Classificazione sistemi e strategie di trading

Sistemi e strategie di trading si possono classificare in due famiglie distinte, con comportamenti molti diversi tra loro, ecco le differenze.

Trading a eventi

I sistemi più comuni di trading si basano a eventi, un esempio sono l’incrocio tra medie mobili. La caratteristica principale è ci aprono posizioni quando si verifica un evento e si esce dalla posizione quando si verificano le condizioni id uscita, ossia l’evento di uscita. In genere l’importo che si investe nella strategia è fisso per ciascun trade, o al più pesato rispetto al rischio. La bontà del sistema è legato a principalmente da due fattori, la probabilità di guadagno di ciascun trade e la frequenza degli eventi. Un sistema di trading che con elevata probabilità di guadagno a singolo trade e una frequenza molto bassa, sarà meno performante di un sistema di trading con minor probabilità di guadagno a trade, ma un numero di trade significativamente più elevato. Per aumentare la probabilità di un evento si aumenta il numero di asset su cui applicare la strategia.

Ciò che si verifica in genere è che gli asset su cui viene applicata una strategia sono tra loro correlati, se non direttamente, quantomeno da elementi macro economici e geopolitici. Questo fa si che gli eventi, sia di entrata che di uscita da un trade, sono concentrati in periodi temporali ristretti, mentre in altri periodi non si verificano eventi.

Tornando all’esempio di incrocio tra medie mobili, considerando come asset le azioni italiane, possiamo aspettarci una maggior concentrazione di incroci positivi quando le borse iniziano una ripresa, rispetto ai momenti di depressione del mercato.

L’impatto di tutto questo sulla strategia, applicata alla realtà di un trader con risorse limitate, è che il trader passera parte del tempo fuori dal mercato, in attesa che si verifichino eventi, per poi perdere degli eventi per mancanza di risorse disponibili. (Può sicuramente ricorrere alla marginazione, con costi aggiuntivi).

Qui di seguito due simulazioni delle medesima strategia, basata su pattern di candele, l’importo investito per ciascun trade è di 10.000€, la prima strategia utilizza una disponibilità di risorse pari a 350.000€, questo garantisce di avere la copertura per gestire tutti gli eventi che si verificano. I guadagni vengono sempre utilizzati come risorse disponibili per futuri trade. Gli asset utilizzati sono quelli del mercato italiano e l’orizzonte temporale è di 10 anni. Il numero di trade (apertura-chiusura di posizioni a mercato) è stato di 926

La seconda simulazione utilizza risorse limitate, da 350.000€ della prima simulazione si scende a 50.000€. Questo fa sì che spesso mancheranno risorse per sfruttare la strategia e la conferma arriva dal numero di trade che scende a 326

La strategia risulta più volatile, avendo si potrebbe calcolare l’aumento delle volatilità, è come con il lancio del dado, se il dado viene lanciato poche volte il numero di volte in cui compare un numero piuttosto che un altro ha una variabilità maggiore. Il rendimento cumulativo è in genere maggiore perché, a parità di risorse, è minore il tempo in cui le risorse non vengono impiegate.

Strategia a classifica

La seconda famiglia di strategie è basata sulla classificazione degli asset e la scelta in ciascun momento dei migliori asset su cui investire, in numero limitato. Potenzialmente questa è una strategia si in cui si riamane nel mercato il 100% del tempo. L’importo in questo caso non è più un importo fisso, bensì una quota delle risorse disponibili. Ad esempio mantenendo 4 posizioni aperte e mantenendo il 5% delle risorse per gestire lo slippage, avremo che ogni posizione viene aperta con 23,75% delle risorse disponibili ( [100-5]/4). Un grosso vantaggio è la possibilità di reinvestire sempre i guadagni, ma la complessità di impostare una classifica che renda omogenei gli indicatori di asset non è semplice. In generale bisogna passare da funzioni logaritmiche normalizzazione di dati, che aumentano la complessità computazionale i tempi di calcolo. Riporto qui i risultati di una strategia basata su classifiche e regressione lineare, con risorse disponili 50.000€

