Niente più punti ciechi alle 15: la correlazione intraday costruita a regola d'arte per i quant

I dati di correlazione intraday sono correlazioni con marca temporale tra i rendimenti degli asset, calcolate su barre infra-giornaliere, generalmente distanziate da 1 secondo a 5 minuti. Il dato empirico fondamentale è che queste correlazioni non sono stabili: tendono tipicamente a salire nel corso della sessione di trading e a impennarsi in prossimità delle news, il che significa che i modelli di rischio costruiti sulla sola correlazione giornaliera sottostimano quanto un portafoglio risulti esposto entro le 15.

In breve:

• Le correlazioni intraday tendono ad aumentare nel corso della giornata di trading, in particolare in occasione delle news, facendo sì che i modelli di rischio basati solo su dati giornalieri sottostimino l'esposizione dopo mezzogiorno.
• La scelta della frequenza di campionamento, dai dati tick alle barre a 5 minuti, influisce in modo significativo sulle stime di correlazione, con i dati ad alta frequenza che catturano più rumore e richiedono estimator specializzati.
• I pattern di correlazione cambiano rapidamente in occasione delle pubblicazioni di dati macroeconomici, trasformando regimi stabili in mercati fortemente correlati nel giro di pochi minuti, il che sottolinea la necessità di un monitoraggio frequente.
• Fasi di preprocessing adeguate, tra cui l'allineamento dei timestamp a UTC e la gestione dei dati mancanti, sono fondamentali per ottenere stime di correlazione accurate ed evitare artefatti fuorvianti.
• Dataset intraday pronti all'uso, formattati per piattaforme come MT4 e MT5, eliminano gran parte del lavoro di preprocessing e migliorano l'affidabilità dell'analisi della correlazione intraday.

Indice

• Cosa si intende per dati di correlazione intraday
• Cosa mostrano davvero i dati durante la giornata di trading
• Scegliere un estimator: metodi score-driven, DCC o robusti
• Una checklist di preprocessing per stime di correlazione affidabili
• Mettere al lavoro i dati di correlazione: rischio, hedging e ribilanciamento
• Come BacktestMarket elimina gli attriti da questo workflow
• Il punto di vista di un quant: quando il regime di correlazione si ribalta a metà sessione
• Ottieni dati intraday puliti senza costruire una pipeline
• Fonti
• FAQ

Cosa si intende per dati di correlazione intraday

I dati di correlazione intraday comprendono qualsiasi stima di correlazione bivariata o multivariata calcolata su rendimenti campionati all'interno di una singola sessione di trading, anziché tra chiusure giornaliere. I mattoni di base sono barre OHLCV aggregate a intervalli fissi, print di trade tick-by-tick, oppure midpoint delle quotazioni, e la scelta tra queste fonti cambia ciò che il numero di correlazione misura effettivamente.

La maggior parte dei workflow calcola i rendimenti logaritmici a partire dalle chiusure consecutive delle barre, per poi stimare la correlazione su una finestra mobile. Le convenzioni sui timestamp contano più di quanto si pensi: una "barra a 5 minuti" può essere etichettata in base al suo open o alla sua close, e convenzioni disallineate tra due feed di dati corrompono silenziosamente un'intera matrice di correlazione. Le guide pratiche sulla struttura dei dati intraday raccomandano di normalizzare i timestamp a UTC e di trattare esplicitamente i gap di sessione, invece di lasciarli ricadere per default su rendimenti pari a zero.

La scelta della risoluzione comporta compromessi reali:

• I dati tick catturano ogni trade ma portano con sé un forte rumore di microstruttura e richiedono la gestione dell'asincronicità.
• Le barre a 1 secondo preservano gran parte del segnale intraday ma richiedono estimator specializzati per evitare bias.
• Le barre a 1 minuto bilanciano bene rumore e volume per la maggior parte delle coppie azionarie e FX.
• Le barre a 5 minuti attenuano quasi del tutto il rumore ma possono offuscare variazioni di correlazione rapide in prossimità delle news.

Non esiste una frequenza universalmente corretta. La scelta giusta dipende dall'estimator utilizzato a valle e da quanto rumore i tuoi asset generano effettivamente a quella frequenza di campionamento.

