Definisci il rischio di scalping come un’ipotesi testabile
Il rischio di scalping è la probabilità che un approccio di scalping produca risultati peggiori di quanto ci si aspetti, dato la sua struttura dei costi, la qualità dell’esecuzione e la frequenza con cui le condizioni cambiano durante tempi di detenzione brevi. Per testare il rischio di scalping, ti serve un’ipotesi che trasformi questa idea in quantità misurabili.
Un formato pratico di ipotesi è:
- Se un approccio mira a piccoli movimenti di prezzo, allora i suoi risultati saranno più sensibili ai costi di transazione e all’attrito dell’esecuzione (per esempio spread e slippage).
- Pertanto, sotto costi realistici e assunzioni sull’esecuzione, l’esito medio dell’approccio (o il tasso di sopravvivenza) peggiorerà quando i costi aumentano o quando la qualità dell’esecuzione peggiora.
Il punto chiave è mantenere le meccaniche misurabili. La “sensibilità ai costi” può essere quantificata ricalcolando una metrica di rendimento dopo aver modificato gli input dei costi. Questo trasforma il “rischio” in qualcosa che puoi variare e osservare.
Separa le meccaniche stabili dalle condizioni variabili
Il testing diventa inaffidabile se mescoli meccaniche stabili (ciò che calcoli) con condizioni di mercato o del provider variabili (ciò che non puoi controllare completamente). Un approccio pulito separa:
- Il calcolo stabile: come traduci il percorso del prezzo e il timing in una metrica di rendimento realizzato.
- Gli input variabili: quale regime di mercato hai usato, come si comportano gli spread e quali vincoli di esecuzione si applicano.
Crea un piccolo set di assunzioni chiaramente etichettate per ogni calcolo. Per esempio:
- Regola del tempo di detenzione (fissa o basata su regole)
- Convenzione di timing di entrata e uscita (all’apertura della barra, a metà, o a timestamp noti)
- Modello di costo di transazione (costante per trade, oppure dipendente dallo spread)
- Modello di attrito dell’esecuzione (distribuzione di slippage assunta)
Quando non si assumono dati in tempo reale, il testing può comunque essere fatto con serie storiche di prezzo, ma devi riconoscere la limitazione: le relazioni storiche non garantiscono risultati futuri.
Costruisci una metrica di base prima di testare i cambiamenti
Serve una baseline per poter attribuire le variazioni nei risultati alle variabili che stai testando. Scegli una metrica primaria e definiscila in modo preciso.
Metrice di base comuni che si possono calcolare da prezzi storici includono:
- Rendimento netto medio per trade dopo i costi
- Rendimento netto mediano per trade (meno sensibile agli outlier)
- Proporzione di trade con rendimento netto negativo dopo i costi
- Esiti al percentile peggiore su una finestra mobile
Poi definisci una configurazione baseline di costo/esecuzione. Per esempio, una baseline potrebbe assumere un costo di transazione fisso per trade e un livello fisso di attrito dell’esecuzione. Anche se li tratti come semplificazioni, l’obiettivo è la coerenza interna.
Suddividi i dati per verificare la stabilità tra i regimi
Se il rischio di scalping riguarda davvero la sensibilità al cambiamento delle condizioni, dovrebbe mostrare comportamenti diversi tra i regimi di mercato. Per testarlo, usa una suddivisione dei dati che rispetti l’ordine temporale e riduca le fughe (leakage).
Una strategia semplice è:
- Finestra di training/derivazione (per definire le meccaniche e le assunzioni)
- Finestra di validazione (per testare se le conclusioni reggono)
- Finestra/e fuori campione (per verificare se resta vero quando cambiano le caratteristiche del mercato)
Puoi anche stratificare usando proxy semplici di regime derivati dagli stessi dati storici, come:
- Periodi di volatilità più alta vs più bassa
- Segmenti di movimento del prezzo più vs meno liquidi (proxy tramite range medio)
- Periodi di trend vs periodi laterali (proxy tramite quanto spesso cambia la direzione)
Il risultato del test dovrebbe rispondere a questa domanda: la conclusione sul rischio rimane simile quando passi da un segmento all’altro? Se la conclusione vale solo in una parte della storia, la “stima del rischio” non è robusta.
