Come Viene Calcolato l’Indice di Random Walk

Risposta diretta

L’Indice di Random Walk viene calcolato convertendo una serie di prezzi in una misura standardizzata di quanto il movimento osservato sia “simile a un random walk” all’interno di una finestra retrospettiva scelta. In pratica, si calcola una statistica a partire dalla sequenza recente di rendimenti (o variazioni di prezzo), la si confronta con un valore di riferimento atteso utilizzato nella definizione dell’indice e si trasforma il risultato in un valore indice. La formula esatta varia a seconda dell’implementazione, quindi una verifica accurata richiede di specificare la definizione precisa utilizzata dalla fonte (lunghezza della finestra, definizione dei rendimenti e trasformazione).

Meccanismo e definizione (ciò di cui il calcolo ha bisogno)

Prima di discutere le implicazioni, definiamo i dati e i blocchi fondamentali.

1) Scegliere la serie di prezzi di input

Si parte da una sequenza ordinata nel tempo:

• Prezzi: (P_t) per (t = 1,2,\dots)
• Frequenza di campionamento: ad esempio, ogni barra nel dataset (minuto, 1 ora, 1 giorno). L’indice non è significativo a meno che la regola di campionamento non sia fissa.

Un requisito fondamentale è la coerenza: il calcolo presuppone che la serie sia ordinata e utilizzi lo stesso intervallo di campionamento della definizione del metodo.

2) Definire i “rendimenti” o le variazioni di prezzo

La maggior parte delle implementazioni si basa su:

• Rendimenti semplici: (r_t = \frac{P_t - P_{t-1}}{P_{t-1}})
• Oppure rendimenti logaritmici: (r_t = \ln(P_t) - \ln(P_{t-1}))

Alcune versioni utilizzano variazioni di prezzo scalate invece dei rendimenti. La definizione scelta deve corrispondere a quella associata all’Indice di Random Walk che si intende riprodurre.

3) Scegliere una finestra mobile

Le misure di tipo random walk vengono solitamente calcolate su una finestra retrospettiva di lunghezza (N). Per ogni istante (t), si prendono gli ultimi (N) rendimenti (o variazioni):

• (r_{t-N+1}, \dots, r_t)

Modificare (N) cambia la reattività e la stabilità dell’indice.

4) Calcolare una statistica che misuri la deviazione dal comportamento di tipo random walk

L’indice confronta concettualmente le caratteristiche del movimento osservato con quelle attese nell’ipotesi di random walk (dove gli incrementi si comportano come passi indipendenti e identicamente distribuiti).

Un modello comune per tali indici è:

1. Calcolare una misura dalla sequenza di (N) passi (ad esempio, una dispersione normalizzata, variabilità o un rapporto tra variabilità realizzata e attesa).
2. Convertire tale misura in un punteggio adimensionale.

Poiché le implementazioni differiscono, è necessario considerare il nome “Indice di Random Walk” come richiedente la formula concreta della specifica definizione che si vuole riprodurre.

5) Applicare una trasformazione per produrre il valore dell’indice

Per rendere la statistica comparabile nel tempo (e talvolta tra asset), un indice spesso utilizza un passaggio di scalatura o normalizzazione, come:

• dividere per una quantità di riferimento implicita dall’ipotesi di random walk,
• oppure mappare la statistica attraverso una trasformazione monotona.

Anche in questo caso, la trasformazione è specifica della definizione.

Esempio di flusso di calcolo verificabile (con assunzioni esplicite)

Poiché la formula esatta dell’“Indice di Random Walk” può differire tra le fonti, il modo più sicuro per verificare è seguire un flusso riproducibile una volta fissata la definizione.

Ecco un flusso di verifica utilizzabile con qualsiasi formula specifica dell’Indice di Random Walk, una volta scritta.

Passo A: Fissare la definizione

Scrivere esplicitamente la formula, inclusi:

• come si definiscono i rendimenti (semplici vs log vs differenze grezze),
• la lunghezza della finestra (N),
• la statistica utilizzata all’interno dell’indice (la parte calcolata dai (N) rendimenti),
• il passaggio di normalizzazione o trasformazione.