Cosa mostrano davvero i dati durante la giornata di trading

Le correlazioni raramente restano ferme durante una sessione. Studi empirici su NYSE e altre borse individuano una forma riconoscibile: le correlazioni partono basse vicino all'apertura, salgono in modo marcato durante la mattina, continuano a crescere nel pomeriggio e poi divergono in prossimità della chiusura, a seconda dell'estimator utilizzato.

Il pattern espresso in numeri: studi che utilizzano campionamenti da 15 minuti fino a 1 secondo trovano sistematicamente che il primo autovalore del mercato, il fattore comune dominante, cresce nel corso della sessione. Un primo autovalore crescente significa che le azioni si muovono in modo sempre più sincronizzato con il progredire della giornata, il che erode la diversificazione intraday proprio nel momento in cui molti desk danno per scontato che questa continui a valere.

Alcuni cambiamenti strutturali meritano di essere monitorati oltre alla forma giornaliera:

• Le correlazioni bivariate a frequenza di 5 minuti spesso tracciano una forma a U rovesciata durante la sessione, anziché una semplice crescita monotona.
• Il contributo del lead-lag alla struttura di correlazione si è ridotto nel corso degli ultimi due decenni, mentre la correlazione sincrona è cresciuta, un segnale che le strategie stat-arb basate su relazioni lead-lag ormai datate hanno meno margine di manovra.
• Le correlazioni sono altamente sensibili alle news programmate e alla sovrapposizione delle sessioni di trading tra fusi orari diversi, una dinamica da verificare consultando un riferimento globale sugli orari di mercato quando si opera su strumenti quotati su piazze diverse.

Se un valore di correlazione alto o basso sia "buono" dipende interamente dal contesto: una bassa correlazione favorisce la diversificazione, ma un balzo improvviso verso l'alto segnala solitamente uno stress sistemico, esattamente il momento in cui i benefici della diversificazione svaniscono.

Scegliere un estimator: metodi score-driven, DCC o robusti

Scegliere un modello significa in realtà far combaciare l'estimator con la propria frequenza di campionamento, non individuare il "metodo migliore" in astratto.

Ad altissima frequenza (1 secondo e oltre), gli estimator di correlazione naive falliscono perché i trade sui vari asset raramente cadono sullo stesso timestamp. I modelli score-driven a livello locale trattano questa asincronicità come un problema di dati mancanti, anziché cercare di interpolarla via, e questo approccio si è dimostrato in grado di ridurre il bias dovuto al rumore di microstruttura, permettendo al contempo un nowcasting in tempo reale dei cambiamenti di correlazione.

Per frequenze moderate, i framework GARCH multivariati adattati restano lo strumento di riferimento:

• DCC (dynamic conditional correlation) modella l'evoluzione della correlazione bivariata e funziona ragionevolmente bene una volta adattato ai pattern diurni intraday.
• DECO semplifica il DCC assumendo una correlazione uguale tra tutte le coppie in un dato istante, utile per panieri di grandi dimensioni dove stimare una matrice completa risulta impraticabile.
• Entrambi sono stati applicati con successo a frequenza di 5 minuti su dati di indici azionari, con una qualità del fit che migliora quando il modello tiene conto della forma a U rovesciata anziché assumere una correlazione piatta.

Quando il rumore domina il segnale, estimator robusti come lo stimatore di quadrante subsampled possono recuperare stime di correlazione e beta più coerenti rispetto alla classica correlazione di Pearson calcolata sugli stessi dati ad alta frequenza.

Consiglio pratico: Esegui un rapido controllo del rapporto segnale-rumore prima di scegliere un estimator. Se l'SNR per intervallo scende sotto 1 alla frequenza di campionamento target, allarga l'intervallo oppure passa a un modello per dati mancanti/a livello locale, invece di forzare un estimator classico a funzionare.

