Guida al trading quantitativo

Ti interessa il trading quantitativo? Scopri tutto quel che c’è da sapere, incluso cos’è, come funziona e cosa fanno i quant trader. Consulta inoltre alcune strategie quantitative per iniziare ad operare sui mercati.

Cos’è il trading quantitativo?

Il trading quantitativo è un tipo di strategia di mercato che si affida a modelli matematici e statistici per identificare le opportunità e spesso eseguire operazioni. I modelli si basano sull’analisi quantitativa, da cui la strategia prende il nome. Questo tipo di trading viene spesso definito anche ‘quant trading’ o solamente ‘quant’.

L’analisi quantitativa utilizza la ricerca e la misurazione di dati per riportare complessi schemi di comportamento in valori numerici. Essa ignora l’analisi qualitativa, che valuta le opportunità sulla base di fattori soggettivi come la competenza gestionale o la forza di un marchio.

Il trading quantitativo richiede spesso un’eccezionale potenza di calcolo, tanto da essere utilizzato esclusivamente da grandi investitori istituzionali e da hedge fund. Negli ultimi anni, tuttavia, lo sviluppo di nuove tecnologie ha permesso di coinvolgere un numero sempre crescente di singoli trader.

Come funziona il trading quantitativo?

Il trading quantitativo sfrutta dei modelli basati sui dati per determinare la probabilità che si verifichi un certo risultato. A differenza di altre forme di trading, ci si affida esclusivamente a metodi statistici e alla programmazione.

Si può notare, ad esempio, che i picchi di volume sulle azioni Apple vengono rapidamente seguiti da significativi movimenti di prezzo. Quindi, si costruisce un programma che ricerca questo schema in tutta la storia di mercato di Apple.

Se il programma scopre che lo schema ha portato in passato a un movimento verso l’alto il 95% delle volte, il modello prevedrà una probabilità del 95% che si verifichino modelli analoghi in futuro.

Trading quantitativo e trading algoritmico a confronto

I trader algoritmici utilizzano sistemi automatizzati che analizzano gli schemi dei grafici e aprono e chiudono posizioni al posto loro. I trader quantitativi utilizzano metodi statistici per identificare le opportunità ma non necessariamente per eseguire le operazioni. Sebbene si sovrappongano l’un l’altra, si tratta di due strategie distinte da non confondere.

Ecco alcune delle distinzioni più importanti:

  • I sistemi algoritmici vengono sempre eseguiti per conto del trader. Alcuni quant trader, invece, utilizzano dei modelli per identificare le opportunità, ma poi aprono le posizioni manualmente
  • Il trading quantitativo utilizza metodi matematici avanzati. Il trading algoritmico tende ad affidarsi ad un’analisi tecnica più tradizionale
  • Il trading algoritmico utilizza solamente l’analisi dei grafici e dei dati delle operazioni per trovare nuove posizioni. I trader quantitativi utilizzano molti set di dati differenti

Scopri di più sul trading algoritmico o apri un conto per iniziare a fare trading.

Quali dati potrebbero interessare a un trader quantitativo?

I due punti dati più comuni esaminati dai quant trader sono il prezzo e il volume, ma qualsiasi parametro che possa essere sintetizzato in un valore numerico può essere integrato in una strategia. Alcuni trader, ad esempio, potrebbero creare strumenti per monitorare il sentiment degli investitori attraverso i social media.

Esistono molti database disponibili al pubblico che i quant trader utilizzano per raccogliere le informazioni e costruire i loro modelli statistici. Questi set di dati alternativi vengono utilizzati per identificare schemi al di fuori delle fonti di finanziamento tradizionali, come i fondamentali.

Esempio di trading quantitativo

Supponiamo, ad esempio, di ipotizzare che sia più probabile che l’indice FTSE 100 si muova in una certa direzione in un particolare momento della giornata di negoziazione. Costruisci allora un programma che esamina un ampio set di dati di mercato sul FTSE 100 e ne analizza i movimenti di prezzo in ogni secondo di ogni giorno.

Supponiamo, ad esempio, che tu creda che l’indice FTSE 100 si muova in una certa direzione in un particolare momento della giornata di negoziazione. Costruisci allora un programma che esamina un ampio set di dati di mercato sul FTSE 100 e ne analizza i movimenti di prezzo in ogni secondo di ogni giorno.

