Easy – Bottom Up Finance

Indicatori di volume

Bottom Up — Thu, 12 Jun 2025 19:43:39 +0000

Easy

Introduzione agli Indicatori di Volume

Teoria di Base

Gli indicatori di volume analizzano i volumi di scambio per valutare la forza e la sostenibilità dei movimenti di prezzo di un asset finanziario. Il volume rappresenta l’attività di mercato: un aumento del volume in concomitanza con un movimento di prezzo ne conferma la validità, mentre un volume basso può indicare debolezza o mancanza di partecipazione. Gli indicatori di volume sono quindi strumenti cruciali per confermare tendenze, identificare potenziali inversioni e misurare la pressione di acquisto o vendita.

La teoria alla base di questi indicatori si basa sull’interazione tra volume e prezzo. Ad esempio, l’On-Balance Volume (OBV) accumula il volume in base alla direzione del prezzo:

\[
\text{OBV}_t = \text{OBV}_{t-1} + \begin{cases}
\text{Volume}_t & \text{se } \text{Close}_t > \text{Close}_{t-1} \\
-\text{Volume}_t & \text{se } \text{Close}_t < \text{Close}_{t-1} \\
0 & \text{se } \text{Close}_t = \text{Close}_{t-1}
\end{cases}
\]

Altri indicatori, come il Chaikin Money Flow (CMF), combinano volume e prezzo per misurare il flusso di denaro:

\[
\text{CMF} = \frac{\sum_{i=1}^n \text{Money Flow Volume}_i}{\sum_{i=1}^n \text{Volume}_i}
\]

Indicatori come il Volume Weighted Average Price (VWAP), l’Accumulation/Distribution Line (A/D), il Volume Rate of Change (VROC) e il Volume Oscillator (VO) offrono diverse prospettive sul volume, analizzando rispettivamente prezzi medi ponderati, flussi di accumulazione/distribuzione, variazioni percentuali e differenze tra medie mobili del volume.

Vantaggi degli Indicatori di Volume

Gli indicatori di volume offrono diversi vantaggi per i trader e gli analisti tecnici:

Conferma delle tendenze: Indicatori come OBV e A/D Line confermano la forza di una tendenza: un aumento del volume in un trend rialzista o ribassista ne valida la sostenibilità.
Identificazione di inversioni: Divergenze tra prezzo e volume (es. prezzo in aumento ma OBV in diminuzione) possono segnalare potenziali inversioni.
Efficienza computazionale: Molti indicatori, come OBV e VROC (\( O(1) \) per aggiornamento), sono veloci da calcolare, adatti al trading in tempo reale.
Supporto per benchmark: Il VWAP funge da livello di riferimento per il trading intraday, aiutando a identificare prezzi equi.
Valutazione della pressione di mercato: Indicatori come il CMF mostrano la pressione di acquisto o vendita, utili per decisioni di ingresso/uscita.

Limiti degli Indicatori di Volume

Nonostante i loro vantaggi, gli indicatori di volume presentano limitazioni che i trader devono considerare:

Mancanza di direzione autonoma: Indicatori come OBV e VROC non forniscono segnali direzionali chiari senza un’analisi del prezzo, richiedendo integrazione con altri strumenti.
Sensibilità ai dati di volume: In mercati con volumi bassi o dati inaffidabili (es. Forex OTC), gli indicatori possono essere meno accurati.
Falsi segnali in mercati laterali: Indicatori come il Volume Oscillator possono generare segnali fuorvianti in assenza di una tendenza chiara.
Ritardo intrinseco: Indicatori basati su medie (es. Volume Oscillator, CMF) possono ritardare nel riflettere cambiamenti improvvisi nel volume.
Complessità interpretativa: Indicatori come l’A/D Line e il CMF richiedono esperienza per interpretare correttamente il Money Flow Multiplier e i flussi cumulativi.

Per mitigare questi limiti, è consigliabile utilizzare gli indicatori di volume in combinazione con indicatori di tendenza, momentum e volatilità, ottimizzare i parametri tramite backtesting e considerare il contesto di mercato per evitare falsi segnali.

Indicatori di Volume: Matematica e Implementazione in PineScript

Gli indicatori di volume analizzano i volumi di scambio per valutare la forza di un movimento di prezzo, confermare tendenze e identificare potenziali inversioni. Il volume è un indicatore chiave per comprendere l’attività di mercato: un aumento del volume in concomitanza con un movimento di prezzo ne conferma la validità, mentre un volume basso può indicare debolezza. Questo capitolo esplora sei indicatori di volume: On-Balance Volume (OBV), Volume Weighted Average Price (VWAP), Accumulation/Distribution Line (A/D), Volume Rate of Change (VROC), Chaikin Money Flow (CMF) e Volume Oscillator (VO). Per ciascun indicatore, presentiamo le equazioni matematiche, una spiegazione tecnica e due implementazioni in PineScript: una con funzioni native di TradingView e una con calcoli manuali.

1. On-Balance Volume (OBV)

L’On-Balance Volume (OBV) misura il flusso di volume cumulativo in base alla direzione del prezzo, utile per confermare tendenze.

Spiegazione: L’OBV aumenta o diminuisce in base alla direzione del prezzo. È semplice (\( O(1) \)) ma sensibile a falsi segnali in mercati laterali.

Versione con Funzioni Native


//@version=5
indicator("OBV - Funzioni Native", overlay=false)
obv = ta.obv(close, volume)
plot(obv, color=color.blue, title="OBV")

La funzione ta.obv calcola l’OBV in modo ottimizzato.

Versione con Concetti Matematici di Base


//@version=5
indicator("OBV - Calcolo Manuale", overlay=false)
var float obv_manual = 0.0
if close > close[1]
    obv_manual := obv_manual[1] + volume
else if close < close[1]
    obv_manual := obv_manual[1] - volume
else
    obv_manual := obv_manual[1]
plot(obv_manual, color=color.blue, title="OBV Manuale")

Il codice calcola manualmente l’OBV in base alla direzione del prezzo.

2. Volume Weighted Average Price (VWAP)

Il Volume Weighted Average Price (VWAP) calcola il prezzo medio ponderato per il volume, spesso usato come benchmark per il trading intraday.

\[
\text{VWAP} = \frac{\sum_{i=1}^n (\text{Typical Price}_i \cdot \text{Volume}_i)}{\sum_{i=1}^n \text{Volume}_i}, \quad \text{dove } \text{Typical Price} = \frac{\text{High} + \text{Low} + \text{Close}}{3}
\]

Spiegazione: Il VWAP si resetta all’inizio di ogni sessione (es. giornaliera). È utile per identificare livelli di supporto/resistenza. Complessità: \( O(1) \) per aggiornamento.

Versione con Funzioni Native


//@version=5
indicator("VWAP - Funzioni Native", overlay=true)
vwap = ta.vwap(close, volume, timeframe.isdaily ? 0 : na)
plot(vwap, color=color.purple, title="VWAP")

La funzione ta.vwap calcola il VWAP con reset giornaliero.

Versione con Concetti Matematici di Base


//@version=5
indicator("VWAP - Calcolo Manuale", overlay=true)
typical_price = (high + low + close) / 3
var float cum_volume_price = 0.0
var float cum_volume = 0.0
if timeframe.change("D")
    cum_volume_price := 0.0
    cum_volume := 0.0
cum_volume_price := cum_volume_price + typical_price * volume
cum_volume := cum_volume + volume
vwap_manual = cum_volume_price / cum_volume
plot(vwap_manual, color=color.purple, title="VWAP Manuale")

Il codice calcola manualmente il VWAP con reset giornaliero.

3. Accumulation/Distribution Line (A/D)

La Accumulation/Distribution Line (A/D) misura il flusso di volume cumulativo in base alla posizione del prezzo di chiusura nell’intervallo giornaliero.

\[
\text{Money Flow Multiplier} = \frac{(\text{Close} – \text{Low}) – (\text{High} – \text{Close})}{\text{High} – \text{Low}}
\]
\[
\text{A/D}_t = \text{A/D}_{t-1} + (\text{Money Flow Multiplier} \cdot \text{Volume}_t)
\]

Spiegazione: Valori crescenti indicano accumulazione, decrescenti distribuzione. È efficace (\( O(1) \)) ma sensibile a gap di prezzo.

Versione con Funzioni Native


//@version=5
indicator("A/D Line - Funzioni Native", overlay=false)
ad = ta.accumulation_distribution(close, high, low, volume)
plot(ad, color=color.green, title="A/D Line")

La funzione ta.accumulation_distribution calcola l’A/D Line.

Versione con Concetti Matematici di Base


//@version=5
indicator("A/D Line - Calcolo Manuale", overlay=false)
mfm = ((close - low) - (high - close)) / (high - low)
mfv = mfm * volume
var float ad_manual = 0.0
ad_manual := ad_manual[1] + mfv
plot(ad_manual, color=color.green, title="A/D Line Manuale")

Il codice calcola manualmente il Money Flow Multiplier e l’A/D Line.

4. Volume Rate of Change (VROC)

Il Volume Rate of Change (VROC) misura la variazione percentuale del volume rispetto a un periodo precedente.

\[
\text{VROC} = \frac{\text{Volume}_t – \text{Volume}_{t-n}}{\text{Volume}_{t-n}} \cdot 100
\]

Spiegazione: Valori positivi indicano un aumento del volume, negativi una diminuzione. È semplice (\( O(1) \)) ma sensibile a picchi improvvisi.

