Strategie in opzioni: il trading quantitativo lambisce ormai anche le opzioni e quello discrezionale sta scomparendo 2/2

Nell’ambito del test preliminare un problema sensibile è dato dalle serie storiche delle opzioni, che rappresentano uno scoglio importante: dati intraday o end of day?

Verificare che il sistema faccia ciò per cui è stato ideato richiede infatti la disponibilità di un simulatore che abbia al suo interno tutti i dati reali di mercato di tutte le serie di opzioni quotate in un dato istante.

In questo ambito una prima considerazione è in materia di costi dei dati storici (questo il link al sito di QuantOptions di Domenico Dall'Olio https://quantoptions.leadpages.co/quantoptions-corso-opzioni-2016/ ).

Se la strategia si basa su criteri di entrata in intraday, va da sé che è necessario disporre di database di dati intraday delle opzioni, ma questo comporta diversi problemi; innanzitutto la dimensione dei database, che diventa rapidamente enorme (basti pensare che i soli dati end of day di otto anni delle opzioni scritte sull’ETF Spyder sull’indice S&P500 occupano quasi 4 milioni di righe); ma anche l’affidabilità dei dati, che in ogni istante andrebbero confrontati con il prezzo del sottostante per verificarne la coerenza e la compatibilità. Il costo di questi dati, inoltre, è veramente importante.

Diverso il discorso sui dati end of day. In questo caso, infatti, i database sono di dimensioni elevate ma gestibili, i dati storici hanno costi più accessibili (comunque non marginali) e, almeno su mercati dotati di una certa liquidità, sono affidabili.

La liquidità del mercato è fondamentale per l’affidabilità dei test: sul mercato, italiano, infatti, spesso intere serie di opzioni possono non scambiare alcun contratto per diverse giornate, e anche le opzioni scambiate durante il giorno potrebbero non scambiare in prossimità della chiusura, rendendo di fatto inutilizzabile l’ultimo prezzo scambiato in combinazione con il prezzo di chiusura del sottostante, perché non vi sarebbe compatibilità tra i due (ciò vale ovviamente se il setup operativo dipende dall’andamento del sottostante o di un qualche indicatore di prezzo). Molto meglio quindi poter disporre dei dati bid-ask di chiusura, piuttosto che del prezzo di chiusura.

Su mercati poco liquidi vi sono complicazioni anche con i dati bid-ask: in chiusura potrebbero apparire prezzi fuori mercato perché in assenza di un market maker qualche operatore fa il furbo e va a caccia di posizioni short che devono essere chiuse a tutti i costi per evitare situazioni di margin call.

Da un punto di vista operativo, se i dati rilevati sono quelli di bid-ask va poi operata una scelta su quale prezzo considerare per le operazioni: il punto medio o l’ask sugli acquisti e il bid sulle vendite? Sul mercato USA si può anche prendere il 75-esimo percentile sugli acquisti e il 25-esimo percentile sulle vendite, ma sul mercato italiano non è così, spesso neppure sugli strumenti più liquidi.

Una funzionalità importante dei programmi di backtesting consiste nella possibilità di analizzare i risultati dei test in specifici spaccati temporali. In questo modo è possibile verificare se le proprie strategie possano funzionare bene o male in qualsiasi fase di mercato o piuttosto soltanto in alcune fasi.

Sapere che una strategia funzioni meglio in periodi di alta volatilità, ad esempio, è ben diverso rispetto al sapere che la strategia funzioni soltanto in periodi di alta volatilità. Nel primo caso l’applicazione di un filtro sulla volatilità può migliorare la strategia senza comprometterne l’affidabilità; nel secondo si corre il rischio di finire in overfitting, eliminando arbitrariamente le situazioni negative dall’equity line per esaltare soltanto gli aspetti positivi della strategia.

Il passo successivo della definizione della strategia di trading consiste nell’ottimizzazione dei parametri: una volta individuata una strategia promettente bisogna mettere mano a indicatori e filtri che potrebbero migliorarne le performance.