Il grafico sottostante mostra i movimenti dei prezzi del FTSE 100 dal 1984.

Costruisci quindi un modello statistico basato su queste informazioni. Il modello identifica se ci sono parti specifiche della giornata in cui il trading del FTSE si muove in una particolare direzione. Se il modello trova uno schema, ad esempio rilevando che l’indice ha una probabilità del 60% di fare un movimento verso l’alto alle 11:15, allora potresti utilizzare quest'informazione per aprire posizioni a scopo di profitto.

Questo è un semplice esempio di strategia di quant trading che utilizza un solo parametro di dati: la price action. La maggior parte dei trader quantitativi si avvale simultaneamente di più fonti diverse per costruire modelli estremamente più complessi con una maggiore probabilità di identificare opportunità di profitto.

Cosa significa essere un quant trader?

Un quant trader è in genere si distingue da un investitore tradizionale e adotta un diverso approccio al trading. Anziché affidarsi alla propria esperienza sui mercati finanziari, i trader quantitativi sono di fatto dei matematici.

La maggior parte delle aziende che assume quant trader si aspetta una laurea in matematica, in ingegneria o in financial modelling. La ricerca di candidati valuta anche l’esperienza nel data mining e nella creazione di sistemi automatizzati. Chi spera di provare il trading quantitativo per sé, deve essere esperto in tutti questi ambiti e avere una comprensione di concetti matematici come la curtosi, la probabilità condizionata e il valore a rischio (VaR).

Oltre a creare le proprie strategie, i quant trader spesso personalizzano una strategia esistente con un tasso di riuscita consolidato. Invece di utilizzare il modello per identificare manualmente le opportunità, tuttavia, un quant trader costruisce un programma che lo fa al suo posto.

Ciò richiede una notevole perizia nella programmazione informatica, nonché la capacità di lavorare con i feed di dati e le API (application programming interface). La maggior parte dei trader quantitativi ha familiarità con diversi linguaggi di codifica, tra cui C+++, Java e Python.

Trading ad alta frequenza

I quant trader sono spesso associati al trading ad alta frequenza, una tecnica che prevede l’utilizzo di programmi informatici per aprire e chiudere un gran numero di posizioni diverse in un breve periodo.

Per avere successo, le opportunità di trading ad alta frequenza devono essere identificate ed eseguite immediatamente. Nessun essere umano sarebbe in grado di farlo manualmente, quindi le aziende che si occupano di trading ad alta frequenza si affidano ai quant trader per creare strategie che lo facciano al posto loro.

Non tutti i trader quantitativi utilizzano il trading ad alta frequenza. Molti usano modelli in grado di identificare operazioni di maggiore rilevanza ma meno frequenti, nell’ambito di una strategia a lungo termine.

Sistemi di trading quantitativo

I trader quantitativi sviluppano sistemi allo scopo di identificare nuove opportunità e spesso anche per aprire posizioni. Anche se ogni sistema è unico, è costituito in genere dai medesimi componenti:

  1. Strategia
  2. Backtesting
  3. Esecuzione
  4. Gestione del rischio

Esaminiamoli più da vicino.

Strategia

Prima di creare un sistema, il trader quantitativo esegue delle ricerche sulla strategia che vuole seguire. Spesso, questa assume la forma di un’ipotesi. Ad esempio, il nostro precedente esempio adotta l’ipotesi secondo cui il FTSE tende a compiere certi movimenti in determinati momenti della giornata.

Con una strategia in atto, il compito successivo è quello di trasformarla in un modello matematico, quindi di perfezionarla per aumentare il rendimento e ridurre i rischi.

Questo è anche il punto in cui un quant trader decide la frequenza con cui il sistema opera. I sistemi ad alta frequenza aprono e chiudono molte posizioni ogni giorno, mentre quelli a bassa frequenza mirano a identificare le opportunità a lungo termine.

Backtesting

Il backtesting prevede l’applicazione della strategia ai dati storici, per avere un’idea di quali potrebbero essere le prestazioni sui mercati reali. Spesso i trader quantitativi utilizzano questa componente per ottimizzare ulteriormente il proprio sistema, nel tentativo di eliminare eventuali imperfezioni.

