{"id":332,"date":"2023-05-30T11:58:18","date_gmt":"2023-05-30T09:58:18","guid":{"rendered":"http:\/\/blog.ilgiornale.it\/analisi-tecnica\/?p=332"},"modified":"2023-05-30T12:00:33","modified_gmt":"2023-05-30T10:00:33","slug":"il-daily-factor-un-filtro-per-fare-trading-con-la-volatilita","status":"publish","type":"post","link":"https:\/\/blog.ilgiornale.it\/analisi-tecnica\/2023\/05\/30\/il-daily-factor-un-filtro-per-fare-trading-con-la-volatilita\/","title":{"rendered":"Il Daily Factor: un filtro per fare trading con la volatilit\u00e0"},"content":{"rendered":"

La price action si basa sul concetto di definire l\u2019operativit\u00e0 in funzione della configurazione assunta dai prezzi battuti dal mercato. Anche alla Unger Academy\u00ae si usano i pattern di prezzo all’interno dei sistemi di trading, ma mai come punto di partenza: si insegna invece quando e come utilizzarli. Vengono impiegati come filtri, applicati a motori base e impostati su un tipo di operativit\u00e0 specifica.<\/p>\n

Oggi parliamo di un pattern \u2013 il Daily Factor \u2013 che ci consente di lavorare sulla volatilit\u00e0 del mercato. Vedremo il perch\u00e9, cercando di capire quale impatto abbia su alcuni strumenti.<\/p>\n

Vuoi un aiuto per migliorare il tuo approccio al trading? Clicca qui >>><\/strong><\/a><\/p>\n

Cos’\u00e8 il Daily Factor?<\/h3>\n

Per capire cosa sia il \u201cDaily Factor\u201d (DF) scopriamo come rappresentare i prezzi con una \u201ccandela giapponese\u201d e cosa siano il \u201cBody\u201d e il \u201cRange\u201d della candela stessa.<\/p>\n

Quella raffigurata in figura 1 \u00e8 una rappresentazione a candela dei prezzi battuti dal mercato in una sessione: possiamo distinguere i prezzi di apertura e chiusura, cos\u00ec come il livello minimo e massimo toccati durante la giornata.<\/p>\n

\"\"<\/a>

Figura 1 \u2013 Rappresentazione del \u201cbody\u201d e del \u201crange\u201d di una candela<\/p><\/div>\n

In una candela giornaliera dei prezzi, il Body misura la distanza tra il prezzo di apertura e quello di chiusura del mercato, mentre il Range misura la distanza tra il prezzo minimo e quello massimo toccati durante la sessione. In questo articolo faremo sempre riferimento ad un DF con timeframe daily.<\/p>\n

Il DF calcola il rapporto tra il Body e il Range:<\/p>\n

\"\"<\/a>

Figura 2 \u2013 Formula del pattern Daily Factor (DF)<\/p><\/div>\n

Il DF misura quanto i prezzi del giorno prima si sono spostati dall\u2019apertura alla chiusura, rispetto alla loro escursione massima; potr\u00e0 quindi assumere valori compresi tra 0 e 1 (o tra 0 e 100% se espresso in percentuale).<\/p>\n

Questo pattern \u00e8 dipendente dalla volatilit\u00e0 e non ci fornisce informazioni sulla direzione del mercato: un DF molto basso indica che i prezzi si sono mossi poco rispetto alla loro massima escursione; viceversa, un DF molto alto indica che i prezzi si sono mossi in modo deciso segnando una giornata decisamente rialzista o ribassista.<\/p>\n

Volendo calcolare il DF usando PowerLanguage, scriveremo:<\/p>\n

Var: DF(0<\/strong>);<\/p>\n

if (highS(1<\/strong>) – lowS(1<\/strong>)) <> 0<\/strong> then begin<\/p>\n

DF = absvalue(openS(1<\/strong>) – closeS(1<\/strong>)) \/ (highS(1<\/strong>) – lowS(1<\/strong>));<\/p>\n

end;<\/p><\/blockquote>\n

Nel codice con openS(1<\/strong>), highS(1<\/strong>), lowS(1<\/strong>) e closeS(1<\/strong>) calcoliamo rispettivamente i prezzi di apertura, massimo, minimo e di chiusura della sessione precedente.<\/p>\n

Una volta ottenuto il valore del DF (DF), potremo confrontarlo con una soglia da noi impostata (DF_level) e verificare se sia maggiore o minore di quel valore; anche DF_level, di conseguenza, potr\u00e0 variare tra 0 e 1.<\/p>\n

Quanto incidono i diversi livelli di DF?<\/h3>\n

Per rispondere a questa domanda dobbiamo avvalerci del parametro DF_level e dell\u2019aggiunta di un semplice codice che calcoli la percentuale delle occorrenze su vari mercati dal 2010 ai giorni nostri.<\/p>\n

input: DF_level(0<\/strong>);<\/p>\n

var: contaDF(0<\/strong>), contasession(0<\/strong>), dateInDateTimeFormat(0<\/strong>), datereadable(“”);<\/p>\n

dateInDateTimeFormat = ELDateToDateTime(date);<\/p>\n

datereadable = FormatDate(“dd-MM-yyyy”, dateInDateTimeFormat);<\/p>\n

if DF < DF_level then contaDF = contaDF+1<\/strong>;<\/p>\n

contasession=contasession+1<\/strong>;<\/p>\n

print(File(“C:\\test.txt”),datereadable,” “,DF_level,” “,contaDF,” “,contasession);<\/p><\/blockquote>\n

