Quali Dati Sono Necessari per Valutare i Gap di Liquidità?

Cosa significa “gap di liquidità” in termini semplici

Un gap di liquidità è una condizione in cui esiste un significativo squilibrio tra l’offerta e la domanda di liquidità disponibile a determinati prezzi, creando un’area “più sottile” in cui le transazioni sono meno probabili a quei livelli. Nella pratica, gli analisti cercano evidenze che la struttura di mercato renda il movimento dei prezzi più sensibile quando la liquidità è scarsa.

Prima di scegliere i dati, definisci le meccaniche che intendi analizzare. Ad esempio, ti riferisci a (a) un minor numero di ordini in attesa all’interno di una fascia di prezzo, (b) spread effettivi più ampi e riempimenti più lenti in determinati momenti, oppure (c) discontinuità nella velocità con cui il prezzo può passare da un livello all’altro? Ogni interpretazione richiede input diversi.

Risposta diretta: i dati necessari

Per valutare i gap di liquidità in modo autonomo, raccogli dati in quattro categorie: input di definizione, input di mercato, input di esecuzione/impatto e input di riferimento/contesto.

1. Input di definizione (per rendere operativo il concetto)

• Una definizione precisa di cosa costituisce un “gap” nel tuo modello (ad esempio, una fascia di prezzo in cui la disponibilità di ordini è ridotta o l’attrito effettivo della transazione aumenta).
• L’unità temporale da analizzare (microsecondi, secondi, minuti). Gli effetti di liquidità dipendono dal tempo.
• Eventuali regole di raggruppamento o fascia di prezzo (come raggruppi i prezzi in intervalli).

2. Input di mercato (osservazioni della liquidità e dell’attività di trading)

• Quotazioni con timestamp e/o misure derivate dal libro degli ordini (ad esempio, spread bid-ask, profondità a diversi livelli di prezzo o all’interno di fasce definite).
• Transazioni registrate con timestamp (per vedere dove si concentrano gli scambi e dove sono più rari).
• Misure di impatto di mercato o qualità di esecuzione, come lo slippage realizzato rispetto a un prezzo medio di riferimento, se osservabile.

3. Input di esecuzione e costo (per evitare di confondere attrito con “assenza”)

• Componenti dei costi di transazione rilevanti per il dataset utilizzato (commissioni esplicite, costi operativi tipici, eventuali vincoli noti di esecuzione).
• Dati che indichino se le osservazioni riflettono liquidità passiva (ordini in attesa) o aggressiva (ordini a mercato).

4. Input di riferimento/contesto (per distinguere meccaniche stabili da condizioni variabili)

• Un contesto di regime di mercato per gli stessi timestamp (ad esempio, periodi di maggiore volatilità o uscite programmate di informazioni, se documentabili).
• Verifiche di coerenza tra piattaforme o quotazioni: se disponi di un solo flusso dati, non puoi facilmente distinguere un “assottigliamento reale del mercato” da un artefatto del feed.

Evidenza ed esempio: come gli stessi input supportano la valutazione

Un approccio comune è definire operativamente il gap come “una liquidità osservabile inferiore all’interno di una fascia di prezzo rispetto a fasce adiacenti”, verificandone poi la coerenza nel tempo.

Esempio (basato su assunzioni, non predittivo):

• Supponi di definire una fascia di prezzo di ampiezza B (in base alla tua regola di raggruppamento) e confronti la profondità di liquidità nella fascia i con quelle delle fasce i-1 e i+1.
• Calcoli quindi una metrica relativa come depth_ratio = profondità(fascia i) / media(profondità(fasce i-1, i+1)).
• Calcoli anche l’attrito effettivo dal comportamento quotazioni/transazioni, ad esempio verificando se spread realizzati o ritardi di riempimento aumentano quando depth_ratio diminuisce.

Quali dati validano questo?

• Profondità derivata da quotazioni/libro degli ordini all’interno di ogni fascia, allineata temporalmente ai timestamp delle transazioni.
• Indicatori di qualità di esecuzione (slippage, tempo di riempimento o spread realizzato) per non considerare i “libri degli ordini sottili” come unica spiegazione possibile.
• Una regola chiara di tempestività: se le quotazioni o gli aggiornamenti del libro degli ordini arrivano in ritardo rispetto alle transazioni, la relazione di profondità inferita potrebbe essere errata.

Limitazioni e rischi (possibili errori significativi)

• Mismatch temporale dei dati: se gli aggiornamenti del libro degli ordini arrivano dopo le transazioni, la profondità potrebbe sembrare assente anche quando era presente.
• Sensibilità al raggruppamento: la definizione della fascia di prezzo (ampiezza B, bordi delle classi) può creare o eliminare “gap” artificialmente.
• Pregiudizio da singola fonte: affidarsi a un solo feed dati può confondere artefatti specifici del fornitore con condizioni di mercato reali.
• Fattori confondenti di esecuzione e costo: spread più ampi o riempimenti più lenti possono essere causati da costi, vincoli di inventario o regole di esecuzione, non da un vero squilibrio di liquidità.
• Cambiamenti di regime: il comportamento della liquidità può cambiare rapidamente; le relazioni storiche tra “gap” e risultati successivi non garantiscono risultati futuri.

Verifica e prossime domande

Per verificare in modo indipendente la tua valutazione, applica un controllo:

• Documenta la tua definizione operativa: cosa esattamente viene misurato e in quali fasce di prezzo.
• Conferma la tempestività: assicurati che tutti gli input condividano lo stesso standard di timestamp e siano allineati o ricampionati con una regola esplicita.
• Verifica la qualità: cerca segmenti mancanti, picchi anomali e interruzioni del feed.