Non perché sia falso in assoluto. Ma perché quell’aspettativa è calibrata su un periodo storico — in parte irripetibile — e non su quello che i dati forward-looking dicono oggi.

AQR Capital Management ha appena pubblicato le Capital Market Assumptions 2026. Il verdetto: un portafoglio 60/40 globale dovrebbe rendere circa 3,4% reale annuo nel prossimo decennio.

È in miglioramento rispetto al minimo del 2021 (+1,5 punti), ma resta 1,6 punti sotto la media storica americana dal 1900 (5% reale).

Non è una catastrofe. È una compressione strutturale dei rendimenti attesi. E capirla è il primo passo per adattare l’asset allocation sistematica a questo contesto.

In questo articolo vediamo prima perché l’argomento “i mercati hanno sempre recuperato” non basta più, poi cosa sta comprimendo i rendimenti attesi, cosa cambia concretamente nell’asset allocation sistematica e infine perché il metodo sistematico è la risposta più solida a questo contesto.

Portafoglio sistematico 2026: perché ‘i mercati hanno sempre recuperato’ non basta

Questa frase è tecnicamente vera. Su orizzonti sufficientemente lunghi — 30 anni o più — i mercati azionari diversificati hanno storicamente generato rendimenti reali positivi.

Il problema è un altro. Questa verità di lungo periodo viene usata per giustificare decisioni di allocazione a medio termine, senza fare i conti con quello che ci aspetta nei prossimi 10 anni.

Considera un esempio concreto. Con un capitale iniziale di 100.000€:

• Scenario storico (5% reale/anno per 10 anni): ~163.000€
• Scenario 2026 atteso (3,4% reale/anno per 10 anni): ~140.000€

La differenza è circa 23.000€. Non devastante. Ma tutt’altro che irrilevante — specialmente se stai pianificando un obiettivo specifico o stai valutando quando puoi smettere di lavorare.

Il punto non è che il portafoglio 60/40 sia sbagliato. È che usarlo con aspettative sbagliate porta a decisioni sbagliate.

Sottostimi il tempo necessario per raggiungere un obiettivo. Sovrastimi il rendimento disponibile per assorbire un drawdown. O semplicemente non allochi abbastanza verso asset che migliorano il profilo risk-adjusted del portafoglio.

Immagina di avere una mappa che ti dice di essere a 10 km dalla meta, ma la strada si è allungata e in realtà ne mancano 15. Non è la fine del viaggio. Ma se non aggiorni la mappa, arrivi tardi — o corri troppo e ti esaurisci a metà strada.

Perché i rendimenti attesi sono compressi nel 2026

Le Capital Market Assumptions di AQR identificano due driver principali che spiegano perché costruire un portafoglio sistematico nel 2026 richiede assunzioni di rendimento diverse rispetto al passato.

1. Valutazioni equity ancora elevate

I mercati azionari globali — in particolare quello americano — trattano a multipli storicamente elevati. Il CAPE di Shiller sull’S&P 500 è rimasto sopra la media storica per gran parte dell’ultimo decennio.

Valutazioni alte implicano rendimenti attesi futuri più bassi: si “anticipa” il rendimento futuro pagando un prezzo elevato oggi.

2. Premi al rischio compressi su quasi tutte le asset class

Non riguarda solo l’equity. I premi al rischio su credito, duration e molte strategie alternative si sono ridotti.

Significa che l'”extra return” che ottieni in cambio del rischio aggiuntivo è minore rispetto al passato.

A questo si aggiunge una nota specifica per gli investitori europei: il currency risk non hedgiato su posizioni USA è diventato un fattore rilevante, soprattutto con la volatilità valutaria degli ultimi anni. AQR lo segnala esplicitamente nelle CMAs 2026.

Tradotto: stai pagando di più per ogni unità di rendimento atteso. È come rifornire la macchina quando la benzina costa il doppio. Arrivi lo stesso a destinazione. Ma devi fare i conti diversamente.

Portafoglio sistematico 2026: cosa cambia nell’asset allocation sistematica

La risposta non è uscire dal mercato. Non è nemmeno aumentare il rischio per compensare i rendimenti attesi compressi — quello sarebbe l’errore opposto.

La risposta, dal punto di vista di un’asset allocation sistematica, si articola su tre livelli.

1. Ricalibra le aspettative

Prima di ogni altra decisione, aggiorna le tue assunzioni di rendimento. Usa 3-4% reale per il 60/40 come base, non 7-8% nominale.

Questo cambia i calcoli di pianificazione in modo significativo — e ti costringe a essere più preciso su tutto il resto.

2. Aggiungi fonti di diversificazione reale

Con rendimenti attesi compressi su equity e bond, il valore marginale di asset decorrelati aumenta. Non sono optional in questo contesto. Sono il principale meccanismo per migliorare lo Sharpe del portafoglio sistematico complessivo senza aumentare la volatilità.

Le asset class più rilevanti:

• Trend following (managed futures): storicamente decorrelato da equity e bond, con rendimenti positivi nei periodi peggiori per il 60/40. Il 2022 ne è un esempio recente e molto chiaro.
• Commodities: hedge naturale contro inflazione e shock geopolitici.
• Gold: decorrelazione in regime risk-off, come confermato dall’analisi del modello PAA di Quantpedia nel 2025.

3. Ottimizza il costo dell’inefficienza

Con rendimenti compressi, ogni punto percentuale di inefficienza allocativa pesa di più.

Costi di gestione elevati, scarsa tax efficiency, overtrading: in un contesto di rendimenti “grassi” si assorbono. In questo contesto, no.

Non si tratta di inseguire rendimenti più alti aumentando il rischio. Si tratta di ridurre l’attrito che erode il rendimento netto su ogni singola posizione.

La logica del portafoglio sistematico in un contesto di rendimenti compressi

Il portfolio management sistematico esiste esattamente per gestire questo tipo di contesto.

Un portafoglio sistematico non si basa sull’aspettativa che “il mercato salirà”. Si basa su regole esplicite per decidere quando essere in quale asset class (regime detection), quanto rischio assumere in ciascuna posizione (position sizing) e come adattare l’allocazione al contesto di mercato corrente (rotazione basata sul momentum).

Il modello PAA analizzato da Quantpedia è un esempio concreto. Ruota tra equity, bond, gold, commodities e cash in base a segnali momentum.

Nel 2025, con l’equity in late-stage bull e la geopolitica instabile, il modello aveva gold oltre il 50% del portafoglio. Una scelta che ha funzionato.

Non perché qualcuno avesse previsto il futuro. Ma perché le regole del sistema si adattano al regime corrente — senza richiedere profezie, senza richiedere di “indovinare”.

Tornando alla metafora della mappa: il metodo sistematico non ti dice dove andrà la strada. Ti dice come guidare qualunque cosa trovi davanti. Curva, salita, fondo sconnesso. Senza panico. Con le regole già scritte prima di partire.

Vuoi approfondire e scoprire come nasce un Trading Systems? Leggi anche: 7 Step Per Costruire un Trading Systems Automatico Di Successo →

Conclusione

Il 60/40 non è morto. Continuerà a generare rendimenti reali positivi nel lungo periodo.

Ma il decennio eccezionale 2010-2020 — tassi a zero, multipli in espansione, correlazione equity/bond stabile — è finito. Le aspettative calibrate su quel periodo non sono più valide.

Il 3,4% reale stimato dalle Capital Market Assumptions di AQR è il punto di partenza realistico per il prossimo decennio.

Da lì, il lavoro di chi gestisce un portafoglio sistematico nel 2026 è costruire qualcosa che migliori quel baseline: con fonti di rendimento decorrelate, gestione attiva del regime e costi sotto controllo.

Aggiorna la mappa. Poi guida con metodo.

Questo è esattamente quello che si impara a fare in QTA.

Vuoi costruire un portafoglio sistematico che funziona anche in un contesto di rendimenti compressi? Scopri il metodo QTA →

P.S. Il 2022 è stato l’anno peggiore per il portafoglio 60/40 degli ultimi decenni. Le strategie trend following hanno chiuso in positivo. Non è un caso — è la struttura del sistema che funziona quando le correlazioni saltano.

L'articolo Portafoglio sistematico 2026: rendimenti compressi, aspettative da aggiornare proviene da Quantaste Academy.

Non puoi shortarlo. Puoi solo decidere di non comprarlo.

Ecco il paradosso: hai un’informazione di valore, ma il tuo portafoglio non può usarla. Quel segnale negativo viene sprecato ogni volta. Secondo un paper del MIT (Lo & Patel, 2008), questo problema — il vincolo long-only — ti fa perdere circa il 40% del potenziale alpha del tuo processo di selezione titoli.

L’Active Extension 130/30 è la risposta ingegneristica a questo limite. È il framework che fondi pensione, endowment e gestori istituzionali usano da anni per liberare quel 40% di segnale sprecato. E nel 2026 è più accessibile di quanto pensi.

Partiamo dalla meccanica: come funziona davvero il 130/30 e perché la struttura è quella — non una diversa. Poi vediamo cosa dicono i dati reali di due paper accademici indipendenti, con numeri precisi su rendimenti, drawdown e information ratio. Passiamo al motivo strutturale per cui il vincolo long-only spreca alpha — un’inefficienza che quasi nessuno quantifica. Affrontiamo le obiezioni reali: complessità, rischio asimmetrico, costi. E chiudiamo con tre opzioni concrete, a diversi livelli di complessità, per avvicinarsi all’Active Extension senza partire da zero.

Come funziona l’Active Extension 130/30

La meccanica è semplice. Quasi elegante.

Prendi €100.000 di capitale. Li investi così: 130% long sui titoli più attraenti del tuo universo di selezione, 30% short sui titoli meno attraenti. I proventi dello short selling finanziano il sovrappeso sui long.

Esposizione netta al mercato: €130.000 – €30.000 = €100.000. Identica a un portafoglio long-only tradizionale.

Il beta di mercato resta 1.0. Il rischio sistematico non cambia. Ma il rischio attivo — quello legato alle tue scelte di selezione — diventa enormemente più efficiente.

Tradotto: stessa esposizione al mercato, doppia capacità di esprimerti sia sui titoli che salgono che su quelli che scendono.

Una domanda che sorge spesso: perché il 130/30 e non il 150/50 o il 120/20? La risposta è nei dati — e la vediamo subito.

I numeri che contano: cosa dicono i paper

I dati non arrivano da un blog. Arrivano da due ricerche accademiche indipendenti e da AQR, uno dei principali gestori quantitativi al mondo.

Paper Lo & Patel (2008, MIT)

Il dato più importante: l’80% dei benefici di un portafoglio completamente market-neutral si ottengono con solo il 30% di shorts. Oltre quella soglia, i rendimenti marginali della leva diminuiscono rapidamente. Il 130/30 non è arbitrario — è il punto di ottimizzazione. Per questo non si fa 150/50.

L’improvement nell’information ratio (+30–50%) riflette esattamente la differenza tra un portafoglio che usa il 60% del proprio segnale e uno che ne usa il 95%.

Paper Tol & Wanningen (2009, Journal of Portfolio Management)

Il tracking error “rewarded” è quello che ti viene compensato dal mercato perché deriva da scelte attive con edge reale. Il 130/30 ne aumenta la componente utile e riduce quella sterile, legata alla concentrazione su pochi titoli.

Questi dati coprono archi temporali specifici. I risultati passati non garantiscono quelli futuri. La differenza tra in-sample e out-of-sample su decenni multipli non è stata pienamente testata in tutti i regimi di mercato.

Perché il vincolo long-only spreca alpha

Immagina un gestore con un modello quantitativo che classifica 500 titoli da 1 (pessimo) a 500 (eccellente).

Con un portafoglio long-only, può sovrappesare i titoli 400–500 e sottopesare i titoli 1–100. Il problema: il sottopeso massimo è il peso dell’indice. Se un titolo pesa 0.2% nell’S&P 500, il massimo “short” implicito è 0.2%. Il segnale negativo sui titoli peggiori è quasi completamente sprecato.

Con l’Active Extension 130/30, può shortare direttamente i titoli 1–100 per il 30% del portafoglio. Il segnale negativo viene pienamente monetizzato.

È come guidare con il freno a mano tirato da un lato. Puoi comunque avanzare — ma stai dissipando energia ad ogni metro. Il vincolo long-only funziona esattamente così: ogni view negativa che hai su un titolo ti costa alpha potenziale che non riesci a raccogliere.

AQR, nel white paper di novembre 2025, descrive questo effetto con precisione: liberare il vincolo long-only migliora l’efficienza del rischio attivo, riduce la concentrazione sull’indice e amplia il set di opportunità per generare alpha nel portafoglio sistematico. (Fonte: AQR Capital Management — Active Extension White Paper)

La narrativa dominante nel retail è “compra ETF passivi, non serve fare altro.” Corretto — per chi non ha un edge nella selezione titoli. Ma per chi ha un processo di stock selection sistematico o fondamentale, il vincolo long-only è un freno concreto e misurabile. L’Active Extension non aggiunge complessità arbitraria. Rimuove un vincolo arbitrario.

Perché non lo fanno tutti: le obiezioni reali

Se l’Active Extension 130/30 è così efficiente, perché la maggior parte degli investitori retail è ancora long-only? Ci sono quattro motivi. Tutti reali, nessuno insormontabile.

