Come si possono testare i massimi e minimi di swing?

Risposta diretta: testare i massimi e minimi di swing con un’ipotesi misurabile

Per testare i massimi e minimi di swing, trasforma l’idea grafica in un’ipotesi scritta, quindi valuta se una proprietà predefinita si verifica secondo regole ripetibili. Un flusso di lavoro pratico di test comprende cinque fasi: (1) definire con precisione il pattern, (2) scegliere una definizione di base e un metodo di misurazione, (3) raccogliere i dati e dividerli in periodi o segmenti distinti, (4) misurare i risultati utilizzando risultati al netto dei costi di trading ipotizzati (anche se si utilizza solo un framework teorico), e (5) eseguire verifiche di robustezza che mettano alla prova le assunzioni.

Questo non riguarda la previsione dell’accuratezza. I pattern storici possono fallire, e i risultati possono cambiare in base alle condizioni di mercato, alla qualità dell’esecuzione, ai costi e al modo in cui definisci gli swing.

Meccanismo o definizione: cosa stai effettivamente testando

I massimi e minimi di swing sono punti di inversione basati sul grafico. Prima di testare qualsiasi cosa, specifica esattamente la regola per identificarli, poiché il termine “swing” viene spesso usato in modo approssimativo.

Una definizione chiara di solito include:

• Una regola per massimo/minimo di swing: ad esempio, un massimo/minimo locale rispetto alle candele circostanti, oppure il requisito che un punto sia più alto/più basso di un certo numero di barre successive/precedenti.
• Una lunghezza di finestra o lookback: quante barre su ciascun lato devono confermare il punto di inversione.
• Una regola per lo scomparto ex aequo: cosa succede se i massimi/minimi sono uguali o molto vicini.
• Una regola temporale di identificazione: se il punto di swing viene etichettato solo dopo la sua conferma, il che influenza i tempi di “ingresso/uscita” nei backtest.

Meccanica di base

La tua baseline dovrebbe essere un insieme concreto di parametri di identificazione. Ad esempio, scegli una singola finestra di lookback e una singola regola di conferma, quindi mantienili fissi durante il test iniziale. Questa baseline diventa la tua “definizione di controllo”.

Poi esprimi la tua ipotesi in termini di proprietà. Esempi di stili di ipotesi (nessuna promessa di previsione):

• Proprietà di occorrenza: i massimi/minimi di swing si raggruppano nel tempo o si allineano con determinati stati di mercato.
• Proprietà di reazione: dopo un massimo di swing etichettato, il movimento successivo ha una distribuzione misurabile rispetto ad altri punti (es. movimento mediano, comportamento delle code).
• Proprietà strutturale: le transizioni della struttura di mercato (es. da massimi crescenti a massimi decrescenti) seguono sistematicamente l’etichettatura degli swing.

L’importante è che l’ipotesi corrisponda a una variabile misurabile.

Evidenza o esempio: un design di test che puoi riprodurre

Di seguito è riportato un framework di test che supporta l’autoverifica senza presupporre dati in tempo reale. Usa dati teorici o storici e tratta ogni assunzione in modo esplicito.

Passo 1: Scrivi assunzioni esplicite (kostensoorten + aannames)

Anche se il tuo test è concettuale, documenta costi e frizioni perché influenzano la sopravvivenza di un’ipotesi simile a una strategia.

Categorie comuni di costi da modellare come assunzioni:

• Costo di transazione: spread/commissione equivalente per ogni operazione.
• Slippage: una piccola deviazione tra il prezzo atteso e quello effettivamente realizzato.
• Qualità dei dati: risoluzione delle candele e coerenza dei timestamp della fonte.

Formato di esempio per le assunzioni (non una raccomandazione):

• “Modello di commissione: costante per round-trip.”
• “Modello di slippage: numero fisso di tick (o percentuale del prezzo).”
• “Risoluzione delle candele: barre da 1H.”

Etichetta chiaramente queste come assunzioni, poiché assunzioni diverse possono portare a conclusioni diverse.

Passo 2: Divisione dei dati per ridurre il leakage

Usa segmenti temporali separati. Un approccio tipico è:

• In-sample (training/definizione): scegli i parametri di identificazione e le finestre di misurazione.
• Out-of-sample (test): mantieni tutto fisso e valuta.