Includi i costi e l’attrito dell’esecuzione come variabili principali
I costi e l’attrito dell’esecuzione sono di solito i fattori materiali che distinguono il trading su orizzonti brevi da quello su orizzonti più lunghi. Per testare il rischio di scalping, trattali come fattori variabili con assunzioni esplicite.
Un modo strutturato per farlo è una griglia di scenari:
- Scenari di costo: costo di base, costo moderatamente più alto e costo alto
- Scenari di esecuzione: slippage di base, slippage peggiore e slippage con code pesanti
Per ogni scenario, ricalcola la stessa metrica di base. La sensibilità è la pendenza di “performance vs costo” oppure “tasso negativo vs costo”. Se piccoli aumenti di costo causano un forte peggioramento, l’approccio ha un alto rischio di scalping sotto le assunzioni scelte.
Esempio di test di ipotesi (nessun esito promesso)
Supponi che la tua ipotesi sia: “Gli esiti netti sono più sensibili ai costi per trade che al percorso esatto del prezzo all’interno della finestra di detenzione breve.”
Puoi testarlo con due esperimenti:
- Perturbazione dei costi: ricalcola i rendimenti netti dopo aver aumentato i costi per trade assunti.
- Perturbazione del percorso: mantieni fisso il modello dei costi e cambia solo la convenzione di timing nella finestra breve (per esempio, usa una regola più conservativa per l’entrata/uscita).
Confronta quale perturbazione produce cambiamenti maggiori nella metrica di base. Se le perturbazioni dei costi dominano, il tuo test supporta l’idea che il rischio di scalping sia guidato principalmente da costi e attrito dell’esecuzione.
Esegui controlli di robustezza e cerca modalità di fallimento
Il testing non dovrebbe solo confermare “ciò che funziona”, ma anche mettere in evidenza limitazioni e modalità di fallimento. Almeno una limitazione materiale dovrebbe essere esplorata direttamente.
Modalità di fallimento comuni da considerare:
- Picchi di slippage durante volatilità o momenti poco liquidi
- Allargamento dello spread che non è costante nel tempo
- Ritardi di esecuzione che peggiorano sistematicamente il timing di entrata
- Mismatch del modello: usare convenzioni di timing storiche che differiscono dall’esecuzione realizzata
I controlli di robustezza possono includere:
- Stress testing: applica scenari estremi ma plausibili di costo/esecuzione e osserva il collasso della metrica.
- Metriche alternative: ripeti il test usando esiti mediani e ai percentile di coda, non solo la media.
- Sweep dei parametri: se esistono la tua regola del tempo di detenzione o soglie decisionali, varia questi elementi in un intervallo ragionevole e verifica se le conclusioni persistono.
Una limitazione materiale è che i risultati dipendono dalle assunzioni. Senza un modello accurato dell’esecuzione (incluso come variano i costi nel tempo), le stime del rischio possono essere fuorvianti.
Verifica e prossima domanda
Per verificare in modo indipendente le affermazioni sul rischio di scalping, puoi ricreare il calcolo completo in una checklist trasparente:
- Qual è la metrica di rendimento esatta?
- Quali sono le assunzioni esplicite su costi ed esecuzione?
- Come è stata fatta la suddivisione dei dati e il leakage temporale è stato evitato?
- Quali controlli di robustezza sono stati eseguiti e quale modalità di fallimento contava di più?
Una domanda utile successiva a un test è: “Quale cambiamento di assunzione aumenta maggiormente gli esiti negativi?” Se la risposta continua a indicare la stessa causa principale (per esempio, costi e attrito dell’esecuzione), allora il tuo testing chiarisce da cosa dipende davvero il rischio di scalping. Se invece dominano assunzioni diverse tra le suddivisioni, allora la conclusione sul rischio non è stabile.
Questo approccio resta informativo: non prevede risultati futuri e non assume che le sensibilità passate si riproducano esattamente.
DOCUMENT END