Complessità operativa. Lo short selling richiede conto margin, prestito titoli (con relativo costo di borrowing), gestione del rischio di short squeeze e controllo delle margin call. Per un investitore retail con €50.000, i costi fissi possono erodere il vantaggio. La soglia minima pratica per un 130/30 individuale è nell’ordine dei €200.000–500.000.

Rischio asimmetrico dello short. Long: perdi al massimo il 100% (il titolo va a zero). Short: la perdita è teoricamente illimitata se il titolo continua a salire. Questo è vero — ma il rischio è gestibile con stop loss sistematici, position sizing ridotto e nessuna posizione short singola superiore all’1–2% del portafoglio. Il 30% distribuito su 20–50 titoli è strutturalmente diverso da uno short concentrato.

Bias comportamentale. “Shortare” suona aggressivo, speculativo. In realtà è l’opposto: è un uso più efficiente delle informazioni che già possiedi. Il problema non è lo strumento — è la percezione dello strumento, spesso distorta da chi non ha mai costruito un portafoglio sistematico con leva controllata.

Accessibilità in crescita. Nel 2026 le opzioni concrete sono aumentate: ETF long-short equity accessibili anche al retail (DBEH, FTLS sul mercato americano), fondi UCITS con struttura 130/30 disponibili in Europa, piattaforme come Interactive Brokers che permettono di costruire un 130/30 individuale con margin account. Non è più solo roba da istituzionali.

Il punto non è “devo fare 130/30 domani”. È capire che il vincolo long-only ha un costo misurabile — e che esistono strumenti per ridurlo, a diversi livelli di complessità.

Cosa puoi fare: 3 opzioni concrete per avvicinarsi all’Active Extension

Non devi costruire un 130/30 da zero. Esistono tre livelli di ingresso con profili operativi molto diversi.

Opzione 1 — ETF long-short equity (complessità bassa)

Se non vuoi gestire posizioni short individuali, esistono ETF long-short gestiti professionalmente che replicano la logica dell’Active Extension. Hai diversificazione, liquidità giornaliera e gestione del rischio già integrata.

Il trade-off: fee più alte (0.75–1.50% vs 0.03% degli ETF passivi) e meno controllo sulle singole posizioni. Vale la pena se l’alpha generato supera il costo aggiuntivo — e su orizzonti sufficientemente lunghi, la letteratura suggerisce che tende a farlo.

Opzione 2 — 130/30 individuale su modello sistematico (complessità alta)

Per chi ha un modello quantitativo proprio e capitale sufficiente (€200k+). Hai controllo totale sulle posizioni, fee ridotte e personalizzazione massima dell’asset allocation sistematica.

Di contro: costi margin, rischio operativo elevato, infrastruttura necessaria per il monitoring. E soprattutto: richiede competenza specifica nel short selling, nel risk control e nella gestione delle borrow fee — che in mercati stressati possono aumentare significativamente.

Non è un percorso per chi inizia. È il livello avanzato della gestione attiva su portafoglio sistematico.

Opzione 3 — Consapevolezza del vincolo (complessità zero)

Anche senza fare 130/30: riconosci che il tuo portafoglio long-only spreca segnale. Valuta se il tuo processo di selezione produce view negative forti — se sì, il vincolo long-only ti costa di più. Monitora il tracking error non-rewarded del tuo portafoglio.

Zero costo, zero azione immediata — ma una consapevolezza che cambia il modo in cui leggi le tue performance.

Leggi anche: Investimenti Automatici: La Verità sui Guadagni e Cosa Devi Sapere per Farli Funzionare – 2025 →

I limiti dell’Active Extension: la parte che quasi nessuno mostra

Il 130/30 funziona. Ma ha condizioni necessarie che vale la pena esplicitare.

Richiede skill nel short selling. Un gestore bravo nel long ma mediocre nello short distruggerà valore netto. AQR lo sottolinea: l’Active Extension funziona solo con gestori esperti in shorting, trading e risk control. Se il tuo modello non ha un edge anche sul lato short, stai aggiungendo costo senza aggiungere valore. (AQR, white paper novembre 2025)

I costi di borrowing sono reali. Shortare titoli ha un costo (borrow fee) che in mercati stressati può aumentare in modo significativo. Per titoli hard-to-borrow, il costo può annullare interamente l’alpha atteso. Va modellato ex-ante, non scoperto ex-post.

La leva è 1.6x lordo. In scenari di mercato estremi, la leva amplifica le perdite. Il drawdown stimato del 130/30 è inferiore al long-only puro nella letteratura accademica — ma non è zero, e non è lineare in tutti i regimi.

Il periodo storico conta. I dati di Lo & Patel coprono un arco temporale specifico. L’out-of-sample su decenni multipli e regimi diversi non è completamente validato. (Journal of Portfolio Management)

Non è per tutti. Investitore passivo con €10.000 in ETF? L’Active Extension 130/30 è irrilevante. L’audience ideale è chi ha già un processo di selezione attivo — sistematico o fondamentale — e capitale sufficiente per reggere la struttura operativa.

Leggi anche: Primi Passi nei Mercati Finanziari con Sistemi Automatici e Quantitativi →

Conclusione

Il freno a mano è tirato da quando hai aperto il tuo primo portafoglio long-only.

Non perché tu abbia sbagliato qualcosa. Semplicemente, il vincolo long-only è la configurazione di default — e quasi nessuno la mette in discussione, men che meno la quantifica.

I dati di Lo & Patel, Tol & Wanningen e AQR convergono sullo stesso punto: il 40% del segnale alpha viene sprecato dal non poter shortare. L’Active Extension 130/30 è la risposta: 130% long, 30% short, esposizione netta 100%. Stesso rischio di mercato, efficienza del segnale quasi raddoppiata.

Non è una soluzione universale. Non è semplice da implementare. E non è per chi sta iniziando.

Ma per chi ha già un processo di selezione — sistematico o fondamentale — è esattamente la differenza tra guidare con il freno a mano tirato e guidare liberi.

Morale? Non è lo short selling a farti vincere. È smettere di sprecare il segnale che già hai.

Se vuoi capire come applicare questa logica a un portafoglio sistematico reale, trovi i percorsi Smart Quant e Lifetime Quant sul sito QTA — con backtest, metriche e infrastruttura operativa già costruita.

Marco & Damiano — Quant Trader Academy

P.S. Un portafoglio completamente market-neutral richiede il 100% di shorts. L’Active Extension 130/30 ottiene l’80% di quei benefici con solo il 30% di esposizione short. Non è un compromesso — è il punto di massima efficienza. La matematica lo dice da vent’anni.

Fonti:

• AQR Capital Management — Active Extension (White Paper, novembre 2025)
• Lo, A.W. & Patel, P.N. (2008) — 130/30: The New Long-Only — MIT
• Tol, R. & Wanningen, C. (2009) — On the Performance of Extended Alpha 130/30 vs Long-Only — Journal of Portfolio Management

L'articolo Active Extension 130/30: il vincolo long-only costa il 40% di alpha proviene da Quantaste Academy.

Le CMAs 2026 — pubblicate a gennaio con dati al 31 dicembre 2025 — raccontano una storia sobria ma precisa: dopo tre anni consecutivi di rally azionario (2023, 2024, 2025), i rendimenti attesi futuri sono tra i più compressi degli ultimi vent’anni. Il rendimento reale atteso di un portafoglio 60/40 globale è del 3.4%, ben al di sotto della media storica americana del ~5% dal 1900.

Non è pessimismo. È matematica.

Partiamo dal numero: cosa significa davvero il 3.4% e come si scompone. Poi vediamo perché le valutazioni elevate di oggi comprimono i rendimenti attesi futuri — una delle relazioni empiriche più solide in finanza. Capiremo anche perché i bond, per la prima volta in 15 anni, tornano a essere un asset utile nel portafoglio. E chiudiamo con le azioni non-US: il dato che quasi nessun investitore italiano considera abbastanza. Tre opzioni concrete per adattare il portafoglio, senza stravolgere tutto.

Rendimenti attesi 2026: il 3.4% reale del 60/40, scomposto

Il rendimento reale atteso di un portafoglio 60/40 globale nel 2026 è 3.4% secondo AQR. È il risultato delle stime sulle due componenti principali.

Il 60% azionario (equity globale sviluppata) contribuisce con rendimenti compressi dalla valorizzazione elevata dei mercati, specialmente US. Il 40% obbligazionario (governativi globali sviluppati) contribuisce positivamente per la prima volta da anni, grazie ai real yield tornati in territorio positivo dopo il ZIRP.

Il trend è chiaro: dai minimi del 2021, c’è stato un recupero di quasi 1.5 punti percentuali, trainato quasi interamente dai bond. Le azioni invece, con ogni anno di rally, riducono il proprio contributo ai rendimenti futuri. Ogni punto guadagnato oggi è un punto in meno domani.

Tradotto in rendimento nominale: aggiungi ~2% di inflazione target e ottieni circa 5-5.5% nominale annuo per il prossimo decennio. Confrontalo con il 7-8% che molti ancora usano come benchmark di pianificazione.

Perché le valutazioni alte comprimono i rendimenti attesi futuri

Hai presente la molla compressa? Più la comprimi oggi (alti rendimenti passati, valutazioni elevate), meno energia ha per il prossimo rilascio (rendimenti futuri più bassi).

Il CAPE ratio — il Cyclically Adjusted Price-to-Earnings di Robert Shiller — è lo strumento più robusto per misurare questa compressione. Divide il prezzo dell’S&P 500 per la media degli utili reali degli ultimi 10 anni, eliminando le distorsioni del ciclo economico.

A febbraio 2026 il CAPE dell’S&P 500 è intorno a 40x (Fonte: Multpl.com / database Shiller). È la seconda volta nella storia che supera questa soglia. La prima? Il 2000, poco prima dello scoppio della bolla dot-com.

Questo è il dato che conta, per fascia di CAPE di partenza:

Fonte: Robert Shiller database, S&P 500, rendimenti reali annualizzati 1880–2016. Elaborazione QTA su dati pubblici.

Il messaggio è inequivocabile: partendo da un CAPE attorno a 40x, la storia suggerisce rendimenti reali azionari tra 0% e 2% per il prossimo decennio. Non è catastrofismo — è statistica su 145 anni di dati.

L’errore più comune è l’estrapolazione ingenua: “Il mercato ha fatto +20% quest’anno, quindi andrà bene anche l’anno prossimo.” Sbagliato. Tre anni di rally hanno già consumato i rendimenti futuri. La molla è compressa.

I dati CAPE hanno forte potere predittivo su orizzonti 10+ anni. Su 1-2 anni il segnale è debole. Non usare le CMAs per fare market timing — il mercato può rimanere sopravvalutato a lungo.

Bond: rendimenti reali positivi per la prima volta in 15 anni

Il dato controintuitivo delle Capital Market Assumptions 2026 è che i bond contribuiscono positivamente per la prima volta in oltre 15 anni.

I real yield del decennale US sono tornati intorno a +1.8% (dati TradingEconomics, febbraio 2026). Erano a -1.0% nel 2021. Il “40” del portafoglio 60/40 non è più una zavorra — è un asset che genera reddito reale.

Fonti: US Treasury / TradingEconomics per dati 2026; AQR CMA 2022 per contesto 2021.

Questo cambia il playbook. Nel 2021 i bond non servivano quasi a niente — zero rendimento reale, con l’unica funzione di decorrelatore d’emergenza nei crash. Oggi contribuiscono con rendimento reale positivo e mantengono la funzione di protezione nelle fasi di stress.

Spoiler: non è una vittoria enorme. Ma è un cambio strutturale che conta nell’asset allocation sistematica.

Azioni non-US: rendimenti attesi più alti, valutazioni più basse

Un aspetto spesso sottovalutato dei rendimenti attesi 2026: le azioni non-US (Europa, Giappone, UK, Australia, Canada) quotano a valutazioni molto più basse rispetto agli Stati Uniti.

Fonti: GuruFocus, Siblis Research, IG International. Dati indicativi fine 2024/inizio 2025.

Secondo AQR (paper “Exceptional Expectations: US vs Non-US”, Q2 2025), i rendimenti reali attesi per l’equity non-US sviluppata sono stati stimati al 6.1%, contro il 4.2% dell’equity US — un gap di quasi 2 punti percentuali annui su un orizzonte decennale. (Fonte: AQR)

Un portafoglio concentrato sull’S&P 500 sta rinunciando a rendimento atteso. Non per qualche ragione misteriosa — per pura matematica delle valutazioni di partenza.

Per un investitore italiano, questo è particolarmente rilevante. L’equity europeo è “di casa”: meno currency risk, più accessibile, e valutazioni strutturalmente più attraenti.

Cosa puoi fare adesso: 3 opzioni concrete per i rendimenti attesi compressi

Hai presente la differenza tra chi aggiusta il mirino prima di sparare e chi spara e poi aggiusta? Ecco. Le CMAs non sono un segnale per vendere tutto. Sono uno strumento per tarare meglio le aspettative e le scelte di portafoglio.

Opzione 1 — Aggiusta le aspettative di rendimento (complessità zero)

La strategia più importante non costa nulla ed è spesso la più trascurata.

Se stai pianificando la pensione, un obiettivo di accumulo o un fondo per i figli, sostituisci il “7-8% nominale” con il “5-5.5% nominale” (3.4% reale + ~2% inflazione).

