Opzioni di Borsa in laboratorio – 38 – RQ e SLOPE in Excel (3^ parte)

rubrica: 

Il nostro viaggio tra gli oscillatori e le funzioni statistiche di Excel prosegue oggi con l’analisi di RQ e Slope contemporaneamente.
Ciò che vogliamo testare è quanto narra la letteratura al proposito: il nostro compito è quello di ficcare il naso e trarre le conclusioni.

Partiamo subito con gli enunciati in cui ho evidenziato i punti forti: 
“... it is helpful to consider r-squared in relation to Slope (see Linear Regression Slope). 

  • Slope gives you the general direction of the trend (positive or negative)
  • R-squared gives you the strength of the trend

A high r-squared value can be associated with a high positive or negative Slope.
Although it is useful to know the r-squared value, ideally, you should use r-squared in tandem with Slope. 

  • High r-squared values accompanied by a small Slope may not interest short term traders. 
  • However, high r-squared values accompanied by a large Slope value may be of huge interest to traders ...”. 

In pratica la letteratura dice che Slope (= pendenza della regressione lineare) è responsabile della direzione del trend mentre R-squared (= R quadrato della regressione lineare)  determina la forza del trend.
Dunque qui si parla di forza e direzione … speriamo che tutto corrisponda!
Togliamoci subito dalle nebbie delle definizioni accademiche e guardiamo coi nostri occhi i grafici: RQuadrato (blu) e Slope (rosso) entrambi a 14 periodi dell’ormai noto periodo preso in esame: gennaio/giugno 2012.

Forse si nota subito qualche coincidenza tra la blu e la rossa ma è anche vero il contrario, cioè che la blu è al top e la rossa striscia il bordo inferiore del grafico.
Ma andiamo avanti con gli enunciati:
“…A high r-squared value can be associated with a high positive or negative Slope. ...”
 
Pare che occorra prestare attenzione alla combinazione delle condizioni:

  • Alti valori della rossa (r-squared)
  • Valori molto positivi o molto negativi della blu (slope)

 
Prima di partire con l’investigazione, proviamo a commentare ad alta voce:

  • Alti valori della rossa (RQ) significa che il famoso fitting (cioè l’indice di bontà) è orientato  al valore 1 che <come ormai sappiamo> significa che l’adattamento della Regressione Lineare alla serie storica è teoricamente perfetto. Ricordo ancora che RQ=0 è una pessima adattabilità, RQ=1 è la risposta migliore possibile
  • Valori molto alti o molto bassi della blu (cioè: valori estremi di Slope) significa una pendenza molto forte. Volendo fare un esempio semplice: se scendo con gli sci da una pista nera posso star sicuro che il trend in corso è molto pronunciato e mi fermerò solo quando sarò sceso a valle, al contrario se arranco sotto i portici che da Bologna salgono al colle di San Luca, allora sono consapevole che il fiatone mi resterà fino alla vetta. 

L’ipotesi dell’autore a stelle e strisce sembra piuttosto sensata, si tratta solo di vederla in pratica.
Bene: accettiamo la sfida partendo con le 2211 osservazioni dal gennaio 2004 all’agosto 2012.
Teniamo fisso a 14 il dominio per entrambe le funzioni =RQ e =PENDENZA.
Vediamo subito cosa accade in questo copia-incolla.

Naturalmente per le due funzioni abbiamo rispettato i colori rosso e blu del grafico Metastock.
Quello che vediamo in alto (Min e Max) è il range di RQ e SLOPE per tutte le 2211 osservazioni e abbiamo subito la conferma matematica: RQ è sempre maggiore di zero e non può andare in negativo.
L’oscillazione è tra 0,000010 (abbiamo dovuto usare 6 decimali per poterci orientare).
Il range di Slope oscilla tra valori ampiamente negativi (-477,1670) e valori positivi (258,5341) e come ormai sappiamo questi valori corrispondono al coefficiente angolare dell’equazione della retta di regressione (potete seguire l’excel del foglio RQ-SLOPE).
A questo punto, non potendo di certo seguire tutte le combinazioni RQ/SLOPE di tutte le 2211 sedute di Borsa, dobbiamo eseguire un primo stralcio: in pratica utilizziamo la funzione “Dati – Ordina” di Excel chiedendo che l’ordinamento avvenga in modalità descending in modo da ottenere in testa i valori con lo Slope più alto: cioè stiamo osservando le maggiori ‘salite’ dell’angolo di regressione (potete seguire il foglio Excel: SLOPE-descending).
Vediamo l’immagine dei primi risultati:

Per ridurre il test a un campione umanamente gestibile, riduciamo a 100 le prime osservazioni tramite l’eliminazione della coda meno significativa delle 2111 prove successive (Foglio Excel: SLOPE-descending-100).
Per completare il lavoro, partendo dallo stralcio dei 100 risultati più significativi, ordiniamo il foglio per ‘data’ in modo da poter seguire l’evoluzione degli eventi storicamente più significativi: (Foglio Excel: SLOPE-descending-100-data).
Annotiamo questi eventi tramite un numero progressivo accorpando quelli di giornate successive (o vicine) fino a ottenere lo stralcio più sotto.
 
Nota.
L’esempio può chiarire: il 7, 8 e 9 aprile 2004 l’evento viene considerato come unico.

Un’ulteriore sintesi dei risultati ottenuti ci porta a questa tabella riassuntiva dei Massimi Valori di Slope nel periodo considerato: 2004 / 2012.
Come possiamo vedere, a fronte di un 2005 senza eventi, il 2009 è l’anno più ricco di evoluzioni dello Slope.

I primi risultati di questa tabella sono purtroppo un po’ deludenti poiché la distribuzione degli eventi non è regolare: in altre parole i risultati non sono spalmati nel tempo come si vorrebbe, una delusione per il trader di Borsa che non può e non deve rinunciare al sostegno dell’analisi tecnica.
Non ci resta che monitorare uno per uno i 23 eventi del periodo in esame ma anche in questo caso si potrebbe notare che le date evidenziate non corrispondono ad alcun punto di svolta significativo del mercato.
 
Un esempio è la prima data della tabella: 7 aprile 2004.

La prima barra blu a sinistra si riferisce al 7 aprile: fino a quella data il mercato si è mosso in trading range tra 25500 e 27500. Purtroppo, nonostante l’indicazione di Slope, così è rimasto fino alla fine di settembre di quel lontano 2004.
Questo esempio vale come monito: Slope è un’ottima componente (combinata a RQ) ma solo in termini di “costituzione” della Regressione Lineare.
Purtroppo, nonostante le indicazioni della letteratura, né Slope né RQ ci risultano performanti in termini di trading.
 
A questo punto non ci resta che aggiungere un tassello alla nostra tabella nella zona blu della regressione lineare:

RQ e Slope ‘non sono consigliabili per il trading’ credo sia il giusto commento per questi Indici che restano comunque particolarmente interessanti nel contesto dell’argomento globale della Regressione Lineare.
 
Vi aspetto per la discussione sull’Indicatore Time Series Forecast (TSF) che proviene dall’analisi della regression lineare e che <come capiremo> della regressione lineare è sicuramente il miglior ‘derivato’ in assoluto.
 
Sempre su questo sito: www.francescocaranti.net.
 
Vi attendo.
 
Francesco Caranti