Cos’è un Esempio Pratico di Selezione del Timeframe?

Selezione del timeframe: definizione prima delle implicazioni

La selezione del timeframe è la scelta dell’orizzonte temporale con cui si osserva e misura il comportamento dei prezzi. Nella pratica, un timeframe determina la granularità dei dati utilizzati (ad esempio, minuti rispetto a ore) e quindi la velocità con cui i pattern possono apparire o scomparire in quell’osservazione.

La selezione del timeframe non controlla i movimenti del mercato. Controlla ciò a cui si presta attenzione e come si traduce tale attenzione in decisioni come “quanto tempo devo aspettare prima di rivalutare” o “quanto velocemente l’informazione diventa visibile nel mio grafico”. Poiché la visualizzazione del grafico cambia con il timeframe, lo stesso mercato sottostante può apparire più volatile su orizzonti brevi e più liscio su orizzonti lunghi.

Come funziona un esempio pratico di selezione del timeframe (scenario numerico)

Di seguito è riportato un esempio pratico. Non utilizza prezzi in tempo reale e rende esplicite tutte le ipotesi.

Assunzioni

1. Osservi una serie di prezzi per 1 giorno.
2. Consideri due timeframe:
   • Orizzonte breve: vista 15 minuti (4 intervalli per ora).
   • Orizzonte lungo: vista 2 ore (12 intervalli al giorno).
3. Usi una semplice regola di misurazione chiamata “range”:
   • Per ogni intervallo, range = (massimo − minimo).
4. Riassumi la giornata con il range medio per intervallo.
5. Assumi i seguenti “range per intervallo” giornalieri (questi sono numeri di scenario creati per illustrazione):
   • Orizzonte breve (intervalli da 15 minuti): range medio = 0,8% per intervallo.
   • Orizzonte lungo (intervalli da 2 ore): range medio = 1,6% per intervallo.
6. Includi un’ipotesi sui costi per mostrare una limitazione: assumi che ogni rivalutazione comporti un costo fisso (spread + commissione) pari allo 0,1% del prezzo, e che tu rivaluti una volta per intervallo.

Calcolo

Passo 1: Attesa “visibilità del movimento” (scenario) senza costi

• Orizzonte breve: ti aspetti un movimento medio per intervallo dello 0,8% ogni 15 minuti.
• Orizzonte lungo: ti aspetti un movimento medio per intervallo dell’1,6% ogni 2 ore.

Passo 2: Effetti della frequenza di rivalutazione (con costi)
Numero di rivalutazioni al giorno:

• Orizzonte breve: 1 giorno = 24 ore, quindi numero di intervalli da 15 minuti = 24 × 4 = 96.
• Orizzonte lungo: numero di intervalli da 2 ore = 24 / 2 = 12.

Onere di costo giornaliero (solo dalla regola di rivalutazione):

• Orizzonte breve: costi = 96 × 0,1% = 9,6% al giorno (in “equivalente percentuale del prezzo”).
• Orizzonte lungo: costi = 12 × 0,1% = 1,2% al giorno.

Passo 3: Confronto della “stanza netta aggiustata per risoluzione” (concettuale)
Se tratti il movimento medio di ogni intervallo come la “stanza” che osservi, allora la stanza osservata netta al giorno è:

• Orizzonte breve, stanza netta ≈ (96 × 0,8%) − 9,6% = 76,8% − 9,6% = 67,2%.
• Orizzonte lungo, stanza netta ≈ (12 × 1,6%) − 1,2% = 19,2% − 1,2% = 18,0%.

Interpretazione (importante): il confronto della stanza netta qui è puramente una conseguenza dell’assunzione sulla frequenza di rivalutazione e del placeholder per i costi. Mostra come la scelta del timeframe possa cambiare la frequenza con cui i costi si applicano, e quindi come movimenti apparentemente piccoli su orizzonti brevi possano essere dominati dall’attrito.

Evidenze e limitazioni: cosa può fallire e perché la verifica è importante

Limitazione e modalità di errore rilevanti

Una modalità chiave di errore è confondere misurazione e inferenza: trattare ciò che appare su un breve timeframe come se avesse automaticamente lo stesso significato su un lungo timeframe. Nella realtà, le osservazioni su orizzonti brevi possono essere rumorose, e quelle su orizzonti lunghi possono ritardare l’informazione. L’esempio pratico sopra evidenzia una seconda modalità di errore: ignorare l’effetto della frequenza di rivalutazione e dei costi, che può far apparire sistematicamente peggiori i timeframe brevi anche se mostrano più opportunità.

Un’altra limitazione è la non stazionarietà: anche se le medie corrispondono al tuo scenario, i giorni futuri possono differire perché il comportamento del mercato cambia. Le relazioni storiche a un certo timeframe non garantiscono risultati futuri.

Come verificare in modo indipendente i fatti rilevanti

Per verificare il tuo ragionamento sulla selezione del timeframe, puoi:

1. Elencare le tue ipotesi (granularità dei dati, come definisci il “movimento”, frequenza di rivalutazione e modello di costo).
2. Ricalcolare le stesse quantità con i tuoi dati di input (ad esempio, ricalcola i range per intervallo e gli oneri di costo).
3. Verificare se la conclusione regge quando cambi una sola ipotesi alla volta (ad esempio, mantieni i costi uguali ma modifica il timeframe).

Se la tua conclusione dipende fortemente da un’ipotesi, questo è un segnale che la scelta del timeframe potrebbe non essere robusta.