Una checklist di preprocessing per stime di correlazione affidabili

Input di scarsa qualità producono matrici di correlazione dall'aspetto affidabile ma in realtà sbagliate. Prima di fidarti di qualsiasi output, segui questi passaggi in ordine:

1. Allinea ogni feed a UTC e fissa un'unica convenzione su se il timestamp di una barra rappresenti l'apertura o la chiusura.
2. Gestisci i dati mancanti in modo deliberato. Usa un modello per dati mancanti o un refresh-time sampling, anziché una semplice interpolazione previous-tick, che introduce un'artificiale attenuazione ad altissima frequenza.
3. Riduci il rumore prima di stimare. Subsampling, estimator robusti o un modello a livello locale che separi la varianza del rumore da quella del segnale superano tutti la correlazione di Pearson grezza calcolata a livello tick.
4. Correggi i dati dei futures per i roll dei contratti e correggi le azioni per split e dividendi; un roll non corretto può creare una falsa rottura di correlazione che non ha nulla a che vedere con il comportamento del mercato.
5. Esegui un grafico della "correlation signature" su più frequenze di campionamento e verifica che la stima si stabilizzi anziché derivare mentre modifichi l'intervallo.

Le particolarità specifiche di ogni borsa complicano ulteriormente il quadro. Le sole transizioni dell'ora legale possono spostare i timestamp di un'intera sessione di un'ora, se un feed non gestisce correttamente il cambio, un problema descritto in dettaglio nella guida di BacktestMarket sulla correzione degli errori DST nei dati al minuto.

Consiglio pratico: Il back-adjustment dei futures e l'allineamento dei timestamp a UTC non sono passaggi di pulizia opzionali per lavori di correlazione multi-piazza. Se ne salti anche solo uno, la tua matrice di correlazione rifletterà artefatti dei dati tanto spesso quanto il reale comportamento del mercato.

Mettere al lavoro i dati di correlazione: rischio, hedging e ribilanciamento

La correlazione intraday si guadagna il suo posto solo quando cambia una decisione. Alcune ricette mostrano come i desk quant la usano davvero nella pratica.

Beta intraday. Scomponi il log beta in log correlazione più log volatilità relativa su una finestra mobile, ad esempio 60 minuti, e potrai vedere immediatamente se una variazione del beta deriva da un cambiamento di correlazione o da un cambiamento di volatilità. Questa distinzione cambia contro cosa ti copri.

• Usa la correlazione locale combinata con la volatilità relativa per aggiornare gli hedge ratio durante la giornata, invece di affidarti a un beta giornaliero statico.
• Collega il ridimensionamento dinamico dell'esposizione alla crescita del primo autovalore: man mano che il fattore di mercato si rafforza nel corso della sessione, riduci il sizing delle posizioni sui titoli correlati prima che un sell-off generalizzato ti costringa a farlo.
• Fissa soglie di correlazione esplicite che facciano scattare una revisione delle finestre di hedging, in particolare in prossimità di annunci programmati o sovrapposizioni di sessioni.

Fare backtest di tutto questo richiede disciplina. Simula l'esecuzione tenendo conto di slippage e costi di transazione realistici, e imponi regole di liquidazione a fine giornata per evitare di far infiltrare il rischio overnight in un segnale che dovrebbe essere puramente intraday. Il lookahead bias è l'assassino silenzioso in questo contesto: se la finestra di correlazione include barre che non sarebbero state disponibili al momento della decisione, il tuo backtest non sta misurando nulla di reale.

Come BacktestMarket elimina gli attriti da questo workflow

Gran parte del lavoro descritto sopra, allineamento dei timestamp, gestione dei dati mancanti, aggiustamento dei roll, è inevitabile quando costruisci una pipeline di correlazione da zero. Dati di partenza puliti riducono notevolmente questo lavoro.

• BacktestMarket fornisce dati storici intraday puliti a barre di un minuto dal 2014, il che elimina gran parte delle fasi di preprocessing descritte nella checklist qui sopra.
• I dataset si importano direttamente in MT4 e MT5, il che evita il disallineamento dei timestamp che si insinua quando si assemblano feed provenienti da più fornitori.
• Supporto tecnico gestito da ingegneri e contenuti tecnici, tra cui la guida alle specifiche dei dati intraday Nasdaq, affrontano particolarità specifiche delle borse, come le transizioni DST, prima ancora che arrivino nella tua matrice di correlazione.

Per avviare un workflow di correlazione a 1 minuto, scarica set di barre al minuto abbinati sugli strumenti che vuoi confrontare, verifica che condividano una convenzione di timestamp allineata a UTC, poi esegui l'estimator di tua scelta sulla serie allineata.

