A chi serve — A chi vuole distinguere l'informazione prodotta da un modello dalla posizione da assumere e dall'ordine che arriverà al mercato.
Un segnale di trading sistematico è l'output di una regola o di un modello che sintetizza informazioni disponibili in un dato istante per supportare una decisione. Può esprimere direzione, ranking, probabilità, rendimento atteso, rischio o stato. Non è ancora una posizione e non è un ordine.
La distinzione è essenziale. Un segnale positivo può tradursi in posizione nulla perché un limite è attivo; più segnali possono essere combinati prima del sizing; una posizione desiderata può generare soltanto l'ordine necessario a colmare la differenza rispetto a quella già detenuta. Confondere questi livelli rende opachi il backtest e l'attribuzione degli errori.
Sei oggetti da non confondere
| Oggetto | Significato | Esempio di unità |
|---|---|---|
| Feature | informazione trasformata e disponibile al tempo della decisione | rendimento, spread, sorpresa standardizzata |
| Forecast | stima di una quantità futura o condizionale | rendimento atteso, volatilità, probabilità |
| Signal / score | sintesi usata dalla regola decisionale | segno, percentile, score continuo |
| Target position | esposizione desiderata dopo vincoli e sizing | euro, contratti, peso, delta |
| Order | istruzione per cambiare dalla posizione attuale a quella obiettivo | quantità, tipo, limite, validità |
| Fill | esecuzione effettiva comunicata dalla venue o dal broker | quantità, prezzo, timestamp, commissione |
La relazione non deve essere uno-a-uno. Un forecast continuo può essere trasformato in segnale solo oltre una banda; il portfolio optimizer può attenuare segnali correlati; un ordine può produrre più fill o nessuno. Conservare gli stati intermedi permette di capire se una deviazione del P&L nasce dal modello, dal sizing o dall'esecuzione.
Tipi di segnale
- Binario o categoriale: long/flat/short oppure stati discreti. È semplice da interpretare, ma la soglia può scartare informazione e va validata.
- Continuo: misura intensità o convinzione su una scala. Richiede una regola di normalizzazione e un mapping verso il rischio.
- Ranking: ordina gli strumenti nello stesso istante. Il risultato dipende dall'universo disponibile e dal trattamento dei missing.
- Probabilistico: stima una probabilità condizionale. La discriminazione non basta: calibrazione, base rate e funzione di costo influenzano la decisione.
- Forecast di rendimento o rischio: conserva unità economiche, ma deve dichiarare orizzonte, valuta e distribuzione di riferimento.
- Segnale di stato: abilita, limita o disabilita un'altra regola; per esempio qualità dei dati, regime o rischio operativo.
Un segnale può descrivere alpha oppure rischio. Ridurre esposizione quando la volatilità stimata sale è una decisione sistematica, ma non equivale a prevedere il segno del rendimento.
Timestamp e disponibilità
Per ogni valore del segnale servono almeno:
- il periodo economico o di mercato cui si riferiscono gli input;
- il momento in cui ogni input diventa realmente disponibile;
- il momento in cui preprocessing e modello possono terminare;
- l'istante di pubblicazione del segnale;
- l'orizzonte cui il segnale si riferisce e la sua scadenza.
Un fondamentale relativo a marzo ma pubblicato a maggio non può entrare in un segnale di aprile. Una normalizzazione stimata su tutto il dataset trasferisce informazione dal futuro anche se ogni singola feature sembra laggata. Un ranking costruito sugli attuali componenti di un indice può escludere in anticipo i titoli usciti. Per questo il segnale eredita il contratto dei dati point-in-time.
Dal segnale alla posizione
Un mapping esplicito risponde a quattro domande:
- come si convertono scala e segno in esposizione desiderata;
- come si combinano segnali sullo stesso strumento;
- come si gestiscono correlazione, concentrazione, leva e liquidità;
- quale inerzia o banda evita un turnover economicamente inutile.
Per un semplice score sᵢ,t, una scrittura illustrativa può essere:
peso grezzoᵢ,t = f(sᵢ,t); peso obiettivo = vincoli(normalizzazione(peso grezzo))La funzione f e l'operatore di vincolo sono parte della strategia,
non dettagli neutri. Clipping, ranking, volatility scaling e neutralizzazione
possono dominare il profilo di rischio. La posizione obiettivo deve inoltre
essere confrontata con la posizione corrente: l'ordine riguarda la differenza,
eventualmente arrotondata e limitata dalla capacità.
Stato, missing e revisioni
Un segnale non dovrebbe assumere implicitamente che tutti gli input esistano.
La specifica distingue almeno valid, stale,
missing, invalid e suppressed. Riempire un
missing con zero può significare “nessuna previsione”, “previsione neutrale” o
“dato realmente pari a zero”: sono interpretazioni diverse.
Se un modello viene ricalibrato, la versione del segnale cambia. Correggere a posteriori un dato storico può essere utile per analisi, ma non deve riscrivere silenziosamente ciò che il sistema vide in produzione. Per audit e attribuzione sono utili sia la serie “as observed” sia quella corretta.
Esempio illustrativo
Supponiamo che uno score cross-sectional vari tra 0 e 100. La strategia forma posizioni soltanto per le code del ranking, riduce i pesi per un vincolo di settore e non negozia se il dato è stale. Uno strumento passa da score 52 a 91, ma il limite di concentrazione impedisce di aumentare la posizione: il segnale è forte, il target resta invariato e non nasce alcun ordine.
L'esempio mostra perché “il segnale ha detto compra” è una descrizione incompleta. Non suggerisce percentili, soglie o regole universali.
Come valutarlo
| Livello | Verifica |
|---|---|
| Informativo | relazione con l'oggetto previsto, incertezza e stabilità fuori campione |
| Economico | valore incrementale rispetto a baseline e costi |
| Portafoglio | contributo dopo combinazione, vincoli ed esposizioni comuni |
| Operativo | latenza, copertura, stale rate, revisioni ed errori |
| Governance | versione, owner, limiti d'uso e procedura di disattivazione |
Accuracy o correlazione non bastano da sole. Una previsione rara ma economicamente importante, una probabilità non calibrata o un segnale con turnover elevato richiedono metriche coerenti con la decisione. La valutazione deve rispettare ordine temporale, test multipli e costi.
Fonti
- U.S. Securities and Exchange Commission, Staff Report on Algorithmic Trading in U.S. Capital Markets — distinzione tra funzioni decisionali ed esecutive degli algoritmi e relativi rischi.
- Joseph Simonian, CFA Institute Research Foundation, Investment Model Validation: A Guide for Practitioners — validazione, benchmark, monitoraggio e documentazione dei modelli d'investimento.
- Tilmann Gneiting e Adrian E. Raftery, Strictly Proper Scoring Rules, Prediction, and Estimation — principi per valutare previsioni probabilistiche senza separarle dalla quantità prevista.
- Narasimhan Jegadeesh e Sheridan Titman, Returns to Buying Winners and Selling Losers — esempio accademico di costruzione di un segnale di ranking cross-sectional in un disegno specifico.