Fintech Archivi - Pagina 3 di 4 - Luigi Zanderighi, PMP

10 Aprile 202210 Aprile 2022

Comportamento indicatore SuperTrend

L’indicatore SuperTrend è uno degli indicatori che mi piace maggiormente, prima di scoprirne e conoscerne l’esistenza ho costruito in modo simile, ne condivido i razionali sottostante. Non entro sui dettagli implementativi e mi limito a studiarne il comportamento nel suo utilizzo.

L’indicatore è di tipo trend-following, l’aspetto che lo rende interessante è che non usa medie mobili, ma la volatilità espressa in ATR. In qualche modo tenta di intercettare il rumore di fondo, isolando l’andamento principale, in base al True Range. L’ATR viene usato spesso nella definizione degli stop sui trade multiday. (Nell’intraday lo vedo complesso salvo l’uso di automatismi). I parametri che trovo spesso sono ATR(20,6) per gli stop loss.

Eseguo tre test con tre strategie usando solo il SuperTrend, la prima close-reverse, la seconda solo long, la terza solo short. uso parametri ottimizzati sul periodo di test, questo significa che mi trovo in una situazione di overfit. Successivamente userò il SuperTrend, secodno il suggerimento di molti, come strategia di uscita da un trade. In tutti i test uso le seguenti condizioni ambientali

slippage : 1%
tobin tax: 0.1%
Commissione eseguito: 6.75€
periodo: 2010-2020
ticker: 40 azioni FTSEMIB ()
importo a trade fisso 10.000€
cash iniziale: 400.000€ (10K x azione)
Parameteri ottimizzati: periodo:20, moltiplicatore:7
interessi short: NA

Close&Reverse

In caso di close&reverse mi trovo sempre a mercato con tutte le posizioni, o sono aperte long o short. Il risultato è interessante, indipendentemente dall’andamento del mercato il risultato è pressoché costate e piatto.

Metric	Strategy	Benchmark
Risk-Free Rate	0.0%	0.0%
Time in Market	100.0%	100.0%

Cumulative Return	17.97%	180.68%
CAGR%	1.51%	9.84%

Sharpe	0.19	0.55
Sortino	0.27	0.75
Sortino/√2	0.19	0.53

Max Drawdown	-17.76%	-38.59%
Longest DD Days	932	742
Volatility (ann.)	11.19%	21.0%
R^2	0.07	0.07
Calmar	0.09	0.26
Skew	0.79	-0.77
Kurtosis	14.7	7.84

Solo Long

L’andamento complessivamente positivo e segue il trend del mercato, con performance nettamente peggiori rispetto a un buy&hold. L’andamento positivo, confrontato con Close&Reverse ci aspettiamo che la strategia solo short abbia un anadamento fortemente negativo

Metric	Strategy	Benchmark
Risk-Free Rate	0.0%	0.0%
Time in Market	99.0%	99.0%

Cumulative Return	47.66%	205.05%
CAGR%	3.61%	10.68%

Sharpe	0.45	0.59
Sortino	0.61	0.8
Sortino/√2	0.43	0.57

Max Drawdown	-15.96%	-38.59%
Longest DD Days	909	742
Volatility (ann.)	8.74%	20.92%
R^2	0.5	0.5
Calmar	0.23	0.28
Skew	-0.6	-0.78
Kurtosis	4.88	7.99

Solo short

Come ci si aspettava la componente short è molto forte, tanto che l’andamento cumulativo tra solo long e solo short, crea la linea piatta, nonostante l’andamento del FTSE di riferimento sia incrementato del 200%.

