Sono moltissime le applicazioni possibili nel trading delle Bande di Bollinger per fare le proprie previsioni su Bitcoin (BTC).
Questo indicatore prende il nome direttamente dal suo inventore John Bollinger, che analizzò il comportamento dei prezzi di allontanarsi o all’avvicinarsi dalla propria media mobile.
Per fare ciò Bollinger pensò bene di inserire due bande, calcolate come la deviazione standard della media semplice dei prezzi, cercando di trovare un modo per racchiudere e contenere i prezzi all’interno di fasce ben definite.
Summary
Come funzionano le Bande di Bollinger
Le due bande, superiore e inferiore, possono diventare il “trigger” di ingresso di una strategia di trading: 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 seguisse un rientro repentino all’interno delle stesse.
È risaputo il fatto che Bitcoin, ovvero la prima criptovaluta per capitalizzazione di mercato, tende a stare in trend per diverso tempo prima di invertire la sua rotta. Sulla base di questo costrutto si andranno ad utilizzare le bande di Bollinger in modalità “trend-following”. Si attenderà dunque un’uscita dei prezzi fuori dalla banda superiore per piazzare ordini long, e un’uscita dalla banda inferiore per entrare short.
Quando si opera con un indicatore anche il time frame che si andrà a scegliere sarà di estrema importanza. Urge, quindi, un confronto tra i vari timeframe più comunemente utilizzati, effettuando un’ottimizzazione che identifica i risultati migliori.
Come usare le Bande di Bollinger per fare previsioni su Bitcoin
Impostando come finestra per il backtest gli anni che vanno dall’agosto 2017 fino ad oggi, ovvero i dati che Binance fornisce per Bitcoin spot, i risultati che si ottengono sono molto diversi fra loro. La size fissa utilizzata è pari a 10.000$ per trade.
I timeframe scelti vanno da 15 minuti fino al giornaliero.
In figura 2 si nota come all’aumentare del timeframe, i segnali forniti dalle bande di Bollinger siano più efficaci. Infatti, i casi migliori si ottengono con timeframe a 480 minuti (4 ore) e 1440 minuti (barre giornaliere).
In ordine decrescente: 15 minuti, 30 minuti, 60 minuti, 480 minuti, 1440 minuti.
Il timeframe a 15 minuti, ovvero il primo della lista, perde in maniera sistematica, indice del fatto che forse più è veloce il timeframe e forse più sarebbe il caso di operare con una strategia mean reverting, opposta a quella trend following. Discorso diverso per i timeframe da 60 minuti a 1440 minuti (ovvero gli ultimi 3 della lista in figura 2) dove si notano risultati positivi.
A questo punto sorge spontaneo concentrarsi sul time frame migliore sotto tanti punti di vista, il 480 minuti, che nel periodo storico considerato ottiene un buonissimo profitto, con un average trade di tutto rispetto. Il campione statistico, o più semplicemente il numero di trade, è inoltre più alto rispetto al timeframe giornaliero, che effettua solamente 33 trade nello storico considerato.
Si sceglie dunque il 480 minuti come timeframe di riferimento, e si procede ad aggiungere stoploss e takeprofit che possano in qualche modo proteggere il conto da drawdown eccessivi.
Con stop loss fissato a 700$ (pari ad un’escursione del 7% sul controvalore della posizione) e take profit (target) molto ambizioso a 10.000$, si ottengono i risultati visibili nelle figure 3 e 4.
La curva dei profitti è crescente e l’average trade supera i 400$, ovvero un buonissimo 4% di escursione di prezzo sul controvalore della posizione.
Fare previsioni su Bitcoin
In conclusione, si è visto come le bande di Bollinger possano essere utilizzate anche su Bitcoin, poiché riescono ad individuare, sui time frame più adatti, punti di inizio di trend del mercato che potrebbero essere utilizzati come trigger di ingresso per l’ideazione di strategie di trading.
Rimane comunque qualche dubbio sulla stabilità dei risultati, poiché al variare del timeframe i profitti ottenuti dal sistema erano a dir poco mutevoli. Se da un lato è innegabile una maggiore ermeticità dei movimenti al diminuire del timeframe, si ritiene opportuno mettere la strategia alla prova del tempo lasciandola girare su un campione di dati out-of-sample per poter valutare compiutamente.
.){kind=link}