Mean Reversion nel Trading:
Cos’È, Come Funziona
e Quando Usarla.

1. Definizione Statistica di Mean Reversion

In statistica, un processo è detto mean-reverting (o stazionario) se tende nel tempo a ritornare verso un valore centrale — la sua media. Formalmente, una serie temporale X(t) è mean-reverting se esiste una media μ tale che quando X(t) > μ il processo tende a diminuire e quando X(t) < μ tende ad aumentare.

Applicata ai prezzi finanziari, la mean reversion afferma che i prezzi che si allontanano significativamente dalla loro media storica hanno una probabilità statistica superiore alla media di tornare verso quel livello. Non è una certezza — è una probabilità condizionale misurabile. Il concetto opposto è il random walk: ogni variazione di prezzo è indipendente dalle precedenti e il prezzo futuro non è prevedibile dalla posizione corrente rispetto alla media.

Il modello di Ornstein-Uhlenbeck (OU) è il framework teorico standard per la mean reversion in finanza quantitativa. La sua stima empirica sul mercato che ti interessa dice quanto forte è la forza di ritorno alla media — un dato fondamentale per calibrare take profit e holding period di un sistema mean reversion.

2. Come Testare se un Mercato È Mean-Reverting: Hurst e ADF

Prima di costruire qualsiasi strategia mean reversion, devi verificare statisticamente se il mercato che analizzi ha effettivamente questa proprietà. I due strumenti standard dei quant trader sono l’esponente di Hurst e il test ADF.

L’Esponente di Hurst: la memoria della serie

L’esponente di Hurst (H) misura la “memoria” di una serie temporale. Sviluppato dall’idrologo Harold Hurst negli anni ’50 studiando le piene del Nilo, è diventato uno strumento centrale nell’analisi delle serie finanziarie.

Il Test ADF: stazionarietà formale

L’ADF (Augmented Dickey-Fuller) test verifica la presenza di radice unitaria nella serie. Una serie con radice unitaria è un random walk integrato (I(1)) — non mean-reverting. Una serie senza radice unitaria è stazionaria — potenzialmente mean-reverting.

In pratica: i prezzi assoluti di XAUUSD raramente passano il test ADF (sono I(1)). Gli spread rispetto a una media mobile di lungo periodo tendono a essere più stazionari. È su questi spread che si costruisce la strategia. Il codice Python per il test ADF usa statsmodels.tsa.stattools.adfuller(serie, autolag='AIC') — se il p-value < 0,05 rifiuti l’ipotesi nulla di radice unitaria e puoi concludere che la serie è stazionaria con confidenza del 95%.

3. Quali Mercati Mostrano Mean Reversion e Quando

Non tutti i mercati hanno uguale propensione alla mean reversion. La proprietà dipende dal mercato specifico, dal timeframe e dal regime di volatilità corrente.

4. Strategie Operative: RSI, Bollinger, Z-Score

RSI in Ipervenduto / Ipercomprato

L’RSI (Wilder 1978) misura la velocità delle variazioni di prezzo. RSI < 30 = ipervenduto (potenziale segnale long MR). RSI > 70 = ipercomprato (potenziale segnale short MR). Problema: in mercati in trend forte, l’RSI può rimanere in territorio estremo per decine di candele. Il segnale RSI è necessario ma non sufficiente per la mean reversion — genera molti falsi segnali senza un filtro di regime.

Bande di Bollinger

Le Bollinger Bands (1983) tracciano ±2 deviazioni standard dalla media mobile a n periodi. La logica teorica: prezzi fuori dalla banda hanno il 95% di probabilità di tornare dentro (se i rendimenti fossero normali). Problema: i rendimenti finanziari non sono normali — hanno code pesanti (fat tails). Le rotture di banda in alta volatilità tendono a essere segnali di momentum, non di mean reversion. Usato come segnale standalone, sovraperforma in backtesting ma sottoperforma in forward test.

Z-Score rispetto alla media mobile

Il metodo più robusto. Lo Z-Score misura di quante deviazioni standard il prezzo corrente si discosta dalla sua media mobile a N periodi. Soglie operative: Z < −2 = potenziale segnale long; Z > +2 = potenziale segnale short. L’uscita avviene quando Z ritorna verso 0 (ritorno alla media).

5. I 4 Errori Fatali nella Mean Reversion

Errore 1: Comprare “perché è sceso tanto”

La mean reversion statistica non dice che il prezzo tornerà a una media specifica in un tempo specifico. Un prezzo che è sceso molto può continuare a scendere se il mercato è in trend direzionale. Comprare “perché è sceso tanto” è scommettere su MR senza verifica statistica del regime. I dati dicono che questa strategia ha WR intorno al 39% su XAUUSD H4 senza filtri — positivo, ma non ottimale.