Versione con Funzioni Native


//@version=5
indicator("VROC - Funzioni Native", overlay=false)
length = input.int(14, "Periodo", minval=1)
vroc = ta.roc(volume, length)
hline(0, "Zero", color=color.gray, linestyle=hline.style_dashed)
plot(vroc, color=color.orange, title="VROC")

La funzione ta.roc calcola il VROC.

Versione con Concetti Matematici di Base


//@version=5
indicator("VROC - Calcolo Manuale", overlay=false)
length = input.int(14, "Periodo", minval=1)
vroc_manual = (volume - volume[length]) / volume[length] * 100
hline(0, "Zero", color=color.gray, linestyle=hline.style_dashed)
plot(vroc_manual, color=color.orange, title="VROC Manuale")

Il codice calcola manualmente la variazione percentuale del volume.

5. Chaikin Money Flow (CMF)

Il Chaikin Money Flow (CMF) misura il flusso di denaro cumulativo su un periodo, normalizzato per il volume totale.

\[
\text{Money Flow Multiplier} = \frac{(\text{Close} – \text{Low}) – (\text{High} – \text{Close})}{\text{High} – \text{Low}}
\]
\[
\text{Money Flow Volume} = \text{Money Flow Multiplier} \cdot \text{Volume}
\]
\[
\text{CMF} = \frac{\sum_{i=1}^n \text{Money Flow Volume}_i}{\sum_{i=1}^n \text{Volume}_i}
\]

Spiegazione: Valori sopra 0 indicano pressione d’acquisto, sotto 0 pressione di vendita. Complessità: \( O(n) \).

Versione con Funzioni Native


//@version=5
indicator("CMF - Funzioni Native", overlay=false)
length = input.int(20, "Periodo", minval=1)
cmf = ta.chaikinmoneyflow(high, low, close, volume, length)
hline(0, "Zero", color=color.gray, linestyle=hline.style_dashed)
plot(cmf, color=color.red, title="CMF")

La funzione ta.chaikinmoneyflow calcola il CMF.

Versione con Concetti Matematici di Base


//@version=5
indicator("CMF - Calcolo Manuale", overlay=false)
length = input.int(20, "Periodo", minval=1)
mfm = ((close - low) - (high - close)) / (high - low)
mfv = mfm * volume
sum_mfv = ta.cum(mfv) - ta.cum(mfv)[length]
sum_volume = ta.cum(volume) - ta.cum(volume)[length]
cmf_manual = sum_mfv / sum_volume
hline(0, "Zero", color=color.gray, linestyle=hline.style_dashed)
plot(cmf_manual, color=color.red, title="CMF Manuale")

Il codice calcola manualmente il CMF usando somme cumulative.

6. Volume Oscillator (VO)

Il Volume Oscillator (VO) misura la differenza tra due medie mobili del volume, espressa in percentuale.

\[
\text{VO} = \frac{\text{SMA}_{\text{short}}(\text{Volume}) – \text{SMA}_{\text{long}}(\text{Volume})}{\text{SMA}_{\text{long}}(\text{Volume})} \cdot 100
\]

Spiegazione: Valori positivi indicano un volume in aumento, negativi in diminuzione. Complessità: \( O(n) \).

Versione con Funzioni Native


//@version=5
indicator("Volume Oscillator - Funzioni Native", overlay=false)
short_length = input.int(5, "Periodo Corto", minval=1)
long_length = input.int(10, "Periodo Lungo", minval=1)
short_ma = ta.sma(volume, short_length)
long_ma = ta.sma(volume, long_length)
vo = (short_ma - long_ma) / long_ma * 100
hline(0, "Zero", color=color.gray, linestyle=hline.style_dashed)
plot(vo, color=color.purple, title="Volume Oscillator")

La funzione ta.sma calcola le medie mobili per derivare il VO.

Versione con Concetti Matematici di Base


//@version=5
indicator("Volume Oscillator - Calcolo Manuale", overlay=false)
short_length = input.int(5, "Periodo Corto", minval=1)
long_length = input.int(10, "Periodo Lungo", minval=1)
var float short_sum = 0.0
var float long_sum = 0.0
short_sum := ta.cum(volume) - ta.cum(volume)[short_length]
long_sum := ta.cum(volume) - ta.cum(volume)[long_length]
short_ma_manual = short_sum / short_length
long_ma_manual = long_sum / long_length
vo_manual = (short_ma_manual - long_ma_manual) / long_ma_manual * 100
hline(0, "Zero", color=color.gray, linestyle=hline.style_dashed)
plot(vo_manual, color=color.purple, title="Volume Oscillator Manuale")

Il codice calcola manualmente le medie mobili usando somme cumulative.

Conclusione

Gli indicatori di volume forniscono un’importante prospettiva sull’attività di mercato, aiutando a confermare tendenze e identificare inversioni. L’OBV (\( \text{OBV}_t = \text{OBV}_{t-1} \pm \text{Volume}_t \)) e l’A/D Line (\( \text{A/D}_t = \text{A/D}_{t-1} + (\text{MFM} \cdot \text{Volume}) \)) misurano il flusso di volume cumulativo; il VWAP (\( \text{VWAP} = \frac{\sum (\text{TP}_i \cdot \text{Volume}_i)}{\sum \text{Volume}_i} \)) funge da benchmark intraday; il VROC (\( \text{VROC} = \frac{\text{Volume}_t – \text{Volume}_{t-n}}{\text{Volume}_{t-n}} \cdot 100 \)) e il Volume Oscillator (\( \text{VO} = \frac{\text{SMA}_{\text{short}} – \text{SMA}_{\text{long}}}{\text{SMA}_{\text{long}}} \cdot 100 \)) analizzano variazioni di volume; il CMF (\( \text{CMF} = \frac{\sum \text{MFV}_i}{\sum \text{Volume}_i} \)) valuta la pressione di acquisto/vendita. Le implementazioni PineScript mostrano che le funzioni native (\( O(1) \)) sono più efficienti rispetto ai calcoli manuali (\( O(n) \)). Per un uso efficace, combina questi indicatori con analisi di tendenza e volatilità, ottimizza i parametri tramite backtesting e considera il contesto di mercato per evitare falsi segnali.

Vuoi contenuti ancora più approfonditi?

Iscriviti alla nostra newsletter per ricevere:

Guide gratuite
Strategie avanzate di trading
Analisi di libri e paper scientifici

Bottom Up

Altri articoli

Blog

Effetto Trump sui trading systems

Trump, algoritmi e mercati: perché i trading system fanno sempre più fatica C’è una frase che gira da qualche anno tra trader e sviluppatori di sistemi quantitativi: “da quando è

13 Aprile 2026

Blog

L’inflazione si mangia i tuoi soldi

«Se non investi, l’inflazione si mangia i tuoi soldi.» Questa frase è diventata quasi un mantra nella divulgazione finanziaria italiana e internazionale. Viene ripetuta da consulenti, podcast, creator di finanza personale

10 Aprile 2026

Indicatori di volatilità

Bottom Up — Fri, 06 Jun 2025 19:38:01 +0000

Easy

Introduzione agli Indicatori di Volatilità

Teoria di Base

Gli indicatori di volatilità sono strumenti di analisi tecnica progettati per misurare l’ampiezza e la frequenza delle variazioni di prezzo di un asset finanziario. La volatilità riflette il grado di incertezza o rischio associato al movimento del prezzo, con valori elevati che indicano mercati instabili e valori bassi che suggeriscono stabilità. Questi indicatori sono essenziali per strategie di trading come i breakout, la gestione del rischio (es. posizionamento degli stop-loss) e l’identificazione di fasi di mercato laterali o trending.

La teoria sottostante si basa sulla quantificazione delle fluttuazioni di prezzo. Ad esempio, l’Average True Range (ATR) misura la volatilità media considerando l’intervallo reale dei prezzi:

\[
TR = \max(\text{High}_t – \text{Low}_t, |\text{High}_t – \text{Close}_{t-1}|, |\text{Low}_t – \text{Close}_{t-1}|)
\]
\[
ATR = \text{EMA}_n(TR)
\]

Altri indicatori, come le Bollinger Bands, usano la deviazione standard per costruire canali di volatilità attorno a una media mobile:

\[
\text{Upper Band} = \text{SMA}_n(\text{Close}) + k \cdot \text{StdDev}_n(\text{Close})
\]

Indicatori come la Standard Deviation, la Chaikin Volatility, l’Historical Volatility

Vantaggi degli Indicatori di Volatilità

Gli indicatori di volatilità offrono numerosi vantaggi per i trader e gli analisti tecnici:

Identificazione delle condizioni di mercato: Indicatori come ATR e Bollinger Bands aiutano a distinguere tra mercati volatili (trend o breakout) e mercati laterali (bassa volatilità), guidando le strategie di trading.
Gestione del rischio: L’ATR e i Keltner Channels sono utilizzati per impostare stop-loss e trailing stop, adattandosi alla volatilità corrente.
Efficienza computazionale: Molti indicatori, come l’ATR (\( O(1) \) per aggiornamento) e i Keltner Channels, sono veloci da calcolare, rendendoli adatti al trading in tempo reale.
Segnali di breakout: Le Bollinger Bands e i Keltner Channels segnalano potenziali breakout quando il prezzo attraversa le bande, utili in mercati trending.
Versatilità: Possono essere combinati con indicatori di tendenza e momentum per confermare segnali e migliorare l’accuratezza.

