Considerazioni avanzate per le strategie basate sulle medie mobili

Meccanismo e definizione

Una strategia basata su medie mobili utilizza una o più medie mobili per trasformare dati di prezzo rumorosi in una stima più regolare della tendenza o direzione. L’idea di base è semplice: una media mobile viene calcolata a partire dalle osservazioni recenti, quindi riflette la storia recente con un certo ritardo (o “lag”).

Una definizione pratica, indipendente da qualsiasi piattaforma specifica, è:

• Scegliere una serie di prezzo da mediare (ad esempio, i prezzi di chiusura).
• Scegliere un tipo di media mobile (comunemente media mobile semplice, SMA, o media mobile esponenziale, EMA). L’EMA attribuisce un peso maggiore ai dati più recenti.
• Scegliere una lunghezza di lookback (la “finestra” o “periodi”).
• Definire una regola decisionale che traduca le medie mobili (e talvolta la loro pendenza o incroci) in una logica operativa.

Anche quando la regola decisionale è “avanzata”, la matematica sottostante rimane un’operazione di smussamento più una regola che converte i segnali smussati in risultati. Questa distinzione è importante, perché meccaniche stabili (come il calcolo della media) possono essere descritte con precisione, mentre le prestazioni effettive dipendono da condizioni variabili come i regimi di mercato, l’esecuzione e i costi.

Dipendenze avanzate da dichiarare esplicitamente

Le considerazioni avanzate emergono solitamente quando si cerca di collegare la meccanica delle medie mobili alle condizioni di trading reali. Per verificare ciò che è vero, è necessario dichiarare esplicitamente le assunzioni in tre aree.

1) Assunzioni sui dati (cosa viene effettivamente mediato)

Le medie mobili non vengono calcolate sull’”intero mercato” in generale, ma su una serie temporale specifica. Le assunzioni chiave includono:

• Frequenza di campionamento: la media mobile dipende dall’intervallo di barre o tick scelto.
• Campo prezzo: usare il prezzo di chiusura, il prezzo medio o bid/ask cambia la serie temporale.
• Gestione di eventi societari o discontinuità: nel Forex, le maggiori discontinuità derivano tipicamente dai gap delle sessioni di trading o dalla metodologia del fornitore di dati, piuttosto che da eventi societari, ma i gap nei dati esistono comunque.

Un caso limite comune è il bias di lookahead: se il backtest utilizza informazioni non disponibili al momento della decisione (ad esempio, il prezzo di chiusura finale di una barra per decidere all’inizio della barra successiva), i risultati possono apparire migliori della realtà. Poiché la media mobile utilizza campioni recenti, il bias può essere sottile quando la regola viene valutata in un momento successivo rispetto alla generazione dei dati.

2) Assunzioni sui parametri (lunghezza della finestra e tipo di media)

Per qualsiasi strategia basata su media mobile, i parametri definiscono quanto “memoria” e quanto “reattività” ha il sistema.

• Finestre più corte reagiscono più velocemente ma sono più sensibili al rumore.
• Finestre più lunghe reagiscono più lentamente ma possono ridurre il rumore.
• EMA rispetto a SMA cambia il profilo di ponderazione, modificando così le caratteristiche di lag.

Un’implementazione avanzata combina spesso più medie mobili (ad esempio, una media veloce e una lenta). La regola decisionale può dipendere dalla loro posizione relativa, dalla loro differenza o dai loro incroci. In tutti i casi, il comportamento della strategia è altamente sensibile alle scelte dei parametri, quindi è necessario un metodo per valutarne la robustezza (ad esempio, testare come cambiano i risultati quando le lunghezze delle finestre variano entro un intervallo ragionevole).

3) Assunzioni su esecuzione e costi (le frizioni modificano l’esito)

Anche se la logica del segnale è stabile, l’esito effettivo cambia quando si considerano:

• Spread o costi di transazione.
• Slippage durante l’esecuzione degli ordini.
• Tempistica degli ordini rispetto alla formazione delle barre.

