Come si può testare il Double Top Bottom?

Risposta diretta

Il Double Top Bottom può essere testato trattandolo come un’ipotesi falsificabile, non come un indicatore autonomo. Primo, scrivi le condizioni esatte che definiscono il pattern (punto di ingresso, conferma, finestra di misurazione). Secondo, scegli un baseline che rappresenti ciò che accadrebbe in assenza del pattern. Terzo, testa su una parte dei dati storici per stimare i risultati e su una parte separata per verificare se le stesse regole si generalizzano. Quarto, modella le frizioni materiali (costi, slippage, ritardi di esecuzione) ed esegui verifiche di robustezza variando tali ipotesi e le scelte di misurazione del pattern.

Questo approccio mantiene stabili i meccanismi e rende visibili le condizioni variabili: i cambiamenti di regime di mercato, i costi di trading e il modo in cui misuri massimi e minimi possono tutti influenzare i risultati. Le performance passate non garantiscono risultati futuri, quindi l’obiettivo è determinare se un eventuale vantaggio osservato sopravvive a confronti controllati e test di sensibilità.

Meccanismo o definizione

Il concetto di “Double Top Bottom” si riferisce tipicamente a una struttura dei prezzi in cui il prezzo forma due punti di svolta correlati nella stessa direzione prima di invertire. Nella pratica, la difficoltà è che “doppio” e “punto di svolta” non sono universali: persone e strumenti diversi usano tolleranze diverse.

Per testarlo, hai bisogno di una definizione operativa verificabile. I componenti comuni di tale definizione includono:

• Regola di identificazione del pivot: Come determini che una barra (o candela) è un massimo o un minimo. Ad esempio, potresti definire un pivot come il massimo/minimo locale su una finestra di lookback fissa.
• Tolleranza di prossimità: Quanto vicini devono essere i due massimi (o minimi) in termini di prezzo per essere considerati “doppi”. Questa tolleranza può essere espressa come percentuale, importo assoluto o distanza in tick/punti.
• Regola di sequenza: L’ordine degli eventi. Ad esempio, due massimi devono verificarsi prima che sia consentito il segnale di inversione.
• Regola di conferma: Se il pattern è confermato immediatamente alla comparsa del secondo massimo/minimo, o solo dopo la rottura successiva di un livello.
• Finestra di risultato: Su quale periodo misuri il risultato (es. le prossime N barre o fino al verificarsi di una condizione di uscita definita).

Modello di ipotesi

Scrivi la tua ipotesi in modo che possa essere falsificata. Ad esempio, un formato neutro di ipotesi potrebbe essere:

• H1: Gli eventi che corrispondono alla tua struttura definita di Double Top Bottom mostrano rendimenti futuri diversi rispetto al baseline quando misurati sulla stessa finestra di risultato.
• H0: Gli eventi che corrispondono alla struttura non mostrano differenze rispetto al baseline.

Anche i “rendimenti” devono essere definiti. Puoi misurare una variazione futura del prezzo, un movimento direzionale (rialzo/ribasso) o una metrica aggiustata per il rischio. Le misure aggiustate per il rischio richiedono ulteriori ipotesi su stima della volatilità e dimensionamento della posizione, quindi documentale esplicitamente.

Scelte del baseline

Un baseline aiuta a separare il pattern dal comportamento generale del mercato. Le opzioni includono:

• Baseline di timing casuale: Valuta lo stesso numero di momenti selezionati casualmente, ma calcola i risultati usando la stessa finestra di misurazione.
• Alternative semplici: Confronta con un evento più semplice (es. inversione basata su singolo pivot senza richiedere il “doppio”).
• Baseline per condizione di mercato: Confronta con lo stesso pattern misurato in regimi diversi per verificare se i risultati dipendono dalle condizioni.

Scegli un approccio di baseline prima di vedere i risultati e mantienilo coerente negli esperimenti.

Evidenza o esempio

Passo 1: Costruisci un dataset etichettato con regole

Crea un dataset di eventi candidati usando la tua definizione operativa. Ogni evento dovrebbe registrare:

• Timestamp del secondo pivot (il momento in cui il tuo pattern diventa “definito”)
• I livelli di pivot misurati (massimi/minimi)
• Il livello di conferma utilizzato (se presente)
• I confini della finestra di risultato scelta

Un principio chiave di test è la singola fonte di verità: ogni decisione (rilevamento del pivot, tolleranze, conferma, finestra di risultato) deve essere codificata in modo da essere replicabile.