Metric	Strategy	Benchmark
Risk-Free Rate	0.0%	0.0%
Time in Market	100.0%	100.0%

Cumulative Return	-29.7%	180.68%
CAGR%	-3.15%	9.84%

Sharpe	-0.16	0.55
Sortino	-0.25	0.75
Sortino/√2	-0.18	0.53

Max Drawdown	-44.26%	-38.59%
Longest DD Days	3320	742
Volatility (ann.)	13.79%	21.0%
R^2	0.72	0.72
Calmar	-0.07	0.26
Skew	2.44	-0.77
Kurtosis	39.21	7.84

Considerazioni

Il risalutato è tuttavia in linea con le strategie di tipo trend following, si ha infatti un ritardo tra l’inserimento nel mercato del trade e il cambio di direzione del mercato stesso. Maggiori sono i cambi di direzione e maggiore è la componente di perdita della strategia trend following. Una strategia che segue il trend performa malissimo in un mercato laterale. Con un po’ di pazienza potremmo calcolare l’efficienza di una strategia di inseguimento.

Chiusura con SuperTrend

Spesso l’indicatore SuperTrend viene proposto per chiudere le posizioni di una strategia. Proviamo quindi a usare il SuperTrend per chiudere le posizioni in una strategia di cui conosciamo le prestazioni, la solita basata sui Candle che uso in genere.

Metric	Strategy	Benchmark
Risk-Free Rate	0.0%	0.0%
Time in Market	92.0%	100.0%

Cumulative Return	23.54%	45.83%
CAGR%	1.94%	3.49%

Sharpe	0.45	0.82
Sortino	0.63	1.21
Sortino/√2	0.44	0.85

Max Drawdown	-9.53%	-6.46%
Longest DD Days	1375	461
Volatility (ann.)	4.45%	4.28%
R^2	0.41	0.41
Calmar	0.2	0.54
Skew	-0.45	0.04
Kurtosis	7.21	3.51

Il peggioramento rispetto al comportamento della strategia pura è notevole, indice che l’utilizzo del SuperTrend come condizione di chiusura di una posizione non è la soluzione ottimale.

Stoploss

Lasciando le condizioni di uscita della strategia, e aggiungendo uno StopLoss basato su SuperTrend si ottengono queste prestazioni.

Metric	Strategy	Benchmark
Risk-Free Rate	0.0%	0.0%
Time in Market	85.0%	100.0%

Cumulative Return	12.88%	45.83%
CAGR%	1.11%	3.49%

Sharpe	0.47	0.82
Sortino	0.67	1.21
Sortino/√2	0.48	0.85

Max Drawdown	-5.72%	-6.46%
Longest DD Days	1279	461
Volatility (ann.)	2.39%	4.28%
R^2	0.49	0.49
Calmar	0.19	0.54
Skew	-0.13	0.04
Kurtosis	6.61	3.51

Anche qui il benchmark, ossia la strategia di partenza, evidenza il decadimento delle prestazioni utilizzano il supertrend come stoploss. Da notare come le prestazioni della strategia si avvicinano in entrambi i casi, alle prestazioni “solo long” nell’utilizzo del SuperTrend, segno che prevale l’inefficienza della condizione di uscita rispetto alla condizione d’entrata.