Un punto critico di verifica è che molte regole basate su medie mobili generano transizioni frequenti (ingressi/uscite), specialmente quando gli incroci avvengono spesso. Quando i costi vengono ignorati, i backtest possono sovrastimare i risultati netti. Questo è un limite, non un difetto: qualsiasi regola che trasforma una serie smussata in decisioni di trading ripetute sarà direttamente influenzata dalla struttura dei costi.

Evidenze e logica di esempio (senza presupporre prevedibilità)

Considera un modello semplice di una regola basata su media mobile:

• Calcola una media mobile veloce sugli ultimi N_fast osservazioni.
• Calcola una media mobile lenta sugli ultimi N_slow osservazioni.
• Usa una relazione tra di esse (ad esempio, “veloce sopra lenta” o “si è verificato un incrocio”) come trigger decisionale.

Per valutare questo concetto, dovresti trattarlo come un’ipotesi sul comportamento delle stime di tendenza ritardate in diversi regimi.

Esempio di caso limite: mercati laterali e whipsaw

In un ambiente laterale (range), la media mobile può oscillare mentre il prezzo si muove su e giù all’interno di una banda. La regola decisionale può alternarsi ripetutamente tra stati. Poiché la media mobile subisce un ritardo, può incrociare in ritardo—dopo che la direzione è già cambiata. Il risultato è un andamento spesso descritto come comportamento di whipsaw: alternanza rapida dello stato della regola con movimento direzionale netto limitato.

Puoi verificare questo comportamento indipendentemente da qualsiasi dato reale utilizzando serie storiche che alternano:

• segmenti di tendenza stabile,
• e segmenti laterali.

La chiave è misurare la dipendenza dal regime piuttosto che affermare un unico riassunto “complessivo” delle prestazioni. Se una regola funziona nei segmenti di tendenza ma fallisce nei range, rimane un risultato descrittivo utile—ma non è una soluzione universale.

Esempio di caso limite: inversioni rapide

Durante inversioni rapide, il lag diventa il fattore dominante. Una media mobile costruita su barre recenti rifletterà la direzione precedente finché non saranno inclusi abbastanza nuovi dati per spostare la media. Se la regola decisionale reagisce solo dopo il cambiamento della media, tenderà a entrare in ritardo e uscire in ritardo.

Questo non significa che le medie mobili siano “errate”; significa che i vincoli temporali del modello sono espliciti. Una spiegazione corretta dovrebbe includere il meccanismo di lag e mostrare perché lo scostamento temporale può essere rilevante.

Limiti e modi di fallimento

Le strategie basate su medie mobili hanno limiti che permangono anche quando la matematica è corretta e il backtest è accurato.

1) Non stazionarietà (i modelli storici potrebbero non valere)

I mercati non sono sistemi stabili con una singola distribuzione costante. Una regola basata su media mobile viene “addestrata” scegliendo parametri e valutandoli su dati passati, ma il comportamento futuro può differire. In questo senso, le relazioni storiche non garantiscono risultati futuri.

2) Rischio di overfitting dei parametri

Quando “avanzato” significa “ottimizzato”, esiste il rischio che i parametri corrispondano a anomalie passate piuttosto che a comportamenti strutturali. Questo può portare a prestazioni fragili: piccoli cambiamenti nella lunghezza delle finestre o nelle impostazioni di valutazione producono grandi variazioni nei risultati.

Approccio di verifica (concettuale): i test di robustezza dovrebbero mostrare che le prestazioni non dipendono da una singola combinazione ristretta di parametri.

3) Fuga di dati e bias di lookahead

Un modo di fallimento frequente è il lookahead accidentale, specialmente nelle strategie basate su barre dove il momento di valutazione della decisione è ambiguo. Se la regola utilizza informazioni non disponibili al momento dell’azione, i risultati risultano gonfiati.

Una spiegazione ben formulata di qualsiasi strategia basata su media mobile dovrebbe indicare quando la media mobile viene calcolata e quando la decisione viene attivata rispetto alla chiusura della barra.