Miglioriamo insieme il mondo del risparmio gestito

Questo Blog ha lo scopo di alimentare un dibattito che ci auguriamo posso accrescere anche la nostra e la vostra cultura finanziaria, per colmare il gap che ci differenzia dal mondo anglosassone e per poi far prevalere la nostra creatività e genialità tipiche del popolo Italiano

Finestre Mobili per l'analisi dei mercati finanziari

Finestre Mobili per l'analisi dei mercati finanziari

Le Rolling Windows, tradotte in italiano finestre mobili, sono delle tecniche statistiche di analisi non molto amate dagli accademici statistici ma molto utili ed usate dai cosiddetti "practitioners", ovvero i quantitativi come noi che usano metodologie matematiche o statistiche applicate alla finanza.

Sostanzialmente si tratta di periodi temporali di analisi di una serie storica, sia essa una serie storica di prezzi, di rendimenti o di risultanti di un indicatore statistico come la correlazione.

 

Ci tenevo ad introdurre bene questa metodologia prima di parlare, nei post delle prossime settimane, di fenomeni di mercato che vengono analizzati diffusamente anche con queste metodologie.

Come funzionano quindi le Rolling Windows? praticamente immaginate una serie storica di dati settimanali, se io prendo in analisi 52 periodi, ovvero un anno, avrò un punto di partenza ed un punto di arrivo, da cui posso ricavare il rendimento, avrò 52 rendimenti settimanali su cui calcolare la deviazione standard (Oggi parliamo di Deviazione Standard da un punto di vista "non standard"), potrò calcolare il DIAMAN Ratio (leggi il post Introduzione al DIAMAN Ratio, l'ulcer index (leggi il post Ulcer Index - questo sconosciuto) e così via.

Se sposto l'analisi in avanti di una settimana avrò un nuovo punto di partenza diverso dal primo e un nuovo punto di arrivo, quindi una nuova performance, un nuova volatilità e via dicendo.

Avrete già intuito quindi che replicando quest'analisi N volte avrò tutti i casi possibili di un investitore che abbia investito per un solo anno in questo strumento finanziario analizzato, e quindi posso facilmente capire quale sarebbe stato il peggior risultato possibile o il migliore, il medio eccetera.

Mi è capitato di parlare di questa tecnica con un professore universitario di statistica che mi ha fatto osservare che una finestra rispetto alla precedente ha solo un dato differente e quindi le informazioni statistiche contenute sono poche, e questo forse è il difetto di questo strumento che in realtà è invece molto utile per capire bene le caratteristiche deterministiche di una serie storica finanziaria.

Per capirci, se prendo la media e la varianza dell'indice azionario S&P 500, non posso ricavarne quanti anni sono stati positivi e quanti negativi, mentre con le rolling windows ho un'idea molto più precisa.

b2ap3_thumbnail_rollingwindows2.png

 

Da questa tabella, si può facilmente capire che negli ultimi 50 anni l'indice azionario S&P 500 ha avuto circa il 75% di periodi a tre anni positivi; si evince anche che la cosiddetta regola del lascia i soldi investiti 5 anni che guadagnerai sempre (in realtà veniva "venduta" negli anni 2000 dopo oltre venti anni di mercati azionari sempre al rialzo) non è valida, anzi il vantaggio derivante da lasciare cinque anni i soldi investiti rispetto ai tre anni è quasi nullo (ovviamente è molto più importante il momento in cui si investe).

Le rolling windows sono interessanti anche per calcolare la correlazione rolling tra strumenti finanziari (leggi il post Benedetta correlazione. Malefica correlazione) poiché ci si rende conto che la correlazione cambia drasticamente con il cambiare delle condizioni dei mercati e quindi prenderne un valore medio ha veramente poco senso.

Nelle prossime settimane proveremo ad analizzare alcuni esempi pratici di utilizzo delle rolling windows per l'analisi delle serie storiche e dei back test che vengono generati dai modelli matematici.

Buon week e per chi non lo avesse ancora fatto, vi invito a registrarvi a questo blog lasciando nome e indirizzo mail così resterete sempre aggiornati si quello che facciamo

DB

Perchè i mercati sono controintuitivi
la falsa illusione che i rendimenti nel tempo conv...

Forse potrebbero interessarti anche questi articoli

Commenti 3

 
Ospite - Marco Carola il Sabato, 26 Aprile 2014 12:32

Buongiorno,
da "practitioner" ho utilizzato le rolling windows per smorzare l'incidenza della scelta della finestra temporale per ottenere previsioni di distribuzioni di probabilità della volatilità (densitity forecasting)
Cosa ne pensa dott. Bernardi?
Marco Carola

Buongiorno, da "practitioner" ho utilizzato le rolling windows per smorzare l'incidenza della scelta della finestra temporale per ottenere previsioni di distribuzioni di probabilità della volatilità (densitity forecasting) Cosa ne pensa dott. Bernardi? Marco Carola
Ospite - Marco Carola il Sabato, 26 Aprile 2014 12:40

Mi spiego meglio.
Applicando il metodo rolling windows a previsioni di tipo density (mediante metodo del bootstrapping) ho verificato empiricamente la maggiore robustezza delle stime dei parametri della distribuzione di probabilità.

Mi spiego meglio. Applicando il metodo rolling windows a previsioni di tipo density (mediante metodo del bootstrapping) ho verificato empiricamente la maggiore robustezza delle stime dei parametri della distribuzione di probabilità.
Daniele Bernardi il Domenica, 27 Aprile 2014 12:15

Gentile Marco,
grazie di aver postato un commento sul nostro blog.
E' proprio cos', anche noi abbiamo utilizzato le rolling windows per la stima delle probabilità condizionate che usiamo nelle previsioni ex-ante (da cui il nome del nostro software) e abbiamo riscontrato una attendibilità delle stime sorprendente; a breve usciremo con i dati ex-post delle nostre stime ex-ante.
DB

Gentile Marco, grazie di aver postato un commento sul nostro blog. E' proprio cos', anche noi abbiamo utilizzato le rolling windows per la stima delle probabilità condizionate che usiamo nelle previsioni ex-ante (da cui il nome del nostro software) e abbiamo riscontrato una attendibilità delle stime sorprendente; a breve usciremo con i dati ex-post delle nostre stime ex-ante. DB
Già registrato? Login qui
Ospite
Domenica, 26 Maggio 2019

Immagine Captcha