Cos’è un Esempio Pratico di Frama? Una Guida Chiara e Verificabile

Risposta diretta

Un esempio pratico di Frama mostra come viene calcolato il valore della Fractal Adaptive Moving Average (Frama) a partire dai dati dei prezzi, utilizzando assunzioni specifiche e dichiarate (prezzi, dimensione della finestra, regole di smoothing). È definito “pratico” perché include tutti i passaggi numerici intermedi, non solo il valore finale.

Di seguito è riportato uno scenario autonomo. Utilizza valori di prezzo inventati (non dati in tempo reale), in modo che tu possa ricalcolare autonomamente ogni quantità intermedia. L’esempio ha solo scopo informativo e illustra la meccanica, non prevede il comportamento futuro del mercato.

Meccanismo o definizione

Frama è una media mobile che adatta il proprio livello di smoothing in base a una stima della “frattalità” o variabilità dell’andamento recente del prezzo. Nella pratica, le implementazioni spesso:

1. Suddividono la finestra di osservazione recente in parti (ad esempio, due semifi nestre).
2. Calcolano misure di variabilità del prezzo per l’intera finestra e per ciascuna metà.
3. Trasformano tali misure di variabilità in un parametro che controlla il tasso di smoothing effettivo.
4. Aggiornano progressivamente il valore attuale di Frama verso l’ultimo prezzo utilizzando quel tasso di smoothing.

Concetto chiave: quando la variazione recente del prezzo mostra un trend forte (bassa “variabilità relativa” tra le finestre), Frama tende a livellare meno (risponde più velocemente). Quando la variazione appare più simile a rumore o a una struttura meno coerente, livella di più (risponde più lentamente). I dettagli esatti della formula variano a seconda dell’implementazione, quindi un esempio pratico deve specificare le regole utilizzate.

Evidenza o esempio

Assunzioni (dichiara tutto)

• Fonte dati: serie unidimensionale di prezzi usando i valori di “chiusura”.
• Utilizziamo una breve finestra illustrativa di 6 chiusure:
  • t=1..6: [100, 101, 102, 103, 102, 104]
• Calcoliamo Frama al tempo t=6.
• Struttura della finestra di osservazione per questo esempio:
  • Lunghezza della finestra completa: 4 (consideriamo le ultime 4 chiusure: 101, 102, 103, 102)
  • Due semifi nestre, ciascuna di lunghezza 2:
    • Semifinestra A (precedente): 101, 102
    • Semifinestra B (successiva): 103, 102
• Misura di variabilità in questo esempio: range = max(prezzo) − min(prezzo).
• Conversione da variabilità a un fattore “adattivo”:
  • Definiamo N = ln(range_full / (range_halfA + range_halfB)) / ln(2)
  • Quindi limitiamo N a un intervallo ragionevole: N_clamped = max(0, min(N, 1))
• Mappatura del tasso di smoothing:
  • alpha = 0.01 + (1 − N_clamped) * (0.99 − 0.01)
  • (Questo è un esempio di mappatura standard: alpha aumenta quando N_clamped è più piccolo.)
• Regola di aggiornamento ricorsiva:
  • Frama_5 è impostato a 102 (assunzione di valore iniziale).
  • Frama_6 = alpha * Close_6 + (1 − alpha) * Frama_5

Importante: queste regole fanno parte delle assunzioni dell’esempio. Un’altra implementazione potrebbe usare lunghezze diverse delle finestre, misure diverse di variabilità, gestione diversa dei logaritmi o mappatura diversa di alpha.

Calcoli passo dopo passo

1. Chiusure della finestra completa (t=3..6, ultime 4 chiusure): [101, 102, 103, 102]
   • range_full = max(101,102,103,102) − min(101,102,103,102) = 103 − 101 = 2
2. Chiusure semifinestra A: [101, 102]
   • range_halfA = 102 − 101 = 1
3. Chiusure semifinestra B: [103, 102]
   • range_halfB = 103 − 102 = 1
4. Denominatore per N: range_halfA + range_halfB = 1 + 1 = 2
5. Calcolo di N:
   • range_full / (range_halfA + range_halfB) = 2 / 2 = 1
   • ln(1) = 0
   • N = ln(1) / ln(2) = 0
6. Limitazione:
   • N_clamped = max(0, min(0, 1)) = 0
7. Calcolo di alpha:
   • alpha = 0.01 + (1 − 0) * (0.99 − 0.01)
   • alpha = 0.01 + 1 * 0.98 = 0.99
8. Aggiornamento di Frama:
   • Close_6 = 104
   • Frama_5 = 102
   • Frama_6 = 0.99 * 104 + (1 − 0.99) * 102
   • Frama_6 = 103.0 + 0.01 * 102
   • Frama_6 = 103.0 + 1.02 = 104.02

Risultato di questo esempio pratico specifico: Frama_6 ≈ 104.02 date le assunzioni dichiarate.

Cosa dimostra questo esempio

• Ogni valore calcolato dipende dalle scelte precedenti: suddivisione della finestra, definizione del range, trasformazione logaritmica, limitazione e mappatura di alpha.
• Con range uguali nella finestra completa e nelle semifi nestre, questo esempio produce N=0, che corrisponde a un alpha molto alto (risposta rapida). Partizioni diverse o valori di prezzo diversi cambierebbero alpha.

Limitazioni e rischi

1. Differenze di formula tra le implementazioni

   • Frama indica una famiglia di medie mobili adattive. Le implementazioni pratiche possono differire nel calcolo della dimensione frattale, nella gestione dei casi limite (come range nulli) e nella mappatura del fattore adattivo su alpha. Un esempio pratico è trasferibile solo nella misura in cui la formula è esplicitata.

2. Sensibilità ai parametri

   • Le dimensioni delle finestre e le regole di limitazione possono cambiare fortemente il valore calcolato di alpha e quindi il livello di Frama. Se modifichi un qualsiasi parametro assunto (ad esempio, la lunghezza della finestra o la misura del range), devi ricalcolare tutto.