Bollinger Bands

-
Le Bande di Bollinger molto utilizzate nell ambito finanziario, vogliono essere d’aiuto per misurare e sfruttare, nell’operatività quotidiana, un aspetto che molto influisce sull’andamento delle mercati: la volatilità.

Questa può essere vista come la deviazione standard del valore di un titolo, ovvero come la fluttuazione media in un dato intervallo temporale.

Quando si effettuano transazioni, è importante valutare anche questa componente, per poter avere una visione più chiara sugli eventuali rischi legati ad un certo titolo. Le bande di Bollinger sono state teorizzate proprio per riuscire a studiare in maniera più accurata questa componente per sua natura imprevedibile.

Esse vengono calcolate innanzitutto attraverso una media mobile a G giorni (spesso 20). Le bande estreme (ovvero gli estremi degli intervalli) sono ottenute aggiungendo o sottraendo il valore della deviazione standard moltiplicata per un determinato fattore F (spesso 2). In dettaglio, la banda superiore è quindi ottenuta aggiungendo alla media mobile F volte la deviazione standard, la banda inferiore sottraendo F volte la deviazione standard e la banda centrale è la media mobile stessa.

Ad un’ampiezza maggiore delle bande corrisponde una maggiore volatilità. Questo bande permettono di analizzare situazioni in cui il prezzo diventa favorevole ad una vendita o ad un acquisto. Ad esempio, se l’andamento del prezzo esce dalla banda superiore e  successivamente vi rientra, si ottiene un segnale di vendita, poiché il prezzo è aumentato rapidamente al di fuori delle fluttuazioni ritenute casuali; quando invece  il grafico del prezzo esce dalla banda inferiore e successivamente vi rientra, si ottiene un segnale di acquisto, poiché il prezzo è calato molto velocemente fino ad arrestarsi e, probabilmente, ad invertire il trend.


Commenti

Posta un commento

Post popolari in questo blog

Relazioni di ricorrenza per la covarianza

-
Immagine
La covarianza è una misura di come i cambiamenti in una variabile sono associati ai cambiamenti in una seconda variabile.  In particolare, la covarianza misura il grado in cui due variabili sono linearmente associate.  correlate. Ci troviamo quindi in un contesto bivariato in quanto ci sono due variabili x e y  e la formula generale della covarianza è la seguente: Se in questa formula x e y fossero la stessa variabile allora ci si ricondurrebbe alla formula della varianza, quindi la formula della covarianza può essere vista come una generalizzazione della varianza. indicando con  SP n  la somma dei prodotti abbiamo: si considerano due variabili X e Y a cui sono sottratte delle quantità costanti  c  e  d , e attraverso i seguenti passaggi algebrici in cui si aggiungono e si sottraggono le medie delle due variabili, si ottiene: pongo le costanti  c  e  d  pari alle medie delle due variabili al passo  n-1 così...
Continua a leggere

La formula di Legendre e la sua utilità nelle applicazioni

-
Immagine
In  teoria dei numeri , l' identità di Legendre,   fornisce l'esponente della maggiore potenza di un  numero primo   {\displaystyle p}  che divide il  fattoriale   {\displaystyle n!,} dove  {\displaystyle n\geq 1}  è un intero. Ciò che si vuole ricavare è la scomposizione di n! ovvero: Dove R è l'intero dispari, e v  è chiamata valutazione p-atica di n ! e si ricava come segue: Questa formula è chiamata appunto Formula di Legendre . Per le applicazioni c'è una formula alternativa di grande utilità : Quindi tramite operazioni di conteggio dei bit all’interno di un numero, espresso in base 2, è possibile ottenere quanto richiesto.
Continua a leggere

Regressione lineare

-
Immagine
In  statistica  ,  la regressione lineare  è un  approccio  lineare  per modellare la relazione tra variabile dipendente   e una o più  variabili indipendenti  .  Il caso di una variabile esplicativa si chiama  regressione lineare semplice   invece nel caso di più  variabile esplicative, il processo è chiamato  regressione lineare multipla  .Prendendo  in considerazione  due variabili  X  e  Y  osservate sulle stesse unità di un campione, lo scopo della regressione lineare è determinare la retta che minimizza le distanze tra i valori teorici della retta con i valori realmente osservati.Il grafico seguente è una semplice rappresentazione della retta.  In generale si indica la  retta di regressione  nel seguente modo: Per trovare la retta di regressione bisogna minimizzare la distanza tra i valori realmente osservati y e i valori teorici y* Ora der...
Continua a leggere