Cosa sappiamo davvero di ICT e SMC: evidenze, limiti e come valutare le affermazioni

Questa è la lezione più importante del corso, ed è quella che di solito non trovi nei corsi ICT/SMC a pagamento. Ti ha insegnato a definire i concetti in modo preciso e a testarli. Ora ti diamo il quadro onesto: cosa si sa, cosa non si sa, perché i metodi possono sembrare efficaci anche se non lo sono e come valutare qualsiasi affermazione (compresa quella di questo corso) con occhio critico.

Che cosa dice la ricerca sull'analisi tecnica

Per quanto risulta al momento in cui scriviamo:

• Non conosciamo studi indipendenti, sottoposti a revisione paritaria e di alta qualità che dimostrino un vantaggio statistico dei setup specifici dell'approccio ICT/SMC (order block, FVG, killzone...) dopo costi e su campioni fuori dal periodo di sviluppo. Questo non significa che non funzionino: significa che l'evidenza pubblica solida manca.
• Per l'analisi tecnica in generale, la ricerca accademica dà risultati contrastanti. Una grande rassegna della letteratura (Park e Irwin, 2007) trovò che molti studi moderni riportano qualche profittabilità, ma che spesso soffrono di problemi come il data snooping, costi di transazione non realistici e la scarsa stabilità nel tempo dei risultati. Sul mercato dei cambi, vari studi hanno documentato profitti delle regole tecniche in periodi passati che poi si sono ridotti o sono scomparsi.
• Sul comportamento dei trader al dettaglio, i dati regolamentari dicono che una larga maggioranza perde (i broker europei devono dichiarare percentuali tipicamente tra il 70% e l'85%).

Queste evidenze non sono una condanna: sono un invito alla cautela e alla verifica personale.

Perché questi metodi possono sembrare efficaci (anche se non lo sono)

I meccanismi psicologici e statistici in gioco sono ben noti:

1. Flessibilità: i concetti hanno tante definizioni. A posteriori, quasi ogni grafico contiene un order block o un FVG che "ha funzionato", se lo cerchi. È la pareidolia dei grafici.
2. Bias di sopravvivenza e di selezione: chi ha successo mostra i risultati; chi perde, tace (o smette). Gli esempi pubblici sono selezionati.
3. Bias di conferma: si ricordano i casi che confermano l'idea.
4. Vecchie idee, nuovi nomi: molti concetti (supporti e resistenze, offerta e domanda, stop hunting, ritracciamenti di Fibonacci) sono versioni di idee classiche. Funzionano spesso come descrizione del passato, molto meno come previsione.
5. Profezie che si autoavverano (in parte): se molti trader guardano gli stessi livelli, il prezzo può reagirvi perché li guardano. Questo può dare un vantaggio temporaneo che sparisce quando i livelli diventano troppo popolari.
6. Varianza: in campioni piccoli, la fortuna è indistinguibile dall'abilità. Un trader può avere una serie di 20 operazioni vincenti con un sistema senza vantaggio.
7. Ragionamento a posteriori (hindsight bias): dopo aver visto il movimento, la spiegazione sembra sempre ovvia.

Cosa resta di utile

Anche senza prove dirette di un "edge", questi concetti offrono cose concrete:

• Un vocabolario preciso per descrivere struttura, contesto e aree.
• Una disciplina operativa: bias, orari, regole di ingresso e stop definiti prima.
• Un modo di pensare al rischio: stop nei punti in cui l'idea è invalidata, target su aree definite, R:R esplicito.
• Idee formalizzabili e testabili (ed è ciò che stiamo facendo in questo corso).
• Struttura per il diario e per l'apprendimento: se non altro, ti costringe a osservare e registrare.

Come valutare le affermazioni di un corso, di un canale o di un "mentore"

Usa questa lista di controllo con qualunque fonte:

Le frasi che dovrebbero farti alzare un sopracciglio

• "Il 90% di vincite."
• "Il mercato è manipolato dai grandi che vengono a prendere i tuoi stop" (senza mostrare come lo si verifica).
• "Lo dimostro con questi 10 esempi."
• "Se non funziona è perché non lo applichi bene."
• "Solo per pochi" / "posti limitati" / "sconto oggi".

Un atteggiamento scientifico: le regole del gioco

1. Formula ipotesi falsificabili. Non "l'order block funziona", ma "gli OB con displacement e FVG generano un'aspettativa > 0,1R dopo costi in 200 casi fuori campione".
2. Dichiara prima cosa testerai. Riduce il data snooping.
3. Cerca di smentirti. Usa controlli e periodi diversi. Se hai trovato "un vantaggio", chiediti quale spiegazione più noiosa (caso, costi, bias) potrebbe averlo generato.
4. Preferisci la semplicità. Meno parametri, meno rischio di adattarti al rumore.
5. Aggiorna le convinzioni quando i dati cambiano. Un sistema che ha funzionato può smettere.
6. Tieni la fiducia proporzionata all'evidenza. "Ho un campione di 300 operazioni con aspettativa +0,15R e intervallo 0,03-0,27" è una frase onesta. "Questo metodo batte il mercato" non lo è.

E se i miei test dicono che non funziona?

È un risultato utile, non un fallimento. Hai risparmiato denaro e tempo. Puoi:

• Semplificare (a volte struttura e gestione del rischio da sole hanno più valore dei concetti "avanzati").
• Cambiare ipotesi e riprovare, con dati nuovi.
• Concentrarti su ciò che è sotto il tuo controllo: costi, disciplina, dimensionamento.
• Decidere che il trading discrezionale di breve termine non fa per te. È una scelta razionale.

Come usare tutto questo, in pratica

• Considera ogni concetto un'ipotesi, non una verità.
• Testa ogni regola sui tuoi dati, con costi realistici e campioni fuori periodo.
• Diffida di chi promette percentuali di vincita elevate o rendimenti garantiti.
• Parti da demo o da una size piccolissima: il costo dell'imparare deve restare sostenibile.
• Tieni sempre il diario: è l'unica prova che avrai del tuo metodo.

In sintesi

• Non risultano studi indipendenti di alta qualità sui setup ICT/SMC; sull'analisi tecnica in generale i risultati sono contrastanti e spesso si riducono con costi e nel tempo.
• I metodi sembrano efficaci per flessibilità, selezione, conferma, varianza e hindsight, non necessariamente per un vantaggio reale.
• Restano utili come vocabolario, disciplina e struttura per testare idee.
• Valuta ogni fonte con la lista di controllo: regole scritte, statistiche complete, costi, perdite, falsificabilità, conflitti di interesse.
• Sii scientifico: ipotesi falsificabili, test fuori campione, semplicità, fiducia proporzionata ai dati.

Esercizio pratico

1. Prendi un video o un post di "trading" che segui e applica la lista di controllo: quante domande superano?
2. Scrivi una tua ipotesi in forma falsificabile e i dati con cui la smentiresti.
3. Elenca tre spiegazioni "noiose" (caso, costi, bias) che potrebbero produrre un risultato positivo nel tuo test.