Stagionalità Analisi

6 Fonti di Dati

Aggreghiamo dati OHLCV giornalieri per ogni simbolo, risalendo fino a 10+ anni dove disponibile. I dati sono raggruppati per mese, trimestre e giorno della settimana per rivelare modelli ricorrenti su più timeframe.

Linee Annuali Sovrapposte

Il grafico stagionale sovrappone il rendimento cumulativo YTD di ogni anno come linea separata. Dove le linee si raggruppano, il modello è forte. Linee divergenti rivelano anni che hanno infranto la norma stagionale — spesso legati a eventi macro.

Tasso di Successo + Magnitudine

Il tasso di successo mostra quanto spesso un mese ha chiuso positivo. Il rendimento medio mostra la magnitudine. Un tasso del 75% con +2% medio è più affidabile del 50% con +15% medio — quest'ultimo è guidato da un singolo anno anomalo.

Modello Stagionale (Sovrapposizione)

Ogni linea colorata rappresenta il rendimento cumulativo di un anno solare. La linea bianca in grassetto è la media di tutti gli anni nel periodo selezionato. Quando le linee si raggruppano strettamente attorno alla media, il modello stagionale è affidabile. Una dispersione ampia significa che il modello è rumoroso — guidato da uno o due anni anomali.

La linea tratteggiata verticale indica la posizione odierna nel calendario. Le linee alla sua destra mostrano cosa prevede la stagionalità per il resto dell'anno.

Grafico a Barre dei Rendimenti Mensili

Le barre verdi indicano mesi storicamente positivi in media; quelle rosse mesi storicamente negativi. La linea viola del tasso di successo sull'asse destro mostra la percentuale di anni in cui quel mese è stato positivo — spesso più utile della media, poiché un singolo mese con +100% può distorcere drasticamente la media.

Cerca mesi in cui entrambi la barra è verde e il tasso di successo è sopra il 60%. Queste sono le finestre stagionali più consistentemente profittevoli.

Trimestrale & Giorno della Settimana

I dati trimestrali aggregano tre mesi in un unico numero di performance — utili per identificare regimi stagionali ampi (es. "rally del Q4" o "calo estivo"). I modelli giornalieri catturano la microstruttura intra-settimanale: ribilanciamenti istituzionali il lunedì, attività retail nei weekend, e effetti di scadenza opzioni il venerdì.

Heatmap Multi-Asset

L'heatmap confronta i modelli stagionali tra i primi 10+ asset crypto simultaneamente. Cerca colonne verdi verticali (mesi in cui l'intero mercato tende a salire) e colonne rosse (debolezza generale). Celle individuali che divergono dalla colonna rivelano vantaggi stagionali specifici — ad esempio, un altcoin con un forte febbraio quando il mercato è tipicamente debole.

Passato ≠ Futuro

Le performance passate non garantiscono risultati futuri. I modelli stagionali sono tendenze statistiche, non certezze. Un mese con l'80% di tasso di successo storico avrà comunque anni negativi. Usa sempre la stagionalità come un input insieme all'azione dei prezzi, fondamentali e gestione del rischio.

Storia Limitata

Le crypto hanno molta meno storia degli asset tradizionali. BTC ha ~12 anni di dati affidabili; la maggior parte degli altcoin 3-5 anni. Piccoli campioni significano che le medie possono cambiare drasticamente con un singolo anno anomalo. Preferisci finestre di 5Y+ per modelli più stabili.

Cambiamenti di Regime

Eventi macro (cambi di politica Fed, regolamentazioni, eventi cigno nero) possono annullare i modelli stagionali. I cicli di halving di Bitcoin creano un ritmo quadriennale che può amplificare o cancellare la stagionalità. Verifica sempre se il regime macro attuale corrisponde al periodo storico coperto dai dati.