Riferimenti

20 Marzo 202220 Marzo 2022

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

Key Performance Metrics

Risk-Free Rate	0.0%	0.0%
Time in Market	100.0%	100.0%

Cumulative Return	161.05%	183.92%
CAGR%	9.12%	9.96%

Sharpe	1.05	0.55
Sortino	1.51	0.76
Sortino/√2	1.07	0.54

Principali indicatori

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

Strategia a eventi con risorse limitate 50.000€

Key Performance Metrics

Metric	Strategy	Benchmark
Risk-Free Rate	0.0%	0.0%
Time in Market	100.0%	100.0%

Cumulative Return	259.79%	183.92%
CAGR%	12.35%	9.96%

Sharpe	0.76	0.55
Sortino	1.1	0.76
Sortino/√2	0.78	0.54

Principali indicatori

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€

Key Performance Metrics

Metric	Strategy	Benchmark
Risk-Free Rate	0.0%	0.0%
Time in Market	96.0%	96.0%

Cumulative Return	2,158.70%	203.13%
CAGR%	32.78%	10.61%

Sharpe	1.4	0.59
Sortino	2.08	0.81
Sortino/√2	1.47	0.57

Principali indicatori

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

Tabella comparativa

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

13 Marzo 202213 Marzo 2022

Studio sugli stoploss

In giro si trovano diversi tesi sulla gestione degli stoploss, chi li vuole stretti, chi li vuole larghi, chi li vuole dinamici, chi non li vuole. Ho fatto alcune prove per farmi un’idea concreta dell’effetto degli stop loss sulle diverse strategia. Prima una nota importante, ogni strategia può essere affinata con l’uso corretto degli stoploss, lo stoploss è parte integrante della strategia. Fatta questa premessa iniziale ecco come ho deciso di procedere. Utilizzo una strategia basata su candlestick, che ha un rendimento nella media senza stoploss, di seguito i dettagli della strategia e del suo comportamento. Il perimetro sono le azioni del FTSE odierne, su periodo di 10 anni. Lo studio viene fatto con le seguenti tipologie di stoploss:

Senza stop loss
Stop loss % rispetto alla chiusura precedente, applicato al prezzo minimo
Stop loss % rispetto alla chiusura precedente, applicato al prezzo di chiusura
Stop loss calcolato su ATR, applicato al prezzo minimo
Trailing stop applicato al minimo

I parametri di stop loss vengono ottimizzati, ossia viene fatta una simulazione con diversi valori di stop loss e vengono scelti i parametri in cui la strategia offre i migliori risultati.

Il benchmark è la strategia BuyAndHold sui medesimi titoli e vengono applicate le seguenti condizioni di contorno:

Importo a trade: 10.000
Cash: 200.000
Tobin Tax 0,1%
Commissioni: 6,75 a eseguito
Nessuna marginazione,
Nessuna possibilità di investire allo scoperto
Solo posizioni log

Senza stop loss

Come anticipato la strategia è di tipo candlestick, entro a una certa configurazione di pattern, esco a una certa configurazione di pattern, e offre prestazioni generalmente migliori rispetto a un buy-and-hold, qui di seguito la tabella riepilogativa a confronto con il buy-and-hold e il fact sheet.

Key Performance Metrics

Metric	Strategy	Benchmark
Risk-Free Rate	0.0%	0.0%
Time in Market	100.0%	100.0%

Cumulative Return	101.19%	193.24%
CAGR%	6.56%	10.28%

Sharpe	0.6	0.57
Sortino	0.85	0.78
Sortino/√2	0.6	0.55

Max Drawdown	-23.1%	-38.59%
Longest DD Days	712	742
Volatility (ann.)	11.61%	20.99%
R^2	0.76	0.76
Calmar	0.28	0.27
Skew	-0.41	-0.78
Kurtosis	6.33	7.87

Factsheet

Stop Loss % applicato su minimo

Questo è lo stop loss standard, ossia quello consentito dai sistemi di trading, se il prezzo scende sotto il valore di soglia, la posizione viene chiusa. Il valore viene calcolato dal prezzo di apertura della posizone. Uno stop al 90% chiude la posizione se il prezzo scende sotto il 90% del prezzo di apertura della posizione. Questo tipo di stop loss è molto sensibile rispetto alle variazioni intraday del prezzo, e in particolare risente degli spike. Tempo fa avevo una posizione NEXI molto buona aperta con uno stop al 90%, o(ssia perdita max 10%). La posizione guadagnava ca 8-9%, verso le 10 un lungo spike ha attraversato lo stop, riassorbendosi interamente nel giro di 20 minuti. A fine giornata guadagnava un altro 0,23%. Probabilmente qualche istituzionale ha fatto un’operazione di caccia agli stop (hunter stop) perché nei 10 giorni successivi Nexi sembrava un missile diretto sulla luna. Per trovare il valore ottimale di stop loss ho fatto una simulazione con le soglie: stoploss=0.95,0.9,0.85,0.8,0.75,0.7, si potrebbe fare un ulteriore tuning, ma mi sembra un dispendio di energie in questa fase. La soglie di stop loss che offre le migliori prestazioni è 0.85, ossia il 15% si perdita prima di chiudere la posizione.

