Cos’è un esempio pratico della Fisher Transform?

Definizione della Fisher Transform (cos’è)

La Fisher Transform è una trasformazione matematica utilizzata nell’analisi tecnica per convertire una serie di input (spesso derivata dal prezzo) in una serie di output che tende ad accentuare i punti di inversione. In termini semplici: ricalcola un valore “dove mi trovo rispetto al range recente?” in una scala con maggiore separazione vicino agli estremi.

Poiché si tratta di una trasformazione, l’output non è automaticamente un segnale di trading autonomo. È meglio comprenderla come un valore calcolato il cui comportamento dipende da come si definiscono input, finestra e scala.

Meccanica (come costruire un esempio pratico)

Un esempio pratico richiede assunzioni che non sono garantite esclusivamente dalla “realtà di mercato”. Ecco un modo autosufficiente per calcolarla numericamente.

Assunzioni per l’esempio

1. Abbiamo una breve serie di cinque prezzi di chiusura: 100, 102, 101, 103, 104.
2. Utilizziamo una lunghezza della finestra di 5 (quindi ogni passo considera lo stesso minimo e massimo sull’intero campione). Questa è un’assunzione semplificata per facilitare la verifica.
3. Per ogni istante t, definiamo una posizione normalizzata x all’interno del range della finestra:
   • Sia min = 100 e max = 104.
   • Range = max − min = 4.
   • x = (prezzo − min) / range, quindi x è in [0, 1].
4. Quindi mappiamo x in un valore simmetrico limitato in (−1, 1) usando:
   • p = 2x − 1.
   • Quindi p è −1 quando prezzo = min e +1 quando prezzo = max.
5. Per evitare valori indefiniti a ±1, limitiamo p a (−0.999, 0.999). Questa è una scelta implementativa; diversi software possono gestirlo in modo diverso.
6. Utilizziamo una mappatura semplificata in stile Fisher con la formula base:
   • f = 0.5 * ln((1 + p) / (1 − p)) dove ln è il logaritmo naturale.

Con queste assunzioni esplicite, qualsiasi lettore può riprodurre i calcoli aritmetici.

Calcolo passo-passo per l’ultimo punto

Per l’ultimo prezzo 104:

• x = (104 − 100) / 4 = 1
• p = 2(1) − 1 = 1
• limita p a 0.999
• f = 0.5 * ln((1 + 0.999) / (1 − 0.999)) = 0.5 * ln(1.999 / 0.001) = 0.5 * ln(1999)

Poiché ln(1999) ≈ 7.6009, f ≈ 3.8004.

Cosa cambia all’inizio della serie

Per prezzo 100:

• x = 0, p = −1 → limitato a −0.999
• f ≈ −3.8004

Per i prezzi intermedi, p cade tra −0.999 e 0.999, producendo valori compresi tra questi estremi. Questo è l’effetto di “accentuazione” in senso numerico: il logaritmo cresce rapidamente quando p si avvicina a ±1 (vicino al minimo o massimo della finestra).

Limitazioni e rischi (modalità di errore rilevanti)

1. Sensibilità ai parametri. L’output dipende fortemente dalla lunghezza della finestra e dai valori esatti di minimo/massimo utilizzati. Cambiare la finestra modifica l’input normalizzato p, che a sua volta modifica f.
2. Dettagli di implementazione. Diverse implementazioni possono usare variabili intermedie diverse (ad esempio, massimo/minimo mobile, diversi livelli di smoothing o regole di limitazione diverse). Anche con gli stessi prezzi, f può differire.
3. Problemi ai bordi. Se p raggiunge esattamente ±1 e non viene gestito con limitazione o offset, la mappatura logaritmica può diventare indefinita o numericamente instabile.
4. Non è una previsione autonoma. L’output della Fisher Transform è un valore trasformato, non una relazione causa-effetto garantita. I modelli storici in un determinato periodo non stabiliscono risultati futuri.

Verifica e una prossima domanda a cui puoi rispondere

Per verificare autonomamente l’esempio, ricalcola ogni passo utilizzando le stesse formule assunte: minimo/massimo, normalizzazione a x, mappatura a p, limitazione, quindi la trasformazione logaritmica. Se il valore calcolato differisce, il primo punto da controllare è la limitazione e la gestione dei bordi.

Una domanda utile successiva è: come definisce il tuo software scelto la serie di input e la finestra? La Fisher Transform è riproducibile solo quando la definizione dell’input e i dettagli della formula corrispondono.