Il risalutato è impressionante un PNL pari a 1.079.351€ a fronte di un investimento di 50.000€ in 10 anni con 926 trade. I dati mostrati hanno solo l’obiettivo di mostrare il diverso comportamento delle strategie e vanno fatte due precisazioni prima di alimentare false illusioni:

• I parametri di esecuzione sono stati ottimizzati con diverse simulazioni, la strategia è risultata molto sensibile a piccoli scostamenti sui parametri. Il risultato è decisamente in overfit!!
• Nella realtà questi numeri non si sarebbero mai raggiunti perché l’importi investiti a trade diventano troppo elevati
• La simulazione da novembre a oggi ha segnato un dignitoso(?) -40%

A differenza delle strategia a eventi, la strategia a classifica può sviluppare un andamento di tipo esponenziale. Inoltre l’andamento della strategia, e la sua volatilità, non dipendono dalle risorse disponibili. Riducendo o aumentando le risorse avremo lo stesso comportamento (con un leggero sfrido per commisioni, tobin tax e slippage).

Un’ultima nota importante è legata alla scelta degli asset da far competere nella classifica. Se gli asset danno tutti scarsi risultati per gli indicatori scelti, il risultato sarà deludente. Un po’ come andare al mercato e scegliere le migliori fragole tra quelle ammuffite. Questo effetto si presenta meno sulle strategie a eventi, perché semplicemente l’evento non si verifica.

Conclusioni

Le due famiglie di strategie hanno comportamenti diversi e ben evidenziati nei due grafici. La scelta scelta della strategia da costruire dipende dalla natura degli indicatori che si vogliono utilizzare. Ciascuna ha dei vantaggi e svantaggi.

Caratteristica	Strategia a Classifica	Strategia a Eventi
Necessita di indicatori confrontabili	Sì	Indifferente
Necessita di eventi	No	Sì
Permanenza nel mercato	Costante	Variabile
Q.tà di risorse necessarie	Basso	Elevato
Reinvestimento	Sì	Parziale
Tipo di crescita	Esponenziale	Lineare

Asset usati nelle simulazioni

["FTSEMIB.MI", "A2A.MI", "AMP.MI", "ATL.MI", "BAMI.MI", "BGN.MI", "BMED.MI" "BPE.MI", "BZU.MI", "CNHI.MI", "CPR.MI", "DIA.MI", "ENEL.MI", "ENI.MI", "EXO.MI", "FBK.MI", "STLA.MI", "G.MI", "HER.MI", "IG.MI", "INW.MI", "IP.MI", "ISP.MI", "LDO.MI", "MB.MI", "MONC.MI", "NEXI.MI", "PIRC.MI", "PRY.MI", "PST.MI", "RACE.MI", "REC.MI", "SPM.MI", "SRG.MI", "STM.MI", "TEN.MI", "TIT.MI", "TRN.MI", "UCG.MI", "UNI.MI", "ABT.MI", "AEF.MI", "ADB.MI", "ALK.MI", "AMP.MI", "ECNL.MI", "ASC.MI", "AVIO.MI", "BEC.MI", "BFE.MI", "IF.MI", "BST.MI", "BSS.MI", "CAI.MI", "CRL.MI", "CELL.MI", "CMB.MI", "CEM.MI", "DIS.MI", "DAL.MI", "DEA.MI", "DIB.MI", "ELN.MI", "ELC.MI", "EM.MI", "EQUI.MI", "PRT.MI", "ETH.MI", "FM.MI", "FILA.MI", "GE.MI", "IGD.MI", "ILTY.MI", "IP.MI", "IRC.MI", "ITM.MI", "IVS.MI", "LD.MI", "LR.MI", "MARR.MI", "MN.MI", "MTV.MI", "MOL.MI", "NWL.MI", "OJM.MI", "ORS.MI", "PHN.MI", "PVN.MI", "PSF.MI", "PRI.MI", "REY.MI", "SAB.MI", "SG.MI", "SGR.MI", "SL.MI", "SRI.MI", "SES.MI", "SO.MI", "TIP.MI", "TES.MI", "TNXT.MI", "TXT.MI", "UNIR.MI", "WIIT.MI", "ZV.MI"]

Nota a margine: tutte le posizioni vengono aperte long