Se una formula fa riferimento a un valore “atteso” nell’ipotesi di random walk, è necessario sapere quale attesa viene utilizzata (ad esempio, se si assume un particolare modello di varianza).

Passo B: Calcolare i rendimenti per i punti dati esatti

Utilizzando la frequenza di campionamento fissata, calcolare (r_t) per tutti i timestamp richiesti.

Evitare cambiamenti nascosti come:

• utilizzare prezzi forward-filled per barre mancanti,
• passare da prezzi bid a prezzi mid senza dichiararlo,
• mescolare fusi orari o sessioni di trading.

Passo C: Far scorrere la finestra e calcolare la statistica

Per ogni (t \ge N):

• prendere il vettore (r_{t-N+1}, \dots, r_t),
• calcolare la statistica esattamente come definito,
• applicare la normalizzazione/traduzione per ottenere il valore dell’indice al tempo (t).

Passo D: Riprodurre autonomamente uno o due punti dell’indice

Scegliere un timestamp (t_0) e calcolare manualmente (o con uno script semplice) il valore dell’indice a partire dai dati grezzi. Confrontare quindi con l’output dell’implementazione che si sta testando.

Se il risultato differisce, la discrepanza è solitamente dovuta a:

• diversa definizione dei rendimenti,
• diversa gestione di (P_{t-1}) all’inizio dei dati,
• diverso allineamento della finestra (inclusiva/esclusiva),
• diverse costanti di normalizzazione.

Limitazioni e modi di errore

Gli indici di tipo random walk sono sensibili perché traducono assunzioni sulla casualità in un calcolo deterministico su campioni finiti.

1) Sensibilità ai parametri

Cambiare (N) o la definizione dei rendimenti può modificare materialmente i valori dell’indice. Se si cambia implementazione, si potrebbero confrontare oggetti diversi anche se condividono lo stesso nome.

2) Comportamento non stazionario

I mercati spesso cambiano le loro proprietà statistiche nel tempo (regimi di volatilità, effetti di microstruttura). Le assunzioni di random walk sono idealizzazioni; l’indice misura le deviazioni rispetto a tali assunzioni, quindi può variare per motivi non legati alla “qualità del segnale”.

3) Effetti della gestione dei dati e del campionamento

I valori dell’indice dipendono da:

• frequenza di campionamento (intraday vs giornaliero),
• trattamento dei dati mancanti,
• azioni societarie per azioni (non rilevanti allo stesso modo per il forex, ma altri aggiustamenti possono verificarsi in qualsiasi dataset),
• se i prezzi sono aggiustati per qualcosa.

Piccole differenze nella pre-elaborazione dei dati possono creare grandi differenze numeriche in un calcolo mobile.

4) Instabilità da campione finito

Su finestre brevi, le quantità stimate possono essere rumorose. Su finestre più lunghe, l’indice può reagire lentamente.

5) Interpretazione errata come segnale autonomo

Un valore di indice da solo non è una garanzia di direzione futura o prestazione. È una statistica descrittiva in un particolare quadro di assunzioni.

Verifica e prossima domanda

Per verificare autonomamente il calcolo dell’Indice di Random Walk:

1. Registrare la formula esatta utilizzata (inclusi (N), definizione dei rendimenti e normalizzazione).
2. Utilizzare una serie di prezzi fissa e una frequenza di campionamento fissa.
3. Ricalcolare almeno un risultato della finestra mobile a partire dagli input grezzi.
4. Verificare che l’allineamento della finestra corrisponda alla definizione.

Un passo utile successivo è chiarire come il vostro specifico Indice di Random Walk differisce da concetti correlati di tipo “random walk” o “efficiency ratio”, poiché molti indicatori con nomi simili condividono parti del flusso ma differiscono nella statistica o nel valore di riferimento.

Se lo desiderate, condividete la definizione esatta (il testo della formula) con cui state lavorando (inclusi i nomi dei parametri), e i passaggi di calcolo potranno essere abbinati a tale definizione per una riproduzione accurata.