Con questo codice andiamo a contare tutte le volte in cui il mercato ha prodotto un DF < DF_level e le rapportiamo al numero totale di sessioni; calcoliamo quindi tali occorrenze (in percentuale) per diversi mercati e per diversi DF_level.<\/p>\n

\"\"<\/a>

Figura 3 \u2013 Differenze per mercato delle occorrenze del Daily Factor con due livelli<\/p><\/div>\n

Dai risultati mostrati sopra, notiamo che un\u00a0 DF_level = 0.1 porti ad avere un basso numero di occorrenze in tutti i mercati analizzati; stiamo contando tutte quelle giornate in cui il body \u00e8 stato inferiore al 10% del range ed \u00e8 naturale che tale numero sia molto basso trattandosi di un caso limite.<\/p>\n

D\u2019altra parte vediamo che un\u00a0 DF_level = 0.9 restituisce un numero molto alto di occorrenze; stiamo infatti cercando tutte quelle sessioni in cui il body \u00e8 stato inferiore al 90% del range, evento che accade quasi sempre.<\/p>\n

In figura 4 \u00e8 possibile vedere l\u2019analisi dei casi intermedi (25%, 50%, 75%).<\/p>\n

\"\"<\/a>

Figura 4 \u2013 Differenze per mercato delle occorrenze del Daily Factor con tre livelli intermedi<\/p><\/div>\n

Dai tre casi mostrati sopra, capiamo come, al crescere del valore DF_level, si ha un numero crescente di casi in cui DF < DF_level.<\/p>\n

Inoltre, possiamo notare che un DF_level = 0.5 porti ad avere un numero di occorrenze di circa il 50% – 60% nei mercati analizzati. Se usiamo quest\u2019ultima condizione come filtro operativo per abilitare gli ingressi a mercato (operare solo se ieri il DF \u00e8 stato inferiore al 50%), sar\u00e0 normale che il numero dei trade del sistema si ridurr\u00e0 del 40% – 50%.<\/p>\n

Un semplice sistema di test da applicare a diversi mercati<\/h3>\n

Valutiamo ora l\u2019effetto che pu\u00f2 avere il DF se inserito in una semplice strategia di trading che, secondo una logica trend following, apre una posizione long se i prezzi superano il massimo livello raggiunto nelle ultime n barre oppure, al contrario, apre una posizione short se i prezzi scendono sotto il livello minimo toccato nelle ultime n barre.<\/p>\n

Creiamo un basket che contenga future del CME come indici azionari, bond, metalli ed energetici e plottiamo ogni strumento con un timeframe a 30 minuti a partire dal 2010.<\/p>\n

In particolare, utilizzeremo il seguente codice applicato ai future @CL, @RB, @HO, @GC, @ES, @US:<\/p>\n

input: DF_level(1<\/strong>), length(40<\/strong>), SL(0<\/strong>);<\/p>\n

var: DF(0<\/strong>);<\/p>\n

if (highS(1<\/strong>) – lowS(1<\/strong>)) <> 0<\/strong> then begin<\/p>\n

DF = absvalue(openS(1<\/strong>) – closeS(1<\/strong>)) \/ (highS(1<\/strong>) – lowS(1<\/strong>));<\/p>\n

end;<\/p>\n

if DF < DF_level then buy next bar at (highest(high, length)) stop;<\/p>\n

if DF < DF_level then sellshort next bar at (lowest(low, length)) stop;<\/p>\n

if SL > 0<\/strong> then setstoploss(SL);<\/p><\/blockquote>\n

Vuoi un aiuto per migliorare il tuo approccio al trading? Clicca qui >>><\/strong><\/a><\/p>\n

Tale codice lancia ordini a rottura dei livelli minimi e massimi di un canale formato dalle ultime 40 barre. Non abbiamo ancora introdotto alcun DF (impostando DF_level = 1) e non abbiamo introdotto alcuno stop loss: lo abbiamo fatto per avere, in questa prima fase, il minor numero possibile di condizioni e per vedere come rispondono i singoli sottostanti.<\/p>\n

\"\"<\/a>

Figura 5 \u2013 Differenze per mercato dei risultati del trading system basato sul Daily Factor<\/p><\/div>\n

Dai risultati mostrati in figura 5 possiamo dire che il comparto energetico \u2013 rappresentato da @CL, @RB e @HO \u2013 abbia certamente fornito una risposta positiva.<\/p>\n

D\u2019altra parte possiamo invece notare che @ES e @US non abbiano mostrato risultati degni di nota.<\/p>\n

I risultati: come cambiano le metriche di un sistema con o senza l\u2019utilizzo del filtro DF?<\/h3>\n

Da quanto mostrato finora si desume che gli strumenti energetici si prestano bene ad essere sviluppati con una logica trend following; tra questi, il @CL sembra essere il pi\u00f9 debole, avendo fornito il minor NetProfit e il minor Average trade. Proviamo allora a concentrarci proprio su questo strumento, per vedere se l\u2019applicazione del filtro DF possa in qualche modo apportare un beneficio al sistema.<\/p>\n

In figura 6 \u00e8 visibile l\u2019ottimizzazione del parametro DF_level che facciamo variare da 0 a 100% a step di 5% ciascuno.<\/p>\n

\"\"<\/a>

Figura 6 \u2013 Ottimizzazione dell\u2019input DF_level sul trading system Daily Factor sul Crude Oil (@CL)<\/p><\/div>\n

Nel riquadro blu troviamo le metriche gi\u00e0 viste in assenza di DF, in quello verde invece vediamo un range di valori di DF_level che permettono:<\/p>\n