Cos’è il Fisher Transform?

Definizione di Fisher Transform

Il Fisher Transform è una trasformazione matematica utilizzata nell’analisi tecnica per convertire una serie temporale in una nuova scala che tende a rendere più evidenti gli estremi (e i potenziali punti di svolta) rispetto ai dati originali. Nel contesto del forex, viene solitamente applicato a una serie derivata dai prezzi (ad esempio, un valore basato sui massimi e minimi recenti).

Un punto chiave è che il Fisher Transform non è un “motore predittivo” autonomo. Esso rielabora le informazioni della serie in ingresso per produrre una serie in uscita. L’utilità di questa uscita per l’interpretazione dipende da come viene calcolata (in particolare dalla lunghezza della finestra di osservazione), nonché dal comportamento di mercato dell’asset sottostante e dall’orizzonte temporale considerato.

Come funziona: un modello semplice della meccanica

In molte formulazioni comuni, il Fisher Transform segue questi passaggi generali:

1. Calcolo di una misura di posizione mobile: su una finestra di osservazione scelta, il metodo stima dove si colloca il valore corrente all’interno dell’intervallo recente (spesso basandosi sul massimo più alto / minimo più basso all’interno di quella finestra). Questo produce una misura limitata (ad esempio, compresa tra −1 e +1 nelle configurazioni tipiche).

2. Applicazione di una mappatura non lineare: si utilizza quindi una funzione non lineare che cresce rapidamente vicino ai limiti della misura limitata. Questo ha l’effetto di amplificare ulteriormente le condizioni estreme sulla scala trasformata.

3. Produzione di una serie di output trasformata: i valori trasformati evolvono nel tempo man mano che arrivano nuovi periodi e la finestra mobile si aggiorna.

Si può pensare al Fisher Transform come a un “miglioratore del contrasto” per input basati su intervalli: cerca di rendere più visibili le posizioni insolite all’interno dell’intervallo recente. Poiché si tratta di una trasformazione di una normalizzazione mobile, il suo comportamento può cambiare quando si verificano variazioni di volatilità, ampiezza dell’intervallo o regime di mercato.

Intuizione con esempio (con assunzioni esplicite)

Supponiamo di applicare il Fisher Transform a una serie derivata dai prezzi utilizzando una finestra di osservazione fissa e senza assunzioni in tempo reale (lo si calcola solo dai dati storici già disponibili). Si assuma inoltre che il mercato, durante quella finestra, rimanga all’interno di una struttura di intervallo relativamente stabile.

• Quando il valore corrente è vicino al centro dell’intervallo recente, la misura di posizione limitata sarà vicina al centro. Dopo il passaggio non lineare, l’output trasformato rimane tipicamente vicino a un livello centrale.
• Quando il valore corrente si sposta vicino al limite superiore o inferiore dell’intervallo recente, la misura di posizione limitata si avvicina agli estremi. La mappatura non lineare amplia allora le differenze, quindi l’output trasformato tende a mostrare movimenti di maggiore entità.

Questa intuizione non garantisce che un “movimento di grande entità” corrisponda a una reversal redditizia. Spiega semplicemente come la trasformazione modifica la scala delle informazioni.

Limitazioni e possibili errori da considerare

1. Dipendenza dalla lunghezza della finestra: la finestra di osservazione controlla l’intervallo di massimo/minimo mobile. Una finestra più lunga smorza il comportamento; una più corta reagisce più rapidamente ma può essere più sensibile al rumore.

2. Sensibilità al regime di mercato: il Fisher Transform si basa sulle relazioni di intervallo recenti. In mercati in cui volatilità e struttura dell’intervallo cambiano rapidamente, l’output trasformato può modificarsi anche se il comportamento dei prezzi rimane sostanzialmente simile.

3. L’input scelto è importante: se si modifica la serie di input (ad esempio, usando un diverso campo prezzo o un diverso metodo per definire la posizione nell’intervallo), l’output del Fisher Transform può cambiare in modo significativo.

4. Effetti dei dati e dell’esecuzione: anche con lo stesso calcolo, i risultati pratici possono essere influenzati da spread, slippage e dal modo in cui si campionano i dati. La trasformazione stessa non modella questi effetti.

5. Nessuna garanzia futura dal passato: una relazione osservata nei dati storici non implica che lo stesso comportamento si ripeterà in nuove condizioni.

Una limitazione concreta nell’uso pratico è che il Fisher Transform può aiutare a visualizzare gli estremi, ma interpretare questi estremi come “punti di svolta” senza una regola rigorosa e verificabile può portare a conclusioni inconsistenti.

Come verificare autonomamente i fatti sul Fisher Transform

Per verificare il comportamento del Fisher Transform senza fare affidamento su affermazioni altrui, è possibile:

• Ricalcolarlo dai dati storici utilizzando la definizione esatta (inclusa la lunghezza della finestra e la specifica misura di posizione limitata).
• Verificare come la serie trasformata cambia al variare della lunghezza della finestra e quando la volatilità aumenta o diminuisce.
• Confrontare i risultati tra periodi con caratteristiche di mercato diverse.