Come associare l’analisi macroeconomica con lo sviluppo di una strategia di trading automatico sul Gold?
Per creare una nuova possibile strategia è importante scegliere un sottostante o mercato che si conosce molto bene e di cui siano disponibili i dati storici, utili da usare in fase di backtesting, per capire se il trading system è funzionante e risponde alle nostre caratteristiche ricercate.
Il tutto parte dall’individuazione di pattern o bias ricorrenti, che vengono studiati e scoperti analizzando il movimento del prezzo del sottostante negli anni, quindi attraverso un’analisi visiva.
Vanno considerati ovviamente, oltre alla price action, anche l’analisi macro e fondamentale; quindi nel nostro caso, analizzando il Gold dovremmo considerare il movimento dei tassi d’interesse reale, il livello d’inflazione e il regime economico a cui fare riferimento nel periodo storico preso in esame.
La strategia operativa sul Gold
Lo studio che abbiamo applicato al future del Gold (GC) prevede l’individuazione di un cosiddetto bias ricorrente; un bias è un movimento che si ripresenta spesso su un sottostante, in certe condizioni di mercato, sicuramente più complicato da individuare rispetto ad un pattern, ma probabilmente molto più efficiente di un pattern grafico.
Differente è quindi il pattern, che invece sono formazioni grafiche, solitamente più facilmente riconoscibili, che si formano in quasi tutti i mercati applicando l’analisi tecnica e prevedono delle regole di entrata ed uscita prestabilite.
Il bias che abbiamo individuato sul Gold ci ha permesso lo studio di una strategia operativa che prevede un’entrata a mercato all’apertura del mercoledì e una chiusura automatica della posizione il lunedì successivo, al primo minuto di avvio dei mercati.
Effettuando un analisi con Pinescript, abbiamo quindi scelto una finestra temporale di 21 anni, dal 2000, simulando un capitale di 20.000 euro di partenza.
Di seguito il codice della strategia:
//@version=5
strategy("Time Bias GOLD", overlay=false, initial_capital=20000)
giornoDellaSettimana = dayofweek(time)
dateStart = input.time(title='Date start backtest', defval=timestamp('01 Jan 2000 00:00 0000'))
longCondition = giornoDellaSettimana == 2 and time > dateStart
if (longCondition)
strategy.entry("Long", strategy.long)
strategy.close("Long", when=(giornoDellaSettimana == 5))
L’equity line ci restituisce i dati che utilizzeremo per analizzare la strategia e capire se è possibile applicarla al nostro portafoglio di trading system.
Ancora prima di guardare al rendimento netto dell’intero periodo considerato, che potrebbe sembrare il dato più importante (ma che non lo è affatto) notiamo come la percentuale di profitto sia superiore al 50% (precisamente del 56%); questo significa che sono maggiori le volte in cui i trade si chiudono positivamente rispetto a quelli che vanno in stop loss.
Il ritorno medio di un’operazione è del 1.63%, piuttosto positivo nel lungo termine, considerando appunto anche, come detto in precedenza, la % di profitto.
Il drawdown massimo è stato del 33,48%, sicuramente migliorabile.
Dall’immagine dell’equity line si nota come siano state effettuate nel periodo 1324 operazioni, che con un timeframe daily rappresentano 4 barre settimanali medie (mercoledì, giovedì, venerdì e il lunedì successivo).
Infine osserviamo il rendimento netto, che nell’arco dei 21 anni analizzati è stato del 1771%, con un guadagno di 177.162,34 euro.
Quello che abbiamo mostrato qui non è una strategia completa perché non vengono indicati parametri di stop loss e take profit, come non sono indicati il profilo di rischio, tutti parametri a discrezione del trader.
Ma abbiamo voluto portare un esempio di riconoscimento di un bias e il suo utilizzo per lo sviluppo di un possibile trading system.
Rimani sempre aggiornato/a con il blog della Quant Trader Academy e seguici su Instagram.