Passo 2: Dividi i dati per ridurre l’overfitting

Usa una suddivisione dei dati come:

• Periodo di addestramento: Usato per regolare le tolleranze e confermare la procedura di costruzione del dataset.
• Periodo di validazione: Usato per decidere quali scelte di tolleranza sembrano stabili.
• Periodo di test: Usato una sola volta, alla fine, per valutare la capacità di generalizzazione.

Puoi anche usare finestre mobili (test walk-forward). L’obiettivo è assicurare che i risultati non siano dovuti a sole correlazioni casuali in un singolo intervallo temporale.

Passo 3: Includi costi e ipotesi di esecuzione

Anche se non effettui operazioni, la valutazione dovrebbe riflettere costi realistici se la metrica è simile a un trade. Esempi di componenti di costo da modellare come ipotesi:

• Costi di transazione: Commissioni e spread tipici.
• Ipotesi di slippage: Un intervallo conservativo per ritardo di esecuzione o esecuzione peggiore del prezzo di mezzo.
• Ipotesi di timing: Se assumi che la valutazione avvenga alla chiusura del pivot, all’apertura della prossima barra o dopo la conferma.

Poiché non si assumono condizioni in tempo reale, devi dichiarare chiaramente le tue ipotesi ed eseguire test di sensibilità (es. impostazioni di costo basso/medio/alto). L’obiettivo non è la precisione, ma verificare se un eventuale effetto persiste sotto frizioni plausibili.

Passo 4: Esegui verifiche di robustezza

Le verifiche di robustezza mostrano se l’effetto osservato dipende da un insieme ristretto di scelte di misurazione.

Includi verifiche come:

• Sensibilità alla tolleranza: Espandi/riduci leggermente la tolleranza di prossimità di prezzo.
• Sensibilità alla finestra del pivot: Cambia la finestra di estremi locali usata per rilevare massimi/minimi.
• Sensibilità alla finestra di risultato: Accorcia/allunga l’orizzonte di misurazione.
• Confronto con baseline: Conferma che qualsiasi differenza persista rispetto al tuo baseline.

Se le prestazioni crollano con piccoli cambiamenti di misurazione, suggerisce che il pattern potrebbe essere troppo sensibile alle scelte di etichettatura o al rumore di mercato.

Passo 5: Valuta l’incertezza, non solo le stime puntuali

Usa report che considerino l’incertezza:

• Riporta la distribuzione dei risultati tra gli eventi (non solo una media).
• Usa ricampionamento o semplici approssimazioni di confidenza quando appropriato.
• Monitora la dimensione del campione: un numero ridotto di eventi corrispondenti rende i risultati fragili.

Una limitazione importante è che la frequenza del pattern e i regimi di mercato possono cambiare nel tempo, quindi le stesse regole potrebbero generare molti meno eventi in futuro.

Limitazioni e rischi

1) Ambiguità di misurazione e deriva dell’etichettatura

La definizione del pattern si basa sul rilevamento dei pivot e sulle tolleranze. Piccole differenze nel modo in cui vengono misurati massimi e minimi possono cambiare quali eventi qualificano. Questo rende facile l’overfitting rispetto alle scelte di etichettatura storiche.

2) Dipendenza dal regime

Il comportamento del double top/bottom può apparire in alcuni regimi di mercato e non in altri. Se i tuoi test combinano tutti i periodi, le performance apparenti possono essere guidate da un piccolo numero di regimi favorevoli.

3) Sensibilità ai costi e all’esecuzione

Anche se un pattern mostra movimenti futuri positivi, l’effetto può scomparire dopo i costi, specialmente se i ritardi di conferma peggiorano i tempi di esecuzione. Le verifiche di sensibilità per costi e ipotesi di esecuzione sono quindi essenziali.

4) Modi di fallimento

Almeno un modo di fallimento materiale dovrebbe essere valutato esplicitamente. Esempi: