Ti faccio una domanda a bruciapelo. Se io ti dico che ho lanciato una moneta 6 volte e mi è uscita testa 5 volte, tu cosa concluderesti? Che la moneta è truccata? Che ho un sistema speciale per leggere il futuro? Probabilmente no, hai abbastanza buon senso da capire che 6 lanci non bastano. Eppure quella stessa logica, applicata al trading, fa schifo a tantissimi italiani. Ogni settimana centinaia di guru su Instagram mostrano 5 trade vincenti consecutivi e vendono corsi da 2.000€. La gente compra. Non capisce che 5 trade non dimostrano un cazzo.
Il fatto che 5 trade non dimostrino nulla non è opinione mia. È un teorema matematico dimostrato nel 1713 da Jakob Bernoulli, matematico svizzero della famosa famiglia Bernoulli (quelli della legge di Bernoulli sui fluidi e dell'equazione delle onde). Il teorema si chiama Legge dei Grandi Numeri e dice una cosa semplice: la frequenza osservata di un evento converge alla probabilità reale solo se hai abbastanza osservazioni. Sotto una certa soglia, quello che vedi è puramente rumore casuale.
Questo articolo spiega la Legge dei Grandi Numeri come a tua nonna, ti dà gli strumenti per calcolare se un sistema di trading ha statistica seria, e ti mostra perché 5 screenshot verdi sono il segnale più affidabile che chi te li mostra è un truffatore. Esercizio Excel incluso.
Chi era Jakob Bernoulli e perché ha cambiato la statistica per sempre
Il dato che risolve la domanda parte da un fatto che pochi conoscono: tutta la statistica moderna nasce da un matematico svizzero morto nel 1705 a Basilea. Si chiamava Jakob Bernoulli. Faceva parte di una famiglia di matematici eccezionali — suo fratello Johann, suo nipote Daniel — che dominarono la scienza europea per tre generazioni. Jakob lavorava sulle probabilità da decenni quando morì. Lasciò un libro incompleto che suo nipote Nikolaus pubblicò 8 anni dopo, nel 1713, col titolo «Ars Conjectandi» — «L'Arte della Congettura».
Dentro questo libro, in mezzo a calcoli sulle scommesse e ai problemi di estrazione delle palline da urne, c'era un teorema che avrebbe cambiato il mondo. Bernoulli lo chiamava il «Theorema Aureum» — il Teorema d'Oro. Oggi lo conosciamo come Legge dei Grandi Numeri. L'enunciato originale, tradotto in italiano semplice, dice questo: «se ripeti un esperimento molte volte, la frequenza osservata di un risultato si avvicina sempre di più alla sua probabilità reale, e puoi rendere questa approssimazione precisa quanto vuoi aumentando il numero di prove».
Tradotto in italiano da bar: se la probabilità reale di un evento è 50%, e tu fai 10 prove, può uscirti 70% per pura fortuna. Ma se ne fai 10.000, ti uscirà vicinissimo a 50%. Più grande è il numero di prove, più affidabile è il numero che osservi. Sotto una certa soglia di prove, quello che vedi è semplicemente fortuna o sfortuna. Non dimostra niente.
L'esempio della moneta truccata · spiegato a nonna
Partiamo dall'osservabile. Per capire la Legge dei Grandi Numeri serve un esempio concreto, non formule. Te lo faccio con la moneta. Funziona così.
Immagina una moneta truccata. La conosci tu, non lo sa nessun altro. Esce testa il 60% delle volte e croce il 40%. Adesso io ti do la stessa moneta e ti dico: «provala e dimmi se è truccata». Tu inizi a lanciare.
Caso A · Fai 10 lanci. Esci 8 teste e 2 croci. La frequenza osservata è 80%. Tu concludi: «moneta truccata, esce testa 80% delle volte!». Sbagliato. La moneta è truccata, ma il numero vero è 60%, non 80%. Hai semplicemente avuto una sequenza fortunata di teste. Su 10 lanci, l'intervallo di confidenza al 95% della tua stima è enorme: dall'44% all'97%. Praticamente qualsiasi cosa.
Caso B · Fai 100 lanci. Esci 64 teste e 36 croci. Frequenza osservata 64%. Più vicino al vero. L'intervallo di confidenza adesso è 54%-74%. Sai che la moneta è probabilmente truccata, ma non sei sicuro di quanto.
Caso C · Fai 10.000 lanci. Esci 6.020 teste e 3.980 croci. Frequenza 60,2%. Intervallo di confidenza 59,2%-61,2%. Adesso sai che la moneta è truccata e sai con precisione la sua probabilità reale. Questa è la Legge dei Grandi Numeri in pratica. Lo stesso 60% di probabilità reale ti dà osservazioni completamente diverse a seconda di quanti lanci fai.
Quanto vale un campione di 5 trade nel trading vero?
In termini operativi, applichiamo lo stesso ragionamento al trading. Adesso vediamo cosa significa avere 5, 100 o 1.000 trade.
Immagina che un guru su Instagram pubblichi 5 trade. Tutti e 5 verdi. WR osservato: 100%. Tu lo guardi e pensi: «cazzo, questo non perde mai!». Calcoliamo l'intervallo di confidenza reale del suo WR con N=5 e win=5. Il calcolo è un po' più complesso del normale (intervallo di Wilson per piccole proporzioni) ma il risultato è chiaro: intervallo 95% del WR reale: 48%-100%. Significa che il vero WR del sistema potrebbe essere qualsiasi cosa tra 48% (perdente con costi) e 100% (santo subito). I 5 screenshot non ti dicono nulla. Sono fortuna.
Adesso pensa al sistema vero di Oracle v78. 65.587 trade reali. WR osservato 42,1%. Intervallo di confidenza al 95% del WR reale: 41,73%-42,47%. Praticamente certezza statistica. Si chiama essere a 19 anni dal 2007 con i numeri pubblici. Tutto il resto è marketing.
Nel 2008-2009, mentre cercavo di costruire i miei primi sistemi seri, ho fatto l'errore opposto: ho mandato live sistemi con soli 50-80 trade di backtest. Sembravano d'oro. Sembravano. Tre mesi dopo erano tutti morti. Cinquanta trade non sono abbastanza per validare nulla. La svolta è arrivata quando ho iniziato a richiedere a me stesso minimo 1.000 trade out-of-sample prima di toccare un sistema con soldi veri. È così che è nata la disciplina Oracle.
La formula che smaschera i guru in 30 secondi
Quello che conta è capire una formula matematica che ti permette di smascherare qualsiasi guru in 30 secondi. La formula dell'intervallo di confidenza per una proporzione. La spiego in italiano nonna.
Esempio · 100 trade WR 60%: 60% ± 1,96 × √(0,6 × 0,4 / 100) = 60% ± 9,6% → 50,4%-69,6%.
Esempio · 1.000 trade WR 60%: 60% ± 3,03% → 56,97%-63,03%.
Esempio · 65.587 trade WR 42,1% (Oracle): 42,1% ± 0,38% → 41,72%-42,48%.
L'unica statistica che ha senso è quella con N grande.
Adesso ti ho dato lo strumento. Quando vedi un guru con N=5 trade, tu sai che il suo WR vero potrebbe essere qualsiasi cosa tra 48% e 100%. Quando vedi un trader con N=1.000 trade e WR 60%, tu sai che il suo WR vero è quasi certamente tra 57% e 63%. La differenza è abissale. Il primo è marketing. Il secondo è ingegneria seria.
La tabella delle soglie statistiche per validare un sistema
La verità matematica è che esiste una tabella ben definita di quanti trade ti servono per validare statisticamente un sistema. Te la metto qui sotto. È pratica, non teorica. Funziona per qualsiasi strategia che fai con i soldi.
| Numero Trade | Cosa significa | Intervallo confidenza (su WR 50%) | Validità |
|---|---|---|---|
| < 30 | Statistica inutile | ±18% e oltre | 🚨 Marketing puro |
| 30 – 100 | Primi segnali deboli | ±10% | ⚠️ Inaffidabile |
| 100 – 500 | Indicazione | ±4-9% | ⚠️ Cautamente OK |
| 500 – 1.000 | Statistica decente | ±3-4% | ✅ Affidabile |
| 1.000 – 10.000 | Statistica solida | ±1-3% | ✅ Robusta |
| > 10.000 | NASA-grade | ±< 1% | ✅✅ Praticamente certo |
Se la risposta è «10 screenshot» o «backtest del 2024»: scappa.