Limiti degli Indicatori di Volatilità

Nonostante i loro vantaggi, gli indicatori di volatilità presentano limitazioni che i trader devono considerare:

Mancanza di direzione: Indicatori come l’ATR e la Standard Deviation misurano l’ampiezza del movimento ma non la direzione, richiedendo l’integrazione con

Indicatori di Volatilità: Matematica e Implementazione in PineScript

Gli indicatori di volatilità misurano l’ampiezza delle variazioni di prezzo di un asset, fornendo informazioni sulla stabilità o l’instabilità del mercato. Questi strumenti sono fondamentali per identificare periodi di alta o bassa volatilità, utili per strategie di breakout, gestione del rischio e posizionamento degli stop-loss. Questo capitolo esplora sei indicatori di volatilità: Average True Range (ATR), Bollinger Bands, Standard Deviation, Chaikin Volatility, Historical Volatility e Keltner Channels. Per ciascun indicatore, presentiamo le equazioni matematiche, una spiegazione tecnica e due implementazioni in PineScript: una con funzioni native di TradingView e una con calcoli manuali.

1. Average True Range (ATR)

L’Average True Range (ATR) misura la volatilità media di un asset calcolando l’intervallo reale (True Range) e livellandolo con una media esponenziale.

\[
TR = \max(\text{High}_t – \text{Low}_t, |\text{High}_t – \text{Close}_{t-1}|, |\text{Low}_t – \text{Close}_{t-1}|)
\]
\[
ATR = \text{EMA}_n(TR)
\]

Spiegazione: Il True Range (TR) considera il range giornaliero e i gap. L’ATR è efficiente (\( O(1) \)) ed è spesso usato per impostare stop-loss o trailing stop.

Codice


//@version=5
indicator("ATR - Funzioni Native", overlay=false)
length = input.int(14, "Periodo ATR", minval=1)
atr = ta.atr(length)
plot(atr, color=color.blue, title="ATR")

La funzione ta.atr calcola l’ATR in modo ottimizzato.

2. Bollinger Bands

Le Bollinger Bands misurano la volatilità costruendo bande sopra e sotto una media mobile, distanziate in base alla deviazione standard.

\[
\text{Middle Band} = \text{SMA}_n(\text{Close})
\]
\[
\text{Upper Band} = \text{Middle Band} + k \cdot \text{StdDev}_n(\text{Close})
\]
\[
\text{Lower Band} = \text{Middle Band} – k \cdot \text{StdDev}_n(\text{Close})
\]

Spiegazione: \( k \) è il moltiplicatore (tipicamente 2). Le bande si espandono con alta volatilità e si restringono con bassa volatilità. Complessità: \( O(n) \).

Codice


//@version=5
indicator("Bande di Bollinger (funzioni native)", overlay=true)

// === Parametri ===
length = input.int(20, title="Periodo")
mult = input.float(2.0, title="Deviazione standard")

// === Calcolo Bande con funzioni native ===
basis = ta.sma(close, length)
dev = mult * ta.stdev(close, length)

upper = basis + dev
lower = basis - dev

// === Plot ===
plot_basis = plot(basis, title="Media", color=color.blue)
plot_upper = plot(upper, title="Banda Superiore", color=color.green)
plot_lower = plot(lower, title="Banda Inferiore", color=color.red)

// === Area riempita ===
fill(plot_upper, plot_lower, color=color.new(color.gray, 85), title="Area tra le bande")

La funzione ta.bb calcola le tre bande in modo ottimizzato.

Versione con Concetti Matematici di Base


//@version=5
indicator("Bande di Bollinger (manuale)", overlay=true)

// === Input ===
length = input.int(20, title="Periodo")
mult = input.float(2.0, title="Deviazione standard")

// === Media mobile semplice (SMA) ===
sma = ta.sma(close, length)

// === Deviazione standard ===
stddev = ta.stdev(close, length)  // Usa la versione nativa corretta

// === Calcolo bande ===
upper = sma + mult * stddev
lower = sma - mult * stddev

// === Plot ===
plot_sma = plot(sma, title="Media", color=color.blue)
plot_upper = plot(upper, title="Banda Superiore", color=color.green)
plot_lower = plot(lower, title="Banda Inferiore", color=color.red)

// === Fill tra le bande ===
fill(plot_upper, plot_lower, color=color.new(color.gray, 85), title="Area Banda")

Il codice calcola la SMA, la deviazione standard e le bande manualmente.

3. Standard Deviation

La Standard Deviation misura la dispersione dei prezzi rispetto alla loro media, un indicatore diretto della volatilità.

\[
\text{StdDev}_n = \sqrt{\frac{1}{n} \sum_{i=0}^{n-1} (\text{Close}_{t-i} – \text{SMA}_n(\text{Close}))^2}
\]

Spiegazione: Una deviazione standard alta indica alta volatilità. È usata in altri indicatori come le Bollinger Bands. Complessità: \( O(n) \).

Codice


//@version=5
indicator("Standard Deviation - Funzioni Native", overlay=false)
length = input.int(20, "Periodo", minval=1)
std_dev = ta.stdev(close, length)
plot(std_dev, color=color.orange, title="Standard Deviation")

La funzione ta.stdev calcola la deviazione standard.

Versione con Concetti Matematici di Base


//@version=5
indicator("Standard Deviation - Calcolo Manuale", overlay=false)
length = input.int(20, "Periodo", minval=1)
sma = ta.sma(close, length)
var float sum_squares = 0.0
for i = 0 to length - 1
    sum_squares := sum_squares + math.pow(close[i] - sma, 2)
std_dev_manual = math.sqrt(sum_squares / length)
plot(std_dev_manual, color=color.orange, title="Standard Deviation Manuale")

Il codice calcola manualmente la SMA e la deviazione standard.

4. Chaikin Volatility

La Chaikin Volatility misura la volatilità calcolando la variazione percentuale del range (High-Low) su un periodo, livellato con una EMA.

\[
\text{Range} = \text{High}_t – \text{Low}_t
\]
\[
\text{Chaikin Volatility} = \text{EMA}_n(\text{Range}) – \text{EMA}_n(\text{Range})_{t-m}
\]

Spiegazione: \( m \) è il periodo di confronto (es. 10). Valori positivi indicano un aumento della volatilità. Complessità: \( O(1) \) per aggiornamento.

Codice


//@version=5
indicator("Chaikin Volatility - Funzioni Native", overlay=false)
length = input.int(10, "Periodo EMA", minval=1)
lag = input.int(10, "Lag", minval=1)
range1 = high - low
ema_range = ta.ema(range1, length)
chaikin_vol = ema_range - ema_range[lag]
plot(chaikin_vol, color=color.purple, title="Chaikin Volatility")
hline(0, "Zero", color=color.gray, linestyle=hline.style_dashed)

La funzione ta.ema calcola l’EMA del range per derivare la volatilità.

Versione con Concetti Matematici di Base


//@version=5
indicator("Chaikin Volatility - Calcolo Manuale", overlay=false)
length = input.int(10, "Periodo EMA", minval=1)
lag = input.int(10, "Lag", minval=1)
k = 2 / (length + 1)
range1 = high - low
var float ema_range_manual = 0.0
if bar_index < length
    ema_range_manual := ta.sma(range1, length)
else
    ema_range_manual := range1 * k + ema_range_manual[1] * (1 - k)
chaikin_vol_manual = ema_range_manual - ema_range_manual[lag]
plot(chaikin_vol_manual, color=color.purple, title="Chaikin Volatility Manuale")
hline(0, "Zero", color=color.gray, linestyle=hline.style_dashed)

Il codice calcola manualmente l’EMA del range e la variazione.

5. Historical Volatility

L’Historical Volatility misura la volatilità passata calcolando la deviazione standard dei rendimenti logaritmici annualizzati.

\[
\text{Return}_t = \ln\left(\frac{\text{Close}_t}{\text{Close}_{t-1}}\right)
\]
\[
\text{HV} = \text{StdDev}_n(\text{Return}) \cdot \sqrt{252} \cdot 100
\]

Spiegazione: \( \sqrt{252} \) annualizza la volatilità (252 giorni di trading in un anno). È utile per confronti storici. Complessità: \( O(n) \).

Codice


//@version=5
indicator("Historical Volatility - Funzioni Native", overlay=false)
length = input.int(20, "Periodo", minval=1)
returns = math.log(close / close[1])
std_dev = ta.stdev(returns, length)
hv = std_dev * math.sqrt(252) * 100
plot(hv, color=color.red, title="Historical Volatility")

La funzione ta.stdev calcola la deviazione standard dei rendimenti.

6. Keltner Channels

I Keltner Channels sono canali di volatilità basati su una EMA e sull’ATR, con bande sopra e sotto la media.

\[
\text{Middle Line} = \text{EMA}_n(\text{Close})
\]
\[
\text{Upper Channel} = \text{Middle Line} + k \cdot \text{ATR}_m
\]
\[
\text{Lower Channel} = \text{Middle Line} – k \cdot \text{ATR}_m
\]

Spiegazione: \( k \) è il moltiplicatore (es. 2), e \( m \) è il periodo dell’ATR. Sono simili alle Bollinger Bands ma usano l’ATR invece della deviazione standard. Complessità: \( O(1) \) per aggiornamento.

