William Gosset — L'Uomo che Beveva Birra e Inventò la T
WG
William Sealy Gosset
◈ Statistico · Chimico · Birraio · Guinness Dublin · 1876–1937
William Sealy Gosset lavorava come chimico e statistico per la Guinness Brewery di Dublino. Il suo problema pratico: come valutare la qualità del luppolo e dell'orzo con campioni piccoli — non poteva analizzare migliaia di lotti ogni volta. La distribuzione normale di Gauss era precisa solo con campioni grandi (N > 30). Gosset sviluppò nel 1908 una distribuzione che funzionava correttamente anche con campioni piccoli. La Guinness non permetteva ai dipendenti di pubblicare ricerche, così Gosset pubblicò sotto lo pseudonimo "Student" — da cui "Student's t-distribution" o distribuzione T-Student.
La storia di Gosset è un perfetto parallelo con l'applicazione al trading: anche un trader non può aspettare 10.000 osservazioni per stimare la distribuzione dei prezzi futuri. Deve fare inferenze statistiche su campioni finiti — esattamente il problema che la T-Student risolve.
La distribuzione T-Student si usa per costruire un intervallo di confidenza attorno alla media di un campione — nel trading, la media dei prezzi recenti. L'intervallo dice: "con X% di probabilità, il prezzo futuro si troverà tra questo livello e quest'altro."
I Gradi di Libertà — Cosa Sono e Perché Contano
I gradi di libertà (ν = N−1) esprimono quanta informazione "indipendente" contiene il campione per stimare la variabilità. Con N=5 dati, stimi la media usando tutti e 5 i valori — ma la deviazione standard usa solo 4 deviazioni indipendenti (l'ultima è determinata dalle prime 4 e dalla media). Quindi ν = 4.
Perché importa al trader: con gradi di libertà bassi (campioni piccoli), la distribuzione T ha le code più spesse — assegna più probabilità agli eventi estremi. Questo è realistico nei mercati: su un campione di 14 barre H4, i movimenti estremi sono più probabili di quanto suggerirebbe la distribuzione normale.
Tavola dei Valori Critici — Pronti da Usare
Questa è la tavola dei valori t critici per i livelli di confidenza più usati nel trading, per i gradi di libertà tipici dei timeframe di Oracle. Non serve usare software statistici — basta la tavola:
| Gradi di libertà ν (= N−1) |
t per 68% CI |
t per 90% CI |
t per 95% CI |
t per 99% CI |
Uso in Oracle |
| ν = 4 (N=5, M15) |
1.000 |
2.132 |
2.776 |
4.604 |
M15 short |
| ν = 7 (N=8, H1) |
1.000 |
1.895 |
2.365 |
3.499 |
H1 timing |
| ν = 13 (N=14, H4) ★ |
1.000 |
1.771 |
2.160 |
3.012 |
H4 principale ★ |
| ν = 20 (N=21, D1) |
1.000 |
1.725 |
2.086 |
2.845 |
D1 contesto |
| ν = 33 (N=34, W1) |
1.000 |
1.692 |
2.035 |
2.733 |
W1 macro |
| ν = ∞ (Normale) |
1.000 |
1.645 |
1.960 |
2.576 |
Limite teorico |
★ Parametro principale Oracle H4 · CI = Confidence Interval · Nota: il valore t per 68% CI è sempre ~1.000 indipendentemente da ν — la banda al 68% equivale a circa ±1 deviazione standard standard
Visualizzazione — Le Tre Bande sul Grafico
In Oracle, la T-Student produce tre bande concentriche sopra e sotto il prezzo corrente. Ogni banda ha un significato probabilistico preciso:
◈ Bande T-Student — visualizzazione schema
← 99% CI →
← 95% CI →
← 68% CI →
68% CI — Banda stretta · Alta probabilità di raggiungimento · TP ottimale Oracle
95% CI — Banda media · Probabilità moderata · TP conservativo target secondario
99% CI — Banda ampia · Probabilità bassa · Zona di massimo estensione possibile
T-Student vs Distribuzione Normale — Perché Importa
Molti sistemi di trading usano la distribuzione normale (gaussiana) per costruire bande statistiche sui prezzi. Il problema è che i mercati finanziari reali non seguono una distribuzione normale — hanno "code grasse" (fat tails): eventi estremi accadono molto più spesso di quanto la gaussiana preveda.