La differenza non è trascurabile:

• Con 7% annuo: €100.000 → €196.715 in 10 anni
• Con 5% annuo: €100.000 → €162.889 in 10 anni
• Differenza: quasi €34.000 in meno, ovvero circa il 17%

Chi costruisce piani su rendimenti gonfiati si trova con un gap reale alla fine. Aggiustare oggi ha un costo zero.

Opzione 2 — Diversifica oltre l’S&P 500 (complessità media)

Se il tuo portafoglio è concentrato oltre il 60-70% sull’equity US, considera una riallocazione verso mercati con valutazioni più attraenti nell’ambito di una asset allocation sistematica data-driven.

Europa (CAPE ~20x): dividend yield strutturalmente più alto (~3%), valutazioni nella media storica.

Giappone (CAPE ~27x): corporate governance reform in corso, valutazioni in miglioramento ma ancora inferiori agli US.

Mercati Emergenti (CAPE ~12–16x): massimo sconto, massima volatilità attesa. Ha senso solo con un orizzonte lungo e stomaco per i drawdown.

Di contro: currency risk aggiuntivo (parzialmente hedgiabile), minore liquidità in alcuni mercati, narrative di breve meno favorevoli.

Opzione 3 — Considera i bond inflation-linked (complessità bassa)

Con real yield positivi, i TIPS (Treasury Inflation-Protected Securities) e i BTP€i italiani tornano interessanti come componente obbligazionaria.

TIPS 10Y US: ~1.8% reale garantito (se tenuto a scadenza). BTP€i Italia: ~1.0–1.5% reale, con protezione inflazione eurozona.

Funzione nel portafoglio: protezione inflazione + rendimento reale positivo + decorrelazione dall’equity nelle fasi di stress.

Duration risk se i tassi salgono ulteriormente — ma su un orizzonte 5-10 anni, il rendimento reale è “locked in” al momento dell’acquisto.

Leggi anche: [Update 2026] Com’è andato il 2025: guadagni, drawdown e numeri brutalmente onesti →

I limiti delle CMAs: la parte che quasi nessuno mostra

Le Capital Market Assumptions non sono previsioni — sono proiezioni basate su valutazioni attuali e relazioni storiche. Hanno un track record decente su orizzonti lunghi. Su orizzonti brevi, il loro potere predittivo è basso.

Cosa potrebbe farle sbagliare?

Se la produttività da AI generasse una crescita degli utili eccezionale e persistente, i rendimenti azionari potrebbero superare le stime attuali. Le valutazioni potrebbero “rimanere alte” più a lungo di quanto la storia suggerisca.

Se i mercati attraversassero una correzione significativa, le valutazioni si normalizzerebbero e i rendimenti attesi futuri salirebbero automaticamente. Le CMAs diventerebbero più ottimistiche a correzione avvenuta.

Se l’inflazione risalisse strutturalmente, i bond perderebbero attrattività anche con real yield positivi. La funzione di protezione verrebbe meno.

Il range di confidenza al 50% intorno al 3.4% stimato da AQR è ampio: circa 1–6%. Il punto non è il numero esatto. È la direzione: siamo in un regime di rendimenti attesi 2026 compressi rispetto alla media storica. Questo è il dato strutturale su cui lavorare.

Leggi anche: L’Indicatore RSI è realmente efficace nei mercati finanziari? →

Conclusione

La molla è compressa.

Tre anni di rally azionario hanno portato le valutazioni US a livelli che storicamente precedono decenni di rendimenti bassi. Il CAPE a ~40x non è un’opinione — è un fatto misurabile, con 145 anni di storia alle spalle.

Il messaggio delle CMAs 2026 è sobrio ma non catastrofico. Un portafoglio 60/40 globale renderà probabilmente il 3.4% reale nei prossimi 5-10 anni — meno della media storica, ma non è la fine del mondo. I bond sono tornati utili. Le azioni non-US offrono un discount strutturale. La diversificazione resta la risposta più intelligente per chi ha un orizzonte lungo.

Il takeaway principale è semplice: aggiusta le aspettative. Chi pianifica con il 7-8% nominale e si ritroverà con il 5% avrà un gap reale. Chi aggiusta oggi e diversifica oltre l’S&P 500 sarà meglio posizionato per il prossimo decennio.

I rendimenti attesi 2026 non mentono. Ascoltarli ha senso.

Se vuoi capire come calibrare il tuo portafoglio sui rendimenti attesi reali con un approccio sistematico, trovi i percorsi Smart Quant e Lifetime Quant sul sito QTA — con analisi data-driven, backtest e costruzione del portafoglio passo per passo.

Marco & Damiano — Quant Trader Academy

P.S. Nel 2021, il 60/40 globale rendeva ~1.9% reale atteso. Oggi siamo a 3.4%. Il recupero è reale — ma viene quasi interamente dai bond, non dalle azioni. L’equity US, valutata a CAPE 40x, ha già prezzato gran parte della crescita futura. Tienilo a mente la prossima volta che guardi i rendimenti degli ultimi tre anni e pensi che continueranno così.

Fonti:

• AQR Capital Management — 2026 Capital Market Assumptions for Major Asset Classes (gennaio 2026)
• AQR Capital Management — 2025 Capital Market Assumptions for Major Asset Classes (gennaio 2025)
• AQR Capital Management — Exceptional Expectations: US vs Non-US Equities (Q2 2025)
• Robert Shiller — Online CAPE Database / Multpl.com
• Antti Ilmanen — Expected Returns (Wiley, 2011)

L'articolo Rendimenti attesi 2026: il portafoglio 60/40 rende meno proviene da Quantaste Academy.

• Hai studiato mercati, trading, investimenti… ma ti manca un metodo replicabile
• L’idea dell’automazione ti affascina, ma hai paura dell’ennesima trappola del “bot magico”
• Vuoi capire se è possibile investire in modo serio senza vivere davanti a grafici e alert

Se stai cercando:

• Promesse
• Scorciatoie
• Rendite automatiche passive mentre stai con il cocktail in spiaggia

Puoi fermarti qui.

Perché qui non trovi promesse.
Trovi dati, contesto e una verità che pochi dicono:

Un portafoglio di sistemi automatici non si giudica dal profitto. Si giudica dal rischio che hai dovuto sopportare per ottenerlo.

Nel 2026 dobbiamo dirtelo chiaramente: l’anno precedente non è stato tutto lineare.
Ci sono state anche fasi complesse.

Non lo nascondiamo.

Qui sotto trovi come sono andate davvero le cose, perché è successo e le 4 lezioni chiave che ne abbiamo tratto così puoi evitarle gratuitamente (senza rischiare il tuo capitale)

I numeri del 2025: la sintesi che tutti guardano

Conto Academy, aperto a gennaio 2023 con soldi reali (5.000 €) su Interactive Brokers.

Inizio 2025: €12.796,64
Fine 2025: €15.703,97
Variazione: +€2.907,33 (+22,72%)

? Sì, più avanti ti mostrerò anche l’andamento complessivo dal 2023 ad oggi, per dare il quadro completo.

Questo è il classico dato “da screenshot”.
Quello che quasi tutti guardano per primo.

Ed è anche il punto in cui si commette l’errore più comune:
valutare il risultato senza alcuna contestualizzazione,
senza capire come ci si è arrivati.

Il rendimento, da solo, non dice nulla.
Il rischio necessario per ottenerlo, invece, dice molto.

Perché questi numeri, da soli, non raccontano tutta la storia

Chi guarda solo il rendimento fa due errori enormi:

1. Non lo contestualizza
2. Non si chiede che prezzo è stato pagato in termini di rischio

La domanda corretta non è: “Quanto hai guadagnato?”
Ma: “Quanto drawdown hai dovuto reggere per guadagnare questo?”

Il drawdown massimo nel 2025

Nel corso dell’anno si è verificato il drawdown più ampio dal 2023.
Max drawdown: −20,06%

Vuol dire che, nel punto peggiore, il portafoglio è sceso del -20% rispetto al massimo precedente.
Ed è il momento in cui la maggior parte dei “traders” e “investitori” spegne tutto.

Ma il drawdown non si misura solo in termini di profondità ma anche in termini di durata.
Ecco cosa è successo:

• Picco massimo positivo del portafoglio: 17 gennaio 2025
• Minimo: 28 marzo 2025
• Nuovo massimo: 11 aprile 2025

Durata totale: 84 giorni (circa 3 mesi di sofferenza dal picco massimo.

E questo è “il prezzo del biglietto”
Se pensi quando sei a −20%: “Spengo. Poi rientro quando torna su.”
Beh, è lì che di solito si mangiano i profitti e il recupero!

Non perché il sistema non funzionava.
Ma perché sei intervenuto nel momento sbagliato, guidato dalle emozioni e non dai dati.

L’automazione non serve a vincere sempre. Serve a toglierti dalle mani quando sei il tuo peggior nemico.

Il drawdown non è un errore. È il prezzo da pagare per restare investiti quando conta davvero.

Abbiamo battuto il mercato nel 2025?

Quando si parla di mercato, di solito si intende un riferimento semplice e condiviso: un indice ampio che rappresenta l’andamento medio degli investimenti azionari.

In genere il riferimento è l’S&P 500, perché:

• include le principali 500 aziende americane
• è uno degli indici più studiati e investibili al mondo
• viene spesso considerato il “metro di paragone” per capire se un investimento ha fatto meglio o peggio del mercato

Cosa significa davvero “battere il mercato”

Battere il mercato non significa guadagnare.
Significa fare meglio di un’alternativa passiva che chiunque può replicare con un semplice investimento (es. ETF).

Se il mercato fa +10% e tu fai +10%:

• Non hai fatto nulla di speciale: in termini tecnici, non hai generato alpha.
• hai semplicemente seguito il mercato (con più lavoro e costi)

Il valore reale non è il risultato in sé,
ma la differenza tra il tuo risultato e quello del mercato.

Quella differenza si chiama alpha.

L’alpha non è una vanity metric per fare bella figura con amici o parenti.
È uno strumento pratico, che serve a rispondere a una sola domanda:

“Sto davvero creando valore rispetto al mercato, oppure no?”

Il confronto reale con il mercato nel 2025

Portafoglio automatico Academy (EUR): +22,72%
S&P 500 (EUR): +15,39%

? Alpha reale: +7,33%

Anche sul fronte del rischio il risultato è stato migliore:

Max drawdown portafoglio: −20,06%
Max drawdown S&P 500: −21,35%

? Alpha sul drawdown: +1,29%

E questo dato è conservativo.
Se il drawdown dell’S&P 500 viene misurato correttamente in euro (come va fatto con un portafoglio in €), il calo massimo risulta ancora più profondo (circa −22,6%) a causa dell’apprezzamento dell’euro sul dollaro proprio durante la fase di discesa del mercato.

Tradotto: il benchmark di riferimento ha sofferto più di quanto sembri se lo guardi solo in USD.

Cosa significa davvero questo confronto

Questo implica due cose fondamentali:

• il portafoglio non solo è cresciuto,
• ma ha creato valore aggiuntivo rispetto a un investimento passivo.

Ed è un dettaglio cruciale.

Nel 2025 il mercato è andato molto bene.
Non era un anno “facile” da battere perché:

• l’S&P 500 ha chiuso ampiamente positivo
• il cambio EUR/USD ha inciso in modo significativo sui rendimenti
• il benchmark partiva già da livelli elevati

Generare alpha in un contesto del genere non è scontato.

È una delle poche metriche che ti dice se:

• stai semplicemente seguendo il mercato
• oppure stai costruendo qualcosa di efficiente dal punto di vista rischio/rendimento

Il profitto ti dice quanto hai guadagnato.
L’alpha ti dice se ne è valsa la pena rispetto alle alternative.

Quanto costa davvero tenere operativo un sistema di trading automatico

Qui arriviamo alla parte che quasi nessuno mostra.

Costi di trading (già inclusi nei rendimenti precedenti)

Questi sono dei costi intrinsechi che normalmente trattiene direttamente il broker a ogni operazione.
Però è importante conoscerli:

• Fee & commissioni: −839 €
• Interessi (margin): −221 €
• Cambio Valutario FX & aggiustamenti: −1.977 €

Totale: −3.037 €
Sono costi reali, inevitabili, ma già considerati nella performance di prima.

Costi di infrastruttura e servizi

Quando si parla di trading automatico, il broker non è tutto.
Per far funzionare davvero un portafoglio di sistemi servono strumenti esterni, senza i quali l’automazione semplicemente non esiste.
E questi costi NON sono inclusi nel report del broker.

Data feed di qualità

Cos’è e perché è fondamentale Il data feed è la fonte dei dati di mercato:

• prezzi storici (per studiare e testare le strategie)
• prezzi in tempo reale (per eseguire gli ordini correttamente)

In pratica è la materia prima su cui si basa tutto il sistema. Infatti come puoi ben capire è fondamentale avere:

• dati storici affidabili
• evitare buchi, errori o prezzi “aggiustati male”
• dati in real-time

Costo medio: ≈ 235 € / anno (forex, azioni USA, futures indici, metalli, materie prime…)

È uno di quei costi che:

• non fanno guadagnare di più direttamente
• ma evitano errori molto costosi

VPS (Virtual Private Server) + licenze

Il “computer” che lavora al posto tuo.
Un VPS non è altro che un computer remoto sempre acceso, ospitato in un data center professionale.