Codice


//@version=5
indicator("Keltner Channels - Funzioni Native", overlay=true)

// === Input ===
length_ema = input.int(20, "Periodo EMA", minval=1)
length_atr = input.int(10, "Periodo ATR", minval=1)
mult = input.float(2.0, "Moltiplicatore", step=0.1)

// === Calcoli principali ===
middle = ta.ema(close, length_ema)
atr = ta.atr(length_atr)
upper = middle + mult * atr
lower = middle - mult * atr

// === Plot assegnati a variabili ===
plot_middle = plot(middle, color=color.blue, title="Middle Line")
plot_upper = plot(upper, color=color.red, title="Upper Channel")
plot_lower = plot(lower, color=color.green, title="Lower Channel")

// === Fill tra upper e lower ===
fill(plot_upper, plot_lower, color=color.new(color.purple, 90), title="Fill")

Le funzioni ta.ema e ta.atr calcolano la media e l’ATR.

Versione con Concetti Matematici di Base


//@version=5
indicator("Keltner Channels - Calcolo Manuale", overlay=true)
length_ema = input.int(20, "Periodo EMA", minval=1)
length_atr = input.int(10, "Periodo ATR", minval=1)
mult = input.float(2.0, "Moltiplicatore", step=0.1)
k_ema = 2 / (length_ema + 1)
k_atr = 2 / (length_atr + 1)
var float ema_manual = 0.0
if bar_index < length_ema
    ema_manual := ta.sma(close, length_ema)
else
    ema_manual := close * k_ema + ema_manual[1] * (1 - k_ema)
tr = math.max(high - low, math.abs(high - close[1]), math.abs(low - close[1]))
var float atr_manual = 0.0
if bar_index < length_atr
    atr_manual := ta.sma(tr, length_atr)
else
    atr_manual := tr * k_atr + atr_manual[1] * (1 - k_atr)
upper_manual = ema_manual + mult * atr_manual
lower_manual = ema_manual - mult * atr_manual
a = plot(ema_manual, color=color.blue, title="Middle Line Manuale")
b = plot(upper_manual, color=color.red, title="Upper Channel Manuale")
c = plot(lower_manual, color=color.green, title="Lower Channel Manuale")
fill(b,c, color=color.new(color.purple, 90), title="Fill Manuale")

Il codice calcola manualmente l’EMA e l’ATR per costruire i canali.

Conclusione

Gli indicatori di volatilità sono strumenti essenziali per comprendere e sfruttare le dinamiche di mercato. L’ATR (\( ATR = \text{EMA}_n(TR) \)) e i Keltner Channels (\( \text{Upper} = \text{EMA}_n + k \cdot \text{ATR} \)) offrono misure dirette della volatilità, utili per stop-loss e breakout; le Bollinger Bands (\( \text{Upper} = \text{SMA}_n + k \cdot \text{StdDev}_n \)) e la Standard Deviation (\( \text{StdDev}_n = \sqrt{\frac{1}{n} \sum (\text{Close} – \text{SMA}_n)^2} \)) evidenziano la dispersione dei prezzi; la Chaikin Volatility (\( \text{CV} = \text{EMA}_n(\text{Range}) – \text{EMA}_n(\text{Range})_{t-m} \)) e l’Historical Volatility (\( \text{HV} = \text{StdDev}_n(\text{Return}) \cdot \sqrt{252} \cdot 100 \)) analizzano variazioni di volatilità nel tempo. Le implementazioni PineScript mostrano che le funzioni native (\( O(1) \)) sono più efficienti rispetto ai calcoli manuali (\( O(n) \)). Per un uso efficace, è consigliabile combinarli con indicatori di tendenza e momentum, ottimizzare i parametri tramite backtesting e usarli per strategie di gestione del rischio in mercati volatili.

Vuoi contenuti ancora più approfonditi?

Iscriviti alla nostra newsletter per ricevere:

Guide gratuite
Strategie avanzate di trading
Analisi di libri e paper scientifici

Bottom Up

Altri articoli

Blog

Effetto Trump sui trading systems

Trump, algoritmi e mercati: perché i trading system fanno sempre più fatica C’è una frase che gira da qualche anno tra trader e sviluppatori di sistemi quantitativi: “da quando è

13 Aprile 2026

Blog

L’inflazione si mangia i tuoi soldi

10 Aprile 2026

Indicatori di momentum

Bottom Up — Sun, 01 Jun 2025 19:28:25 +0000

Easy

Introduzione agli Indicatori di Momentum

Teoria di Base

Gli indicatori di momentum sono strumenti di analisi tecnica progettati per misurare la velocità e la forza delle variazioni di prezzo di un asset finanziario. A differenza degli indicatori di tendenza, che si concentrano sulla direzione del prezzo, gli indicatori di momentum valutano il ritmo del movimento, aiutando i trader a identificare condizioni di ipercomprato (quando il prezzo è salito troppo rapidamente) o ipervenduto (quando il prezzo è sceso troppo rapidamente), oltre a potenziali inversioni di tendenza.

La teoria alla base di questi indicatori si basa sul concetto di “momentum” come variazione del prezzo nel tempo. Ad esempio, il Momentum Indicator misura semplicemente la differenza tra il prezzo attuale e quello di \( n \) periodi fa:

\[
\text{Momentum} = \text{Close}_t – \text{Close}_{t-n}
\]

Altri indicatori, come il Relative Strength Index (RSI), normalizzano il momentum calcolando il rapporto tra guadagni e perdite su un periodo, per poi trasformarlo in un oscillatore che varia tra 0 e 100:

\[
RS = \frac{\text{EMA}_n(\text{Gain})}{\text{EMA}_n(\text{Loss})}
\]
\[
RSI = 100 – \frac{100}{1 + RS}
\]

Indicatori come lo Stochastic Oscillator e il Williams %R confrontano il prezzo di chiusura con l’intervallo di prezzo su un periodo, mentre il Commodity Channel Index (CCI) misura la deviazione del prezzo tipico dalla sua media mobile. Questi indicatori sono spesso usati come oscillatori, con soglie (es. 70/30 per RSI, 80/20 per Stochastic) che segnalano condizioni estreme.

Vantaggi degli Indicatori di Momentum

Gli indicatori di momentum offrono diversi vantaggi per i trader e gli analisti tecnici:

Identificazione di condizioni estreme: Indicatori come RSI e Stochastic Oscillator aiutano a individuare situazioni di ipercomprato o ipervenduto, che possono precedere inversioni di prezzo.
Segnali di inversione: Attraverso divergenze (es. prezzo in aumento ma RSI in diminuzione), questi indicatori possono anticipare cambiamenti di tendenza.
Efficienza computazionale: Molti indicatori di momentum, come il Momentum Indicator e il Rate of Change (ROC), hanno una complessità di \( O(1) \) per aggiornamento, rendendoli veloci da calcolare in tempo reale.
Versatilità: Possono essere utilizzati in combinazione con indicatori di tendenza o volumi per confermare segnali e migliorare l’accuratezza delle strategie di trading.
Facilità di interpretazione: Gli oscillatori come RSI e Stochastic forniscono valori normalizzati con soglie chiare, semplificando l’analisi per i trader principianti.

Limiti degli Indicatori di Momentum

Nonostante i loro vantaggi, gli indicatori di momentum presentano anche limiti significativi che i trader devono considerare:

Falsi segnali in mercati laterali: In assenza di una tendenza chiara, indicatori come RSI o Stochastic possono generare segnali fuorvianti, portando a decisioni errate.
Sensibilità alla volatilità: Indicatori come il Williams %R o il Momentum Indicator possono essere rumorosi in mercati volatili, con oscillazioni che non riflettono trend reali.
Ritardo intrinseco: Sebbene più reattivi degli indicatori di tendenza, molti indicatori di momentum (es. CCI, che usa una SMA) sono lagging e possono segnalare inversioni con ritardo.
Parametri sensibili: La scelta del periodo (es. 14 per RSI) influenza fortemente i risultati. Parametri non ottimizzati possono ridurre l’efficacia dell’indicatore.
Mancanza di contesto direzionale: Gli indicatori di momentum non forniscono informazioni sulla direzione del trend, richiedendo l’uso combinato con indicatori di tendenza per un’analisi completa.

Per mitigare questi limiti, è consigliabile utilizzare gli indicatori di momentum in combinazione con altri strumenti (es. medie mobili, volumi) e ottimizzare i parametri tramite backtesting. Inoltre, la gestione del rischio è essenziale per evitare perdite derivanti da falsi segnali, specialmente in mercati altamente volatili o laterali.

Indicatori di Momentum: Matematica e Implementazione in PineScript

Gli indicatori di momentum misurano la velocità e la forza delle variazioni di prezzo, aiutando i trader a identificare condizioni di ipercomprato o ipervenduto e potenziali inversioni di tendenza. Questo capitolo esplora sei indicatori di momentum chiave: Relative Strength Index (RSI), Stochastic Oscillator, Williams %R, Commodity Channel Index (CCI), Rate of Change (ROC) e Momentum Indicator. Per ciascun indicatore, presentiamo le equazioni matematiche, una spiegazione tecnica e due implementazioni in PineScript: una con funzioni native di TradingView e una con calcoli manuali basati su concetti matematici di base.