Il backtesting è una parte essenziale di qualsiasi sistema di trading automatizzato, ma il successo in questo caso non è garanzia di profitto quando il modello è reale. Sono diverse le ragioni per cui una strategia sottoposta integralmente al backtesting può comunque fallire, inclusi dati storici imprecisi o movimenti di mercato imprevedibili.

Un problema in comune con il backtesting è l’identificazione del volume di volatilità che un sistema registra mentre genera rendimento. Se a un trader interessa soltanto il rendimento annualizzato di una strategia, non ha certamente il quadro completo.

Esecuzione

Ogni sistema contiene una componente di esecuzione che varia, passando da completamente automatizzata a completamente manuale. Una strategia automatizzata utilizza in genere un’API per aprire e chiudere posizioni il più rapidamente possibile senza bisogno dell’intervento umano. Una strategia manuale può prevedere ad esempio che il trader chiami il proprio broker per effettuare operazioni.

I sistemi di trading ad alta frequenza, per natura, sono completamente automatizzati; un essere umano non sarebbe in grado di aprire e chiudere posizioni abbastanza rapidamente da riuscire a registrare dei profitti.

Una parte fondamentale dell’esecuzione consiste nel contenere i costi delle operazioni, che possono includere commissioni, tasse, slippage e spread. L’uso di sofisticati algoritmi consente di abbassare il costo di ogni operazione; dopo tutto, anche un piano di successo può venir compromesso se aprire e chiudere ogni posizione comporta un costo eccessivo.

Gestione del rischio

Qualsiasi forma di trading richiede una forma di gestione del rischio, e il trading quantitativo non è diverso. Con il termine rischio ci si riferisce a tutto ciò che potrebbe interferire con il successo della strategia.

L’allocazione del capitale è un importante ambito della gestione del rischio che riguarda le dimensioni di ogni operazione oppure, se il quant trader utilizza più sistemi, la porzione di capitale che va in ciascun modello. Si tratta di un’area complessa, specie quando si tratta di strategie che utilizzano la leva.

Una strategia completamente automatizzata deve essere immune al pregiudizio umano, ma solo se viene lasciata indisturbata dal suo autore. Per i singoli trader, lasciare che un sistema funzioni senza interferenze eccessive può essere una parte importante della gestione del rischio.

Vantaggi e svantaggi del trading quantitativo

Il più grande vantaggio del trading quantitativo è che consente di analizzare un numero estremamente vasto di mercati attraverso punti dati potenzialmente illimitati. Un trader tradizionale, quando valuta un mercato, di solito tiene conto soltanto di alcuni fattori e si attiene in genere agli ambiti che conosce meglio. I trader quantitativi possono usare la matematica per liberarsi da questi vincoli.

L’eliminazione dell’emozione dal processo di selezione ed esecuzione aiuta anche ad alleviare alcuni dei pregiudizi umani che spesso possono affliggere il trading. Anziché lasciare che sia l’emozione a stabilire se mantenere una posizione aperta o meno, i trader quantitativi possono affidarsi a un processo decisionale basato sui dati.

Tuttavia, il trading quantitativo comporta alcuni rischi significativi. Per prima cosa, modelli e sistemi valgono solo tanto quanto la persona che li crea. I mercati finanziari sono spesso imprevedibili e costantemente dinamici, e un sistema che restituisce un profitto un giorno può essere inefficace il giorno successivo.

Per questo motivo, il trading quantitativo richiede un alto grado di competenza matematica, di capacità di codifica e di esperienza con i mercati. Non è quindi certo una cosa per tutti.

Vuoi provare a utilizzare un sistema automatizzato ma non sei certo di essere pronto per il trading quantitativo? Scopri di più sul trading algoritmico.

Storia del trading quantitativo

Il padre dell’analisi quantitativa è Harry Markowitz, riconosciuto come uno dei primi investitori ad applicare modelli matematici ai mercati finanziari. La sua tesi di dottorato, da lui pubblicata sul Journal of Finance, ha applicato un valore numerico al concetto di diversificazione del portafoglio. Più avanti nella sua carriera, Markowitz ha aiutato Ed Thorp e Michael Goodkin, due gestori di fondi, a utilizzare per la prima volta i computer per l’arbitraggio.

