Trading con le bande di Bollinger sui Futures

Una spiegazione di come utilizzare le bande di Bollinger sui futures nel trading automatico

7' di lettura

Al fine di aumentare la diversificazione di portafoglio in questo articolo andremo a valutare l’utilizzo di un altro indicatore molto famoso nel panorama del trading: le bande di Bollinger.

Ricevi una notifica con le ultime notizie, i nostri articoli e altro ancora!

Questo indicatore prende il nome direttamente dal suo inventore John Bollinger, che analizzò il comportamento dei prezzi all’allontanarsi o all’avvicinarsi dalla propria media mobile. Bollinger pensò bene di inserire due bande, calcolate come la deviazione standard della media semplice dei prezzi.

John Bollinger, con le sue famose bande, ha cercato di trovare un modo per racchiudere e contenere i prezzi all’interno di fasce di prezzo ben definite.

Le due bande, superiore e inferiore, possono diventare il “trigger” di ingresso di una strategia: un’uscita dei prezzi dalle bande identifica un’esplosione di volatilità tale per cui i prezzi dovrebbero continuare la loro corsa nella direzione presa, oppure invertire la rotta prestabilita ed effettuare un’inversione, qualora ad un’uscita dalle bande segua un rientro repentino all’interno delle stesse.

Le Bande di Bollinger sono formate da 3 elementi e sono calcolate tramite le seguenti funzioni matematiche:

  • UpperBand = prezzo medio degli ultimi N periodi più due deviazioni standard;
  • MedianPrice = prezzo medio degli ultimi N periodi;
  • LowerBand = prezzo medio degli ultimi N periodi meno due deviazioni standard.

In figura 1 vediamo un’immagine dell’indicatore appena illustrato.

Figura 1: Indicatore Bande di Bollinger.

La strategia che andremo ad adottare è un sistema automatico con logiche “mean-reverting”, ovvero si andranno a sfruttare le bande di Bollinger come punto di svolta del mercato. Al raggiungimento dei prezzi sulla banda superiore andremo a vendere, mentre sulla banda inferiore andremo a comprare.

Vuoi un aiuto per migliorare il tuo approccio al trading? Clicca qui

Essendo una strategia “mean-reverting”, sarà molto utile fin da subito utilizzare uno stoploss che possa in qualche modo proteggere il nostro capitale da trade (operazioni) con perdite molto elevate.

Introducendo uno stoploss, calcolato a 3 volte la volatilità media delle ultime 5 barre, per uniformare i risultati, si andrà poi a testare questa strategia su un paniere di Future per vedere come si sarebbero comportati usando questo motore, negli anni che vanno dal 2010 al 2022.

Si utilizzerà un time frame a 30M (minuti) e i mercati su cui andremo ad eseguire il test sono i seguenti:

  • Crude Oil (CL)
  • S&P500 (ES)
  • DAX (FDAX)
  • Gold (GC)
  • Live Cattle (LC)
  • Soybeans (S)
  • US Treasury Note 30 Yrs (US)
  • Wheat (W)
  • British Pound (BP)
  • Bund (FGBL)
  • Copper (HG)
  • Heating Oil (HO)
  • Natural Gas (NG)
  • RBOB Gasoline (RB)
  • EuroFX (EC)
  • Feeder Cattle (FC)
  • Coffee (KC)

Nelle figure 2, 3 e 4 apprezziamo le metriche ottenute dalla strategia reversal sulle bande di Bollinger: i risultati sono incoraggianti.

L’equity line è crescente, e questo è sicuramente un buon punto di partenza.

Figura 2: Equity line di portafoglio strategia Reversal BB.

Inoltre sembra esserci una certa costanza negli anni, indice della bontà delle indicazioni fornite dall’indicatore.