Errore 2: Applicare MR in mercati in trend forte

In un mercato con H > 0,6 (alta persistenza del trend), le deviazioni dalla media non sono temporanee — sono la struttura del trend stesso. Un sistema mean reversion applicato in trend forte genera operazioni con perdite sistematiche: le perdite sono grandi (il trend continua contro di te) e i profitti sono piccoli (il prezzo rimbalza poco prima di riprendere il trend). È uno dei pattern di perdita più distruttivi nel trading sistematico.

Errore 3: Nessuno stop loss — “tornerà prima o poi”

Un sistema mean reversion senza stop loss si basa sull’assunzione che il prezzo tornerà sempre alla media. “Prima o poi” può significare mesi o anni durante i quali il drawdown aperto cresce fino alla margin call. Ogni sistema MR deve avere un livello di stop loss che invalida la tesi: “a questo punto, il mercato non è in regime mean-reverting, è in trend”. Oracle v78 usa uno stop fisso su ogni operazione — non esistono trade aperti a tempo indefinito.

Errore 4: Overfitting dei parametri

Ottimizzare i parametri di un sistema MR (lunghezza della MA, soglie Z-Score, periodi RSI) sulla finestra storica disponibile produce risultati eccellenti in backtest e medi o negativi in forward test. La soluzione: usare parametri conservativi basati su fondamento teorico (come l’Ulcer Index) e testare su finestre out-of-sample separate. La differenza tra un sistema robusto e uno overfittato è sempre evidente nel primo anno di operatività live.

6. Oracle v78 e la Mean Reversion sull’Oro: i Dati

Oracle v78 usa un approccio di mean reversion condizionale su XAUUSD H4. Non è MR pura — è un sistema ibrido che sfrutta la mean reversion in condizioni specifiche, filtrate dall’Ulcer Index percentile, con gestione del trade in stile trend following (RR 1:3).

Il gate di mean reversion di Oracle v78 funziona così: per ogni potenziale segnale, il sistema calcola l’Ulcer Index corrente su H4 e lo confronta con la distribuzione storica degli ultimi 100 periodi. Solo se l’Ulcer Index corrente supera l’80° percentile della distribuzione storica — ovvero il prezzo è in un drawdown statisticamente estremo rispetto alla norma recente — il segnale viene trasmesso ai gate successivi del sistema. Questo filtro riduce il numero di segnali totali ma aumenta la qualità statistica di quelli che passano.

7. Implementazione MQL5: Gate Ulcer Index per Mean Reversion

// Gate di mean reversion basato su Ulcer Index percentile
// Componente semplificata del sistema Oracle v78

input int    ULCER_PERIOD   = 14;
input int    PERCENTILE_WIN = 100;
input double PERCENTILE_THR = 80.0;

double CalcolaUlcerIndex(int period, int shift = 0)
{
    double maxHigh   = 0;
    double sumSq     = 0;
    for(int i = shift; i < shift + period; i++)
    {
        double h = iHigh(_Symbol, PERIOD_H4, i);
        if(h > maxHigh) maxHigh = h;
        double c = iClose(_Symbol, PERIOD_H4, i);
        if(maxHigh > 0)
        {
            double dd = (maxHigh - c) / maxHigh * 100.0;
            sumSq += dd * dd;
        }
    }
    return MathSqrt(sumSq / period);
}

double CalcolaUlcerPercentile()
{
    double ui_now = CalcolaUlcerIndex(ULCER_PERIOD, 0);
    int    cnt    = 0;
    for(int i = 1; i <= PERCENTILE_WIN; i++)
        if(CalcolaUlcerIndex(ULCER_PERIOD, i) < ui_now) cnt++;
    return (double)cnt / PERCENTILE_WIN * 100.0;
}

bool GateMeanReversion()
{
    double pct = CalcolaUlcerPercentile();
    Print("Ulcer percentile: ", DoubleToString(pct, 1), "%");
    return (pct >= PERCENTILE_THR);
}

8. Mean Reversion vs Trend Following: Quale Scegliere

Oracle v78 usa un approccio ibrido deliberato: la logica di ingresso è di tipo mean reversion (Ulcer Index gate > 80° percentile seleziona le condizioni di massima probabilità di rimbalzo), mentre la logica di gestione del trade è di tipo trend following (RR 1:3, take profit lontano 3 volte lo stop loss). Questo combina l’alta qualità degli ingressi della MR con l’asimmetria favorevole del TF — ed è ciò che spiega il 42,1% di win rate con Profit Factor 1,44 su 65.587 operazioni.