Il punto di vista di un quant: quando il regime di correlazione si ribalta a metà sessione

La lezione che resta impressa agli operatori non è la forma diurna in sé. È la velocità con cui un tranquillo regime di correlazione mattutino può ribaltarsi non appena arriva un dato macro, trasformando un book ben coperto in una scommessa direzionale nel giro di pochi minuti. I desk che controllano la correlazione una sola volta, alla chiusura giornaliera, scoprono il ribaltamento solo dopo che questo ha già avuto un costo.

La soluzione non è un modello più sofisticato, ma controllare la correlazione tanto spesso quanto controlli il prezzo.

— Start

Ottieni dati intraday puliti senza costruire una pipeline

I dataset vengono offerti come set completi, a barre di un minuto, pronti da importare, su forex, metalli, indici azionari, obbligazioni e materie prime, pensati per ridurre la necessità di pulizia dei timestamp, aggiustamento dei roll e gestione dei dati mancanti trattati in precedenza in questa guida.

I dataset arrivano come download all-in-one formattati per l'importazione diretta in MT4 e MT5, inclusi pacchetti di futures back-adjusted per i trader che hanno bisogno di serie a contratto continuo senza doversi occupare in prima persona della matematica dei roll. Questo conta soprattutto per chi applica le ricette di beta intraday o di hedging descritte sopra su più asset class, dove convenzioni di barre disallineate tra i feed sono la causa più comune in assoluto di una matrice di correlazione corrotta. I trader obbligazionari che lavorano con prodotti a tasso possono partire dal dataset a 5 minuti del Treasury Bond trentennale, mentre i desk FX possono consultare l'intero catalogo di dati storici forex per individuare le coppie su cui costruire una matrice di correlazione. Se stai impostando NinjaTrader, la guida all'importazione dei dati ti permette di avere un dataset operativo sulla piattaforma già il giorno stesso in cui lo scarichi.

Fonti

Per un approfondimento metodologico, il paper OFR sul lead-lag copre i cambiamenti storici nella correlazione sincrona, il paper ACFR sul GARCH multivariato descrive nel dettaglio gli adattamenti di DCC/DECO, e il preprint sui modelli score-driven a livello locale affronta l'asincronicità ad altissima frequenza. Per le nozioni di base sull'ingegnerizzazione dei dati, consulta la guida esplicativa sui dati intraday.

• How Lead-Lag Correlations Affect the Intraday Pattern of Collective Stock Dynamics
• A score-driven conditional correlation model for noisy and asynchronous data (accepted manuscript)
• Modelling intraday correlations using multivariate GARCH (ACFR technical paper)
• Robust correlation estimators for high-frequency financial data (technical manuscript)
• Intraday stock data explained: what it is, how it works and how to use it for charts, alerts and backtesting

FAQ

Cosa si intende per dati intraday?

I dati intraday sono osservazioni di prezzo o di rendimento registrate a intervalli infra-giornalieri, che tipicamente vanno dai trade a livello tick fino a barre di 1 o 5 minuti, anziché una singola chiusura giornaliera.

Cos'è la regola del 3-5-7 nel day trading?

La regola del 3-5-7 è una linea guida per il position sizing che suggerisce di non rischiare mai più del 3% del capitale su un singolo trade e di mantenere l'esposizione totale su tutti i trade aperti sotto il 5%; è un'euristica di gestione del rischio, non un modello di correlazione o statistico.

È meglio una correlazione alta o bassa?

Nessuna delle due è intrinsecamente migliore: una bassa correlazione favorisce i benefici della diversificazione, mentre una correlazione crescente, in particolare un balzo del primo autovalore del mercato, segnala spesso uno stress sistemico in cui la diversificazione smette di funzionare.

Dove posso trovare dati azionari intraday?

Dataset intraday puliti e pronti da importare sono disponibili tramite fornitori come BacktestMarket, che offre dati storici a barre di un minuto su forex, indici, metalli e obbligazioni, formattati per l'uso diretto in MT4 e MT5.

Consigliati

• Data Snooping Bias: How Researchers and Quants Catch It
• Forex Daylight Saving Time: Fixing DST Errors in Minute Data
• 5 Audits Quants Must Run on Outlier Handled M1 Data Before MT4/MT5
• Minute Bar Data: What Quants Need for Reliable Backtests

Risorse correlate

Scopri gli Expert Advisor di BacktestMarket per mettere in pratica le idee presentate in questo articolo.