Diversi sviluppi negli anni ’70 e ’80 hanno contribuito a far diventare l’analisi quantitativa più popolare. Il sistema DOT (designated order turnaround) ha permesso alla Borsa di New York (NYSE) di ricevere per la prima volta gli ordini in modo elettronico mentre i primi terminali Bloomberg hanno fornito ai trader dati di mercato in tempo reale.

Negli anni ’90, i sistemi algoritmici stavano diventando sempre più diffusi e i gestori di hedge fund hanno iniziato ad adottare metodologie quantitative. La bolla delle dotcom si è rivelata un punto di svolta nel momento in cui queste strategie si sono dimostrate meno suscettibili all’acquisto frenetico e al conseguente crollo delle azioni internet.

Quindi, l’incremento del trading ad alta frequenza ha introdotto più persone al concetto di trading quantitativo. Nel 2009, il 60% delle operazioni azionarie statunitensi è stato eseguito da investitori di trading ad alta frequenza, che si sono affidati a modelli matematici per supportare le proprie strategie.

Il volume e i ricavi del trading ad alta frequenza hanno subito un duro colpo dopo la grande recessione, ma i trader quantitativi hanno continuato a crescere in statura e rispetto. Gli analisti quantitativi sono molto ricercati dagli hedge fund e dalle istituzioni finanziarie, apprezzati per la loro capacità di aggiungere una nuova dimensione a una strategia tradizionale.

Strategie di trading quantitativo

I quant trader possono impiegare un’ampia gamma di strategie, da quelle più semplici ad altre incredibilmente complesse.

Ecco sei esempi comuni che potresti incontrare:

  1. Mean reversion
  2. Trend following
  3. Arbitraggio statistico
  4. Riconoscimento algoritmico degli schemi
  5. Riconoscimento del pregiudizio comportamentale
  6. Trading sugli EFT

Mean reversion

Molte strategie quantitative rientrano nell’ambito generale della ‘mean reversion’ o ritorno alla media. Si tratta di una teoria finanziaria che presuppone che i prezzi e i rendimenti abbiano una tendenza a lungo termine. Qualsiasi deviazione dovrebbe, alla fine, tornare a quella tendenza.

I trader quantitativi scrivono il codice che trova i mercati con una media di lungo periodo ed evidenziano quando si discosta. Se si discosta verso l’alto, il sistema calcola la probabilità di un trade short redditizio. Se diverge verso il basso, fa lo stesso per una posizione long.

La mean reversion non deve necessariamente essere applicata al prezzo di un mercato unico. Due asset correlati, ad esempio, possono avere uno spread con un trend a lungo termine.

Trend following

Un’altra categoria è quella del il trend following, conosciuto anche come momentum trading. Il trend following è una delle strategie più semplici, che si propone soltanto di identificare un movimento di mercato significativo nel momento in cui inizia e di sfruttarlo fino alla fine.

Ci sono molti metodi diversi per individuare una tendenza emergente tramite l’analisi quantitativa. Si potrebbe, ad esempio, monitorare il sentiment tra i trader delle principali aziende per costruire un modello che prevede quando è più probabile che gli investitori istituzionali acquistino o vendano azioni in gran quantità. In alternativa, si potrebbe trovare uno schema tra i volatility breakout e le nuove tendenze.

Arbitraggio statistico

L’arbitraggio statistico discende dalla teoria della mean reversion. Esso si fonda sul presupposto che un gruppo di azioni simili dovrebbe avere prestazioni simili sui mercati. Se i titoli di quel gruppo registrano prestazioni migliori o peggiori della media, essi rappresentano un’opportunità di profitto.

Una strategia di arbitraggio statistico trova un gruppo di azioni con caratteristiche simili. Le azioni delle società automobilistiche statunitensi, ad esempio, sono tutte negoziate sulla stessa borsa, nello stesso settore e sono soggette alle stesse condizioni di mercato. Il modello calcolerebbe quindi un ‘prezzo equo’ medio per ogni azione.

In questo modo, si venderebbero allo scoperto le aziende del gruppo che registrano prestazioni migliori di questo prezzo equo e si acquisterebbero quelle che hanno prestazioni peggiori. Quando le azioni tornano al prezzo medio, entrambe le posizioni vengono chiuse registrando un profitto.