1. Relative Strength Index (RSI)

Il Relative Strength Index (RSI) misura la forza relativa del movimento di prezzo, identificando condizioni di ipercomprato (sopra 70) o ipervenduto (sotto 30).

\[
RS = \frac{\text{EMA}_n(\text{Gain})}{\text{EMA}_n(\text{Loss})}
\]
\[
RSI = 100 – \frac{100}{1 + RS}
\]

Spiegazione: Gain e Loss sono calcolati come variazioni positive e negative del prezzo di chiusura. L’EMA (tipicamente su 14 periodi) livella i valori. L’RSI è efficiente (\( O(1) \)) ma può generare falsi segnali in mercati laterali.

Codice


//@version=5
indicator("RSI - Funzioni Native", overlay=false)
length = input.int(14, "Periodo RSI", minval=1)
rsi = ta.rsi(close, length)
hline(70, "Ipercomprato", color=color.red, linestyle=hline.style_dashed)
hline(30, "Ipervenduto", color=color.green, linestyle=hline.style_dashed)
plot(rsi, color=color.purple, title="RSI")

La funzione ta.rsi calcola l’RSI in modo ottimizzato.

Versione con Concetti Matematici di Base


//@version=5
indicator("RSI - Calcolo Manuale", overlay=false)
length = input.int(14, "Periodo RSI", minval=1)
k = 2 / (length + 1)
change = close - close[1]
gain = change > 0 ? change : 0
loss = change < 0 ? -change : 0
var float avg_gain = 0.0
var float avg_loss = 0.0
if bar_index < length
    avg_gain := ta.sma(gain, length)
    avg_loss := ta.sma(loss, length)
else
    avg_gain := gain * k + avg_gain[1] * (1 - k)
    avg_loss := loss * k + avg_loss[1] * (1 - k)
rs = avg_gain / avg_loss
rsi_manual = 100 - (100 / (1 + rs))
hline(70, "Ipercomprato", color=color.red, linestyle=hline.style_dashed)
hline(30, "Ipervenduto", color=color.green, linestyle=hline.style_dashed)
plot(rsi_manual, color=color.purple, title="RSI Manuale")

Il codice calcola manualmente Gain e Loss, usa EMA per livellarli, e deriva RS e RSI.

2. Stochastic Oscillator

Lo Stochastic Oscillator confronta il prezzo di chiusura con l’intervallo di prezzo su un periodo, indicando condizioni di ipercomprato (sopra 80) o ipervenduto (sotto 20).

\[
\%K = 100 \cdot \frac{\text{Close} – \text{Lowest Low}_n}{\text{Highest High}_n – \text{Lowest Low}_n}
\]
\[
\%D = \text{SMA}_m(\%K)
\]

Spiegazione: \( \%K \) misura il momentum; \( \%D \) (tipicamente SMA a 3 periodi) lo livella. È efficace (\( O(n) \)) ma sensibile alla volatilità.

Codice


//@version=5
indicator("Stochastic Oscillator - Calcolo Manuale", overlay=false)
k_period = input.int(14, "Periodo %K", minval=1)
d_period = input.int(3, "Periodo %D", minval=1)
lowest_low = ta.lowest(low, k_period)
highest_high = ta.highest(high, k_period)
k_manual = 100 * (close - lowest_low) / (highest_high - lowest_low)
d_manual = ta.sma(k_manual, d_period)
hline(80, "Ipercomprato", color=color.red, linestyle=hline.style_dashed)
hline(20, "Ipervenduto", color=color.green, linestyle=hline.style_dashed)
plot(k_manual, color=color.blue, title="%K Manuale")
plot(d_manual, color=color.orange, title="%D Manuale")

Il codice calcola manualmente \( \%K \) e usa una SMA per \( \%D \).

3. Williams %R

Il Williams %R è simile allo Stochastic Oscillator ma misura il livello del prezzo di chiusura rispetto al massimo e minimo su un periodo, con valori tra 0 e -100.

\[
\%R = \frac{\text{Highest High}_n – \text{Close}}{\text{Highest High}_n – \text{Lowest Low}_n} \cdot -100
\]

Spiegazione: I valori sopra -20 indicano ipercomprato, sotto -80 ipervenduto. È semplice (\( O(n) \)) ma sensibile a movimenti improvvisi.

Codice


//@version=5
indicator("Williams %R - Calcolo Manuale", overlay=false)
length = input.int(14, "Periodo %R", minval=1)
highest_high = ta.highest(high, length)
lowest_low = ta.lowest(low, length)
willr_manual = (highest_high - close) / (highest_high - lowest_low) * -100
hline(-20, "Ipercomprato", color=color.red, linestyle=hline.style_dashed)
hline(-80, "Ipervenduto", color=color.green, linestyle=hline.style_dashed)
plot(willr_manual, color=color.purple, title="Williams %R Manuale")

Il codice calcola manualmente \( \%R \) usando massimi e minimi.

4. Commodity Channel Index (CCI)

Il Commodity Channel Index (CCI) misura la deviazione del prezzo tipico rispetto alla sua media mobile, normalizzata dalla deviazione media assoluta.

\[
\text{Typical Price} = \frac{\text{High} + \text{Low} + \text{Close}}{3}
\]
\[
\text{Mean Deviation} = \frac{1}{n} \sum_{i=0}^{n-1} |\text{Typical Price}_{t-i} – \text{SMA}_n(\text{Typical Price})|
\]
\[
CCI = \frac{\text{Typical Price} – \text{SMA}_n(\text{Typical Price})}{0.015 \cdot \text{Mean Deviation}}
\]

Spiegazione: Valori sopra 100 indicano ipercomprato, sotto -100 ipervenduto. È più complesso (\( O(n) \)) ma utile per identificare trend emergenti.

Codice


//@version=5
indicator("CCI - Funzioni Native", overlay=false)
length = input.int(20, "Periodo CCI", minval=1)
cci = ta.cci(close, length)
hline(100, "Ipercomprato", color=color.red, linestyle=hline.style_dashed)
hline(-100, "Ipervenduto", color=color.green, linestyle=hline.style_dashed)
plot(cci, color=color.blue, title="CCI")

La funzione ta.cci calcola il CCI in modo ottimizzato.

Versione con Concetti Matematici di Base


//@version=5
indicator("CCI - Calcolo Manuale", overlay=false)
length = input.int(20, "Periodo CCI", minval=1)
typical_price = (high + low + close) / 3
sma_tp = ta.sma(typical_price, length)
var float mean_dev = 0.0
for i = 0 to length - 1
    mean_dev := mean_dev + math.abs(typical_price[i] - sma_tp)
mean_dev := mean_dev / length
cci_manual = (typical_price - sma_tp) / (0.015 * mean_dev)
hline(100, "Ipercomprato", color=color.red, linestyle=hline.style_dashed)
hline(-100, "Ipervenduto", color=color.green, linestyle=hline.style_dashed)
plot(cci_manual, color=color.blue, title="CCI Manuale")

Il codice calcola il prezzo tipico, la SMA, la deviazione media e il CCI manualmente.

5. Rate of Change (ROC)

Il Rate of Change (ROC) misura la variazione percentuale del prezzo su un periodo specificato.

\[
ROC = \frac{\text{Close}_t – \text{Close}_{t-n}}{\text{Close}_{t-n}} \cdot 100
\]

Spiegazione: Valori positivi indicano un momentum rialzista, negativi un momentum ribassista. È semplice (\( O(1) \)) ma sensibile alla volatilità.

Codice


//@version=5
indicator("ROC - Funzioni Native", overlay=false)
length = input.int(12, "Periodo ROC", minval=1)
roc = ta.roc(close, length)
hline(0, "Zero", color=color.gray, linestyle=hline.style_dashed)
plot(roc, color=color.purple, title="ROC")

La funzione ta.roc calcola direttamente il ROC.

Versione con Concetti Matematici di Base


//@version=5
indicator("ROC - Calcolo Manuale", overlay=false)
length = input.int(12, "Periodo ROC", minval=1)
roc_manual = (close - close[length]) / close[length] * 100
hline(0, "Zero", color=color.gray, linestyle=hline.style_dashed)
plot(roc_manual, color=color.purple, title="ROC Manuale")

Il codice calcola manualmente la variazione percentuale.

6. Momentum Indicator

Il Momentum Indicator misura la differenza tra il prezzo attuale e quello di \( n \) periodi fa.

\[
\text{Momentum} = \text{Close}_t – \text{Close}_{t-n}
\]

Spiegazione: Valori positivi indicano un momentum crescente, negativi un momentum decrescente. È molto semplice (\( O(1) \)) ma può essere rumoroso.

Codice


//@version=5
indicator("Momentum - Funzioni Native", overlay=false)
length = input.int(10, "Periodo Momentum", minval=1)
momentum = ta.mom(close, length)
hline(0, "Zero", color=color.gray, linestyle=hline.style_dashed)
plot(momentum, color=color.blue, title="Momentum")

La funzione ta.mom calcola direttamente il Momentum.

Versione con Concetti Matematici di Base


//@version=5
indicator("Momentum - Calcolo Manuale", overlay=false)
length = input.int(10, "Periodo Momentum", minval=1)
momentum_manual = close - close[length]
hline(0, "Zero", color=color.gray, linestyle=hline.style_dashed)
plot(momentum_manual, color=color.blue, title="Momentum Manuale")

Il codice calcola manualmente la differenza tra i prezzi.