Key Performance Metrics

Metric	Strategy	Benchmark
Risk-Free Rate	0.0%	0.0%
Time in Market	100.0%	100.0%

Cumulative Return	98.56%	193.24%
CAGR%	6.44%	10.28%

Sharpe	0.78	0.57
Sortino	1.14	0.78
Sortino/√2	0.81	0.55

Max Drawdown	-12.8%	-38.59%
Longest DD Days	515	742
Volatility (ann.)	8.39%	20.99%
R^2	0.64	0.64
Calmar	0.5	0.27
Skew	-0.05	-0.78
Kurtosis	4.81	7.87

Stop Loss % applicato sul prezzo di chiusura

L’approccio è analogo a quelle precedente, solo che viene guardato solo il prezzo di chiusura. Una soglia al 90% chiude la posizione se il prezzo di chiusura scende sotto la soglia. Rispetto a uno stop di prezzo, lo stop di chiusura è meno sensibile alle variazioni intraday e ai cacciatori di stop. D’altro canto se il titolo inizia a scendere, la posizione viene chiusa con maggior ritardo e il rischio di una maggior perdita al mattino seguente. rumore a metà giornata di un eventi di cui viene data comunicazione ufficiale a borse chiuse può portare a un rapido crollo del valore. Anche qui il valore ottenuto come miglior stoploss è 85% del prezzo di entrata. Qui di seguito la tabella riepilogativa e il link al fact sheet.

Key Performance Metrics

Metric	Strategy	Benchmark
Risk-Free Rate	0.0%	0.0%
Time in Market	100.0%	100.0%

Cumulative Return	99.09%	193.24%
CAGR%	6.46%	10.28%

Sharpe	0.75	0.57
Sortino	1.09	0.78
Sortino/√2	0.77	0.55

Max Drawdown	-15.23%	-38.59%
Longest DD Days	515	742
Volatility (ann.)	8.83%	20.99%
R^2	0.67	0.67
Calmar	0.42	0.27
Skew	-0.08	-0.78
Kurtosis	3.78	7.87

Stop loss su chiusura

Trailing stop

Il trailing stop è uno stop dinamico che mantiene la medesima distanza (% o tick) rispetto all’ultimo massimo registrato dall’apertura della posizione. Questo non è un vero e proprio stop e può essere parte integrante di una condizione d’uscita dalla posizione in una strategia. L’indicatore supertrend utilizza un approccio di questo tipo, crea un canale in cui il trainling stop è calcolato dinamicamente sulla base dell’ATR. Si possono creare diverse varianti del trailing stop e meriterebbe una trattazione dedicata . Ho utilizzato solo la forma più classica, la posizione viene chiusa quando la distanza di prezzo rispetto al massimo registrato super la % indicata.

Key Performance Metrics

Metric	Strategy	Benchmark
Risk-Free Rate	0.0%	0.0%
Time in Market	100.0%	100.0%

Cumulative Return	101.58%	193.24%
CAGR%	6.58%	10.28%

Sharpe	0.62	0.57
Sortino	0.88	0.78
Sortino/√2	0.62	0.55

Max Drawdown	-22.74%	-38.59%
Longest DD Days	700	742
Volatility (ann.)	11.25%	20.99%
R^2	0.76	0.76
Calmar	0.29	0.27
Skew	-0.36	-0.78
Kurtosis	6.02	7.87

Trailing stop

Stop loss su ATR

Una delle principali critiche degli stop loss basati sulla % è che non tengono in considerazione l’ampiezza delle fluttuazioni giornaliere subita da un titolo. il rischio è quindi di uscire prematuramente da una buona posizione che potrebbe rendere, perché il titolo è particolarmente volatile. Lo stop loss viene quindi calcolato non più con una % fissa, ma con un moltiplicatore m dell’ATR(t) , con t il periodo di osservazione. Per ottimizzare la strategia vengono clacolati entrambi i coefficienti t e m ottimali. Dall’ottimizzazione si ottengono i valori di moltiplicatore m=5 e periodo di osservazione t=10. in letterature ho trovato diversi valori, i più comuni sono m=6 e t=10. Con i valori ottimali per la stategia otteniamo la seguente tabellla e factsheet.

