Che cos’è l’Indice di Dimensione Frattale?

Definizione e scopo

L’Indice di Dimensione Frattale (FDI) è un’etichetta utilizzata per una statistica basata sui frattali che mira a quantificare la complessità di una serie temporale analizzando come il suo dettaglio apparente cambia quando la si osserva a diverse scale. Nella ricerca pratica sul forex, l’“input” è tipicamente costituito da dati simili ai prezzi (ad esempio, una sequenza di valori osservati nel tempo), mentre l’“output” è un singolo numero destinato a riassumere la ruvidezza o il comportamento dipendente dalla scala della serie.

L’FDI non è la stessa cosa di una regola di trading. Non indica di per sé cosa farà la prossima candela. Piuttosto, può essere utilizzato per caratterizzare se una serie appare più o meno complessa su diverse scale — informazione utile per descrizioni, confronti o per costruire altri modelli che richiedono una caratteristica di complessità.

Come funziona l’Indice di Dimensione Frattale (modello semplice)

Un modo semplice per comprendere l’idea è il seguente: due sequenze possono entrambe “muoversi”, ma una può apparire liscia a diversi livelli di zoom, mentre l’altra appare frastagliata o irregolare. Gli approcci frattali stimano una dimensione che riflette questa irregolarità su più scale.

Un flusso di lavoro comune nell’uso in stile indicatore è:

1. Scegliere la serie temporale da misurare (ad esempio, una sequenza di prezzi o rendimenti storici).
2. Selezionare un approccio di calcolo e dei parametri (ad esempio, come suddividere la serie in scale/finestre e quale trasformazione applicare).
3. Stimare la statistica relativa ai frattali che diventa il valore FDI.

Poiché il termine “Indice di Dimensione Frattale” può essere utilizzato in diverse implementazioni, il calcolo esatto può variare. L’assunzione chiave è che i dati contengano una struttura dipendente dalla scala degna di essere stimata, e che il metodo di stima sia appropriato per la lunghezza del campione e il livello di rumore.

Assunzioni per qualsiasi calcolo

Quando si calcola l’FDI, si assumono implicitamente:

• La finestra storica è sufficientemente lunga per stimare il comportamento su scala.
• La frequenza dei dati e la pre-elaborazione (come l’uso di prezzi rispetto ai rendimenti) corrispondono alla domanda posta.
• La ruvidezza osservata non è dominata interamente dal rumore di misurazione o dagli effetti di microstruttura.

Evidenze ed esempio (cosa verificare)

Poiché i risultati dipendono dalle scelte di implementazione, l’“evidenza” più indipendente che si può verificare è la coerenza interna:

• Ricalcolare l’indice utilizzando lo stesso metodo sulla stessa tipologia di serie.
• Modificare un’assunzione alla volta (ad esempio, lunghezza della finestra o trasformazione dei dati) e osservare la stabilità dei risultati.

Un semplice esempio illustrativo (non una quotazione o previsione in tempo reale):

• Supponiamo di calcolare l’FDI su un segmento storico in cui la serie dei prezzi appare visivamente liscia e su un altro segmento in cui appare frastagliata.
• Se il metodo cattura la ruvidezza dipendente dalla scala, ci si aspetterebbe che l’FDI per il segmento frastagliato differisca da quello del segmento liscio.

Tuttavia, “aspettarsi” qui significa “potrebbe”, non “lo farà”. La stima può produrre valori controintuitivi se il campione è breve, se la serie contiene outlier o se le scale scelte non rappresentano significativamente il comportamento sottostante.

Limitazioni e modi di fallimento

Diverse limitazioni influenzano comunemente gli indicatori basati sulla dimensione frattale:

1. Sensibilità della stima: diversi algoritmi, impostazioni dei parametri e passaggi di pre-elaborazione possono produrre risultati numerici diversi dagli stessi dati sottostanti.
2. Lunghezza del campione: con troppo poca storia, la relazione su più scale è mal stimata, il che può rendere l’FDI instabile.
3. Rumore e microstruttura: il comportamento dei prezzi a breve termine può riflettere attriti di trading, spread ed effetti di esecuzione piuttosto che la complessità più ampia che il metodo intende misurare.
4. Non stazionarietà: se le proprietà statistiche della serie cambiano nel tempo, un singolo valore FDI calcolato su una finestra potrebbe non rappresentare finestre successive.

Inoltre, anche se si osserva un’associazione storica tra “FDI più alto” e un risultato passato, ciò non stabilisce un potere predittivo futuro. Le relazioni possono interrompersi a causa di cambiamenti di regime di mercato, costi e variazioni nel modo in cui i dati vengono prodotti.

Verifica e prossima domanda

Per verificare le affermazioni sull’FDI in qualsiasi contesto forex, concentrarsi su ciò che può essere controllato:

• Quale definizione esatta e metodo di calcolo viene utilizzato (l’implementazione è importante).
• Quali dati di input vengono utilizzati (prezzi vs rendimenti; timeframe; pre-elaborazione).
• Quale lunghezza della finestra e selezione della scala vengono assunti.
• Quanto è stabile l’indice sotto piccole variazioni di tali assunzioni.

Se si sta valutando un grafico o un rapporto specifico, un passo utile successivo è chiedersi: “Quale metodo definisce questo Indice di Dimensione Frattale, e quali assunzioni utilizza per la scalatura e la pre-elaborazione?”