip o termini di prezzo, e come viene gestita la quotazione frazionaria.
- Avvertenze di microstruttura: i dati di profondità possono essere basati su snapshot, mentre i dati di quote sono continui; non mescolarli come se rappresentassero lo stesso istante.
Definisci almeno una modalità di fallimento: ad esempio, un dataset può apparire “liquido” perché è smussato o campionato raramente, nascondendo allargamenti brevi che contano per l’esecuzione.
Esempi ed evidenze di output pronti per la verifica
Una valutazione orientata alla verifica produce output che possono essere riprodotti dagli input:
- Riepilogo del comportamento dello spread: calcola lo spread mediano e gli spread delle code (ad es., 95° percentile) su una finestra temporale definita.
- Riepilogo della profondità a distanza: misura la profondità entro una distanza fissa dal prezzo mid (usando la definizione documentata della distanza di prezzo).
- Volume e frequenza dei trade: riassumi il volume totale eseguito e il numero di eventi di trade distinti.
Per ogni output, mantieni una breve “scheda di calcolo” che descriva:
- definizione della finestra,
- metodo di allineamento temporale,
- unità,
- se i risultati sono pesati per volume o per tempo.
Limiti e rischi: perché le conclusioni possono fallire
Diversi limiti possono compromettere una valutazione della liquidità:
- **Le relazioni storiche non garantiscono le condizioni future. ** La liquidità può cambiare con stress di mercato, festività, volatilità e interruzioni tecnologiche o della sede. 2. ** I costi possono essere incompleti. ** Gli spread derivati dalle quote non includono automaticamente tutti i costi di esecuzione (come commissioni, swap, effetti di funding o slippage). 3. ** La comparabilità dei dati è fragile. ** Feed o sedi diversi possono applicare filtraggio, aggregazione o gestione dei timestamp che modifica la liquidità osservata. 4. ** Obsolescenza e bias di campionamento.
DOCUMENT END