Considerazioni avanzate per il Rate Of Change (ROC)

Risposta diretta

Il Rate Of Change (ROC) è un indicatore di tipo momentum che esprime quanto fortemente un valore attuale differisce da un valore precedente in una finestra temporale fissa. Le considerazioni avanzate riguardano principalmente le dipendenze (quale definizione esatta di ROC si utilizza), i casi limite (come si comporta il calcolo con valori di base piccoli o mancanti) e i vincoli di implementazione (preprocessing dei dati, scelta del timeframe e interpretabilità). Poiché il ROC è calcolato a partire da dati storici e non da una previsione, le relazioni storiche non garantiscono risultati futuri.

Meccanismo e definizione

Cosa misura ROC

A livello generale, ROC risponde alla domanda: “Come si è mosso il dato sottostante rispetto a dove si trovava N passi fa?” In pratica, esistono due modi comuni per esprimere questo concetto:

1. ROC a variazione assoluta (talvolta chiamato semplice rate of change):

   • (ROC_N = X_t - X_{t-N})
   • Qui, (X) è la serie di input (ad esempio, un prezzo di chiusura), e (N) è la lunghezza della finestra retrospettiva.

2. ROC a variazione percentuale (una versione normalizzata):

   • (ROC_N = (X_t - X_{t-N}) / X_{t-N}\times 100%)
   • Questo esprime il movimento come frazione (e spesso percentuale) del livello precedente.

Entrambe le versioni condividono la stessa dipendenza fondamentale: il valore precedente (X_{t-N}). È proprio questo livello precedente a rendere rilevanti i casi limite.

Meccaniche stabili vs condizioni variabili

I meccanismi sopra descritti sono stabili: dati gli stessi (X_t), (X_{t-N}) e (N), il calcolo di ROC è deterministico. Ciò che varia nell’uso reale è tutto ciò che influenza gli input e l’interpretazione:

• Fonte dati e campionamento: diversi feed possono differire nell’allineamento temporale, nell’uso di prezzi bid/ask/mid e nel trattamento delle candele mancanti.
• Scelta della serie: ROC calcolato sul prezzo differisce da ROC calcolato sui rendimenti o su una serie trasformata.
• Scelta della normalizzazione: il ROC percentuale è sensibile alla scala; il ROC assoluto non è normalizzato.

Poiché ROC è un calcolo effettuato sulla serie temporale scelta, due persone che usano “ROC” possono produrre curve diverse anche discutendo dello stesso asset.

Evidenza o esempio (con assunzioni esplicite)

Esempio con una definizione ROC scelta

Si supponga un valore di serie (X) campionato una volta per barra, e si scelga (N=5). Si supponga:

• (X_{t-5} = 1.2000)
• (X_t = 1.2180)

ROC percentuale fornisce:

• (ROC_5 = (1.2180 - 1.2000) / 1.2000 = 0.015) → 1,5%

ROC assoluto fornisce:

• (ROC_5 = 0.0180)

Entrambi indicano che la serie è aumentata durante la finestra retrospettiva, ma l’ampiezza numerica differisce. Questa è una considerazione avanzata fondamentale: il ROC percentuale può essere più facile da confrontare in regimi con livelli di prezzo diversi, mentre il ROC assoluto conserva il movimento in unità grezze.

Dimostrazione di un caso limite: base vicina allo zero

Per il ROC percentuale, il denominatore (X_{t-N}) è cruciale. Se (X_{t-N}) è molto piccolo (o tende a zero), la variazione percentuale può diventare estremamente ampia in valore assoluto anche per un piccolo movimento assoluto. Il modo di errore non è un “calcolo errato”; è una conseguenza diretta della normalizzazione scelta. In tali situazioni:

• il ROC percentuale può diventare instabile,
• la curva può essere dominata da outlier,
• i confronti tra finestre temporali diventano meno significativi.

Un altro esempio pratico: amplificazione del rumore

Qualsiasi ROC con un (N) più breve utilizza un intervallo temporale più piccolo tra i punti, quindi tende a reagire più velocemente a piccoli cambiamenti. Se la serie di input è rumorosa (ad esempio, con campionamento molto granulare o effetti di microstruttura), ROC può apparire “a punte”. Un ROC più liscio deriva spesso da un (N) più lungo o da una serie di input meno rumorosa, ma queste scelte scambiano reattività con stabilità.

Limitazioni e rischi

1) ROC non predice; riassume differenze passate

ROC è calcolato a partire da valori passati in una finestra retrospettiva fissa. Descrive cambiamenti di tipo momentum in quella finestra; non fornisce intrinsecamente una probabilità futura. Le relazioni storiche tra ROC e risultati futuri possono fallire quando cambia la struttura di mercato, la volatilità o le condizioni di esecuzione.

2) Lookback e timeframe modificano il comportamento

ROC dipende da (N). Cambiare (N) modifica la sensibilità dell’indicatore a:

• fluttuazioni brevi rispetto a movimenti più ampi,
• cambiamenti di regime nella volatilità,
• equilibrio tra reattività e smoothing.

Allo stesso modo, cambiare il timeframe del grafico modifica quali istanti sono inclusi in “N barre”. La verifica avanzata richiede quindi di dichiarare chiaramente le assunzioni: lo stesso (N) su timeframe diversi non corrisponde allo stesso orizzonte temporale reale.

3) Qualità dei dati e preprocessing possono alterare i risultati

I vincoli comuni di implementazione includono:

• Barre mancanti: riempire i buchi con interpolazione o saltarli modifica (X_{t-N}).
• Eventi societari o cambi di simbolo: se la serie sottostante è aggiustata, la corrispondenza tra i valori storici di (X) può cambiare.
• Diversi tipi di prezzo: usare close, mid o altri campi modifica (X).

Anche le “meccaniche stabili” dipendono da input stabili.

4) Problemi di divisione e scala (ROC percentuale)

Il ROC percentuale può fallire o risultare fuorviante quando (X_{t-N}) è estremamente piccolo. Il ROC assoluto evita la divisione per la base ma può essere più difficile da confrontare in regimi con livelli di prezzo tipici diversi.

5) Overfitting delle soglie

Un rischio frequente nella pratica è scegliere valori di parametro ((N), smoothing, soglie, normalizzazione) per adattarli a un periodo storico. Questo può produrre un indicatore che “sembra buono” nel backtest ma non generalizza. La verifica indipendente della robustezza richiede di testare su più campioni sufficientemente separati ed evitare decisioni basate su soglie fondate su un singolo periodo.

Verifica e prossime domande

Per verificare in modo indipendente fatti legati a ROC, concentrarsi sulle parti deterministiche e dichiarare tutte le assunzioni:

• Scrivere la formula ROC intesa (assoluta vs percentuale).
• Specificare la serie di input (X) (ad esempio, close) e l’intervallo di campionamento.
• Indicare la finestra retrospettiva (N) e confermare che (X_{t-N}) si riferisca esattamente a N barre indietro.
• Verificare il comportamento in casi limite in cui (X_{t-N}) è piccolo o mancano dati.
• Confrontare i risultati su timeframe e intervalli di parametri diversi per vedere se il comportamento è stabile o altamente sensibile.

Una domanda utile successiva è: In quali condizioni di mercato ROC si comporta diversamente? Un’altra è: Quali sono le limitazioni di ROC nel tuo setup specifico? Infine, chiedersi come cambiare il timeframe (e quindi l’orizzonte temporale effettivo di N barre) alteri la sensibilità al rumore e l’interpretabilità di ROC.