Vuoi un aiuto per migliorare il tuo approccio al trading? Clicca qui

Guardando i risultati per singolo mercato, si nota che soltanto 5 mercati su 17 subiscono delle perdite. Andando avanti con l’analisi, vediamo che certi mercati sembrano essere più predisposti di altri a questo tipo di logica: Dax (FDAX), Gold (GC) e EuroFX (EC).

Figura 3. Overview per singolo mercato.

Attenzione all’average trade complessivo che raggiunge solamente i 10$. Chiaramente non sono sufficienti a rendere il sistema utilizzabile per il live trading (in reale), perché sarebbero completamente erosi dai costi commissionali e dallo slippage. Il valore è così basso perché la strategia produce tantissimi trade. Il vantaggio è che c’è ancora spazio per inserire ulteriori filtri sugli ingressi.

Figura 4. Average trade del portafoglio.

Certo è che questi risultati potrebbero anche essere frutto di un caso isolato. Quando si vanno ad ottimizzare degli indicatori è sempre bene utilizzare time frame superiori ai 30M (per evitare il “rumore” di mercato che su barre troppo veloci sarebbe eccessivo) e non spingersi troppo in là con le ottimizzazioni dei vari input.

Proviamo dunque a migliorare l’average trade della strategia, senza intervenire sull’indicatore. Vediamo se isolando i trade alle sole giornate in cui un particolare pattern di prezzo è occorso, si riesce a migliorare l’average trade, al momento nota dolente del sistema. Per fare questo utilizzeremo una lista proprietaria di pattern (serie predefinita di filtri) che racchiude diverse casistiche per valutare quale specifica situazione risulti migliore per il portafoglio.

A rigor di logica una strategia mean reverting funziona dopo che il mercato ha visto delle giornate molto estese in una direzione o in un’altra. Proviamo dunque ad inserire un filtro al nostro sistema per cui si entra a mercato solo se questa determinata condizione è rispettata. Per selezionare la condizione si lancia un’ottimizzazione che determinerà quale pattern ottenga risultati migliori degli altri.

Dai risultati visibili in figura 5, il pattern 47 sembra essere il migliore (in termini di profitto). Esso rappresenta una situazione in cui il range (distanza che intercorre tra massimo e minimo) della giornata precedente è superiore a quello della media dei due giorni precedenti. In questa maniera aspetteremo un incremento della volatilità/direzionalità del sottostante nelle giornate antecedenti, per entrare reversal, sperando che mercato inverta la sua rotta.

Questo pattern aggiunge sicuramente valore e qualità alla strategia. Il profitto totale aumenta da 480.000$ a 685.000$, con una discreta riduzione del DrawDown. Si passa dalle circa 49.000 operazioni con il filtro non attivo (valore 0) alle circa 41.000 operazioni con il filtro di pattern attivo. Insomma, vengono tagliati il 15% dei trade iniziali e l’average trade conseguentemente si alza fino a 16$.

Non è possibile dunque cantar vittoria, perché il valore del trade medio è ancora troppo basso per il live trading, ma questa strategia può rappresentare un buon punto di partenza per ulteriori sviluppi.

Figura 5. Ottimizzazione pattern.

In conclusione, si può dire certamente che su un portafoglio così variegato e diversificato sarebbe difficile ottenere un average trade molto alto. Sarebbe un po’ come chiedere troppo alla nostra strategia, che difficilmente potrebbe funzionare così com’è su tutti i mercati. Tuttavia le bande di Bollinger, con l’aiuto di qualche filtro aggiuntivo, hanno dimostrato di poter essere un’ottima freccia nell’arco di ogni trader sistematico.

Ai posteri l’ardua sentenza. Quel che si è visto spero abbia fornito spunti interessanti. La mia raccomandazione è di essere sempre curiosi di scoprire se dietro risultati all’apparenza molto positivi si celino invece delle insidie.

Vuoi un aiuto per migliorare il tuo approccio al trading? Clicca qui

Alla prossima!

Buon trading, Andrea Unger