◈ Distribuzione Normale (Gaussiana)
Gauss · 1809
Matematicamente elegante e familiare
Precisa con campioni grandi (N > 100)
Code sottili — sottostima i movimenti estremi
Crash e spike appaiono "impossibili" ma accadono
Sovrastima la certezza delle stime con campioni piccoli
Assume varianza nota — irrealistica nel trading
◈ Distribuzione T-Student
Gosset · 1908
Code più spesse — cattura meglio i movimenti estremi
Corretta per campioni piccoli (N = 14, 21, 34)
Stima la varianza dal campione — realistica
Converge alla normale per grandi N — non perde precisione
Richiede tavola o software per valori critici
La distribuzione normale dice che un movimento di 5 deviazioni standard ha probabilità di 1 su 3.5 milioni. I mercati lo fanno una volta al decennio. La T-Student con pochi gradi di libertà è più onesta: dice "è raro ma non impossibile".
Calcolo Pratico — EURUSD H4, Esempio Numerico Completo
Mettiamo tutto insieme con un esempio reale su EURUSD H4, usando N=14 barre (ν=13 gradi di libertà), il parametro principale di Oracle:
◈ Banda T-Student EURUSD H4 — calcolo step-by-step
Dati input (14 barre H4):
Prezzo corrente (P̄ approssimata): 1.08240
Deviazione standard rendimenti (s): 0.00280 (28 pips su H4)
N = 14 barre → ν = 13 gradi di libertà
Calcolo banda 68%:
t(0.16, 13) ≈ 1.000
Ampiezza = 1.000 × (0.00280 / √14) = 1.000 × 0.000748 = 0.000748 (~7.5 pips)
Banda 68%: 1.08240 ± 0.000748 → [1.08165, 1.08315]
Calcolo banda 95%:
t(0.025, 13) = 2.160
Ampiezza = 2.160 × 0.000748 = 0.001616 (~16 pips)
Banda 95%: 1.08240 ± 0.001616 → [1.08078, 1.08402]
Calcolo banda 99%:
t(0.005, 13) = 3.012
Ampiezza = 3.012 × 0.000748 = 0.002253 (~22.5 pips)
Banda 99%: [1.08015, 1.08465] · TP Oracle: 1.08315 (+7.5 pips, banda 68%)
Nota importante: in questo esempio la banda 68% produce un TP di soli 7.5 pips — troppo vicino per un RR 1:3 con SL a 35 pips. In pratica, Oracle usa la banda 68% su un periodo K di proiezione futura più lungo del semplice errore standard, calibrato sui dati storici reali per ogni strumento e timeframe per ottenere distanze compatibili con il RR target.
Il Take Profit Ottimale — La Matematica della Scelta
Il punto più importante dell'applicazione della T-Student al trading: dove collocare il Take Profit per massimizzare l'aspettativa matematica?
Esiste un trade-off fondamentale: spostare il TP più lontano aumenta il RR ma riduce la probabilità di raggiungimento (WR). La domanda è: quale livello massimizza E = (WR × RR) − (1−WR)?
◈ Analisi TP ottimale — banda T-Student vs aspettativa · SL fisso 35 pips
50% CI
~45 pip
1:1.3
50%
+0.15R
68% CI ★
~75 pip
1:2.1
42%
+0.47R ★
80% CI
~95 pip
1:2.7
38%
+0.40R
95% CI
~115 pip
1:3.3
32%
+0.37R
99% CI
~145 pip
1:4.1
22%
+0.23R
Il risultato è chiaro: la banda al 68% produce l'aspettativa massima tra tutte le opzioni — non perché sia un numero magico, ma perché è il punto di equilibrio ottimale tra probabilità di raggiungimento (WR) e magnitudine del guadagno (RR). Andare oltre riduce il WR più velocemente di quanto aumenti il RR, abbassando E. Oracle colloca il TP principale al livello del 68% per questo motivo preciso.
Come Oracle Implementa la T-Student
◈ Implementazione in UlcerZenith Oracle v78
Calcolo automatico per strumento
Oracle calcola la deviazione standard dei rendimenti e le bande T-Student per ogni strumento e timeframe separatamente. EURUSD H4 ha parametri diversi da XAUUSD H4 — ogni strumento ha la sua volatilità storica.
