R quadro: quanto un modello spiega, e cosa non dice
Che cos'è
L'R quadro indica quanta parte della variabilità della grandezza spiegata viene riprodotta dal modello, su una scala da zero a uno.
Un valore di zero virgola sette significa che il modello riproduce il settanta per cento della variazione osservata nei dati usati per stimarlo.
Perché conta
È la misura che viene citata più spesso per giustificare un modello, e quella che dice meno su quanto il modello sia affidabile.
Misura aderenza, non validità. Un modello può aderire perfettamente ai dati su cui è stato costruito e non dire nulla su dati nuovi.
Come funziona
Il valore cresce meccanicamente aggiungendo variabili esplicative, anche quando quelle variabili non hanno alcuna relazione reale con il fenomeno.
È la ragione per cui esistono versioni corrette che penalizzano il numero di variabili: servono a rendere confrontabili modelli di complessità diversa.
Il problema di fondo resta però metodologico. La rassegna empirica più ampia sulla profittabilità delle regole tecniche conta novantacinque studi moderni, con cinquantasei risultati positivi, e segnala che gran parte di essi soffre di data snooping e di selezione delle regole dopo aver osservato i dati.
Un R quadro elevato ottenuto provando molte specificazioni è esattamente quella situazione: il valore descrive la ricerca svolta, non il fenomeno.
Come si interpreta
Il valore va confrontato con quelli tipici del contesto. Sui rendimenti di singoli titoli spiegati dal solo andamento di mercato, valori intorno a un terzo sono normali: aspettarsi di più significa fraintendere quanto la componente specifica pesi.
La verifica che conta è fuori campione: quanto il modello spiega su dati che non ha visto durante la stima.
E va sempre chiesto quante specificazioni sono state provate prima di arrivare a quella presentata: è l'informazione che rende interpretabile il valore, e quella che non viene quasi mai fornita.
Vale infine la pena osservare che un valore molto alto su dati finanziari è più spesso un segnale di allarme che di qualità. Se un modello spiegasse davvero quasi tutta la variazione dei rendimenti, quella relazione sarebbe sfruttabile, e verrebbe sfruttata fino a farla sparire.
Errori frequenti
Il primo è selezionare modelli massimizzando questa misura.
Il secondo è leggerla come indicazione di causalità.
Il terzo è confrontare valori fra modelli con numero di variabili diverso senza correzione.
Dove si incastra
Questo nodo è il presidio contro l'uso più comune della statistica in finanza: presentare un'aderenza elevata come una scoperta.
Da qui in avanti
Il passo successivo guarda a una misura che riguarda direttamente la qualità delle previsioni.
Metodologia
Come è costruito questo contenuto
Questa pagina fa parte di MarketSider Knowledge, il layer esplicativo di MarketSider. È contenuto educativo: spiega concetti, meccanismi e metriche della finanza, e non commenta l'andamento dei mercati.
Ogni nodo nasce dallo stesso schema strutturato, che risponde sempre alle stesse domande: che cos'è, perché conta, come funziona, come si calcola quando esiste una formula, come si interpreta, quali sono gli errori frequenti, come si collega al resto del sistema finanziario e che cosa conviene approfondire dopo.
Prima della pubblicazione il testo viene verificato su quattro piani:
- terminologia — i termini tecnici corrispondono alle voci del glossario MarketSider a cui la pagina rimanda;
- formule — dove una grandezza si calcola, l'espressione è verificata su un esempio numerico, e i limiti di validità sono dichiarati insieme alla formula;
- relazioni — i collegamenti ad altri concetti e contenuti puntano a pagine che esistono, e non vengono creati per somiglianza di nome;
- coerenza interna — definizioni, esempi e rimandi non si contraddicono fra loro né rispetto agli altri nodi del layer.
Le spiegazioni sono scritte per durare: dove un dato numerico invecchierebbe in fretta, il testo preferisce il meccanismo al valore puntuale. La pagina viene aggiornata quando un cambiamento è sostanziale — una definizione che evolve, una formula da precisare, un collegamento che cambia — e non a ogni oscillazione di mercato.
Fonti
- What do we know about the profitability of technical analysis? — Cheol Ho Park e Scott H. Irwin, Journal of Economic Surveys 21(4), 786-826 — University of Illinois · Pubblicato 1 settembre 2007 · Consultato 18 settembre 2026Rassegna di 95 studi moderni sulla profittabilita' delle strategie tecniche: 56 risultati positivi, 20 negativi, 19 misti. Gli autori segnalano che gran parte degli studi soffre di data snooping, selezione ex post delle regole e difficolta' nella stima di rischio e costi di transazione.
Nota editoriale
Avvertenza
Questo contenuto ha finalità informative e didattiche. Non è una consulenza finanziaria, fiscale o legale personalizzata, non tiene conto della situazione, degli obiettivi o della propensione al rischio di chi legge, e non costituisce una raccomandazione a comprare, vendere o detenere alcuno strumento finanziario.
Le informazioni di mercato, la normativa e il trattamento fiscale possono cambiare nel tempo e variare in base al Paese e alla situazione individuale. Prima di prendere una decisione, valuta le tue circostanze e, se necessario, rivolgiti a un professionista abilitato.
I concetti che spiega
Sugli stessi concetti
6 min di letturaIntermedio
Anomalie di calendario: effetto gennaio e dintorniSpiega anche Backtest e sovradattamento
7 min di letturaAvanzato
Backtest: quando il risultato non è una verificaSpiega anche Backtest e sovradattamento
6 min di letturaAvanzato
Esposizione fattoriale: quali scommesse si stanno facendoSpiega anche Modello a fattori
6 min di letturaAvanzato
Modelli a fattori: da che cosa dipende davvero il rendimentoSpiega anche Modello a fattori
I concetti di questo articolo si misurano: incolla i tuoi titoli nel Portfolio Doctor e vedi diversificazione, correlazioni e rischio del tuo portafoglio reale — gratis, senza registrazione.