Fat tails

Code di distribuzione più pesanti del normale, con eventi estremi più frequenti.

In questa pagina

A chi serve — Serve a chi vuole evitare sottostima del rischio nei modelli basati su ipotesi troppo "normali". È centrale per trader che lavorano su leve, strumenti volatili o eventi macro ad alto impatto.

In parole semplici — e fat tails indicano che eventi molto rari ma violenti accadono più spesso di quanto ci si aspetterebbe con una curva normale.

Prerequisiti — Completa prima Percorso argento (min.: Setup, Expectancy, Win rate, Sample size). Base: Percorso bronzo.

Distribuzione Normale Fat Tails (Code Grasse) Rischio Cigno Nero Extra Rendimenti Probabilità REALE > Normale Probabilità REALE > Normale Fat Tails (Code Grasse)
Schema grafico per il concetto di Fat tails.

Perché le code pesanti contano

Quando le code sono pesanti, la frequenza di movimenti estremi aumenta. Questo rende fragili strategie ottimizzate su periodi tranquilli o su ipotesi gaussiane rigide. La stima di rischio deve quindi includere margini di sicurezza maggiori e controlli dinamici. Il tema e collegato a Distribuzione rendimenti e alla lettura di Skew.

Esempio - Un sistema su indici con leva appare stabile per mesi; poi un evento improvviso genera uno spike che produce in un giorno la perdita di molte settimane. La presenza di fat tails era stata ignorata.

Adattare il piano quando emergono fat tails

In presenza di code pesanti conviene ridurre leva, concentrazione e frequenza aggressiva. Sono utili stress test su scenari estremi, non solo su oscillazioni medie. Il rischio giornaliero va calibrato pensando anche a gap e slippage fuori scala. Nel portfolio questi eventi si sommano e impattano direttamente Rischio aggregato.

Scheda

  • Cos'è: probabilità elevata di eventi estremi rispetto a una normale.
  • Come usarla: costruire limiti robusti e piani di emergenza.
  • Errore tipico: basarsi solo su medie storiche recenti e lineari.

Percorso Oro — Modulo: Edge e vantaggio statistico. Parte di Percorso oro.

Collegamenti

Modulo: Modulo 1 — Edge e vantaggio statistico

Capire da dove arriva davvero il vantaggio.