Visualizzazione sul grafico MT5
Le tre bande (68%, 95%, 99%) appaiono come livelli orizzontali sul grafico MT5 aggiornati ad ogni nuova barra. Il trader vede immediatamente dove il prezzo ha alta o bassa probabilità di arrivare nelle prossime barre.
TP calcolato sulla banda 68%
Il Take Profit nell'alert Telegram corrisponde al limite superiore della banda al 68% in direzione del segnale. Questo massimizza l'aspettativa matematica del segnale come dimostrato nell'analisi sopra.
Score adjustment
La T-Student contribuisce all'Oracle Score: se il prezzo è già vicino al limite della banda al 68%, il segnale viene penalizzato nello score — lo spazio di movimento residuo è ridotto e l'aspettativa scende.
FAQ — T-Student nel Trading
Cos'è la distribuzione T-Student e perché si usa nel trading? ▶
La distribuzione T-Student (Student's t-distribution) è una distribuzione di probabilità sviluppata da William Sealy Gosset nel 1908 per stimare la media di una popolazione con campioni di dimensioni finite e varianza sconosciuta. Nel trading si usa per costruire bande di confidenza statistiche sui prezzi futuri — la formula è: IC = P̄ ± t(α/2, ν) × (s/√N). È superiore alla distribuzione normale per campioni piccoli (N < 30-50) e per la sua capacità di modellare le code grasse dei mercati finanziari, dove i movimenti estremi sono più frequenti di quanto la gaussiana preveda.
Come si calcolano le bande T-Student sui prezzi? ▶
Formula: IC = P̄ ± t(α/2, N−1) × (s / √N). Passaggi: 1) Calcola la media dei prezzi su N periodi (P̄). 2) Calcola la deviazione standard dei rendimenti (s). 3) Scegli il livello di confidenza (68%, 95%, 99%). 4) Trova il valore critico t dalla tavola con ν = N−1 gradi di libertà. 5) Moltiplica t × (s/√N) per ottenere l'ampiezza della banda. Esempio con N=14 barre H4, s=0.0028: banda 68% = 1.000 × (0.0028/√14) = ±7.5 pips dalla media.
Perché usare la T-Student invece della distribuzione normale? ▶
Due motivi principali. Primo: i mercati finanziari hanno "code grasse" (fat tails) — i crash e i movimenti estremi accadono molto più spesso di quanto previsto dalla distribuzione normale. La T-Student con pochi gradi di libertà ha code più spesse, catturando meglio questa realtà. Secondo: con campioni piccoli (N=14 barre H4), la distribuzione normale sottostima l'incertezza perché assume di conoscere la varianza vera della popolazione — la T-Student è corretta per campioni finiti. La T-Student converge alla normale per N → ∞, quindi non si perde precisione con campioni grandi.
Come si usa la T-Student per calcolare il Take Profit ottimale? ▶
Il Take Profit statisticamente ottimale si colloca al limite della banda al 68% in direzione del segnale. A questo livello c'è circa il 68% di probabilità che il prezzo arrivi. La scelta del 68% — e non 95% o 99% — è matematica: il TP al 68% massimizza l'aspettativa E = (WR × RR) − (1−WR). Spostare il TP alla banda al 95% aumenta il RR ma riduce il WR proporzionalmente di più, abbassando l'aspettativa. I dati numerici nell'articolo mostrano E: banda 68% = +0.47R, banda 95% = +0.37R, banda 99% = +0.23R — la 68% vince nettamente.
Cosa sono i "gradi di libertà" nella T-Student? ▶
I gradi di libertà (ν) misurano quanta informazione indipendente contiene il campione per stimare la variabilità. Formula: ν = N − 1. Con 14 barre H4: ν = 13. Perché N−1 e non N? Perché una volta calcolata la media del campione, solo N−1 deviazioni sono "libere" — l'ultima è determinata dalle altre e dalla media. Più sono bassi i gradi di libertà, più la distribuzione T ha le code spesse — riflettendo l'incertezza maggiore con campioni piccoli. Con ν → ∞, la T converge alla normale.
Disclaimer: Il trading su strumenti finanziari comporta un elevato rischio di perdita del capitale investito. I calcoli e le stime statistiche presentati sono a scopo educativo e non costituiscono garanzia di rendimento futuro. Le performance passate non sono indicative dei risultati futuri. Nessun contenuto costituisce consulenza finanziaria ai sensi del D.Lgs. 58/1998 (TUF). Manuel Trotta / MTInvestments P.IVA 14349331000.
