Quali sono i limiti dell’R Quadrato nei contesti Forex?

Definizione di R Quadrato (e di ciò che non è)

L’R Quadrato (spesso indicato come R²) è una statistica che misura quanto della variazione in un risultato osservato è spiegato da un modello specifico su un determinato dataset. In termini semplici, riassume quanto strettamente la linea o la curva stimata dal modello corrisponde ai dati storici.

Un limite fondamentale emerge immediatamente: l’R Quadrato riguarda la descrizione dell’adattamento ai dati, non la garanzia di risultati futuri. Un valore elevato di R Quadrato indica che la relazione scelta si è adattata bene al campione storico; non significa però che la stessa relazione si manterrà in futuro.

Come funziona l’R Quadrato in un contesto pratico

Per calcolare l’R Quadrato, si confrontano tipicamente i valori previsti dal modello con i valori effettivi nello stesso periodo storico. Questa statistica dipende da:

• La forma del modello scelto (ad esempio, relazioni lineari o non lineari).
• La variabile dipendente modellata (ad esempio, rendimenti rispetto a livelli dei prezzi).
• Le variabili indipendenti incluse.
• La finestra del dataset e le scelte di campionamento (l’intervallo temporale specifico e la frequenza delle osservazioni).

Poiché queste scelte fanno parte della misurazione, l’R Quadrato non è una proprietà universale del “mercato”. È invece una proprietà della relazione specifica misurata su un campione storico particolare.

Evidenze ed esempi di modalità di fallimento

Una modalità comune di fallimento è l’overfitting. Se un modello è sufficientemente flessibile da seguire il rumore, può ottenere un forte adattamento storico, gonfiando l’R Quadrato, anche se la relazione non è stabile.

Un’altra modalità di fallimento è il cambiamento di regime. I mercati possono transitare tra diverse condizioni di volatilità o liquidità. Quando il processo generatore dei dati cambia, la relazione storica che ha prodotto un alto R Quadrato può indebolirsi o scomparire, riducendo il potere esplicativo futuro.

Una terza modalità di fallimento riguarda la qualità delle variabili e le condizioni mutevoli nella pipeline dei dati. Se le osservazioni effettive includono effetti non presenti nel modello (come i costi di transazione, tempi di esecuzione diversi o fonti di dati inconsistenti), l’adattamento storico potrebbe non tradursi in risultati effettivi. Anche se l’adattamento statistico sembra buono, la misurazione nel “mondo reale” può divergere.

Infine, l’R Quadrato può essere fuorviante quando l’obiettivo del modello non è appropriato. Ad esempio, modellare i livelli assoluti dei prezzi spesso introduce comportamenti non stazionari. L’R Quadrato può apparire elevato a causa di tendenze condivise, mentre la relazione potrebbe non essere significativa per la domanda sottostante a cui si è interessati.

Limiti e rischi da verificare autonomamente

L’R Quadrato presenta limiti significativi che vale la pena verificare esplicitamente:

1. È condizionato da assunzioni. Se cambiano la finestra del dataset, le variabili o la forma del modello, anche l’R Quadrato può cambiare. Ciò significa che l’R Quadrato va considerato come evidenza condizionata, non come una conclusione autonoma.

2. Le relazioni storiche non garantiscono risultati futuri. Anche un R Quadrato apparentemente stabile in un determinato periodo non esclude che la relazione possa rompersi sotto nuove condizioni di mercato.

3. Costi ed esecuzione possono invalidare la “variazione spiegata”. Un adattamento statistico può ignorare attriti pratici; è quindi necessario distinguere tra potere esplicativo e performance effettivamente realizzata.

4. Riassunti con un singolo numero possono nascondere strutture. Due modelli possono produrre un R Quadrato simile ma differire nel comportamento dei residui (ad esempio, se gli errori sono casuali o raggruppati). Questo è importante perché schemi nei residui suggeriscono che il modello non cattura fattori rilevanti.

5. L’incertezza non è espressa direttamente dall’R Quadrato. L’R Quadrato riassume l’adattamento, ma non indica automaticamente quanto stabile sia questo adattamento in diversi campionamenti o quanto sensibile sia a piccoli cambiamenti nei dati.

Verifica e prossime domande per rendere il concetto testabile

Per verificare autonomamente ciò che l’R Quadrato indica nel tuo caso d’uso, puoi testare la stabilità della relazione misurata anziché fare affidamento su un singolo valore:

• Confronta i risultati su diverse finestre temporali (ad esempio, periodi precedenti rispetto a successivi) utilizzando la stessa configurazione del modello.
• Verifica se la relazione permane cambiando la frequenza di campionamento o l’orizzonte temporale.
• Esamina se i residui mostrano schemi sistematici, non solo se l’adattamento complessivo sembra forte.
• Conferma che la variabile dipendente e la forma del modello corrispondano alla grandezza rilevante per la decisione che si intende spiegare.

Una domanda utile successiva non è solo “Qual è l’R Quadrato?”, ma anche “Quali assunzioni, scelte di dati e condizioni di mercato sono necessarie affinché la relazione mantenga il suo potere esplicativo?”