Key Performance Metrics

Metric	Strategy	Benchmark
Risk-Free Rate	0.0%	0.0%
Time in Market	100.0%	100.0%

Cumulative Return	98.08%	193.24%
CAGR%	6.41%	10.28%

Sharpe	0.71	0.57
Sortino	1.02	0.78
Sortino/√2	0.72	0.55

Max Drawdown	-14.39%	-38.59%
Longest DD Days	518	742
Volatility (ann.)	9.36%	20.99%
R^2	0.63	0.63
Calmar	0.45	0.27
Skew	-0.23	-0.78
Kurtosis	6.66	7.87

Stop loss su ATR

Conclusioni

Uno stop loss corretto può dare benefici alla strategia, oltre a questi test ne ho fatto altri utilizzando diversi asset o diverse strategie, non vi è una regola per cui posso dire che uno stop loss sia meglio di un’altro in senso generale. Ciò che vale per la strategia specifica è che lo stop loss porta dei benefici. Se il pattern di candele per l’uscita non si verifica, c’è il rischio di perdere senza limiti. Indicativamente il valore % di stop loss (anche per l’ATR è intorno al 15%, con prove più di dettaglio si trova un minimo relativo tra 12% e 14%. Uno stop più stretto avrebbe strozato la strategia.

Personalmente preferisco uno stop loss % che posso impostare sul sistema, quindi l’ATR e lo stop sulla chiusura sono tendenzialmente da escludere.

Il trailing stop lo riservo più alla strategia che non alla chiusura della posizione. Ad esempio, apro la posizone, chiudo metà della posizone al segnale di chiusura, se il trend è ancora positivo imposto un trailing stop al 5%.

Come ultimo grafico inserisco il confronto tra la strategia senza stoploss e quella con il miglior risultato, stop loss al 85%. (Perdita max 15%)

14 Luglio 202113 Marzo 2022

La notte porta consiglio o effetto Tobin Tax

EDIT: L’effetto è legato alla Tobin Tax. Investitori che entrano nel marcato a inizio giornata ed escono a fine giornata. Nascono due spunti di riflessione da approfondire:

Si potrebbe verificare, a riprova, se l’effetto è presente solo nei titoli soggetti a Tobin Tax o anche altri titoli
Esistono titoli per i quali si presenta questa situazione e non sono soggetti alla Ton tax

Il titolo sembra fuorviante, ma ciò che emerge dalle prove è che il trading overnight presente alcune sorprese interessanti

Sto sempre giocando con i diversi algoritmi di trading e a un certo punto mi sono chiesto qual’é il comportamento dei titoli a marcato aperto e mercato chiuso. In particolare c’è una correlazione tra il comportamento che un titolo ha durante la notte tra la sua chiusura e l’apertura il giorno seguente?

Per di rispondere a questa domanda ho fatto alcune prove con il mio solito dataset di test, una di queste è stata di aprire per ciascun titolo una posizione a inizio giornata e chiuderla a fine giornata, sfruttando quindi il mercato aperto e successivamente aprire una posizione a chiusura mercato e chiuderla il mattino seguente, sfruttando quindi le correnti overnight.

