La Matematica della Cointegrazione (Pairs Trading)
Nel trading quantitativo, scommettere sulla direzione di un singolo mercato (trading direzionale) introduce un elevato coefficiente di casualità. La cointegrazione statistica consente di operare in modalità market-neutral, sfruttando le relazioni matematiche stabili di lungo periodo tra due o più asset correlati.
Che cos'è la Cointegrazione?
A differenza della semplice correlazione (che misura solo la somiglianza dei movimenti passati dei prezzi su base percentuale), la cointegrazione verifica se il differenziale di prezzo (lo spread) tra due o più strumenti finanziari tende a convergere storicamente verso una media costante.
Il modello di regressione lineare per definire il legame tra i due prezzi è:
Dove $P_A$ e $P_B$ sono i prezzi storici dei due asset, $\beta$ è il coefficiente di regressione (hedge ratio), $\alpha$ è l'intercetta ed $\epsilon$ rappresenta il residuo (lo spread).
Il Test Dickey-Fuller Aumentato (ADF)
Per validare se i due mercati sono cointegrati, eseguiamo il test statistico Engle-Granger verificando se i residui $\epsilon$ sono stazionari (ovvero privi di radice unitaria). Se il p-value risultante è inferiore a 0.05 (confidenza al 95%), rifiutiamo l'ipotesi nulla e confermiamo che la combinazione lineare di prezzi tende strutturalmente a riallinearsi.
Operatività con lo Z-Score
Lo Z-Score misura lo scostamento statistico corrente dei residui ($\epsilon_t$) rispetto alla loro media storica ($\mu_{\epsilon}$) in termini di deviazioni standard ($\sigma_{\epsilon}$):
- Z-Score ≥ +2.0 (Sopravvalutazione): Lo spread è eccessivamente esteso. Si vende l'asset A e si compra l'asset B.
- Z-Score ≤ -2.0 (Sottovalutazione): Lo spread è eccessivamente depresso. Si compra l'asset A e si vende l'asset B.
- Z-Score = 0.0: Ritorno alla media (Mean Reversion). Tutte le posizioni vengono liquidate in profitto.
💡 Vantaggio Operativo del Pairs Trading
Poiché le operazioni vengono aperte simultaneamente in direzioni opposte, un eventuale crollo o rally improvviso dell'intero settore di mercato (es. crollo sistematico delle valute europee) impatterà in modo neutrale sul portafoglio, in quanto le perdite registrate su una gamba dell'arbitraggio saranno compensate dai profitti generati sull'altra.
La Fisica dell'Order Flow (POC e Value Area)
Il prezzo non si muove in base a forme geometriche disegnate sul grafico, bensì in risposta al flusso continuo di ordini che entrano a mercato e interagiscono con la liquidità passiva presente nel libro degli ordini (Depth of Market).
La Microstruttura del Mercato
I partecipanti al mercato si dividono in due categorie operative:
- Operatori Passivi (Limit Orders): Forniscono liquidità al mercato inserendo ordini di acquisto o vendita a prezzi specifici nel book. Rimangono in attesa di esecuzione.
- Operatori Aggressivi (Market Orders): Consumano liquidità aggredendo all'istante i prezzi Bid o Ask correnti. Sono i reali motori del movimento del prezzo.
Il prezzo sale quando gli ordini d'acquisto al mercato sono superiori alla liquidità limite disponibile all'Ask corrente (meccanismo di svuotamento dei livelli).
Il Volume Profile
Mentre i classici istogrammi del volume registrano quante transazioni si sono verificate in un determinato intervallo di tempo (es. ogni 15 minuti), il **Volume Profile** ripartisce i volumi scambiati sui rispettivi livelli di prezzo (asse orizzontale). Consente di identificare immediatamente il "giusto valore" (Fair Value) percepito dal mercato.
I Punti di Riferimento Strutturali
- Point of Control (POC): Il livello di prezzo esatto che ha ospitato il maggior volume di contratti. Rappresenta la massima accettazione ed equilibro tra domanda e offerta. Funge da forte area di attrazione gravitazionale.
- Value Area (VA): La fascia di prezzo che contiene il 70% del volume totale scambiato. Rappresenta l'area di valore consolidata.
- Value Area High (VAH): Il confine superiore del valore. Prezzi al di sopra sono considerati storicamente "cari" per la sessione corrente.
- Value Area Low (VAL): Il confine inferiore. Prezzi al di sotto sono considerati storicamente "convenienti".
- Low Volume Nodes (LVN): Zone con scambi ridotti all'osso, generate da movimenti rapidi e impulsivi. A causa della mancanza di liquidità strutturale a quei livelli, il prezzo tende a ri-attraversarle molto velocemente in futuro.
💡 POC Rejection e Rifiuto Strutturale
Quando il prezzo torna sul POC dopo un lungo trend direzionale, si assiste spesso ad un forte aumento dei volumi con scarso movimento dei prezzi (accumulazione istituzionale). Se il prezzo rifiuta il POC respingendolo, si ottiene un segnale di ingresso ad altissima probabilità con Stop Loss estremamente ridotto.
Statistica del Rischio (ATR e Criterio di Kelly)
L'assenza di un rigoroso sistema matematico di money management è la causa primaria di fallimento dei trader retail. Anche una strategia con il 75% di probabilità di vincita può portare all'azzeramento del conto (rischio di rovina) se la dimensione delle posizioni non è calibrata correttamente.
Average True Range (ATR)
La volatilità non è costante. L'ATR a 14 periodi misura la distanza media tra massimi e minimi di mercato. Quantia Systems lo utilizza per determinare la distanza dello Stop Loss in modo adattivo:
Se il mercato è calmo (basso ATR), lo Stop Loss sarà stretto per catturare movimenti rapidi. Se il mercato è volatile, lo Stop Loss si allargherà per evitare che fluttuazioni casuali (rumore di mercato) attivino il blocco protettivo prima che la direzione ipotizzata si sviluppi.
