Quali dati sono necessari per valutare un’inversione con i candlestick?

Meccanismo e definizione di un’inversione con i candlestick

Un’inversione con i candlestick è un concetto grafico che utilizza una o più candele per suggerire un cambiamento dal comportamento di prezzo a breve termine precedente a uno nuovo (ad esempio, da pressione ribassista a pressione rialzista). La valutazione si basa sulla forma delle candele (apertura, massimo, minimo, chiusura) all’interno di un timeframe scelto, non su un risultato fisso e universale.

Prima di cercare un’inversione, definisci le tue ipotesi:

• Lo strumento a cui ti riferisci (l’asset o la coppia FX) e il contesto della sessione di trading.
• Il timeframe utilizzato (ad esempio, 1H rispetto a 15M), poiché la geometria delle candele cambia con l’aggregazione.
• Se la tua valutazione è puramente visiva su candele storiche o se include frizioni di trading (spread, commissioni, slippage).

Quali dati servono: input, provenienza, tempestività e contesto

Per valutare un’inversione con i candlestick, raccogli i dati in quattro categorie: input, provenienza, tempestività e contesto.

1) Input principali dei prezzi (i dati delle candele)

È necessario almeno il valore OHLC delle candele per l’intera finestra analizzata:

• Apertura, massimo, minimo, chiusura per ogni candela.
• I timestamp delle candele che definiscono l’inizio/fine di ogni periodo.

Se il metodo che utilizzi distingue tra “corpo” e “stopini”, assicurati che il tuo dataset preservi esattamente i valori massimi/minimi estremi per ogni candela; altrimenti, la forma della candela può cambiare.

2) Dettagli di provenienza (da dove provengono i dati)

Registra la fonte dei dati e le regole utilizzate per costruire le candele. Ad esempio:

• Fornitore di dati o piattaforma (e se derivano dal bid/ask medio, dall’ultimo prezzo o da un altro feed).
• Impostazioni di costruzione delle candele (fuso orario, orari di sessione, gestione di festività/buchi del weekend e se le candele mancanti vengono riempite in avanti).

Questo è importante perché lo stesso schema apparente di candele può differire se la definizione sottostante del prezzo è diversa.

3) Tempestività e portata (quale finestra temporale e quanto recente)

Specifica la finestra temporale di analisi e assicurati che tutte le candele provengano dallo stesso metodo di estrazione. Chiarisci se:

• Il dataset è completamente storico e fisso, oppure viene aggiornato continuamente.
• Stai valutando un singolo intervallo passato o stai analizzando molti intervalli.

La tempestività include anche la versione: se in seguito riscarichi i dati, i confini e i valori delle candele potrebbero cambiare se il fornitore corregge o integra i dati storici.

4) Contesto di mercato e grafico (ciò che circonda le candele)

Un concetto di inversione con i candlestick raramente è isolato a una sola candela. È necessario un contesto che aiuti a interpretare se il mercato è già “teso” o se il movimento è solo rumore. Dati contestuali utili includono:

• La struttura recente dei movimenti sullo stesso timeframe (ad esempio, minimi decrescenti/massimi crescenti).
• Indicatori di regime di volatilità derivati dagli stessi dati OHLC (solo come caratteristiche calcolate dal tuo dataset scelto).
• Dati sui volumi, se la tua fonte li fornisce, notando che le definizioni di volume possono variare a seconda del mercato.

Se confronti risultati tra timeframe diversi, mantieni costanti lo strumento e le impostazioni delle candele; altrimenti potresti misurare artefatti invece che comportamenti reali.

Evidenze ed esempi di cosa verificare (senza assumere certezza)

Una checklist pratica per le evidenze è verificare che la tua valutazione di inversione non sia causata da input non corrispondenti:

1. Ricostruisci la geometria della candela dai valori OHLC e conferma che le proporzioni tra corpo e stopini corrispondano a quelle mostrate dal grafico.
2. Verifica i timestamp e il fuso orario delle candele in modo che “la candela di inversione” corrisponda effettivamente al periodo previsto.
3. Controlla la completezza dei dati: assicurati che non manchino candele nella finestra di analisi.
4. Esegui un controllo di sensibilità allargando leggermente la finestra (ad esempio, includendo la candela precedente). Se l’interpretazione cambia solo per una candela mancante, la conclusione è fragile.

Invece di considerare qualsiasi forma di candela come una previsione autonoma, trattala come un’ ipotesi sul comportamento a breve termine che dipende ancora dal contesto e dalle ipotesi di esecuzione.

Limiti, rischi e modalità di fallimento da aspettarsi

Almeno una modalità di fallimento significativa è comune: rumore e cambio di regime. Le candele riflettono il prezzo aggregato su un timeframe, quindi le inversioni possono apparire durante fluttuazioni casuali, specialmente quando la volatilità è alta o gli spread/fee influiscono in modo significativo sui risultati effettivi.

Altri limiti importanti:

• Overfitting su un timeframe o un dataset: un modello che “ha funzionato” in un campione storico potrebbe non comportarsi allo stesso modo altrove.
• Differenza nella definizione dei dati: differenze nei feed di prezzo o nelle convenzioni bid/ask/mid possono alterare massimi/minimi delle candele e quindi il modello.
• Storia mancante o corretta: dataset aggiornati possono cambiare candele e timestamp storici.