Se la risposta è «500 trade live verificati»: ascolta cautamente.
Se la risposta è «5.000+ trade in 5+ anni di mercato verificabile»: ha senso parlarne.
Se la risposta è «65.587 trade in 19 anni sul conto pubblico MT5 #6003085»: è Oracle v78.
Niente di esoterico. Solo Legge dei Grandi Numeri applicata.
Esercizio Excel: calcola l'intervallo di confidenza in 3 passi
La verità matematica è che non serve essere statistici per fare questo calcolo. Bastano 3 passi in Excel e 2 minuti. Questa è la versione che insegno ai follower del canale. La chiamo «versione nonna».
Il bello è che questa formula la puoi applicare a qualsiasi sistema, qualsiasi strategia, qualsiasi promessa. Ogni volta che qualcuno ti mostra un win rate, calcolati l'intervallo. Se l'intervallo è più largo del 10%, la statistica non vale niente. È l'arma più semplice e potente per difendersi dai guru truffaldini.
Vuoi vedere un sistema con 65.587 trade verificati?
Il Quiz Gratuito di Oracle v78 ti mostra in 90 secondi cosa significa lavorare con statistica seria. 19 anni di numeri pubblici. Conto MT5 #6003085 aperto al pubblico. Niente promesse, solo numeri.
Fai il Quiz Gratuito Chi sonoOracle v78: cosa significa avere 65.587 trade reali
Per capirlo serve un passaggio in più. Oracle v78 non è perfetto. Ha un win rate del 42,1%. Significa che perde più di metà delle volte. Sembra brutto? Sembra. Ma è il numero più onesto che esista sul mercato italiano del trading sistematico. Perché è verificato su 65.587 trade. Perché è il numero reale, non quello inventato.
Il WR del 42,1% è statisticamente significativo al 95% di confidenza tra 41,72% e 42,48%. È praticamente certezza matematica. Per fare un confronto: un sistema con 100 trade e WR 70% ha intervallo reale 60-80%. Il suo «70%» potrebbe essere in realtà 60% — perdente con i costi. Oracle non ha questo problema: il numero che vedi è il numero reale, dimostrato dalla Legge dei Grandi Numeri di Bernoulli.
Il sistema vince i soldi nonostante perda più della metà delle volte grazie a un Profit Factor di 1,44: ogni trade vinto è in media 1,44 volte più grande di ogni trade perso. È matematica, non magia. È il modo in cui un sistema serio funziona — non con WR fasulli da 80% ma con expectancy positiva matematicamente dimostrata.
Nel 2014, durante il primo IT Forum di Rimini dove parlai pubblicamente, mostrai questi stessi numeri. Pubblico iniziale 50 persone. Qualcuno alzò la mano e disse: «ma un sistema che perde più della metà delle volte non è perdente?». Risposi spiegando esattamente la Legge dei Grandi Numeri e il concetto di expectancy positiva. Quel signore venne a parlarmi alla fine. Diventò poi cliente. È un avvocato di Mestre. Ancora oggi mi scrive.
Riepilogo: Bernoulli e la Legge dei Grandi Numeri in 7 punti
FAQ — Bernoulli, Legge Grandi Numeri e validazione sistemi
- — Jakob Bernoulli: «Ars Conjectandi» (1713, postumo). Edizione moderna inglese tradotta. Johns Hopkins University Press
- — Anders Hald: «A History of Probability and Statistics and Their Applications before 1750» (1990). Wiley
- — Stephen Stigler: «The History of Statistics» (1986). Harvard University Press
- — Edwin T. Jaynes: «Probability Theory: The Logic of Science» (2003). Riferimento moderno per inferenza bayesiana e classica. Cambridge University Press
- — CONSOB: linee guida pratiche commerciali scorrette. consob.it