Conclusione

Gli indicatori di momentum sono strumenti essenziali per valutare la velocità e la forza dei movimenti di prezzo, ma richiedono un’interpretazione attenta. L’RSI (\( RSI = 100 – \frac{100}{1 + RS} \)) e lo Stochastic Oscillator (\( \%K = 100 \cdot \frac{\text{Close} – \text{Lowest Low}_n}{\text{Highest High}_n – \text{Lowest Low}_n} \)) identificano condizioni di ipercomprato e ipervenduto; il Williams %R (\( \%R = \frac{\text{Highest High}_n – \text{Close}}{\text{Highest High}_n – \text{Lowest Low}_n} \cdot -100 \)) offre una prospettiva simile; il CCI (\( CCI = \frac{\text{Typical Price} – \text{SMA}_n(\text{Typical Price})}{0.015 \cdot \text{Mean Deviation}} \)) misura le deviazioni; ROC (\( ROC = \frac{\text{Close}_t – \text{Close}_{t-n}}{\text{Close}_{t-n}} \cdot 100 \)) e Momentum (\( \text{Momentum} = \text{Close}_t – \text{Close}_{t-n} \)) quantificano il ritmo del cambiamento. Le implementazioni PineScript mostrano che le funzioni native (\( O(1) \)) sono più efficienti rispetto ai calcoli manuali (\( O(n) \)). Per un utilizzo pratico, è consigliabile combinare questi indicatori con analisi di tendenza e volumi, ottimizzare i parametri tramite backtesting e gestire il rischio per ridurre i falsi segnali in mercati volatili o laterali.

Vuoi contenuti ancora più approfonditi?

Iscriviti alla nostra newsletter per ricevere:

Guide gratuite
Strategie avanzate di trading
Analisi di libri e paper scientifici

Bottom Up

Altri articoli

Blog

Effetto Trump sui trading systems

Trump, algoritmi e mercati: perché i trading system fanno sempre più fatica C’è una frase che gira da qualche anno tra trader e sviluppatori di sistemi quantitativi: “da quando è

13 Aprile 2026

Blog

L’inflazione si mangia i tuoi soldi

10 Aprile 2026

Indicatori di tendenza

Bottom Up — Tue, 27 May 2025 20:59:01 +0000

Easy

Indicatori di Tendenza nel Trading:
Panoramica, Vantaggi e Limiti

Gli indicatori di tendenza sono strumenti fondamentali per i trader che desiderano identificare la direzione del mercato e sfruttarla per prendere decisioni informate. Questi indicatori, utilizzati nell’analisi tecnica, aiutano a determinare se un mercato è in fase rialzista, ribassista o laterale, fornendo segnali utili per entrare o uscire da una posizione. In questo articolo esploreremo cosa sono gli indicatori di tendenza, i più comuni, i loro vantaggi e i limiti, per aiutarti a utilizzarli in modo efficace.

Cosa sono gli Indicatori di Tendenza?

Gli indicatori di tendenza, o trend-following indicators, sono strumenti matematici che analizzano i dati storici dei prezzi per evidenziare la direzione predominante del mercato. Non prevedono il futuro, ma aiutano a interpretare i movimenti passati e presenti per identificare pattern di prezzo. Sono particolarmente utili nei mercati con trend definiti, come azioni, forex, materie prime o criptovalute.

I più noti indicatori di tendenza includono:

Medie Mobili (Moving Averages): come la Media Mobile Semplice (SMA) e la Media Mobile Esponenziale (EMA), che livellano i dati di prezzo per evidenziare la tendenza.
MACD (Moving Average Convergence Divergence): misura la relazione tra due medie mobili per identificare cambiamenti di momentum.
ADX (Average Directional Index): valuta la forza di una tendenza, indipendentemente dalla sua direzione.
Parabolic SAR: indica potenziali punti di inversione di tendenza.
Ichimoku Cloud: un indicatore complesso che offre informazioni su trend, supporto, resistenza e momentum.

Vantaggi degli Indicatori di Tendenza

Gli indicatori di tendenza sono popolari per diversi motivi:

Facilità di Interpretazione: La maggior parte di questi indicatori è visivamente intuitiva. Ad esempio, una media mobile che sale indica un trend rialzista, mentre un incrocio di medie mobili può segnalare un cambiamento di tendenza.
Adattabilità: Possono essere utilizzati su diversi time frame (da minuti a mesi) e in vari mercati, rendendoli versatili.
Conferma del Trend: Aiutano a filtrare il “rumore” di mercato, permettendo ai trader di concentrarsi sulla direzione principale del prezzo.
Supporto alle Strategie: Funzionano bene in combinazione con altri indicatori (ad esempio oscillatori come RSI) per confermare segnali di entrata o uscita.
Automazione: Molti indicatori di tendenza possono essere integrati in sistemi di trading automatico, semplificando l’esecuzione delle strategie.

Limiti degli Indicatori di Tendenza

Nonostante i vantaggi, gli indicatori di tendenza presentano alcune limitazioni:

Ritardo (Lagging): La maggior parte di questi indicatori si basa su dati storici, il che significa che i segnali arrivano spesso in ritardo rispetto ai movimenti di prezzo reali. Ad esempio, una media mobile potrebbe confermare un trend solo dopo che si è già consolidato.
Falsi Segnali in Mercati Laterali: Nei mercati senza una chiara direzione (range-bound), gli indicatori di tendenza possono generare segnali fuorvianti, portando a perdite.
Soggettività nei Parametri: La scelta dei parametri (es. periodo di una media mobile) può variare da trader a trader, influenzando i risultati. Non esiste un settaggio “universale”.
Dipendenza da Altri Strumenti: Da soli, gli indicatori di tendenza non sono sufficienti. Devono essere combinati con l’analisi del contesto di mercato o altri indicatori per ridurre i rischi.
Sensibilità al Rumore: Indicatori come il Parabolic SAR possono essere troppo sensibili ai piccoli movimenti di prezzo, generando segnali erratici.

Come Utilizzarli Efficacemente

Per massimizzare l’efficacia degli indicatori di tendenza, considera i seguenti suggerimenti:

Combina più indicatori: Usa un indicatore di tendenza (es. EMA) con un oscillatore (es. RSI) per confermare i segnali e ridurre i falsi positivi.
Adatta i parametri al mercato: Testa diverse configurazioni (es. periodi delle medie mobili) su dati storici per trovare il settaggio più adatto al tuo stile di trading.
Analizza il contesto: Prima di seguire un segnale, verifica il contesto di mercato (es. trend primario, notizie macroeconomiche, livelli di supporto/resistenza).
Gestione del rischio: Gli indicatori non sono infallibili. Imposta sempre stop-loss e limita l’esposizione per proteggerti da movimenti imprevisti.

Indicatori di Tendenza:
Matematica e Implementazione in PineScript

Gli indicatori di tendenza sono strumenti fondamentali per identificare la direzione e la forza dei movimenti di prezzo nei mercati finanziari. Questo capitolo presenta le basi matematiche di sei indicatori chiave (SMA, EMA, MACD, ADX, Parabolic SAR e Ichimoku Cloud) e la loro implementazione in PineScript, sia utilizzando funzioni native di TradingView sia calcolando le equazioni passo per passo con concetti matematici di base. Ogni indicatore include la formulazione matematica, una spiegazione tecnica e il codice PineScript con evidenziazione della sintassi.

1. Media Mobile Semplice (SMA)

La Media Mobile Semplice (SMA) calcola la media aritmetica dei prezzi di chiusura su \( n \) periodi, livellando le fluttuazioni per evidenziare il trend. È computazionalmente efficiente (\( O(n) \) per inizializzazione, \( O(1) \) per aggiornamenti) ma ritardata.

\[
SMA_t = \frac{1}{n} \sum_{i=0}^{n-1} P_{t-i}
\]

Spiegazione: \( P_t \) è il prezzo di chiusura al tempo \( t \), e \( n \) è il numero di periodi. La SMA è utile per trend di lungo periodo ma sensibile a outlier e poco reattiva in mercati volatili.

Codice


//@version=5
indicator("SMA - Funzioni Native", overlay=true)
length = input.int(50, "Periodo SMA", minval=1)
sma = ta.sma(close, length)
plot(sma, color=color.blue, title="SMA")

La funzione ta.sma implementa l’equazione in modo ottimizzato.

Versione con Concetti Matematici di Base


//@version=5
indicator("SMA - Calcolo Manuale", overlay=true)
length = input.int(50, "Periodo SMA", minval=1)
var float sum = 0.0
var float sma_manual = 0.0
sum := 0.0
for i = 0 to length - 1
    sum := sum + close[i]
sma_manual := sum / length
plot(sma_manual, color=color.blue, title="SMA Manuale")

Il codice somma i prezzi di chiusura con un ciclo e calcola la media, replicando l’equazione manualmente.

2. Media Mobile Esponenziale (EMA)

La Media Mobile Esponenziale (EMA) attribuisce maggiore peso ai prezzi recenti, rendendola più reattiva rispetto alla SMA.

\[
EMA_t = P_t \cdot k + EMA_{t-1} \cdot (1 – k)
\]
\[
k = \frac{2}{n + 1}
\]

Spiegazione: \( P_t \) è il prezzo di chiusura, \( EMA_{t-1} \) è l’EMA precedente, e \( k \) è il coefficiente di ponderazione. L’EMA è efficiente (\( O(1) \)) ma richiede un valore iniziale, spesso una SMA.