E’ utile, in questo senso, che la piattaforma di analisi e simulazione possa permettere all’utente di salvare le strategie e di rendere possibile un confronto diretto tra la strategia di base e sue eventuali successive modifiche e ottimizzazioni: in questo modo è possibile confrontare in modo diretto le metriche di valutazione di ogni scelta.

E’ altresì utile che la piattaforma possa filtrare le operazioni in funzione di considerazioni di analisi tecnica (analisi del trend, indicatori di forza, di direzione, di volatilità, ecc…) o sulla base di parametri tipici delle opzioni (volatilità storica e implicita, greche, open interest).

Tutto ciò mantenendo sempre comunque un occhio attento nei confronti del rischio di una iper-ottimizzazione della strategia (il famigerato overfitting).

L’analisi walk-forward prevede l’utilizzo della strategia codificata e ottimizzata su dati che non sono stati impiegati nel processo di ottimizzazione. In altre parole si tratta di una simulazione, basata sempre su dati storici, di quello che la strategia è in grado di fare su dati che non ha mai visto, e che dunque non sono stati impiegati per la formulazione della strategia stessa.

Il passaggio all’operatività reale poi genera una molteplicità di problematiche.

Bisogna innanzitutto definire a quali prezzi il computer debba posizionarsi quando i book sono vuoti, o comunque presentano spread denaro-lettera molto ampi.

Bisogna definire il grado di libertà assegnato nel fissare prezzi di acquisto baricentrici rispetto agli spread, e con quali modalità si possano spostare i prezzi in funzione di come si muove il mercato.

La tipologia degli ordini da inviare al mercato è critica: adottare ordini a prezzo limite per una strategia automatica in un mercato come quello delle opzioni può significare dover codificare una lunga serie di possibili comportamenti (inclusi i tempi di attesa) che il pc deve automaticamente adottare quando non ottiene l’esecuzione degli ordini inseriti.

Lavorare con ordini al meglio del resto può avere effetti devastanti sulle performance delle operazioni, specialmente quando il mercato su cui si opera è poco liquido, oppure si sta operando in momenti di elevata volatilità (magari per l’uscita di un dato macro).

Le criticità che affliggono i prezzi ai quali si aprono le posizioni affliggono anche i prezzi a cui le posizioni vengono chiuse, almeno in un frangente: lo stop loss; se infatti è necessario chiudere una posizione (magari per spostarla su un altro strike price) per evitare di incorrere in forti perdite a seguito di un movimento sfavorevole del sottostante, di nuovo è necessario trovare un book affidabile su cui basare la decisione di uscita, o disporre di una formula di valutazione corretta del prezzo da proporre in un book vuoto (il che implica un monitoraggio continuo della volatilità implicita durante la giornata, altrimenti nessun modello potrà mai stimare un prezzo teorico!).

Un sistema automatico che deve operare in un simile frangente deve essere in grado di valutare se il prezzo che ha di fronte abbia senso o meno; e se non trova un prezzo deve essere in grado di formularne uno da zero (e di nuovo si pone il problema del monitoraggio della volatilità).

Una particolare complicazione è rappresentata dalle opzioni che rischiano di scadere in the money quando il contratto prevede la consegna fisica del sottostante: la strategia deve prevedere la possibilità di dover gestire le posizioni in azioni o futures originate dall’esercizio di opzioni scadute in the money!

In alternativa la strategia deve prevedere la chiusura ad ogni costo delle opzioni in the money a ridosso della scadenza, e questo genera ulteriori problematiche: generalmente parlando, book vuoti, o comunque spread denaro-lettera amplificati, il tutto combinato con la necessità di agire in fretta…

(1 / 2 continua, ha collaborato Domenico Dall'Olio, professore a contratto di Strumenti e Mercati Finanziari, Università di Venezia https://quantoptions.leadpages.co/quantoptions-videos/ )