Serve per:

• far girare le strategie 24/7
• evitare problemi di connessione di casa
• evitare blackout, riavvii, aggiornamenti automatici
• ridurre la latenza, cioè il tempo che intercorre tra il segnale e l’invio dell’ordine al broker

In altre parole: se l’automazione deve funzionare anche quando dormi o sei in giro per il mondo o vacanza,
non può dipendere dal tuo PC personale.

All’inizio può anche andare bene partire dal proprio computer, ma l’obiettivo (se vuoi fare le cose in modo serio) è spostarsi su un’infrastruttura più solida e affidabile.

Costo VPS + licenze: ≈ 315 € / anno

Totale servizi di infrastruttura

• Data feed di qualità: ≈ 235 €
• VPS + licenze: ≈ 315 €

? Totale: ≈ 550 € / anno

Questi costi non compaiono nel report del broker, ma fanno la differenza tra:

• “ho un bot sul mio PC”
• “ho un sistema che funziona nel tempo”

Ed è anche per questo che il trading automatico serio: non è gratuito, ma è scalabile:
gli stessi costi pesano moltissimo su un conto da 1.000 €, quasi nulla su 20.000 € o 100.000 €.

Risultato netto reale (prima delle imposte)

Partiamo dal risultato operativo del 2025:

• Profitto lordo (già al netto di fee, commissioni, FX): €2.907
• Costi di infrastruttura: −€550

? Utile reale prima delle tasse: €2.357

Rapportato al capitale di riferimento, significa:

• +18,42% netto operativo

Questo è il numero corretto da guardare se vuoi capire:

• Quanto ha prodotto davvero il sistema
• Al netto dei costi necessari per farlo funzionare

Non è un numero “teorico”.
È ciò che resta prima di pagare le imposte.

Tassazione sugli investimenti in Italia

In Italia, i profitti da trading e investimenti finanziari sono soggetti a:

• imposta sostitutiva del 26% sulle plusvalenze
• compensabile con eventuali minusvalenze pregresse

Nel nostro caso (arrotondando per difetto):

• Plusvalenza: €2.907
• Imposta (26%): −€755

? Utile netto finale: €1.744

Attenzione però: non confrontare questo numero in modo “puro” con la percentuale del mercato.
Anche un investimento passivo sull’indice, quando realizzi il profitto, viene tassato allo stesso modo (26% tassa sul capital gain).

Da dove sono arrivati i rendimenti
(e da dove no)

Questa è la parte che educa davvero.
Se guardi un portafoglio automatico serio, non troverai:

• una linea che sale sempre
• una sola fonte di profitto
• un unico “motore magico” (a differenza a chi ti vuol far credere che basti un bot miracoloso su metatrader!)

Troverai componenti che spingono e componenti che fanno male.

Nel 2025, per esempio:

• 2 strategie su S&P500 (un bias e un mean reverting): ci hanno portato un profitto realizzato: +10.079,65€!
• Strategie sulla volatilità (VIX): complessivamente ci ha fatto perdere -2.189,16€.
  Ma questo tipo di strategie sono di protezione del capitale: in certe fasi migliora l’equity line e ti “mangia” in altre.
  Se non sai perché ce l’hai in portafoglio, la spegni nel momento peggiore.
• Materie prime: molto bene per l’oro, ma male per petrolio e soia
• … altre strategie meno rilevanti su azionario

Se leggendo questi numeri ti senti un pò a disagio, è normale.
Significa che stai iniziando a ragionare da trader/investitore, non da “spettatore”.

Le lezioni chiave emerse dal 2025

Da questa analisi puoi portarti a casa, senza buttare soldi in corsi o bruciando tuo capitale:

1) Diversificazione vera (non “ho 5 strategie tutte sull’azionario”)

Nel tuo portafoglio devono convivere:

• indici (esempio: S&P500, Nasdaq)
• commodities (esempio: oro, petrolio, soia)
• FX (esempio: EUR/USD, EUR/NZD)
• volatilità (esempio: VIX)
• equity/ETF (azioni singole o ETF)

Questa è la differenza tra:

• un sistema
  e
• una scommessa mascherata da sistema

2) Accettare che alcune cose andranno male mentre altre salvano l’anno

Nel 2025 si vede: strategie su S&P500 fortissime, altre deboli.
Se il portafoglio fosse “tutto uguale”, o vola o si schianta.

3) Gestire il rischio come metrica primaria

La performance è una conseguenze, di alcune variabili che (per fortuna) puoi controllare:

• esposizione
• size
• correlazione
• regole di rotazione / ribilanciamento

La performance è un effetto collaterale positivo.
Il rischio è l’unica variabile che puoi davvero controllare.

4) Processo > previsione

Non devi prevedere il 2026.
Devi costruire un processo che funzioni anche quando il mercato è debole, le notizie sono negative e gli analisti sbagliano.
Perché i cicli cambiano.
I titoli passano. Il metodo resta.

Un dato che vale più di mille parole

Dal 2023 mostriamo ogni circa tre mesi i risultati dei nostri portafogli REALI in webinar live pubblici e gratuiti.
Niente report a posteriori, niente numeri “aggiustati”.

Risultato cumulato dal 2023 ad oggi

• Portafogli automatici: +192,16% net profit
• S&P 500: +75,76%

? Alpha complessivo: +116,40%

Con un dato che per noi conta ancora di più:

• Max drawdown portafogli: −20,06%
• Max drawdown S&P 500: −21,35%

Questo significa una cosa molto semplice:

Abbiamo ottenuto più del doppio del mercato, prendendoci un rischio anche inferiore!

Non perché “siamo più bravi”. Ma perché gestiamo il rischio prima del profitto.
Ed è esattamente questo che rende un risultato:

• Replicabile
• Sostenibile
• E difendibile nel tempo

non solo bello da raccontare.

Vuoi iniziare con gli investimenti automatici?

…o vuoi iniziare a capire come si costruiscono?

Perché se capisci il processo:

• non dipendi da nessuno
• non ti fai fregare
• sai valutare un sistema
• sai riconoscere quando stai facendo cavolate

Da dove partire senza bruciarti capitale

Se oggi sei a “zero” o sei confuso perché hai visto troppe cose online, la cosa più intelligente non è cercare un bot.
È costruire le fondamenta.

BeQuant: il nostro percorso gratuito

È il punto di ingresso dove ti portiamo a:

• capire se questo mondo può fare al caso tuo
• leggere performance vs drawdown senza auto-ingannarti
• costruire una strategia accompagnato passo dopo passo con le tue mani
• leggere le metriche correttamente per un analisi quantitativa professionale
• evitare gli errori tipici di chi inizia (software sbagliato, complessità inutile…)

Non ti promette rendite passive.
Ti dà il metodo per non andare a caso.

L'articolo [Update 2026] Com’è andato il 2025: guadagni, drawdown e numeri brutalmente onesti proviene da Quantaste Academy.

Qui le scelte non dipendono dall’intuizione, ma da strategie costruite su dati concreti e analisi approfondite. Affidarsi a un sistema automatico può sembrare affascinante, ma non si tratta di un “pilota automatico” senza supervisione.

Un portafoglio di strategie quantitative ben costruito richiede monitoraggio e ottimizzazioni regolari.

Quindi no, investire in maniera automatica non significa stare in spiaggia a bere mojito mentre i soldi crescono da soli. In questo articolo vogliamo condividere i numeri del nostro portafoglio di strategie automatiche, ma soprattutto spiegare come li abbiamo ottenuti.

Perché non si tratta solo di guadagni: la vera forza degli investimenti automatici risiede nella diversificazione, nella gestione del rischio e nell’uso dei dati per affinare continuamente le strategie. Dimentichiamo il mito dei soldi facili senza sforzo!

I risultati del nostro portafoglio di strategie automatiche

Il nostro portafoglio rotazionale ha raggiunto un profitto netto del 134,99% da inizio 2023 (nello stesso periodo, l’S&P 500 ha registrato un +61,95%) e nel solo 2024 un +75% .

Ciò che conta di più non è la performance in sé, ma come l’abbiamo ottenuta.

A differenza di chi si concentra su singole operazioni sperando nel “colpo grosso”, noi crediamo che la vera forza risieda nella diversificazione. Non puntiamo tutto su un unico asset o su una sola strategia. Il nostro portafoglio di investimenti automatici è composto da diverse strategie che si distinguono tra loro per tipologia (trend-following, mean reverting, breakout, bias), asset (azioni, obbligazioni, materie prime, valute) e strumento finanziario sul quale operano (future, CFD).

Operando in questo modo riduciamo il rischio e siamo in grado di sfruttare opportunità diverse in momenti di mercato diversi.

Il cuore del nostro approccio: la diversificazione

Stai pur certo che se avessimo avuto una sola strategia automatica, non avremmo avuto risultati simili. Ogni strategia ha il suo “momento giusto” per agire, e spesso questi momenti non si sovrappongono. Quando hai strategie diverse che operano simultaneamente sul tuo portafoglio di investimenti automatici, la perdita di una può essere compensata dai guadagni delle altre in modo da non impattare negativamente sul portafoglio complessivo.

Minore è la correlazione tra le strategie, migliore è la distribuzione del rischio all’interno del portafoglio.

Questo significa che il nostro capitale non sarà mai vulnerabile alle fluttuazioni di un singolo mercato o alla fase negativa di una sola strategia. La performance che hai visto, quindi, è il risultato della sinergia tra diverse strategie, ciascuna che contribuisce in modo diverso e complementare a mantenere il portafoglio solido e resiliente.

Le nostre migliori strategie automatiche del 2024

• Strategia sui gap/mean reverting su Nvidia (NVDA): rendimento 22,63%
• Strategia sui gap/mean reverting su Amazon (AMZN): rendimento 19,37%
• Strategia volatilità su Micro E-mini Nasdaq-100 Futures: rendimento 15.92%
• Strategia sui gap/mean reverting su Meta Platforms (META): rendimento 12,03%
• Strategia sui gap/mean reverting su Apple (AAPL): rendimento 8.42%
• Strategia sui gap/mean reverting su Microsoft (MSFT): rendimento 5.81%
• Strategia sui gap/mean reverting su Advanced Micro Devices: rendimento 4.51%
• Strategia bias su Micro E-mini S&P 500 Futures: rendimento 4.43%
• Strategia bias e breakout su Micro Crude Oil Futures: rendimento 4.18%

…e le peggiori

• Strategia sui gap/mean reverting sul dollaro: rendimento -7,54% (per leva finanziaria e “conversione valutaria EUR/USD)
• Strategia bias su Micro Gold Futures: rendimento -5,87%
• Strategia sui gap/mean reverting su Atlassian Corporation (TEAM): rendimento -5,54%
• Strategia sui gap/mean reverting su Paycom Software (PAYC): rendimento -4,13%
• Strategia sui gap/mean reverting su NuScale Power (SMR): rendimento -1,12%
• Strategia sui gap/mean reverting su EL: rendimento -0,87%
• Strategia sui gap/mean reverting su 58H: rendimento -0,73%
• Strategia bias su Micro Euro FX Futures: rendimento -0,71%

Come vedi, il nostro portafoglio di investimenti automatici contiene ben 16 strategie diverse, ciascuna progettata per operare su asset e strumenti finanziari differenti. Le perdite di alcune sono più che compensate dai guadagni di altre.

Non si tratta solo di profitti

Commissioni e interessi

Il capitale è cresciuto da 5.160,00 a 14.305,81 euro, ma non è solo il guadagno finale che conta. Analizzare i costi e i rischi associati a ogni strategia è fondamentale.
Nel nostro caso, le spese sostenute per gli interessi sono state di 161,34 euro, mentre le commissioni hanno ammontato a 557,55 euro. Questi costi vanno sempre presi in considerazione perché riducono il guadagno effettivo. E’ il costo del broker.

Drawdown

Un altro aspetto fondamentale è il drawdown massimo, che quest’anno è stato del 16,5%. Questo valore rappresenta la perdita più significativa subita dal portafoglio prima di un recupero. Anche se il portafoglio ha avuto un’ottima performance, per arrivare a quel rendimento finale, abbiamo dovuto affrontare anche periodi di difficoltà con il segno “-“.

Profit factor

Per avere una visione completa della strategia, dobbiamo anche guardare il profit factor (1,32). Questo valore indica che, per ogni euro perso, abbiamo guadagnato 1,32 euro. Un profit factor superiore a 1 è positivo, ma non è un segno di una strategia perfetta o senza rischi.

Strisce positive e negative

Infine, la massima striscia di trade perdenti è stata di 8 operazioni consecutive in perdita. È proprio in questi momenti che devi imparare a fidarti del tuo sistema. La tentazione di spegnere una strategia quando non sta performando bene è sempre forte, ma prima di fare cambiamenti drastici, dai tempo alla strategia di dimostrare il suo valore. Non abbandonarla al primo segnale negativo. Al contrario, la massima striscia di trade vincenti è stata di 9 operazioni consecutive in profitto. La pazienza e la fiducia nel sistema possono portare a ottimi risultati.