Il benchmark di riferimento è sempre la strategia che prediligo ‘BuyAndhHold’. I risultati ottenuti meritano una certa attenzione. Riporto qui di seguito i dati comuni a tutti i test:

Capitale iniziale: 300.000 €
Dimensione delle posizioni: 10.000 €
Tassazione non applicata

Buy And Hold

Già visto in altri post, riporto qui il grafico e i dati di sintesi:

Cumulative Return	168.0%
CAGR%	9.38%
Sharpe	0.53
Sortino	0.73
Max Drawdown	-37.75%
Longest DD Days	978
Volatility (ann.)	20.9%
Calmar	0.25
Skew	-0.83
Kurtosis	9.07

Tabella riepilogativa

Buy on Open Sell on Close

La seconda strategia si basa su aprire una posizione in asta di apertura dei mercati e chiudere la posizione in asta di chiusura. Il grafico evidenzia come la tendenza a mercato aperto sia al ribasso anche quando la tendenza complessiva del mercato sia a rialzo.

Cumulative Return	-74.35%
CAGR%	-11.64%
Sharpe	-0.52
Sortino	-0.69
Max Drawdown	-77.48%
Longest DD Days	4009
Volatility (ann.)	19.78%
Calmar	-0.15
Skew	-0.58
Kurtosis	4.55

Buy on Close – Sell on next Open

La medesima prova eseguita invertendo l’operatività evidenza come le aperture di marcato siano tendenzialmente più alte delle chiusure del giorno precedente. La somma dei due grafici fornisce l’andamento della strategia BuyAndHold. Il grafico BuyOnCloseSellOnOpen è quasi elettrizzante, con indice di Sharpe pari 1,62 e un indice Sortino di 2,29. La rendita giornaliera, al lordo delle tasse e commissioni è dello 0,04% che diventa 10,73 % su base annuale, mantenendo costante l’importo investito a titolo nel tempo.

Cumulative Return	206.87%
CAGR%	10.74%
Sharpe	1.62
Sortino	2.29
Max Drawdown	-6.82%
Longest DD Days	273
Volatility (ann.)	6.38%
Calmar	1.57
Skew	-1.35
Kurtosis	30.67

La fregatura sta in quel 0,04%, l’applicazione della tobin tax pari allo 0,1 % fa si che mediamente la perdita giornaliera sia di ca 0,06%. Il grafico sottostante mostra la medesima simulazione in cui sono state applicate commissioni e tasse. Come si può vedere la pendenza è negativa così come il ritorno cumulativo. La simulazione è stata fatta con capitale limitato a 310.000 €, questo fa si che alcuni risultati sembrino ‘falsati’ rispetto a uno scenario a capitale illimitato ma sono anche più realistici. La curva discendente disegna infatti un’iperbole legata al fatto che ogni giorno di perdita riduce la capacità di investimento nei giorni successivi. Per il resto il diagramma parla da se.

Cumulative Return	-99.13%
CAGR%	-35.08%
Sharpe	-1.87
Sortino	-2.51
Max Drawdown	-99.13%
Longest DD Days	4012
Volatility (ann.)	21.68%
Calmar	-0.35
Skew	1.13
Kurtosis	46.44

Gli ultimi di grafici che aggiungo sono legati ai CFD, infatti questi strumenti sulla carta ricalcano l’andamento del sottostante al netto di uno spread e non sono soggetti alla tobin tab. Per i CFD va tenuto conto che ogni intermediario è indipendente come fosse un mercato a se stante. Non dispongo dei titoli che uso nel mio paniere per cui i grafici che propongo sono di 7 titoli per l’ultimo anno con capitale 60.000€ . Da quello che si vede dai grafici l’applicazione di uno spread fa si che anche nel caso di CFD la strategia “Buy on Close – Sell on next Open” non è efficace. In pratica lo spread applicato sostituisce in toto la tobin tax con la differenza che la tobin tax entra nelle casse governative ed è stimabile mentre lo spread sui CFD nelle tasche dell’intermediario e non è prevedibile.

Questa immagine ha l'attributo alt vuoto; il nome del file è immagine-7.png — Andamento strategia 1Y – 7 stock

Andamento strategia 1Y – 7 CFD corrispondenti

Ore che ho raccolto i primi elementi posso cercare una correlazione per capire in che modo l’operatività a mercato aperto sia correlata al gap overnight.