Anche se testi una sola baseline, usa almeno due periodi non sovrapposti. I regimi di mercato variano, quindi un singolo periodo può fuorviare.

Passo 3: Definisci risultati e finestre temporali di misurazione

Per evitare affermazioni vaghe, decidi cosa misurerai dopo ogni etichetta di swing. Esempi di risultati misurabili (ancora, nessuna garanzia):

• Distribuzione del rendimento futuro su un orizzonte fisso (es. prossime N barre).
• Massima escursione avversa: quanto il prezzo si muove contro l’ipotesi prima della fine dell’orizzonte.
• Hit rate per soglie strutturali: se viene raggiunta una distanza di prezzo predefinita entro un limite di tempo.

Se includi i costi, calcola una metrica netta come:

• Movimento netto = movimento misurato − costo di transazione equivalente − slippage equivalente.

Passo 4: Calcola la robustezza rispetto a fattori variabili

Le etichette di swing dipendono da fattori variabili. Quindi testa la sensibilità cambiando un elemento alla volta mantenendo gli altri fissi:

• Lunghezza del lookback per identificare gli swing.
• Severità della conferma (quante barre devono validare un punto di inversione).
• Lunghezza dell’orizzonte per la misurazione del risultato.
• Livelli di costo entro un intervallo plausibile come assunzioni.

Questo risponde alla domanda: la tua conclusione sopravvive a piccoli cambiamenti, o crolla quando cambiano le definizioni?

Passo 5: Confronta con una baseline che non è la stessa ipotesi

Un test solido include un confronto. Esempi:

• Confronta eventi etichettati come swing con punti non-swing scelti casualmente con la stessa regola temporale.
• Confronta diversi tipi di etichette strutturali (es. massimi di swing vs minimi di swing) usando la stessa procedura di misurazione.

Lo scopo è rilevare se l’effetto misurato è solo un artefatto del metodo di selezione.

Limitazioni e rischi: cosa può andare storto

Almeno un modo significativo di fallimento dovrebbe essere testato direttamente.

1) Deriva della definizione e bias del ricercatore

Se aggiusti i parametri di rilevamento degli swing per far apparire i risultati migliori, rischi un overfitting al rumore. Questo può creare una falsa sensazione di efficacia che scompare su nuovi segmenti.

2) Ambiguità temporale e di conferma

I punti di swing sono spesso identificabili solo dopo che barre successive li confermano. Se accidentalmente “guardi avanti” durante la misurazione, i tuoi risultati diventano irrealistici.

3) I costi possono annullare piccoli effetti

Anche se esiste una reazione dopo gli swing, i risultati netti possono cambiare quando si modellano costi di transazione e slippage. Se l’effetto misurato è vicino allo zero, i risultati possono invertire il segno.

4) Dipendenza dal regime

Le relazioni storiche non garantiscono risultati futuri. Le condizioni di trend, volatilità e liquidità possono cambiare, e il comportamento degli swing può diventare meno significativo o più erratico.

5) Effetti di risoluzione

L’uso di dimensioni diverse di candele (o fonti di dati diverse) può cambiare quali massimi/minimi vengono etichettati e quindi alterare i risultati misurati.

Verifica o prossima domanda: cosa controllare prima di fidarsi dei risultati

Per verificare in modo indipendente i fatti alla base di qualsiasi affermazione sui massimi e minimi di swing, controlla questi elementi:

• Le tue regole di etichettatura degli swing sono scritte con precisione e applicate in modo coerente.
• La tua ipotesi corrisponde a un risultato misurabile con finestre fisse.
• Hai usato segmenti out-of-sample o un secondo periodo per la valutazione.
• Hai modellato costi e frizioni di esecuzione come assunzioni esplicite.
• Hai testato la sensibilità a fattori variabili (lookback, conferma, orizzonte, assunzioni sui costi).

Una domanda utile successiva è: Quanto sono sensibili i risultati ai parametri di definizione degli swing? Se piccoli cambiamenti nel lookback o nella conferma cambiano radicalmente i risultati, il “segnale” è probabilmente dipendente dalla definizione piuttosto che robusto.