Monitoraggio e rotazione per massimizzare i risultati

La nostra performance dipende anche dal monitoraggio continuo del portafoglio.
Ogni circa 60 giorni, rivediamo e ottimizziamo l’allocazione delle risorse tra le diverse strategie in modo da essere sicuri che il nostro portafoglio di investimenti automatici rimanga sempre in linea con gli obiettivi e il livello di rischio desiderato. Il ribilanciamento periodico è fondamentale per garantire che ogni strategia continui a performare al meglio e per ridurre l’impatto di eventuali cambiamenti nelle condizioni di mercato. Non puoi semplicemente “abbandonare” le tue strategie, pensando che possano farti guadagnare in automatico. Il tuo lavoro principale sta nell’affinare l’allocazione del capitale in base ai risultati ottenuti e alle tendenze di mercato. Se una strategia mostra segni di sottoperformance o se una nuova opportunità di mercato si presenta, ricalibriamo il portafoglio di conseguenza.

Conclusione

Gli investimenti automatici possono offrire risultati sorprendenti, ma è fondamentale affrontarli con la giusta mentalità.
Non esistono scorciatoie o soluzioni prive di rischi. Il successo si costruisce con un metodo solida, una gestione attenta e una continua ottimizzazione delle risorse.
La chiave è nella diversificazione, nella capacità di adattarsi ai mercati in evoluzione e nella disciplina di fidarsi del proprio sistema anche nei momenti difficili.
Con un approccio ben strutturato e il supporto di dati concreti, è possibile sfruttare il potenziale degli investimenti automatici per raggiungere rendimenti significativi nel lungo termine.

L'articolo Investimenti Automatici: La Verità sui Guadagni e Cosa Devi Sapere per Farli Funzionare – 2025 proviene da Quantaste Academy.

Analizzeremo ciascun elemento nel dettaglio, fornendo suggerimenti su come selezionare i fornitori di dati, le piattaforme ideali per sviluppare le tue strategie e i broker più adatti alla tua operatività e l’esecuzione degli ordini.

1. Data Feed: Il Fondamento delle Strategie

Il data feed, nel contesto del trading automatico, è un servizio che fornisce flussi costanti di dati finanziari in tempo reale e storici, come prezzi di mercato, volumi di scambio, quotazioni di strumenti finanziari (azioni, valute, materie prime, ecc.), e informazioni fondamentali su aziende o mercati.

Tipologie di Data Feed e Frequenza

Esistono diversi tipi di data feed, ciascuno adatto a specifiche necessità di trading:

• Dati storici: Fondamentali per il backtesting, permettono di simulare l’efficacia delle strategie in scenari passati.
  La precisione e la granularità dei dati sono cruciali per evitare distorsioni nei risultati. Per questo, una buona fonte di dati deve garantire sia un’elevata qualità che una profonda copertura storica, offrendo informazioni dettagliate e affidabili per valutare correttamente le performance delle strategie.
• Dati in tempo reale: Sono i più utilizzati, poiché permettono di operare con strategie a breve termine, dove anche le variazioni minime dei prezzi devono essere lette dalle strategie, con precisione per eseguire operazioni tempestive ed efficaci.
• Dati ritardati: Utili per strategie meno dipendenti dal tempo, come quelle basate su intervalli giornalieri (EOD). Sono spesso più economici e sufficienti per analisi a medio/lungo termine.

Frequenza dei Dati e Latenza

La frequenza dei dati dipende dal tipo di strategia adottata:

• Strategie a medio-lungo termine: Dati giornalieri (EOD End Of Day) o settimanali sono sufficienti, poiché le piccole fluttuazioni intraday sono meno rilevanti.
• Strategie a breve termine: Qui i dati devono essere aggiornati in tempo reale, con una risoluzione molto alta (secondi o tick). In questo contesto, la latenza gioca un ruolo critico: una bassa latenza consente di ricevere i dati più rapidamente e inserire/chiudere operazioni più velocemente.

La latenza, cioè il ritardo con cui i dati vengono ricevuti rispetto al momento in cui il prezzo cambia, può influenzare in modo significativo i risultati di una strategia, soprattutto per quelle a bassi timeframe.

Livelli di Data Feed

I data feed si distinguono anche per il livello di dettaglio:

• Livello 1: Fornisce informazioni di base come prezzi (bid/ask), prezzi di chiusura e volumi.
• Livello 2: Offre una visione più approfondita del mercato, mostrando gli ordini di acquisto e vendita a diversi livelli di prezzo, utile per comprendere la liquidità e la pressione del mercato.

Dati Storici e Backtesting

I dati storici sono indispensabili per testare le strategie su dati passati (backtesting). È importante che siano accurati e dettagliati, poiché errori o lacune possono portare a conclusioni sbagliate. Oltre ai prezzi, vanno considerati elementi come dividendi, frazionamenti azionari ed eventi di mercato, che possono alterare i risultati.

Considerazioni sui Mercati

Anche il mercato di riferimento influisce sulla scelta del data feed:

• Mercati azionari: Operano in orari definiti, con aggiornamenti limitati alle ore di apertura, rendendo cruciali i dati di alta qualità durante le sessioni di mercato.
• Mercati delle criptovalute: Funzionano 24 ore su 24, 7 giorni su 7, richiedendo un feed dati continuo e costante per chi opera in tempo reale, garantendo l’aggiornamento immediato delle variazioni di prezzo.
• Forex: Il mercato valutario, anch’esso attivo 24 ore su 24, segue un ciclo globale che richiede dati in tempo reale accurati per strategie a breve termine, dove le fluttuazioni di prezzo sono minime ma significative.
• Futures (commodities, indici): Questi mercati sono caratterizzati da una combinazione di orari specifici e sessioni di trading prolungate. Anche in questo caso, è essenziale un flusso costante di dati in tempo reale per gestire correttamente le strategie e sfruttare le variazioni di prezzo anche nelle fasi più sottili.

Considerazioni Economiche e Limitazioni

Il costo è un fattore rilevante. I dati in tempo reale, specialmente quelli di livello 2 o con alta risoluzione, possono essere costosi (centinaia di euro al mese), soprattutto per i mercati internazionali.
Alcuni servizi come tradestation.com offrono dati di alta qualità sia live che storici gratuitamente con un conto o a pochi euro al mese.

È essenziale sempre valutare se i benefici giustifichino il costo.

2. Piattaforma: Sviluppare ed Eseguire le Strategie

La piattaforma di trading è l’ambiente dove le strategie di trading automatico vengono sviluppate, testate, ottimizzate e implementate.

La scelta della piattaforma è fondamentale per il successo delle operazioni, così come una corretta programmazione e ottimizzazione delle strategie.

Scelta della Piattaforma

Sul mercato esistono varie piattaforme, ognuna con caratteristiche specifiche adatte a differenti livelli di esperienza.
Ecco alcune delle più utilizzate:

• MetaTrader (MT4/MT5): Amata dai trader retail, MetaTrader offre semplicità d’uso, supporto per numerosi broker e una vasta comunità. MT4 è popolare per il forex trading, mentre MT5 supporta il trading multi-asset e funzionalità avanzate come il depth of market (DOM) e il backtesting multi-threading. Tuttavia, il linguaggio MQL, di basso livello, è limitante per scrivere strategie in maniera semplice e veloce.
• Multicharts: Ideale per trader professionisti, offre funzionalità avanzate di backtesting su dati multi-threading e tick-by-tick. Supporta linguaggi come EasyLanguage e PowerLanguage, oltre a feed di dati altamente personalizzabili.
  Ha un costo, ma giustificato dalle sue capacità avanzate, velocità e tempo di sviluppo delle strategie.
• TradeStation: Apprezzata per l’integrazione con il broker proprietario, TradeStation consente una gestione fluida delle operazioni. Il linguaggio EasyLanguage, accessibile anche ai meno esperti, permette di creare strategie personalizzate. Ottima per chi cerca un equilibrio tra costi, facilità d’uso e flessibilità.

La scelta della piattaforma dipende dalle esigenze del trader: chi è alle prime armi può preferire piattaforme intuitive, mentre chi gestisce strategie complesse necessita di strumenti più avanzati.

Programmazione della Strategia

• EasyLanguage/PowerLanguage: Progettati appositamente per trader e investitori, questi linguaggi sono facili da imparare e offrono una curva di apprendimento relativamente bassa. Ad esempio, con il nostro percorso, puoi padroneggiarlo in circa 4 settimane, anche senza una base in programmazione o informatica.
  Sono l’ideale per chi vuole avvicinarsi al trading algoritmico senza essere un esperto del settore.
• Python: Python è ampiamente utilizzato nel trading algoritmico grazie alla sua semplicità e alle potenti librerie come Pandas e NumPy. È perfetto per sviluppare algoritmi complessi, come quelli basati sull’analisi del sentiment o sul machine learning (abbiamo due moduli dedicati nell’academy), rendendolo una scelta popolare tra i trader più tecnici.
• C++: Il linguaggio di riferimento per le strategie ad alta velocità e latenza minima. Tuttavia, richiede una conoscenza approfondita e una curva di apprendimento ripida. Insomma, devi essere un programmatore esperto e con un capitale e strategia che giustifichi l’utilizzo di questo linguaggio.

Chi non ha competenze avanzate o necessità particolari può iniziare con EasyLanguage, mentre Python e C++ sono consigliati per chi vuole sviluppare strategie più personalizzate e complesse.

Hardware e Connessione

Per un trading automatico efficiente, è cruciale disporre di un’infrastruttura affidabile. Un elemento essenziale è l’uso di un Virtual Private Server (VPS), che garantisce una connessione stabile e continua ai mercati finanziari. Il VPS previene interruzioni legate a problemi di connessione domestica, mantenendo attivo il sistema di trading 24 ore su 24.

Ridondanza

Implementare misure di ridondanza e failover è fondamentale per assicurare che, in caso di guasti, il sistema passi automaticamente a un backup senza interrompere le operazioni. Questo è particolarmente utile per chi opera in mercati volatili, dove è necessaria una presenza costante. Utilizzare server ridondanti e connessioni internet di backup garantisce continuità operativa anche in caso di problemi con il servizio principale. Strumenti di failover automatici permettono al sistema di passare da un server all’altro senza bisogno di interventi manuali, mantenendo così la piena operatività.

Latenza

La latenza è un altro aspetto cruciale, soprattutto per chi utilizza strategie ad alta frequenza o algoritmi che richiedono esecuzioni rapide. Un VPS situato fisicamente vicino ai server dei mercati finanziari (come quelli del NYSE o del NASDAQ) riduce significativamente i tempi di latenza, consentendo esecuzioni più veloci e potenzialmente migliori. Oltre alla vicinanza geografica, anche la qualità della rete e del routing del VPS influisce notevolmente sulla velocità di esecuzione.

Altri Aspetti Importanti

• Monitoraggio continuo: Implementare sistemi di monitoraggio che rilevino e segnalino tempestivamente eventuali problemi tecnici permette di prevenire interruzioni operative. Gli avvisi automatici aiutano a risolvere rapidamente qualsiasi criticità.
• Backup dei dati: È fondamentale anche disporre di un sistema di backup regolare dei dati e delle configurazioni del sistema di trading. In questo modo, in caso di guasto grave, è possibile ripristinare il sistema senza perdita di dati.

In conclusione, una connessione affidabile, una latenza ridotta e una solida infrastruttura di backup sono essenziali per garantire il successo di un sistema di trading automatico. Queste misure permettono di operare in modo sicuro e continuo anche in mercati altamente dinamici.

3. Il Broker: Esecuzione degli Ordini

Il broker è un componente fondamentale nel trading automatico, fungendo da tramite tra il trader e i mercati. La scelta del broker giusto può influire significativamente sull’efficienza dell’esecuzione e sulla redditività delle strategie. Ecco alcuni aspetti chiave da considerare.

Commissioni e Costi

Le commissioni del broker possono incidere notevolmente sui profitti, soprattutto per chi utilizza strategie come lo scalping o il trading ad alta frequenza.

• Commissioni fisse: Ideali per chi effettua molte piccole operazioni, con un costo fisso per ogni transazione. Tuttavia, per operazioni su grandi volumi, questo modello potrebbe risultare meno vantaggioso.
• Commissioni variabili: Basate sul volume scambiato, sono più adatte a chi effettua operazioni meno frequenti ma di dimensioni maggiori. Questo modello è comune in mercati come azioni e futures.

Altri costi da considerare includono spread, swap per finanziamenti overnight e commissioni di inattività, che possono influire sulla redditività complessiva.

Certificazioni e Sicurezza

Scegliere un broker regolamentato è essenziale per garantire la sicurezza dei fondi e la trasparenza delle operazioni.

• Regolamentazione: Broker regolati da enti come la FCA (Regno Unito), la SEC (USA) o l’ESMA (UE) sono sottoposti a rigorosi standard di sicurezza, tra cui la segregazione dei fondi dei clienti.
• Protezione dei fondi: Alcuni broker aderiscono a schemi di protezione come il Financial Services Compensation Scheme (FSCS), offrendo un’ulteriore garanzia in caso di fallimento, particolarmente importante per chi opera con capitali elevati.

Integrazione con la Piattaforma

Verificare la compatibilità del broker con la piattaforma di trading è cruciale.

• MetaTrader 4/5: La maggior parte dei broker forex supporta queste piattaforme, ma alcune funzionalità, come l’esecuzione tramite ECN o market order, possono variare tra broker.
• Piattaforme Proprietarie: Alcuni broker offrono piattaforme proprie che potrebbero non essere compatibili con strumenti di programmazione avanzati. Se si usano linguaggi come Python per strategie automatizzate, è importante che il broker offra API affidabili e ben documentate.