Il Criterio di Kelly per la size ottimale
Sviluppato dal matematico John Larry Kelly, definisce la percentuale ideale di capitale da rischiare in un singolo trade ($f^*$) per massimizzare la crescita geometrica del portafoglio nel lungo periodo:
Dove:
- $p$: Probabilità di generare un trade vincente (Win Rate storico del sistema).
- $b$: Rapporto tra la vincita media e la perdita media (Risk/Reward ratio effettivo).
⚠️ L'uso corretto e la logica "Fractional Kelly"
L'utilizzo del Criterio di Kelly puro ($100\%$ di $f^*$) espone il portafoglio ad ampi drawdown temporanei in caso di sequenze insolite di perdite. Per questo motivo, nei sistemi Quantia applichiamo un **Half-Kelly ($50\%$ di $f^*$)** o **Quarter-Kelly ($25\%$ di $f^*$)**. Questo accorgimento riduce drasticamente la volatilità della curva dei profitti pur conservando il vantaggio di una crescita geometrica ottimizzata.
Ingegneria dei Sistemi EA (Backtesting e Sharpe Ratio)
Progettare un Expert Advisor (EA) richiede una rigorosa ingegnerizzazione del processo di verifica. La maggior parte degli algoritmi retail fallisce in reale perché è stata ottimizzata eccessivamente sul passato (Overfitting).
Il Rischio di Overfitting (Curve Fitting)
Se ottimizziamo 20 parametri di un algoritmo su 5 anni di dati storici, il computer troverà la combinazione esatta che genera una curva dei profitti perfetta. Questo non è un edge reale: è solo una fotografia ad altissima risoluzione del passato. Non appena l'algoritmo incontra dati di mercato mai visti (reale), fallisce.
Per prevenire l'overfitting, Quantia adotta i seguenti passaggi ingegneristici:
- In-Sample / Out-of-Sample: Si ottimizza l'algoritmo solo sul 70% dei dati storici (In-Sample). Successivamente, si testa la configurazione trovata sul restante 30% dei dati (Out-of-Sample). Se le performance degradano significativamente, l'algoritmo viene scartato.
- Simulazioni Monte Carlo: Vengono eseguiti centinaia di test modificando in modo casuale l'ordine delle operazioni o simulando un allargamento improvviso dello spread/slippage, per verificare la resilienza della strategia a condizioni avverse.
Le Metriche di Valutazione Scientifiche
Un sistema quantitativo non viene giudicato in base al mero profitto monetario, ma in base alla qualità del rendimento corretto per il rischio:
| Metrica | Formula / Descrizione | Benchmark Ottimale |
|---|---|---|
| Sharpe Ratio | Misura il rendimento extra per unità di rischio (volatilità totale). Sharpe = (Rp - Rf) / σp |
> 1.5 (Strategia eccellente) |
| Sortino Ratio | Simile allo Sharpe, ma calcola solo la deviazione standard dei rendimenti negativi (downside deviation). | > 2.0 |
| Profit Factor | Rapporto tra la somma dei profitti lordi e la somma delle perdite lorde. | > 1.4 |
| Max Drawdown | La massima riduzione percentuale del capitale registrata da un picco storico a un minimo relativo. | < 15% (Su backtest storici) |
Machine Learning & SMC (Strutture di Prezzo Automatizzate)
La fusione tra l'analisi strutturale Smart Money Concepts (SMC) e il Machine Learning (ML) consente di automatizzare l'identificazione di aree a forte presenza di ordini istituzionali, eliminando la soggettività grafica.
Identificazione delle Strutture SMC
La teoria SMC assume che i mercati finanziari siano pilotati da algoritmi interbancari (IPDA) alla ricerca di liquidità (Stop Loss degli operatori retail). Le strutture chiave rilevate automaticamente sono:
- BOS (Break of Structure): Conferma della direzione del trend primario tramite rottura decisa dei massimi/minimi.
- CHoCH (Change of Character): Il primo segnale di cedimento e inversione strutturale di tendenza.
- Order Blocks (OB): Le aree in cui le istituzioni hanno accumulato forti quantitativi di ordini contrari prima di spingere il prezzo nella direzione opposta. Fungono da potenti aree di mitigazione e supporto futuro.
- Fair Value Gaps (FVG): Squilibri generati da spinte repentine del prezzo. Rappresentano vuoti di liquidità che l'algoritmo tende a ricolmare per ripristinare l'efficienza degli scambi.
Integrazione del Machine Learning
I modelli di Machine Learning di Quantia scansionano queste strutture grafiche e calcolano un punteggio di confidenza per ogni setup identificato. Invece di limitarsi a identificare un Order Block generico, l'IA analizza:
- La velocità e i volumi dell'impulso che ha creato l'Order Block.
- La presenza di confluenze matematiche (ritracciamenti di Fibonacci geometrici validati).
- La distanza della liquidità residua non ancora mitigata.
Questo scoring adatta dinamicamente i segnali filtrando le strutture a bassa probabilità, offrendo al trader retail un edge statistico simile a quello impiegato nei desk proprietari.
⚠️ Gestione dei Falsi Breakout
L'algoritmo di machine learning monitora lo Z-Score di volatilità intraday. Se rileva un breakout strutturale (BOS) accompagnato da una contrazione dei volumi orizzontali e un'estensione estrema dell'indicatore Stochastic, classifica l'evento come "falso breakout" (Liquidity Sweep) e inibisce i segnali di continuazione del trend, posizionandosi per l'inversione.