Backtesting
Il backtesting valuta una strategia specificata su dati storici. Risultati utili richiedono una cronologia esplicita delle informazioni, dati affidabili, esecuzione e costi realistici e protezioni contro look-ahead bias, bias di selezione e overfitting. Separa lo sviluppo dalla valutazione su dati mai visti; scegliere ripetutamente le regole dopo aver esaminato un campione riservato ne compromette la funzione. Una buona curva storica non dimostra la redditività futura e un risultato più debole su dati mai visti è un avvertimento da indagare, non una prova conclusiva di un’unica causa. Il numero di barre non è il numero di operazioni.
Esempio. Una strategia ipotetica mostra un valore atteso lordo di +0.40R per operazione in un test di 500 barre; il numero di barre non è il numero di operazioni completate. Se la distanza dello stop è 25 pip, un modello con un pip di spread e un pip di esecuzione sfavorevole sia all’entrata sia all’uscita totalizza tre pip, cioè 0.12R. Con dimensioni e costi uguali, il risultato diventa +0.28R dopo tali costi modellati, prima di eventuali commissioni o finanziamenti aggiuntivi. Non sottrarre nuovamente lo spread quando i prezzi effettivi di esecuzione bid/ask lo includono già. Se metà del profitto deriva da appena tre eventi insolitamente favorevoli, il rendimento su dati mai visti può differire molto. L’esempio illustra la sensibilità alle ipotesi, non una percentuale universale di sovrastima di ogni backtest. Un risultato fuori campione debole può riflettere overfitting, cambio di regime, errore di implementazione o incertezza da campione piccolo; indaga invece di presumere un’unica causa.
Una specifica riproducibile
Registra strumento, timeframe, fonte dei prezzi, versione delle regole e momento di disponibilità di ogni input. Un segnale basato sulla chiusura non giustifica un’esecuzione precedente sulla stessa barra. Quando OHLC non risolve l’ordine di raggiungimento di stop e target, usa una convenzione documentata o dati più dettagliati anziché scegliere il risultato favorevole.
Robustezza oltre un singolo ottimo
Confronta parametri vicini, finestre, costi e rimozione di singole operazioni estreme. Scegliere la migliore variante dopo aver esaminato un campione riservato ne compromette l’indipendenza. Conserva un registro di tutte le varianti testate, così il rapporto non nasconde la selezione.
Un rapporto utile per decidere
Riporta operazioni completate, periodo, valore atteso netto, dispersione, drawdown e posizioni aperte. Distingui le curve del saldo da quelle del patrimonio. Dati, codice e configurazione archiviati aiutano a separare modifiche successive del modello da errori di replica.
Domande frequenti
In cosa un backtest differisce da un test forward?
Un backtest usa dati storici; un test forward usa dati arrivati dopo che le regole sono state fissate. Il test forward può usare una simulazione o un conto reale. L’esecuzione demo non è quella reale del broker, mentre un test reale introduce costi effettivi e rischio finanziario. Una demo può verificare logica e flusso di lavoro. Una fase reale separata a piccolo volume espone inoltre il trader alle condizioni effettive del conto e alle emozioni del denaro reale, ma non dimostra la qualità di esecuzione a dimensioni molto maggiori.
Quali costi deve includere un backtest?
Modella spread, commissioni, differenze esecutive pertinenti e, dove applicabile, finanziamento overnight e altri oneri. Usa lati delle quotazioni e tempi realistici. Non sottrarre due volte lo stesso spread se il modello dei prezzi di esecuzione lo include già. Specifica se il modello rappresenta il prezzo di attivazione dell’ordine o quello di esecuzione e come gestisce gap e liquidità insufficiente.
Che cos’è l’overfitting e come si può indagare?
È l’adattamento di regole o parametri a caratteristiche accidentali del campione di sviluppo anziché a una relazione ripetibile. Usa un campione riservato protetto, valutazioni walk-forward e verifiche ragionevoli di robustezza. Un risultato più debole su dati mai visti è un avvertimento, ma non una diagnosi definitiva da solo. Queste verifiche richiedono che i dati di valutazione non siano riutilizzati per l’ottimizzazione. Anche cambi di regime, campioni piccoli ed errori di implementazione possono indebolire il risultato su dati mai visti.
Quanti dati storici sono sufficienti?
Quelli necessari a valutare l’incertezza della regola specifica e le condizioni di mercato pertinenti. Dipendenza, risultati rari e numero di varianti testate contano insieme al numero di operazioni. Un minimo universale di 100 operazioni per finestra non è una garanzia, e un test in un regime non dimostra il comportamento in un altro. Riporta le operazioni completate separatamente dal numero di barre e quantifica l’incertezza della stima.