Esecuzione degli Ordini

La qualità dell’esecuzione è determinante, soprattutto per strategie ad alta frequenza o mercati volatili.

• Liquidità e Velocità: Per chi gestisce grandi volumi, è essenziale che il broker garantisca un accesso a mercati liquidi e un’esecuzione rapida, per evitare variazioni di prezzo significative durante l’esecuzione dell’ordine.
• Spread e Latenza: Spread ridotti e bassa latenza sono cruciali per operazioni a breve termine. Tempi di latenza elevati possono causare slippage, riducendo i profitti attesi.
• Modelli di esecuzione: Alcuni broker utilizzano un modello ECN, che offre accesso diretto al mercato con spread ridotti e commissioni fisse. Altri operano come market maker, offrendo spread più ampi ma senza commissioni per transazione.
• Slippage: Lo slippage si verifica quando un ordine viene eseguito a un prezzo diverso da quello richiesto, spesso a causa della latenza o dell’alta volatilità. Broker con esecuzioni rapide e spread stretti riducono questo rischio, elemento cruciale per strategie ad alta frequenza.

Conclusione

Impostare un portafoglio e strategie di trading automatico richiede una pianificazione accurata, dalla scelta del data feed appropriato, a una piattaforma affidabile e a un broker regolamentato e compatibile. È essenziale inoltre monitorare costantemente le strategie.

L'articolo Guida al Trading Automatico: Data Feed, Piattaforme e Broker proviene da Quantaste Academy.

Lo conferma anche uno studio pubblicato nel Journal of Advanced Research in Accounting and Finance Management (2024), che ha analizzato migliaia di casi, evidenziando come la maggior parte delle perdite dipenda da scelte emotive, mancanza di un piano strutturato e scarso controllo del rischio.

Un dato allarmante, ma anche illuminante. Perché suggerisce una soluzione chiara: basarsi sulla matematica e non emozioni.

Costruire un Trading System Automatico vuol dire trasformare idee in regole codificate, eliminare l’impulsività e affidarsi a un metodo basato su dati, test e disciplina. In questo articolo scoprirai, passo dopo passo, come farlo.

Cosa Significa Trading System?

Un trading system è un insieme di regole codificate che guidano un software nel decidere quando comprare o vendere strumenti finanziari. Ogni strategia automatica di successo si basa su tre elementi:

• Segnali di ingresso
• Uscite in perdita (stop loss)
• Uscite in profitto (take profit)

Grazie a queste regole, il processo di trading diventa sistematico e privo (quasi del tutto) di influenze emotive.
Ad esempio, una strategia può prevedere l’acquisto di un asset quando il prezzo supera la media mobile a 50 giorni e la vendita quando scende sotto la media mobile a 200 giorni.
Codificando queste regole, il sistema può eseguire automaticamente le operazioni senza necessità di intervento umano.

Quali Indicatori o Pattern Utilizzare?

La scelta degli indicatori e dei pattern dipende dal tipo di asset, dal timeframe e dalla natura del sottostante. Un punto chiave da considerare è se il sottostante segue una tendenza o tende a tornare verso la media (trend-following o mean-reversion).

Esempi di indicatori e pattern:

• Medie mobili: Utili per identificare tendenze. Ad esempio, una strategia di crossover delle medie mobili potrebbe usare una media mobile a breve termine (es. 50 giorni) per individuare cambi di trend rispetto a una media mobile a lungo termine (es. 200 giorni).
• RSI (Relative Strength Index): Un indicatore di forza relativa che segnala condizioni di ipercomprato o ipervenduto. Ad esempio, l’RSI sopra 70 può indicare un’area di ipercomprato, segnalando una possibile inversione, mentre un RSI sotto 30 segnala una condizione di ipervenduto.
• Pattern candlestick: Movimenti ricorrenti basati sulle candele. Ad esempio, il pattern “engulfing” può indicare una forte inversione di tendenza, soprattutto se confermato da altri indicatori tecnici. (Approfondimento qui: Candlestick)

Inoltre, è importante ricordare che l’efficacia di un indicatore varia a seconda del mercato e del timeframe. In un mercato laterale, ad esempio, un indicatore di tendenza come le medie mobili può dare falsi segnali, mentre in un mercato con forte direzionalità potrebbe funzionare bene.

Come e Dove Trovare Idee per un Trading System?

Le idee per nuove strategie possono nascere da diverse fonti:

• Osservazione dei grafici: Analizzare i dati storici può rivelare pattern nascosti. Utilizzare strumenti come TradingView può essere utile per esplorare questi pattern visivamente.
• Forum e community online: Risorse come Stack Exchange o i sottogruppi di Reddit dedicati al trading sono luoghi dove i trader condividono idee e strategie.
• Libri e articoli: La lettura di materiale tecnico, come “Trading Systems” di Emilio Tomasini, può fornire nuove prospettive.
• Sperimentazione: Testare diverse varianti di una strategia attraverso backtest e simulazioni in demo. Ad esempio, una semplice strategia basata su RSI può essere modificata aggiungendo un filtro basato su medie mobili per migliorare la precisione dei segnali.

Tutte le Strategie Sono Automatizzabili?

Non tutte le strategie sono adatte all’automazione.

Strategie discrezionali, che richiedono valutazioni soggettive, sono difficili da automatizzare.
Tuttavia, le strategie con regole tecniche chiare sono molto più facili da codificare. Ad esempio, una strategia di breakout di un livello di resistenza ben definito può essere facilmente codificata, mentre una strategia che richiede di valutare l’umore del mercato o l’analisi fondamentale potrebbe essere più complessa.

I Passaggi per Costruire un Trading System

1. Analisi dell’Asset

Ogni strategia nasce dalla conoscenza dell’asset su cui si vuole operare.

Significa studiarne il comportamento, le caratteristiche, i “ritmi naturali”. Alcuni asset tendono a seguire lunghi trend, altri rimbalzano attorno a un valore medio.

Domande utili:

• Il titolo segue un trend o torna verso la media?
• Esistono stagionalità o bias ricorrenti?
• Quanto è volatile? Che range di prezzo copre in media?

Strumenti come TradingView o Excel ti aiutano a iniziare l’analisi.

2. Ideazione della Strategia

Ora è il momento di osservare, esplorare e pensare in modo creativo.

Sfoglia i grafici storici, confronta indicatori, prendi nota di pattern che si ripetono. Magari noti che quando l’RSI scende sotto 30 in un mercato direzionale, spesso segue un rimbalzo. Bene: questa è una ipotesi di strategia.

Puoi anche:

• Leggere libri tecnici
• Partecipare a community online
• Esplorare dati storici per cercare anomalie statistiche

L’obiettivo? Trovare regole semplici, chiare e testabili.

3. Codifica della Strategia

Trasformare un’idea in codice è il passaggio che distingue il trader sistematico dal sognatore.

Fortunatamente oggi esistono strumenti che semplificano molto questo step:

• MultiCharts e Tradestation usano EasyLanguage: bastano poche righe per scrivere una strategia.
• Metatrader usa MQL, più potente ma anche più tecnico.
• Python offre flessibilità massima, specialmente per chi ha un background da sviluppatore.

Scegli il linguaggio che ti fa sentire più a tuo agio, ma non saltare questo step. Scrivere le regole ti obbliga a pensare in modo oggettivo.

4. Backtest della Strategia

Qui si inizia a ragionare seriamente. Il backtest serve a rispondere a una domanda semplice:

“Se avessi applicato questa strategia negli ultimi 5-10 anni, cosa sarebbe successo?”

Non basta guardare i profitti. Devi valutare:

• Quanti trade ha fatto?
• Quanto ha rischiato per ogni operazione?
• Qual è stato il drawdown massimo?
• Qual è il rapporto rischio/rendimento (Sharpe Ratio)?

Assicurati che i dati coprano più fasi di mercato (rialzista, ribassista, laterale). E occhio ai bias: evita di testare solo su un periodo troppo favorevole.

5. Ottimizzazione (senza Overfitting)

L’ottimizzazione è utile, ma pericolosa.

Molti trader cadono nella trappola dell’overfitting: costruiscono strategie perfette sul passato… ma che crollano nel futuro.

Come evitarlo:

• Usa la cross-validation: dividi i dati in più blocchi e testa su periodi differenti.
• Applica la walk-forward optimization, che simula il passaggio reale tra test e mercato.
• Tieni i parametri semplici. Più una strategia è complessa, più è fragile.

6. Validazione della Strategia

Una strategia non è valida solo perché funziona su Excel.

La validazione serve a dimostrare che i risultati non sono frutto del caso. Come?

• Test IS vs OOS (In Sample vs Out of Sample)
• Simulazioni Monte Carlo: generano centinaia di scenari alternativi con le stesse regole
• Analisi su mercati simili o leggermente diversi per testarne la robustezza

Solo le strategie che superano questi test meritano di andare avanti.

7. Test in Demo e Avvio Live

Dopo la teoria, la pratica.

Testa la tua strategia in demo per almeno 2-3 settimane. Osserva:

• Slippage
• Spread reali
• Ritardi o problemi nell’esecuzione

Quando tutto è stabile, vai live. Ma con cautela:

• Usa una porzione ridotta di capitale
• Monitora attentamente le differenze tra live e backtest

Non c’è vergogna nel fare piccoli passi: è così che si costruisce un sistema solido.

Le 3 “M”: Monitoraggio, Miglioramento, Manutenzione

Il lavoro non finisce con l’avvio. Un trading system va curato. Ecco come:

• Ogni settimana, controlla performance, anomalie, errori tecnici
• Ogni 1-2 mesi, rivaluta il portafoglio: aggiungi/togli strategie e mantieni quelle che stanno performando bene

Pensalo come un piccolo business automatizzato che va seguito con disciplina.

Strategy Builder: Attenzione all’Overfitting

Gli strumenti come i strategy builder consentono di testare rapidamente combinazioni di regole. Tuttavia, c’è il rischio dell’overfitting, ossia l’eccessiva ottimizzazione sui dati storici, che può portare a pessime performance su dati futuri.

Per evitare l’overfitting:

• Non “forzare” una strategia sui dati.
• Concentrati su strategie che siano coerenti con il comportamento del sottostante.
• Valuta la robustezza della strategia in condizioni di mercato differenti utilizzando tecniche di cross-validation, validazione fuori campione (OOS), e walk-forward optimization. Puoi approfondire questo argomenti cliccando qui.

Perchè funziona?

La ricerca lo dimostra: il trading quantitativo riduce drasticamente gli errori comportamentali.

Secondo lo studio pubblicato nel 2024 dal Journal of Advanced Research in Accounting and Finance Management:

• Il 90% dei trader perde per mancanza di disciplina, eccesso di fiducia o gestione emotiva
• Automatizzare le regole riduce la paura, l’avidità e l’impulsività
• Sistemi ben progettati offrono maggiore controllo sul rischio e stabilità nei risultati

Il trading automatico non è la scorciatoia. È il metodo.

Conclusione

Costruire un Trading System Automatico richiede metodo, tempo e consapevolezza. Ma è una delle poche strade che può portarti a risultati duraturi.

Non serve essere un genio. Serve un processo replicabile e scientifico.

L'articolo 7 Step Per Costruire un Trading Systems Automatico Di Successo proviene da Quantaste Academy.

Nel panorama della finanza e degli investimenti, uno dei principali vantaggi è la possibilità di testare e affinare le strategie sfruttando i dati storici. Per far sì che l’ottimizzazione di trading systems generi strategie che siano efficaci e rimangano profittevoli nel lungo periodo, è fondamentale procedere con un corretto backtest e ottimizzazione.

In questo articolo, approfondiremo le strategie chiave per ottimizzare i sistemi di trading, fornendo una visione dettagliata su concetti fondamentali come il backtesting, l’ottimizzazione dei parametri, la gestione del rischio e i rischi legati come l’overfitting.

Introduzione all’Ottimizzazione dei Trading System

L’ottimizzazione riguarda il perfezionamento dei parametri di una strategia al fine di migliorarne le performance complessive.

Questo processo implica l’individuazione delle configurazioni ottimali per massimizzare i rendimenti e minimizzare i rischi.

La vera sfida, tuttavia, è trovare questo equilibrio senza eccedere, evitando cioè di sovradattare la strategia ai dati storici, fenomeno noto come overfitting.

L’ottimizzazione di una strategia di trading può essere paragonata alla regolazione finale del motore di un’auto da corsa.
Immagina di avere un sistema che segue una serie di regole per comprare e vendere azioni.
Ad esempio, puoi decidere di comprare quando una media mobile a 10 giorni supera quella a 50 giorni e vendere quando accade il contrario.

Supponiamo che tu decida di ottimizzare questi parametri (10 e 50 giorni) per migliorare i risultati.
Dopo aver testato diverse combinazioni sui dati storici, scopri che usare una media a 9 e una a 47 giorni produce rendimenti significativamente migliori.
Questo è un esempio di ottimizzazione: hai trovato una configurazione che migliora le performance rispetto alla versione iniziale.

Tuttavia, se ottimizzi eccessivamente (ad esempio, regolando i parametri per adattarsi perfettamente ai dati passati), potresti ottenere una strategia che funziona benissimo con i dati storici, ma non si comporta altrettanto bene con i dati futuri.