8 Marzo 20219 Marzo 2021

Giocando con gli stop loss

Sugli stop si legge di tutto e il contrario di tutto. Sicuramente molti come me rimpiangono di non aver impostato degli stop loss quando guardano posizioni sofferenti il portafoglio. Ho un Cattolica ondivaga tra un -35% e -25%. Seguo la prima regola che mi sono dato, non chiudere posizioni in perdita e così finché non cambio regola tengo la mia Cattolica sperando in un miracolo Generali. Dati i principi di base, ogni strategia si comporta in modo diverso in funzione degli stop e non sempre uno stop stretto o largo porta benefici. Ecco le regole di base degli stop loss che si trovano in giro:

Uno stop stretto riduce le perdite, ogni strategia deve avere degli stop
Stop troppo stretti non danno respiro alla strategia

Per verificare sul campo come si comportano le strategie in funzione degli stop ho scelto due strategie fondamentalmente diverse tra loro, la prima basata un MACD e la secondo su un pattern di candelstick. Nel primo test le eseguiamo senza stop loss, poi incrementiamo per passi 1%, 5%, 10% e 20%.

Senza stop loss

MACD

CandelStick

Qui di seguito le tabelle riepilogative per le due strategie in funzione degli stop loss

Risultati MACD

	1%	5%	10%	20%	Senza
Time in Market	53.0%	52.0%	51.0%	51.0%	50.0%
Cumulative Return	35.27%	65.29%	64.22%	67.69%	70.45%
CAGR%	2.79%	4.68%	4.61%	4.81%	4.97%
Sharpe	0.27	0.42	0.41	0.42	0.44
Sortino	0.4	0.61	0.59	0.61	0.63
Max Drawdown	-34.48%	-36.0%	-34.54%	-35.52%	-34.9%
Longest DD Days	1167	1022	1091	1090	1078

Risultati strategia MACD in funzione dello stop loss

Emergono alcune evidenze, di cui la principale è che sia il drawdown che il periodo di Drawdown non sono influenzati dallo stop loss. L’obiettivo era quello di ridurre il rischio di perdite e invece lo stop loss ha influenzato solo in guadagno. In sintesi la strategia non ha avuto abbastanza respiro per esprime il proprio potenziale. Il Time in market fluttua leggermente perché in effetti raggiunto uno stop loss potenzialmente si può rientrare in strategia prima. In effetti prima si esce e prima si può rientrare.

Risultati CandleStick

	1%	5%	10%	20%	Senza	15%	20%
Time in Market	73.0%	97.0%	99.0%	99.0%	99.0%	99.0%	99.0%
Cumulative Return	3.7%	24.98%	42.4%	65.97%	63.95%	64.57%	65.34%
CAGR%	0.33%	2.05%	3.27%	4.72%	4.6%	4.64%	4.68%
Sharpe	0.17	0.55	0.63	0.72	0.59	0.75	0.66
Sortino	0.24	0.79	0.91	1.04	0.83	1.1	0.94
Max Drawdown	-8.29%	-6.67%	-9.05%	-12.97%	-15.91%	-10.62%	-14.81%
Longest DD Days	1960	657	507	379	700	438	429

Tabella riepilogativa risultati strategia CandleStick in funzione dello stop loss

La strategia si comporta malissimo in presenza di stop stretti e sembra avere un comportamento particolarmente buono intorno al 15% di stop

Conclusioni

Il mito da sfatare è che gli stop stretti siano sempre utili a evitare perdite, nei casi visti sopra valori troppo stretti possono portare a risultati disastrosi perché la strategia non respira. Questo non significa che gli stop vanno tolti, vanno semplicemente utilizzati con cognizione di causa.

Attenzione quanto sopra si applica alle strategie che ho analizzato e non vuole essere un suggerimento di qualsiasi natura. Aggiungo che tra trading overnight e intraday ci sono differenze enormi nella gestione degli stop.