Codice


//@version=5
indicator("EMA - Funzioni Native", overlay=true)
length = input.int(20, "Periodo EMA", minval=1)
ema = ta.ema(close, length)
plot(ema, color=color.red, title="EMA")

La funzione ta.ema implementa l’EMA ricorsivamente.

Versione con Concetti Matematici di Base


//@version=5
indicator("EMA - Calcolo Manuale", overlay=true)
length = input.int(20, "Periodo EMA", minval=1)
k = 2 / (length + 1)
var float ema_manual = 0.0
if bar_index < length
    ema_manual := ta.sma(close, length)
else
    ema_manual := close * k + ema_manual[1] * (1 - k)
plot(ema_manual, color=color.red, title="EMA Manuale")

Il codice calcola \( k \), inizializza con una SMA, e applica la formula ricorsiva.

3. Moving Average Convergence Divergence (MACD)

Il MACD misura il momentum confrontando due EMA e genera segnali tramite la linea MACD, la Signal Line e l’istogramma.

\[
MACD = EMA_{12}(close) – EMA_{26}(close)
\]
\[
Signal = EMA_9(MACD)
\]
\[
Histogram = MACD – Signal
\]

Spiegazione: La linea MACD è la differenza tra EMA a 12 e 26 periodi; la Signal Line è un’EMA a 9 periodi del MACD; l’istogramma misura la loro divergenza. È lagging ma utile per identificare inversioni.

Codice


//@version=5
indicator("MACD - Funzioni Native", overlay=false)
fast_length = input.int(12, "EMA Veloce", minval=1)
slow_length = input.int(26, "EMA Lenta", minval=1)
signal_length = input.int(9, "Signal Line", minval=1)
[macd, signal, hist] = ta.macd(close, fast_length, slow_length, signal_length)
plot(macd, color=color.blue, title="MACD")
plot(signal, color=color.red, title="Signal")
plot(hist, style=plot.style_histogram, color=hist > 0 ? color.green : color.red, title="Istogramma")

La funzione ta.macd calcola tutte le componenti in modo ottimizzato.

Versione con Concetti Matematici di Base


//@version=5
indicator("MACD Manuale (senza funzioni native)", overlay=false)

// === Parametri input ===
fastLength  = input.int(12, "EMA Veloce", minval=1)
slowLength  = input.int(26, "EMA Lenta", minval=1)
signalLength = input.int(9, "Signal Line", minval=1)

// === Calcolo EMA manuale ===
ema_manual(src, length) =>
    alpha = 2 / (length + 1)
    var float ema = na
    ema := na(ema) ? src : alpha * src + (1 - alpha) * ema
    ema

// === Calcolo MACD manuale ===
fastEma   = ema_manual(close, fastLength)
slowEma   = ema_manual(close, slowLength)
macdLine  = fastEma - slowEma
signalLine = ema_manual(macdLine, signalLength)
histogram = macdLine - signalLine

// === Plot ===
plot(macdLine, title="MACD Linea", color=color.blue, linewidth=2)
plot(signalLine, title="Signal Linea", color=color.orange, linewidth=2)
plot(histogram, title="Istogramma", style=plot.style_columns, color=histogram >= 0 ? color.green : color.red)

// === Linea zero ===
hline(0, "Zero", color=color.gray)

Il codice implementa manualmente le EMA, il MACD, la Signal Line e l’istogramma.

4. Average Directional Index (ADX)

L’ADX misura la forza di un trend, derivata dal Directional Movement Index (DMI), usando +DI e -DI per i movimenti direzionali.

\[
TR = \max(High_t – Low_t, |High_t – Close_{t-1}|, |Low_t – Close_{t-1}|)
\]
\[
+DM = High_t – High_{t-1} \quad \text{(se positivo e } +DM > -DM\text{)}
\]
\[
-DM = Low_{t-1} – Low_t \quad \text{(se positivo e } -DM > +DM\text{)}
\]
\[
+DI = 100 \cdot \frac{EMA_n(+DM)}{EMA_n(TR)}
\]
\[
-DI = 100 \cdot \frac{EMA_n(-DM)}{EMA_n(TR)}
\]
\[
DX = 100 \cdot \frac{|+DI – -DI|}{+DI + -DI}
\]
\[
ADX = EMA_n(DX)
\]

Spiegazione: Il TR misura la volatilità; +DM e -DM quantificano i movimenti direzionali; +DI e -DI li normalizzano; DX e ADX valutano la forza del trend. È utile per filtrare mercati laterali.

Codice


//@version=5
indicator("ADX - Funzioni Native", overlay=false)
length = input.int(14, "Periodo ADX", minval=1)
[di_plus, di_minus, adx] = ta.dmi(length, length)
plot(di_plus, color=color.green, title="+DI")
plot(di_minus, color=color.red, title="-DI")
plot(adx, color=color.blue, title="ADX")
hline(25, "Livello Trend", color=color.gray, linestyle=hline.style_dashed)

La funzione ta.dmi calcola +DI, -DI e ADX in modo efficiente.

Versione con Concetti Matematici di Base


//@version=5
indicator("ADX Manuale (sum personalizzata, no funzioni native)", overlay=false)

length = input.int(14, "Periodo ADX", minval=1)

// === Funzione somma personalizzata ===
sum_custom(src, len) =>
    total = 0.0
    for i = 0 to len - 1
        total += nz(src[i])
    total

// === Calcolo DM+ e DM- ===
upMove   = high - high[1]
downMove = low[1] - low

plusDM  = (upMove > downMove and upMove > 0) ? upMove : 0
minusDM = (downMove > upMove and downMove > 0) ? downMove : 0

// === True Range (TR) ===
tr1 = high - low
tr2 = math.abs(high - close[1])
tr3 = math.abs(low - close[1])
trueRange = math.max(math.max(tr1, tr2), tr3)

// === Wilder Smoothing manuale ===
var float smoothedTR = na
var float smoothedPlusDM = na
var float smoothedMinusDM = na

smoothedTR := na(smoothedTR[1])     ? sum_custom(trueRange, length)     : smoothedTR[1]     - (smoothedTR[1] / length)     + trueRange
smoothedPlusDM := na(smoothedPlusDM[1]) ? sum_custom(plusDM, length)    : smoothedPlusDM[1] - (smoothedPlusDM[1] / length) + plusDM
smoothedMinusDM := na(smoothedMinusDM[1]) ? sum_custom(minusDM, length): smoothedMinusDM[1] - (smoothedMinusDM[1] / length) + minusDM

// === Calcolo DI+ e DI- ===
plusDI  = 100 * (smoothedPlusDM / smoothedTR)
minusDI = 100 * (smoothedMinusDM / smoothedTR)

// === DX e ADX ===
dx = 100 * math.abs(plusDI - minusDI) / (plusDI + minusDI)

var float adx = na
adx := na(adx[1]) ? sum_custom(dx, length) / length : ((adx[1] * (length - 1)) + dx) / length

// === Plot ===
plot(plusDI, title="+DI", color=color.green)
plot(minusDI, title="-DI", color=color.red)
plot(adx, title="ADX", color=color.blue, linewidth=2)

hline(20, "Soglia 20", color=color.gray, linestyle=hline.style_dotted)
hline(40, "Soglia 40", color=color.gray, linestyle=hline.style_dotted)

Il codice implementa manualmente TR, +DM, -DM, +DI, -DI, DX e ADX.

5. Parabolic SAR

Il Parabolic SAR fornisce stop-loss dinamici e identifica inversioni di tendenza.

\[
SAR_t = SAR_{t-1} + AF \cdot (EP – SAR_{t-1})
\]

Spiegazione: \( SAR_{t-1} \) è il SAR precedente, \( AF \) è l’Acceleration Factor (inizia a 0.02, aumenta di 0.02 fino a 0.2), e \( EP \) è l’Extreme Point. È efficiente (\( O(1) \)) ma sensibile alla volatilità.

Codice


//@version=5
indicator("Parabolic SAR Manuale", overlay=true)

// === Parametri SAR ===
startAF = input.float(0.02, "Start AF", step=0.01)
maxAF   = input.float(0.2, "Max AF", step=0.01)

// === Variabili persistenti ===
var float sar = na
var float ep = na   // Extreme Point (high o low a seconda del trend)
var float af = startAF
var bool isUpTrend = true

// === Prima inizializzazione ===
if (na(sar))
    sar := low
    ep := high
    isUpTrend := close > open
    af := startAF

// === Logica principale ===
if isUpTrend
    sar := sar + af * (ep - sar)
    sar := math.min(sar, low[1], low[2])  // Limitazione SAR in trend up
    if high > ep
        ep := high
        af := math.min(af + startAF, maxAF)
    if close < sar  // Inversione
        isUpTrend := false
        sar := ep
        ep := low
        af := startAF
else
    sar := sar + af * (ep - sar)
    sar := math.max(sar, high[1], high[2])  // Limitazione SAR in trend down
    if low < ep ep := low af := math.min(af + startAF, maxAF) if close > sar  // Inversione
        isUpTrend := true
        sar := ep
        ep := high
        af := startAF

// === Plot ===
plot(sar, "Parabolic SAR", style=plot.style_cross, color=isUpTrend ? color.green : color.red)

Il codice gestisce manualmente l’AF e l’EP, con inversioni basate sul prezzo.