L’arbitraggio statistico puro comporta un discreto livello di rischio: essenzialmente ignora i fattori che possono essere applicati a un singolo asset ma non influisce sul resto del gruppo. Ne possono conseguire deviazioni a lungo termine che non ritornano alla media per un periodo di tempo prolungato. Per annullare questo rischio, molti trader quantitativi utilizzano algoritmi di trading ad alta frequenza per sfruttare le inefficienze di mercato a brevissimo termine anziché ampie divergenze.

Riconoscimento algoritmico degli schemi

Questa strategia prevede la creazione di un modello in grado di individuare quando una grande azienda istituzionale sta per eseguire un’operazione consistente, per poter fare trading in contrapposizione. A volte viene anche definito come ‘front running’ ad alta tecnologia.

Al giorno d’oggi, quasi tutto il trading istituzionale avviene tramite algoritmi. Le aziende vogliono inoltrare ordini di volume consistente senza influenzare il prezzo di mercato degli asset che acquistano o vendono, quindi indirizzano i loro ordini a più borse (oltre che a broker, crossing network e dark pool diversi) in uno schema scaglionato destinato a mascherare le loro intenzioni.

Se si crea un modello capace di ‘decifrare il codice’, si può anticipare l’operazione. Quindi il riconoscimento algoritmico degli schemi tenta di riconoscere e isolare gli schemi di esecuzione personalizzati degli investitori istituzionali.

Per esempio, se il modello in uso segnala che una grande azienda sta tentando di acquistare una quantità significativa di azioni della Coca-Cola, si potrebbero acquistare le azioni prima di loro e quindi rivenderle a un prezzo più alto.

Come l’arbitraggio statistico, il riconoscimento algoritmico degli schemi è spesso utilizzato dalle imprese che hanno accesso a potenti sistemi di trading ad alta frequenza. Questi sono necessari per aprire e chiudere posizioni prima dell’investitore istituzionale.

Riconoscimento del pregiudizio comportamentale

Il riconoscimento del pregiudizio comportamentale è un tipo di strategia relativamente nuovo che sfrutta le peculiarità psicologiche degli investitori non professionali.

Queste ultime sono ben note e documentate. Ad esempio, il pregiudizio dell’avversione alla perdita porta gli investitori non professionali a chiudere le posizioni vincenti e ad aggiungere fondi a quelle in perdita. Perché? Perché il bisogno di evitare di subire una perdita, e quindi di accettare il rimpianto che ne deriva, è più forte dell’esigenza di lasciare che l’utile faccia il suo corso.

Questa strategia cerca di identificare i mercati che sono influenzati da questi pregiudizi comportamentali, spesso da una specifica classe di investitori. Si può quindi fare trading contro il comportamento irrazionale come fonte di rendimento.

Come molte strategie quantitative, il riconoscimento del pregiudizio comportamentale cerca di sfruttare l’inefficienza del mercato in cambio di rendimento. Ma a differenza della mean reversion, che funziona sulla base della teoria secondo cui alla fine le inefficienze si correggono da sole, la finanza comportamentale implica la previsione di quando potrebbero verificarsi e operare di conseguenza.

Trading sugli ETF

Questa strategia cerca di sfruttare la relazione tra un indice e gli ETF (exchange traded fund) che lo tracciano.

Quando un nuovo titolo viene aggiunto a un indice, gli ETF che rappresentano quell’indice devono spesso acquistare anche quel titolo. Se la società ABC Limited dovesse entrare a far parte del FTSE 100, ad esempio, svariati ETF che tracciano questo indice dovrebbero acquistare azioni ABC Limited.

Comprendendo le regole delle integrazioni e delle esclusioni all’indice e utilizzando sistemi di esecuzione ultraveloci, i fondi quantitativi possono sfruttare al meglio questa regola e fare trading prima dell’acquisto forzato. Ad esempio, acquistando azioni ABC Limited prima dei gestori degli ETF e rivendendole loro a un prezzo più alto.

