Quali sono i limiti dell’HMA?

Definizione e funzionamento dell’HMA

HMA si riferisce di solito alla Hull Moving Average, un metodo di smoothing costruito su passaggi di medie mobili ponderate, progettato per ridurre il ritardo rispetto ad alcune medie mobili più semplici. In pratica, l’HMA prende una serie temporale e produce una singola linea smussata combinando medie ponderate e applicando una trasformazione aggiuntiva. Il punto chiave è che l’HMA è una elaborazione di valori passati — non conosce il futuro e non può eliminare la casualità già presente nei dati di input.

Poiché questo metodo si basa su input specifici, il suo output non è una proprietà universale del “mercato”. Spesso, la scelta della lunghezza dello smoothing e il modo in cui i dati vengono campionati (ad esempio, timeframe e rappresentazione dei prezzi) sono ipotesi che influenzano la curva risultante.

Modalità di errore e perché l’HMA può dare prestazioni scadenti

Anche se l’HMA mira a essere più reattivo, diverse limitazioni possono ridurne l’utilità.

1. Rumore e falsi segnali in condizioni laterali
   In mercati che alternano piccoli guadagni e perdite, una media mobile reattiva può comunque oscillare intorno al percorso recente dei prezzi. Questo può generare frequenti cambiamenti nella pendenza e incroci rispetto al prezzo, spesso difficili da interpretare in modo coerente. Il limite non è che l’HMA sia “errata”, ma che riflette le fluttuazioni a breve termine nei dati di input.

2. Ritardo residuo e cambiamenti di regime
   “L’HMA ha meno ritardo” è un’affermazione relativa, non una garanzia di tempestività. Quando la dinamica di mercato cambia rapidamente, la media si basa comunque su osservazioni passate, quindi il valore smussato potrebbe reagire con ritardo rispetto ai punti di svolta veloci. Una media mobile è anche sensibile ai cambiamenti di regime: una media ottimizzata per un certo tipo di movimento può comportarsi diversamente quando cambiano volatilità o struttura del trend.

3. Sensibilità alle scelte dei parametri
   L’HMA dipende da impostazioni di calcolo come la lunghezza dello smoothing. Lunghezze diverse possono produrre forme sensibilmente diverse, specialmente quando la storia disponibile è limitata. Ciò significa che qualsiasi conclusione tratta da un’impostazione di parametro potrebbe non valere per un’altra, anche se entrambe sono “ragionevoli”.

4. Costi di transazione ed esecuzione pratica
   Se si cerca di tradurre il comportamento di un indicatore in risultati reali, i costi e le tempistiche contano. Spread, commissioni, slittamento e ritardi tra osservazione ed esecuzione possono trasformare piccoli movimenti basati sull’indicatore in perdite nette. Il limite qui è che l’output dell’indicatore viene solitamente calcolato senza considerare questi attriti.

Evidenze, esempi e limiti verificabili

Un buon modo per comprendere i limiti è separare la meccanica stabile dalle condizioni variabili.

• Meccanica stabile: l’HMA è comunque una trasformazione deterministica dei dati passati. Se si mantengono la stessa serie di input e le stesse impostazioni, l’output è riproducibile.
• Condizioni variabili: i percorsi futuri dei prezzi variano; i modelli storici non sono garanzia di ripetizione.

Un approccio semplice per la verifica (senza presupporre profitti) è confrontare l’output dell’HMA in diverse condizioni di mercato usando le stesse regole di calcolo: periodi di trend rispetto a periodi laterali, e periodi calmi rispetto a periodi ad alta volatilità. Si può quindi osservare con quale frequenza l’HMA segue significativamente il prezzo e quando invece smussa cambiamenti importanti.

È possibile anche testare la robustezza ripetendo il calcolo con diverse lunghezze di smoothing e verificando se il comportamento qualitativo (ad esempio, la frequenza con cui la curva cambia direzione) rimane coerente. Se il comportamento cambia drasticamente con piccole variazioni dei parametri, si tratta di un limite pratico.

Limiti, rischi e incertezze rilevanti

I principali limiti dell’HMA derivano dalla combinazione di tre fattori: utilizza dati passati, effettua uno smoothing invece di una previsione e risulta sensibile alle scelte di input. I risultati variano in base alle condizioni di mercato e ai dettagli di implementazione, e le relazioni storiche non garantiscono risultati futuri.

Verifica e prossime domande da porsi

Per verificare autonomamente cosa l’HMA può o non può fare per la tua ricerca, poni le seguenti domande:

• Quale ipotesi sto usando per il campionamento dei dati e il timeframe?
• Quanto è sensibile la curva HMA alla lunghezza dello smoothing?
• In quali condizioni di mercato l’HMA diventa instabile o eccessivamente reattiva?
• Se includo costi realistici e tempistiche di esecuzione, le relazioni mantengono comunque validità?

Se vuoi, puoi anche confrontare il comportamento dell’HMA con altre forme di medie mobili utilizzando la stessa serie di input per vedere quali limiti emergono più chiaramente per ciascun metodo.