Questo è l’overfitting: hai creato una strategia che “impara” troppo dalle particolarità del passato, piuttosto che catturare pattern generali che possano funzionare anche in futuro.

Algoritmi di Ottimizzazione

Esistono vari approcci per ottimizzare i parametri di un sistema di trading. Tra i più diffusi troviamo:

Grid Search

Vantaggi:

• Completezza: Esplora tutte le possibili combinazioni di parametri, garantendo di trovare la configurazione ottimale in termini di performance, a patto che lo spazio di ricerca non sia eccessivamente grande.

Svantaggi:

• Costo computazionale elevato: Il principale svantaggio è la complessità computazionale, soprattutto quando lo spazio dei parametri è ampio. Ad esempio, con 3 parametri e 10 valori per ciascuno, si avrebbero 1000 combinazioni da testare.
• La maledizione della dimensionalità (curse of dimensionality): Man mano che il numero di parametri da ottimizzare cresce, il numero di combinazioni cresce in modo esponenziale. Questo rende il grid search inefficiente per strategie con molti parametri.

Algoritmi Genetici

Vantaggi:

• Efficienza: Ispirati dai processi naturali di evoluzione, gli algoritmi genetici sono particolarmente adatti per ottimizzare strategie con molti parametri. Grazie alla capacità di esplorare più regioni dello spazio contemporaneamente, possono trovare rapidamente “buone combinazioni”, sebbene non garantiscano l’ottimo globale.
• Evitano di restare bloccati nei minimi locali: A differenza di altri metodi di ottimizzazione, gli algoritmi genetici esplorano continuamente nuove soluzioni grazie a processi come la mutazione e il crossover, rendendoli utili per problemi complessi non lineari.

Svantaggi:

• Risultato non sempre ottimale: Anche se spesso producono buone soluzioni, gli algoritmi genetici non garantiscono di trovare la combinazione di parametri ottimali. Tendono a convergere su una buona soluzione, ma il risultato dipende fortemente dai parametri dell’algoritmo stesso.
• Richiede molta fine-tuning: Come accennato, i risultati dipendono dalla corretta selezione dei parametri dell’algoritmo genetico (dimensione della popolazione, numero di generazioni, probabilità di mutazione, ecc.). Questo significa che prima di ottenere risultati ottimali, è necessario un attento tuning di questi parametri, il che può essere complesso e richiedere molto tempo.
  
  Inoltre, un tuning non adeguato potrebbe portare a soluzioni sub-ottimali o inefficaci, specialmente quando si cerca di bilanciare il rischio e il rendimento.

Backtesting e la Validazione della Strategia

Come accennavamo, il backtesting rappresenta una fase importantissima nell’ottimizzazione, in quanto permette di verificare l’efficacia di una strategia testandola sui dati storici.

Tuttavia, basarsi su un solo set di dati potrebbe portare a risultati fuorvianti. Per questo motivo, è importante suddividere i dati disponibili in due (o più) fasi:

In-Sample: Questo set di dati serve per addestrare la strategia e ottimizzarne i parametri. Qui è dove si eseguono le ottimizzazioni per ottenere la massima performance. Tuttavia, ottimizzare troppo la strategia su questi dati può portare al rischio di overfitting, cioè adattare la strategia ai rumori o alle specificità del periodo storico considerato, piuttosto che cogliere pattern generalizzabili.

Out-of-Sample: Questo set separato verifica la robustezza della strategia. Testando i parametri ottimizzati su un dataset non visto prima, si misura quanto la strategia funzioni in situazioni “nuove”. È il test cruciale per capire se la strategia ha catturato pattern reali del mercato o se è stata semplicemente ottimizzata sui dati storici. Una buona performance su questo set dà maggiori garanzie che la strategia possa funzionare su dati futuri.

Fase 1: In-Sample (Ottimizzazione)

Prendi i dati storici dell’S&P 500 dal 2008 fino al 2018. Questi dati sono usati per “addestrare” la strategia. Ad esempio, supponi di sviluppare una strategia basata su medie mobili. In questa fase, testeresti diverse configurazioni di parametri (come la lunghezza delle medie mobili) per trovare quella che dà le migliori performance tra il 2008 e il 2018.

Il rischio qui è di ottimizzare troppo la strategia per adattarla perfettamente a questi 10 anni, includendo anche i rumori o gli eventi unici di quel periodo (come la crisi finanziaria del 2008). Questo fenomeno si chiama overfitting.

Fase 2: Out-of-Sample (Validazione)

Una volta ottimizzati i parametri, applichi la strategia ai dati successivi, dal 2019 ad oggi. Questo è il tuo test Out-of-Sample: i parametri rimangono quelli ottimizzati, ma ora valuti se la strategia funziona anche su questo nuovo periodo. Se la strategia continua a performare bene, hai buone probabilità che abbia catturato pattern reali del mercato, non solo quelli del periodo tra il 2008 e il 2018.

Risultato:

• Se la strategia funziona bene sia nel periodo In-Sample che Out-of-Sample, è più probabile che sia robusta e utilizzabile nel futuro.
• Se funziona solo In-Sample, è possibile che tu abbia sovra-ottimizzato la strategia, rendendola inefficace per periodi nuovi o diversi.

Limitazioni dell’approccio tradizionale e miglioramenti

1. Overfitting e Misura della Robustezza

Anche con una divisione tra In-Sample e Out-of-Sample, è possibile che la strategia funzioni bene sul set di dati Out-of-Sample semplicemente per coincidenza.
Inoltre, la scelta arbitraria di dove dividere i dati può influenzare i risultati. Per cercare di limitare questo rischio, ci sono diversi approcci:

• Walk-Forward Optimization: Anziché eseguire una singola divisione, si esegue un’ottimizzazione in una serie di finestre temporali che si muovono progressivamente attraverso i dati. Ad esempio, si potrebbe ottimizzare su una finestra di tre anni e poi testare la strategia su un anno successivo, e ripetere questo processo. Questo permette di vedere come la strategia si adatta in condizioni di mercato di volta in volta.
  
• Cross-Validation: Anche se più comunemente usata nel machine learning, una variante di questa tecnica può essere applicata nel trading. I dati vengono suddivisi in più blocchi e la strategia viene testata su uno di questi blocchi lasciato da parte (Out-of-Sample) mentre viene ottimizzata sugli altri (In-Sample). Questo processo viene ripetuto con blocchi diversi, riducendo il rischio che la divisione dei dati influenzi troppo il risultato.

Walk-Forward Analysis

Per migliorare ulteriormente la validità di un trading system, si può adottare il walk-forward analysis. Questo metodo consente di testare continuamente e ripetutamente una strategia ottimizzata su diverse porzioni temporali di dati.

La strategia viene ottimizzata su una finestra di dati storici e testata su un periodo successivo, poi la finestra si sposta in avanti per ripetere il processo.

Come Riconoscere l’Overfitting

Una metrica utile per identificare l’overfitting è il confronto tra la performance in-sample e out-of-sample.
Se le performance su dati non utilizzati per l’ottimizzazione sono molto peggiori rispetto ai risultati in-sample, c’è il rischio che il sistema sia stato sovraottimizzato.

Modelli Semplici e Robustezza

Un’altra strategia per evitare l’overfitting è adottare il cosidetto “principio di parsimonia“, che suggerisce di mantenere il sistema di trading il più semplice possibile, includendo solo i parametri necessari. Un modello più semplice è meno incline a “sovraimparare” i dettagli specifici dei dati storici e più capace di adattarsi a nuovi scenari di mercato.

Misure di Successo: Oltre il Profitto

Nell’ottimizzazione di un trading system, non basta misurare il successo in termini di profitto lordo.
È necessario valutare i rischi storici associati alla strategia. Ecco alcune metriche fondamentali da considerare:

• Drawdown Massimo: misura la perdita massima registrata da un picco al successivo minimo. È una metrica essenziale per valutare il rischio della strategia.
• Massima perdita giornaliera/mensile: Queste metriche misurano la peggiore perdita registrata in una singola giornata o in un singolo mese di trading. Forniscono un’indicazione sulla variabilità e il rischio nel breve termine.
• Sharpe Ratio: valuta il rendimento corretto per il rischio, confrontando la performance della strategia con un investimento privo di rischio.
• Indice di Sortino: una variante dello Sharpe Ratio che si concentra solo sui movimenti di prezzo al ribasso, rendendolo particolarmente utile per i trader che desiderano evitare grosse perdite.

Adattamento ai Cambiamenti di Mercato

Uno dei problemi più complessi nell’ottimizzazione di un trading system è la non stazionarietà dei mercati.
Le condizioni di mercato cambiano nel tempo, rendendo obsolete le strategie ottimizzate solo sui dati passati.

Uno degli approcci più efficaci è quello di avere un portafoglio diversificato di sistemi di trading.
Questo approccio riconosce che non esiste una strategia perfetta (o il sacro graal…) per tutte le condizioni di mercato.
Diversificare le strategie permette di adattarsi meglio ai cambiamenti:

• Tipi di strategie nel portafoglio:
  • Strategie trend-following, che funzionano bene in mercati in tendenza.
  • Strategie mean-reversion, che sono efficaci in mercati laterali.
  • Strategie basate su volatilità che possono sfruttare periodi di alta instabilità.
  • Strategie basate su fattori macroeconomici o notizie che si adattano a eventi imprevisti.

Se non conosci le famiglie di trading systems ti consiglio di leggere questo articolo dove abbiamo approfondito la tematica

Gestione attiva delle strategie: “Panchina e campo”

La gestione attiva del portafoglio di strategie, trattandolo come una squadra di calcio.

Alcune strategie saranno “in forma” e adatte al mercato attuale, mentre altre potrebbero andare “in panchina” fino a quando le condizioni non torneranno favorevoli.

• Come discriminare le strategie:
  • Performance recente: Monitorare regolarmente le performance di ogni strategia. Se una strategia inizia a sottoperformare rispetto alle altre o produce drawdown inaccettabili, potrebbe essere il momento di metterla in panchina.
  • Indicatori di rischio: Utilizzare metriche come il drawdown massimo per valutare quando una strategia sta diventando troppo rischiosa rispetto ai benefici.
  • Analisi di correlazione: Le strategie non correlate tra loro possono essere più efficaci nel ridurre il rischio complessivo del portafoglio. Se due strategie diventano troppo correlate nel tempo, una potrebbe essere messa in panchina per evitare un aumento eccessivo del rischio portafoglio.

Conclusione

L’ottimizzazione dei trading system automatici è un processo complesso che richiede attenzione ai dettagli e un approccio disciplinato. Dalla scelta dei parametri giusti alla validazione rigorosa, passando per la gestione del rischio e la prevenzione dell’overfitting, ogni fase è cruciale per costruire una strategia di trading robusta e performante.

L'articolo Strategie di Successo per l’ottimizzazione di Trading System Automatici proviene da Quantaste Academy.

Cos’è l’RSI?

L’RSI, o Relative Strength Index, è un indicatore di momentum sviluppato da J. Welles Wilder negli anni ’70 (vedi qui per approfondire).
È utilizzato (e abusato!) da numerosi trader per identificare condizioni di ipercomprato e ipervenduto nei mercati.

In pratica, l’RSI misura la velocità e il cambiamento dei movimenti di prezzo, fornendo un valore che oscilla tra 0 e 100.
Quando l’RSI supera 70, l’asset è considerato ipercomprato, mentre un valore sotto 30 indica una condizione di ipervenduto.

Strategie Basate sull’Indicatore RSI

Come molti altri indicatori, l’RSI trova il suo massimo valore nel trading quando viene utilizzato come filtro per migliorare una strategia già esistente e funzionante.
Preso da solo, l’RSI (come la maggior parte degli indicatori) tende a non offrire un rapporto rischio/rendimento ottimale. Tuttavia, quando viene integrato in una strategia principale già performante, l’RSI può affinare i segnali generati, contribuendo a migliorare la precisione delle operazioni e a ridurre i falsi positivi, ottimizzando così l’efficacia complessiva della strategia.

Qui ci concentreremo su due approcci principali: trend following e mean reverting, ma leggi fino alla fine che te ne mostro un terzo utilizzo che personalmente utilizzo spesso come filtro nei trading systems.
Se non hai ancora sentito parlare di trend follow e mean reverting, ti consiglio di leggere prima questo articolo di introduzione alle famiglie di trading systems

1. Trend Following con l’RSI

Il trend following è una delle strategie più semplici e comuni nel trading automatico. Questa strategia utilizza l’RSI per confermare la forza di un trend in corso. Un RSI superiore al livello di 70 punti può indicare un trend rialzista, mentre un RSI sotto 30 può segnalare un trend ribassista.

2. Mean Reverting con l’RSI

La strategia mean reverting, d’altra parte, sfrutta i valori estremi dell’RSI per prevedere potenziali inversioni di trend.
In questa logica, si comprano l’asset quando l’RSI scende sotto 30 e si vendono quando l’RSI supera 70.

Prima di presentarvi i risultati della nostra analisi, è fondamentale evidenziare l’importanza di distinguere tra il lato short (ribassista) e quello long (rialzista).
Molti strumenti finanziari mostrano comportamenti, natura e volatilità differenti a seconda che si tratti di un’operatività al rialzo o al ribasso. Pertanto, adottare un approccio speculare per entrambe le direzioni potrebbe non essere appropriato. Al contrario, spesso è più efficace separare le strategie long e short, adattando l’operatività in modo specifico per ciascun contesto.