6. Ichimoku Cloud (Ichimoku Kinko Hyo)

L’Ichimoku Cloud integra trend, supporto/resistenza e momentum tramite cinque linee.

\[
Tenkan = \frac{\max(High, 9) + \min(Low, 9)}{2}
\]
\[
Kijun = \frac{\max(High, 26) + \min(Low, 26)}{2}
\]
\[
Span A = \frac{Tenkan + Kijun}{2} \quad \text{(spostato avanti di 26 periodi)}
\]
\[
Span B = \frac{\max(High, 52) + \min(Low, 52)}{2} \quad \text{(spostato avanti di 26 periodi)}
\]
\[
Chikou = Close \quad \text{(spostato indietro di 26 periodi)}
\]

Spiegazione: Le linee Tenkan e Kijun misurano il momentum; Span A e B formano la nuvola; Chikou valuta il momentum passato. Moderatamente complesso (\( O(n) \)).

Codice


indicator(title="Ichimoku Cloud", shorttitle="Ichimoku", overlay=true)
conversionPeriods = input.int(9, minval=1, title="Conversion Line Length")
basePeriods = input.int(26, minval=1, title="Base Line Length")
laggingSpan2Periods = input.int(52, minval=1, title="Leading Span B Length")
displacement = input.int(26, minval=1, title="Lagging Span")
donchian(len) => math.avg(ta.lowest(len), ta.highest(len))
conversionLine = donchian(conversionPeriods)
baseLine = donchian(basePeriods)
leadLine1 = math.avg(conversionLine, baseLine)
leadLine2 = donchian(laggingSpan2Periods)
plot(conversionLine, color=#2962FF, title="Conversion Line")
plot(baseLine, color=#B71C1C, title="Base Line")
plot(close, offset = -displacement + 1, color=#43A047, title="Lagging Span")
p1 = plot(leadLine1, offset = displacement - 1, color=#A5D6A7,
	 title="Leading Span A")
p2 = plot(leadLine2, offset = displacement - 1, color=#EF9A9A,
	 title="Leading Span B")
plot(leadLine1 > leadLine2 ? leadLine1 : leadLine2, offset = displacement - 1, title = "Kumo Cloud Upper Line", display = display.none) 
plot(leadLine1 < leadLine2 ? leadLine1 : leadLine2, offset = displacement - 1, title = "Kumo Cloud Lower Line", display = display.none) fill(p1, p2, color = leadLine1 > leadLine2 ? color.rgb(67, 160, 71, 90) : color.rgb(244, 67, 54, 90))

// PineScript v5 code for Ichimoku buy and sell strategy

// Calculate the Tenkan-sen line
tenkan = (ta.highest(9) + ta.lowest(9)) / 2

// Calculate the Kijun-sen line
kijun = (ta.highest(26) + ta.lowest(26)) / 2

// Calculate the Senkou Span A line
senkouA = (tenkan + kijun) / 2

// Calculate the Senkou Span B line
senkouB = (ta.highest(52) + ta.lowest(52)) / 2

// Calculate the Chikou Span line
chikou = close[displacement]



// Check if the price is above the cloud and the Tenkan-sen line crosses above the Kijun-sen line
pos1 = close > senkouA and ta.crossunder(tenkan, kijun) 
pos111 = ta.crossover(tenkan,senkouB )

// Check if the price is below the cloud and the Tenkan-sen line crosses below the Kijun-sen line
pos2 = close < senkouA and ta.crossover(tenkan, kijun)
pos222 = ta.crossunder(kijun,senkouA )
    

// Check if the price is below the cloud and the price crosses above the cloud
pos11 = close < senkouA and close > senkouA[1]
    

// Check if the price is above the cloud and the price crosses below the cloud
pos22 = close > senkouA and close < senkouA[1]
    
pos3 = pos1 and pos2 or pos1 and pos22
pos4 =  pos11 and pos2 or pos11 and pos22

pos5 = pos111 and pos11
pos6 = pos222 and pos22 and pos2

// Plot the position on the chart
plotshape(pos1, style=shape.diamond, color= color.red, location = location.abovebar, size = size.small, text = 'S' )
plotshape(pos11, style=shape.diamond, color= color.blue, location = location.abovebar ,  size = size.small,text = 'S')
plotshape(pos2, style=shape.diamond, color= color.orange, location = location.belowbar,  size = size.small, text = 'B' )
plotshape(pos22, style=shape.diamond, color= color.blue, location = location.belowbar ,  size = size.small, text = 'B')
plotshape(pos3, style=shape.diamond, color= color.yellow, location = location.abovebar ,  size = size.normal, text = 'esplosione sell')
plotshape(pos4, style=shape.diamond, color= color.purple, location = location.abovebar ,  size = size.normal, text = 'esplosione buy')
plotshape(pos5, style=shape.diamond, color= color.black, location = location.top ,  size = size.normal, text = 'BUY')
plotshape(pos6, style=shape.diamond, color= color.black, location = location.top ,  size = size.normal, text = 'sell')

Il codice calcola manualmente massimi, minimi e medie, con offset per la nuvola.

Conclusione

Gli indicatori di tendenza, fondati su equazioni come quelle presentate, sono strumenti potenti per identificare la direzione e la forza dei movimenti di prezzo. La loro efficacia dipende dall’integrazione con altri strumenti (es. oscillatori), dall’ottimizzazione dei parametri tramite backtesting e da una solida gestione del rischio. Tuttavia, il ritardo intrinseco, la sensibilità ai parametri e la tendenza a generare falsi segnali in mercati laterali richiedono un uso disciplinato. Per i trader quantitativi, l’automazione e l’analisi statistica dei segnali possono migliorare le prestazioni, rendendo questi indicatori pilastri dell’analisi tecnica moderna

Vuoi contenuti ancora più approfonditi?

Iscriviti alla nostra newsletter per ricevere:

Guide gratuite
Strategie avanzate di trading
Analisi di libri e paper scientifici

Bottom Up

Altri articoli

Blog

Effetto Trump sui trading systems

Trump, algoritmi e mercati: perché i trading system fanno sempre più fatica C’è una frase che gira da qualche anno tra trader e sviluppatori di sistemi quantitativi: “da quando è

13 Aprile 2026

Blog

L’inflazione si mangia i tuoi soldi

10 Aprile 2026

Creare indicatori con TradingView

Bottom Up — Wed, 21 May 2025 20:21:46 +0000

Easy

Introduzione

TradingView è una delle piattaforme più popolari per l’analisi tecnica, che permette di creare indicatori personalizzati tramite il linguaggio Pine Script. Questa guida introduce i concetti base per sviluppare i tuoi indicatori, dai primi passi fino alle best practice per un codice efficiente e funzionale.

Setup ambiente TradingView

Per iniziare, è necessario creare un account su TradingView e aprire l’editor Pine Script, accessibile direttamente dall’interfaccia della piattaforma. L’editor permette di scrivere, testare e salvare i tuoi script personalizzati.

Creazione base indicatori

Cos’è Pine Script: il linguaggio di scripting sviluppato da TradingView per creare indicatori, strategie e alert personalizzati.
Dichiarazione variabili: come definire variabili per dati di prezzo, volumi o calcoli intermedi.
Plot dei dati: visualizzare sul grafico le informazioni calcolate usando funzioni come plot().

Cos’è Pine Script

Pine Script è un linguaggio semplice, specificamente pensato per indicatori e strategie finanziarie. Si basa su funzioni intuitive e una sintassi leggibile, perfetta per trader con poca esperienza di programmazione.

Dichiarazione variabili

Le variabili in Pine Script possono rappresentare dati di input, prezzi storici o risultati di calcoli. Esempio:

closePrice = close

movingAverage = ta.sma(close, 14)

Plot dei dati

Il comando plot() permette di visualizzare linee o istogrammi sul grafico. Esempio di media mobile semplice:

plot(movingAverage, color=color.blue, title="SMA 14")

Esempi pratici

Creiamo un indicatore base che mostra la media mobile semplice e un indicatore RSI (Relative Strength Index) per misurare la forza del trend.

// Media Mobile Semplice
smaValue = ta.sma(close, 20)
plot(smaValue, color=color.orange, title="SMA 20")

// RSI
rsiValue = ta.rsi(close, 14)
plot(rsiValue, color=color.purple, title="RSI 14")

Debug e testing

TradingView offre strumenti di debugging per testare il codice, verificare gli output e ottimizzare le performance prima di applicare l’indicatore sul grafico in tempo reale.

Ottimizzazione e best practice

Mantenere il codice semplice e leggibile.
Usare funzioni integrate per performance ottimali.
Gestire correttamente input e parametri configurabili.

Risorse utili

Per approfondire:

Vuoi contenuti ancora più approfonditi?

Iscriviti alla nostra newsletter per ricevere:

Guide gratuite
Strategie avanzate di trading
Analisi di libri e paper scientifici

Bottom Up

Altri articoli

Blog

Effetto Trump sui trading systems

Trump, algoritmi e mercati: perché i trading system fanno sempre più fatica C’è una frase che gira da qualche anno tra trader e sviluppatori di sistemi quantitativi: “da quando è

13 Aprile 2026

Blog

L’inflazione si mangia i tuoi soldi

10 Aprile 2026