Il 64,2% dei day trader ha perso denaro — Una macchina ispirata alla mosca della frutta li ha superati, ma il mercato ha comunque vinto

Gli studi storici mostrano che la maggior parte dei day trader fatica a causa dei costi. Un sistema ispirato al cablaggio neurale della mosca della frutta ha introdotto disciplina e ripetibilità, ma è comunque rimasto indietro rispetto al buy‑and‑hold in tre attività su quattro.

I day trader affrontano già probabilità brutali: in un campione statunitense, il 64,2% ha perso denaro dopo le commissioni.^[1] A Taiwan, meno dell’1% della più ampia popolazione di day trader ha guadagnato costantemente rendimenti anormali positivi dopo le commissioni.^[2] In questo contesto, una macchina ispirata in parte al cablaggio neuronale della mosca della frutta appare sorprendentemente rispettabile. Ha seguito regole fisse su SPY, GLD, QQQ e Apple, evitando le decisioni emotive che possono far deragliare gli esseri umani. Tuttavia, rispetto all’obiettivo di rischio aggiustato assegnato per il periodo comune dello studio, è rimasta indietro rispetto al semplice acquisto e mantenimento in tre dei quattro titoli. Il punto non è che una mosca abbia superato un umano; è che anche un sistema di trading disciplinato ed esotico non è riuscito a dimostrare di essere migliore del semplice possesso del mercato.

Perché il riferimento umano è così debole

Le evidenze statunitensi sono brutte già prima che la macchina entri in scena. In un campione di 324 trader, solo il 35,8% ha chiuso con profitti netti positivi, mentre il 64,2% ha perso denaro dopo le commissioni. Il trader medio è passato da oltre 8.000 $ di profitto lordo a circa una perdita di 750 $ una volta conteggiati i costi di transazione.^[1] A Taiwan è emerso che alcuni trader dimostravano chiaramente abilità, ma meno dell’1% della più ampia popolazione di day trader ha guadagnato in modo affidabile rendimenti anormali positivi al netto delle commissioni.^[2]

Il Brasile è stato ancora più severo. Tra 1.551 persone che hanno continuato a negoziare futures azionari per più di 300 giorni, il 97% ha perso denaro al netto delle commissioni; solo l’1,1% ha guadagnato più del salario minimo brasiliano e lo 0,5% ha superato lo stipendio iniziale di un cassiere di banca.^[3] Se l’esperimento consiste nel “scegliere un day trader a caso”, la storia ha già truccato i dadi. L’umano casuale potrebbe essere talentuoso. Le probabilità dicono semplicemente di non scommettere l’affitto su di esso.

Cosa ha effettivamente fatto il sistema ispirato alla mosca della frutta

La strategia automatizzata ha impiegato un’architettura ricorrente derivata in parte dal connettoma maschile di Drosophila — una mappa delle connessioni neurali di una mosca della frutta — insieme a segnali di momentum, volatilità e memoria progettati. Non pensava come un insetto e non era una minuscola mosca digitale che urlava “buy QQQ”. Il suo vantaggio pratico era molto meno cinematografico: le regole di rischio erano fissate in anticipo. Non entrava in panico dopo una perdita, non inseguiva una vincita, non si annoiava né decideva che un’azione “sembrava a buon mercato”.

Quella disciplina non è stata sufficiente a superare un semplice benchmark. Secondo l’obiettivo di rischio aggiustato assegnato nel documento, il sistema derivato dalla mosca ha registrato circa il 13,3% in meno rispetto al buy‑and‑hold per SPY, il 46,3% in meno per GLD e il 48,3% in meno per QQQ. Apple è stato l’unico punto positivo, con circa l’1,6% in più rispetto al buy‑and‑hold su quella misura. Complessivamente, sui quattro asset, la macchina ha avuto in media circa il 48,8% di esposizione al mercato, un turnover pari a 12,56 volte e una statistica di drawdown massimo assoluto del 7,55%. Ingegneria interessante? Sì. Prova di un vantaggio di mercato? No.

Perché questo è importante

Non è mai avvenuta una gara sincronizzata umano‑contro‑mosca. Queste cifre costituiscono un confronto storico, non una prova che la macchina possa battere un trader scelto a caso in una competizione reale. Gli studi umani coprono mercati, periodi e strumenti diversi, mentre i risultati della mosca provengono da un esercizio di ricerca separato.^[1][2][3] Questa limitazione è rilevante perché un titolo accattivante non sostituisce una progettazione sperimentale.

La conclusione utile è più circoscritta. Gli esseri umani possono perdere un vantaggio a causa di costi, emozioni, eccessiva fiducia e assunzione di rischi incoerente. Le macchine possono eliminare gran parte di questi comportamenti e comunque eseguire una strategia che semplicemente non è sufficientemente buona. La complessità può far apparire un sistema di trading intelligente senza renderlo economicamente superiore. La lezione più irritante di Wall Street potrebbe anche essere la più semplice: il benchmark noioso è difficile da superare.

Cosa dovrebbe succedere ora

Questo è un problema di ricerca risolvibile. Il passo successivo è un esperimento prospettico e abbinato, anziché un altro confronto retrospettivo.

1. Seleziona l’umano prima dell’inizio del trading. Scegli il trader in modo prospettico, non retrospettivo, perché un record storico risulta eccezionale.
2. Fornisci a entrambe le parti lo stesso mercato. Usa lo stesso universo di SPY, QQQ, GLD e Apple, capitale iniziale, limiti di leva, orari di trading, prezzi, regole di short selling e ipotesi sui costi di transazione.
3. Conduci la gara per circa un anno di trading. Utilizza circa 252 sessioni di mercato e registra costi, slippage, turnover, drawdown, esposizione al mercato e modifiche alle regole fin dall’inizio.

Il risultato che Wall Street potrebbe apprezzare di più

Un test equo potrebbe concludersi con la vittoria dell’umano, della mosca, o con entrambi superati dal buy‑and‑hold. Il terzo risultato sarebbe il più divertente e potrebbe essere il più utile. Dimostrerebbe che né l’intuizione umana né l’architettura neurale esotica creano automaticamente un vantaggio una volta considerati costi e rischio. I day trader non devono temere le mosche della frutta. Devono temere probabilità sfavorevoli, costi nascosti e strategie la cui complessità supera le evidenze.

Riferimenti:

<sup>1. Jordan, D. J., & Diltz, J. D. (2003). La redditività dei day trader. Financial Analysts Journal, 59(6), 85–94. https://doi.org/10.2469/faj.v59.n6.2578
2. Barber, B. M., Lee, Y.-T., Liu, Y.-J., & Odean, T. (2014). La sezione trasversale delle abilità dello speculatore: evidenza dal day trading. Journal of Financial Markets, 18, 1–24. https://doi.org/10.1016/j.finmar.2013.05.006
3. Chague, F., De-Losso, R., & Giovannetti, B. (2020). Day trading per vivere? (FGV EESP Working Paper No. 525; CEQEF Working Paper No. 57).</sup>