Risultati e Ottimizzazione delle Strategie RSI

Una volta definite le strategie, è essenziale testarle su dati storici per valutarne l’efficacia.
Per questo esempio, analizzeremo le performance di questi strumenti su timeframe a 15 minuti (che ritengo essere quello un pò più versatile per questi test) con RSI standard (valutato sui prezzi di chiusura delle ultime 14 barre) su questi strumenti:

• S&P500
• Petrolio Crude Oil
• Oro
• Euro
• JPY Giapponese
• Feeder Cattle
• Rame
• Nasdaq
• Platino
• Soia
• Corn/Mais
• Argento
• Vix
• Dow Jones

Il primo test effettuato è con l’utilizzo più comune: quello della logica trend follow, cioè andando ad acquistare quando l’RSI è maggiore del livello 70.

TEST TREND FOLLOW

Solo operazioni Long

Dal 2008 ad oggi, il NASDAQ ha risposto positivamente a questo tipo di filtro, soprattutto per quanto riguarda il lato long. Pur non trattandosi di una strategia tradabile di per sé, questo filtro rappresenta un ottimo strumento da utilizzare in combinazione con un motore più robusto su questo asset. Ad esempio, un sistema BIAS accoppiato con questo filtro potrebbe generare risultati ancora migliori. Anche utilizzato singolarmente, il filtro mostra già buone metriche, tra cui un drawdown percentuale contenuto, un profitto solido e un average trade sufficientemente elevato da coprire i costi di commissioni, slippage e spread.

Solo operazioni Short

Lo Yen Giapponese (JPY), dal 2008 ad oggi, ha mostrato una risposta positiva a questo tipo di filtro, in particolare sul lato short. Sebbene non rappresenti una strategia tradabile di per sé, questo filtro si rivela un eccellente complemento da integrare con un motore più robusto su questo asset.
Nonostante le buone metriche ottenute, come un drawdown percentuale contenuto e un profitto soddisfacente, l’average trade risultante non è sufficiente a coprire interamente i costi operativi, come commissioni, slippage e spread. Rimane comunque un buon filtro che se accoppiato a una strategia di uscita adeguata e un filtraggio più accurato potrebbe portare ad uno avg. trade di 100$ che è il minimo consigliabile per operare su Futures dello JPY.

TEST MEAN REVERTING

Solo operazioni Long

Solo operazioni Short

[BONUS EXTRA] COME FILTRO ULTERIORE

Un altro modo efficace di utilizzare questo indicatore nelle strategie di trading è come filtro per escludere i trade su prezzi eccessivamente estesi.
In pratica, si evitano le operazioni in cui il prezzo ha subito un rapido movimento, facendo “schizzare” l’RSI verso l’alto. Questo approccio aiuta a prevenire l’ingresso in posizioni con un elevato rischio di correzione. Tuttavia, è importante sottolineare che questo metodo non è applicabile a tutte le strategie né a tutti i mercati. È necessario testarlo e validarlo attentamente per verificarne l’efficacia in quell’esatto contesto.

Conclusione

Spero di essere riuscito a trasmettere l’importanza di non considerare l’indicatore RSI come un segnale isolato, ma di contestualizzarlo in relazione al mercato, all’asset e al tipo di strategia. Solo così può diventare un alleato prezioso per aumentare le probabilità di successo nel trading e negli investimenti.

L’RSI si rivela un indicatore estremamente versatile nel trading automatico, adattabile a diverse strategie come il trend following e il mean reverting. Sebbene sia cruciale testare e ottimizzare continuamente le strategie per adattarle ai mercati in evoluzione, l’RSI rimane uno strumento indispensabile per ogni trader professionista.

Se desideri approfondire queste tecniche e imparare a implementarle con successo nel tuo trading, ti invitiamo a unirti alla nostra academy di trading automatico, dove troverai il supporto e le risorse necessarie per portare il tuo approccio al mercato ad un livello superiore e quantitativo, basato su dati.
PRENOTA ORA UNA CONSULENZA GRATUITA E SENZA IMPEGNO CON UNO DEI NOSTRI CONSULENTI >>

Prenota la consulenza gratuita →

L'articolo L’Indicatore RSI è realmente efficace nei mercati finanziari? proviene da Quantaste Academy.

Cos’è la correlazione?

Si tratta di una misura statistica che indica il grado di relazione tra due variabili finanziarie, come ad esempio i prezzi di due diversi asset. Questa relazione è quantificata attraverso un coefficiente di correlazione, che varia da -1 a +1.

• Un valore di +1 denota una correlazione positiva perfetta, dove i prezzi degli asset si muovono in parallelo, come fossero la stessa entità.
• Al contrario, un coefficiente di -1 indica una correlazione negativa perfetta, dove i prezzi si muovono in direzioni opposte.
• Un coefficiente pari a 0, invece, è quello che ogni trader e investitore professionista cerca nel suo portafoglio: infatti suggerisce l’assenza di qualsiasi correlazione diretta, indicando che i movimenti di prezzo degli asset sono completamente indipendenti l’uno dall’altro.

Quando Usare la Correlazione

Portafogli di Trading Systems

Nel contesto dei trading systems automatici, utilizzare asset con diversi livelli di correlazione può migliorare l’efficacia e la resilienza del sistema. Strategie che includono asset decorrelati possono ridurre il drawdown e migliorare il rapporto di Sharpe del portafoglio. Questo permette di mantenere una performance più consistente anche in periodi di turbolenza del mercato.

Apertura di Operazioni su Sottostanti Correlati, Decorellati o Inversamente Correlati

La correlazione gioca un ruolo fondamentale anche nell’apertura di operazioni. Comprendere come diversi asset si muovono l’uno rispetto all’altro può portare a strategie di trading più informate. Ad esempio, un trader potrebbe aprire posizioni su coppie di asset correlati per sfruttare movimenti di mercato temporaneamente disallineati (pair trading) o su asset inversamente correlati per strategie di hedging. Allo stesso modo, può decidere di evitare operazioni su asset troppo strettamente correlati per ridurre il rischio di esposizione concentrata.

In sintesi, la correlazione non è solo uno strumento di analisi, ma può essere un componente attivo della strategia di trading e investimento, fondamentale per gestire il rischio e sfruttare le dinamiche di mercato a proprio vantaggio.

La variabile tempo (Timeframe) nella correlazione

Impatto del Timeframe sulla Correlazione

La correlazione tra diversi strumenti finanziari può variare significativamente in base al timeframe considerato. Questo significa che, a seconda del periodo di tempo analizzato (giornaliero, settimanale, mensile, annuale), le relazioni di correlazione tra asset possono mostrare tendenze diverse. È cruciale tenere in mente questa variabilità quando si analizzano le correlazioni per prendere decisioni di investimento o di trading.

Perché il Timeframe è Rilevante?

1. Variazioni a Breve Termine vs. Lungo Termine: Su timeframes brevi, come quelli intraday o giornalieri, gli asset possono mostrare correlazioni fluttuanti a causa di eventi di mercato specifici o volatilità a breve termine.
   Invece, su timeframes più lunghi, come quelli giornalieri, settimanali, mensili le correlazioni tendono a stabilizzarsi, riflettendo le tendenze di fondo e le relazioni a lungo termine tra gli asset.
2. Adattamento alla Strategia di Trading: Trader e investitori devono scegliere il timeframe di riferimento in base alla loro strategia.
   Per esempio, un trader intraday potrebbe concentrarsi su correlazioni giornaliere, mentre un investitore a lungo termine potrebbe essere più interessato alle correlazioni su base mensile.
3. Analisi Accurata del Rischio: Comprendere come la correlazione cambia in base al timeframe aiuta a valutare meglio il rischio e a diversificare il portafoglio in modo efficace.
   La correlazione in un breve periodo potrebbe non rappresentare adeguatamente il rischio a lungo termine di un portafoglio.

Come Calcolare la Correlazione Velocemente in 3 Step con Python

Utilizzo di Google Colab

Google Colab è un ambiente di sviluppo basato su cloud che permette di scrivere e eseguire codice Python.
Per iniziare, visita il sito di Google Colab, effettua l’accesso con il tuo account Google e crea un nuovo notebook cliccando su “File” e poi “Nuovo notebook”.
Oppure puoi cliccare direttamente nel pulsante qui sotto di colore blu (Open in Colab).

Questo ti fornirà un ambiente pronto per la programmazione, senza la necessità di configurazioni complesse.

Codice:

Il codice fornito è un esempio di come utilizzare Python, una popolare lingua di programmazione nel mondo fintech, per analizzare le correlazioni finanziarie tra diversi asset come azioni, criptovalute e materie prime.
Questo processo è suddiviso in vari passaggi:

1. Importazione delle Librerie: Utilizziamo librerie specializzate come ‘pandas’ per la manipolazione dei dati, ‘datetime’ per gestire date e orari, e ‘yfinance’ per scaricare dati finanziari da Yahoo Finance.
2. Definizione del Periodo di Tempo: Impostiamo il periodo di tempo per l’analisi. Nel nostro esempio, ci concentriamo sui dati dal 1° gennaio 2015 al 1° ottobre 2023. Questo ci permette di osservare come gli asset si sono comportati in questo arco temporale.
3. Selezione degli Asset: Scegliamo gli asset da analizzare, identificati dai loro ‘tickers’, che sono simboli univoci usati sui mercati finanziari. Per esempio, AAPL sta per Apple Inc., MSFT per Microsoft, e così via.
4. Download dei Dati: Utilizziamo yfinance per scaricare i dati storici dei prezzi per questi asset. In particolare, ci concentriamo sui prezzi di chiusura regolata, che sono prezzi di chiusura che hanno tenuto conto di eventuali azioni aziendali come dividendi e frazionamenti azionari.
5. Calcolo delle Correlazioni: Con i dati scaricati, calcoliamo la correlazione tra i vari asset. La correlazione misura come le variazioni di prezzo di un asset si muovono in relazione ad un altro. Un valore di correlazione vicino a +1 indica che due asset si muovono in modo molto simile, mentre un valore vicino a -1 suggerisce che si muovono in direzioni opposte.
6. Visualizzazione dei Risultati: Alla fine, visualizziamo una matrice di correlazione. Questa matrice offre una panoramica facile da capire delle relazioni tra i diversi asset selezionati.

Nel secondo snippet di codice abbiamo generato una heatmap per mostrare le correlazioni a livello visivo e non solo testuale:

Nell’analisi della matrice di correlazione, emerge una forte correlazione giornaliera tra AAPL (Apple Inc.) e SPY (ETF che replica l’indice S&P 500). Questo significa che se implementiamo lo stesso trading system su un timeframe giornaliero con AAPL e SPY come sottostanti, è probabile che i trade in profitto e in perdita si muovano in parallelo per entrambi gli asset.
Di conseguenza, questo comporta una duplicazione del livello di rischio associato a queste operazioni, poiché le loro performance tendono a essere strettamente interconnesse.

Uso delle Correlazioni per Fare Trading / Trading System Automatici

L’impiego delle correlazioni nei trading system automatici si basa sull’idea di sfruttare le relazioni tra vari asset per massimizzare i guadagni e ridurre i rischi.

Questa tecnica risulta essere particolarmente vantaggiosa in quei momenti in cui gli asset, solitamente correlati, presentano un intervallo temporaneo caratterizzato da un BIAS di inefficienza nella loro correlazione (per approfondimenti, vedi l’articolo dedicato alle famiglie di trading systems).

Esempio 1: Coppie di Valute nel Forex
Supponiamo di avere due coppie di valute, EUR/USD e GBP/USD, che generalmente mostrano una forte correlazione positiva. Tuttavia, a causa di eventi economici imprevisti o rilasci di dati, queste coppie possono temporaneamente decorrelarsi. Un trader potrebbe sfruttare questa situazione shortando una coppia e andando long sull’altra, aspettandosi che la correlazione normale si ristabilisca col tempo.

Esempio 2: Azioni e Indici
Consideriamo il caso di azioni di grandi aziende tecnologiche come Apple (AAPL) e l’indice NASDAQ. Se, per un breve periodo, AAPL mostra una tendenza al ribasso mentre il NASDAQ rimane stabile o in rialzo, ciò potrebbe indicare una temporanea decorrelazione. I trader possono utilizzare questa opportunità per posizionare trade contrariani, aspettandosi che la correlazione abituale tra l’azione e l’indice si ripristini.

Esempio 3: Materie Prime e Valute Correlate
Le materie prime come il petrolio sono spesso correlate con le valute dei paesi esportatori, come il dollaro canadese (CAD). Se il petrolio subisce un forte calo di prezzo ma il CAD rimane sorprendentemente stabile, potrebbe esserci una temporanea decorrelazione. In questo caso, un trader potrebbe speculare sulla ripresa della correlazione abituale tra petrolio e CAD.

In tutti questi esempi, l’uso strategico delle correlazioni in un trading system automatico può aiutare a identificare e sfruttare queste anomalie temporanee del mercato. Questo richiede un’analisi attenta e l’impiego di algoritmi avanzati per monitorare le correlazioni e identificare opportunità di trading

L'articolo Correlazione nel Trading Automatico: cos’è e come utilizzarla proviene da Quantaste Academy.