Trading quantitativo non professionale

La maggior parte del trading quantitativo viene condotto da hedge fund e società d’investimento. Queste ultime assumono team di quant trader per analizzare set di dati, trovare nuove opportunità e creare quindi strategie ad esse relative. Tuttavia, si assiste anche al coinvolgimento di un numero crescente di singoli trader.

Le competenze necessarie per avviare il trading quantitativo da soli sono per lo più le stesse necessarie per un hedge fund. Serviranno conoscenze matematiche eccezionali per poter testare e creare i modelli statistici. Serve anche una grande esperienza di codifica per creare il sistema da zero.

Molti fornitori di intermediazione e di trading consentono oggi ai clienti di fare trading sia tramite API che con le piattaforme tradizionali. Questo ha permesso ai quant trader dilettanti di codificare i propri sistemi che vengono quindi eseguiti automaticamente.

Scopri di più sulle API di IG, che consentono di ottenere i dati di mercato in tempo reale, visualizzare i prezzi storici ed eseguire operazioni di trading. Puoi anche utilizzare il conto demo di IG per testare la tua strategia senza mettere a rischio alcun capitale.

Oppure, se sei interessato al trading automatizzato ma non sei sicuro del lato matematico o di codifica del trading quantitativo, puoi usare software come ProRealTime per iniziare con il trading algoritmico.

Riepilogo

  • Il trading quantitativo utilizza modelli statistici per identificare le opportunità
  • I trader quantitativi hanno in genere una formazione matematica, unita alla conoscenza informatica e di programmazione
  • Un sistema quantitativo si compone di quattro elementi: strategia, backtesting, esecuzione e gestione del rischio
  • Alcune strategie comuni includono la mean reversion, il trend following, l’arbitraggio statistico e il riconoscimento algoritmico degli schemi
  • Se la maggior parte dei trader quantitativi lavora per gli hedge fund e le imprese di investimento, esiste anche un certo numero di quant trader non professionali


Queste informazioni sono state preparate da IG Markets Limited e IG Europe GmbH (di seguito "IG"). Oltre alla liberatoria riportata di seguito, il materiale presente in questa pagina non contiene uno storico dei nostri prezzi di trading, né alcuna offerta o incentivo a operare nell’ambito di qualsiasi strumento finanziario. IG declina ogni responsabilità per l’uso che potrà essere fatto di tali commenti e per le conseguenze che ne potrebbero derivare. Non forniamo nessuna dichiarazione o garanzia in merito all’accuratezza o la completezza delle presenti informazioni, di conseguenza, chiunque agisca in base ad esse, lo fa interamente a proprio rischio e pericolo. Eventuali ricerche fornite non intendono rispondere alle esigenze o agli obiettivi di investimento di un soggetto in particolare e non sono state condotte in base ai requisiti legali previsti per una ricerca finanziaria indipendente e, pertanto, devono essere considerate come una comunicazione di ambito marketing. Anche se non siamo sottoposti ad alcuna limitazione specifica rispetto alla negoziazione sulla base delle nostre stesse raccomandazioni, non cerchiamo di trarne vantaggio prima che queste vengano fornite ai nostri clienti. Vi invitiamo a prendere visione della liberatoria completa sulle nostre ricerche non indipendenti e del riassunto trimestrale.

Esplora i mercati finanziari con i nostri corsi online gratuiti

Scopri come fare trading su una vasta selezione di mercati,o approfondire le tue conoscenze con i webinar, le lezioni interattive e i video di IG Academy.

Potrebbero interessarti anche…

La trasparenza è un nostro impegno: saprai sempre costi e commissioni applicati

Scopri perché siamo un broker leader nel trading online

I CFD sono una modalità operativa, più flessibile e vantaggiosa per fare trading

I CFD sono strumenti complessi che comportano un rischio di perdita elevato dovuto alla leva. 76% di conti al dettaglio perdono denaro nelle negoziazioni in CFD con questo fornitore. Vi preghiamo di verificare le vostre conoscenze in merito al funzionamento dei CFD e la vostra disponibilità ad utilizzare i CFD dato l’elevato rischio di perdita. Le opzioni e i certificati turbo sono strumenti complessi che potrebbero generare rapidamente delle perdite. Il vostro capitale è a rischio. I CFD sono strumenti complessi che comportano un rischio di perdita elevato dovuto alla leva.