Cos’è il Dato Storico?

Definizione e ruolo nei flussi di lavoro del forex

I dati storici indicano informazioni registrate relative alle attività di mercato nel passato, come timestamp e campi legati ai prezzi. Nel contesto del forex, vengono comunemente utilizzati per misurare ciò che è accaduto in precedenza, in modo da analizzare il comportamento di un metodo in condizioni note. L’idea fondamentale è che i dati storici rappresentino un input per l’analisi, non una previsione.

Come vengono utilizzati (il modello semplice)

Un modo semplice per pensare ai dati storici è come a un insieme di dati più un insieme di regole. L’insieme di dati contiene osservazioni passate. Le regole definiscono cosa si calcola da tali osservazioni (ad esempio, come vengono calcolati i rendimenti, come vengono definiti gli ingressi e le uscite, e come vengono applicati i costi). Se viene valutata una strategia o un modello, i dati storici vengono utilizzati per generare un risultato misurato o backtestato secondo tali regole.

Un flusso di lavoro comune è: (1) definire le assunzioni, (2) selezionare una finestra temporale di dati passati, (3) eseguire ripetutamente lo stesso calcolo utilizzando tale insieme di dati, e (4) registrare le metriche di performance risultanti. È importante notare che le assunzioni fanno parte del processo. Modificare le definizioni — ad esempio, come si modella il timing dell’esecuzione o gli spread — può cambiare l’output anche se i prezzi storici rimangono gli stessi.

Esempi comuni di ciò che include il termine “storico”

I dati storici possono includere prezzi medi, serie bid/ask o valori derivati, a seconda della fonte dei dati. Possono inoltre includere volumi o altri campi, se disponibili. Nella pratica, ciò che conta non è l’etichetta, ma se l’insieme di dati corrisponde alla domanda che si vuole rispondere. Ad esempio, se un metodo dipende dal comportamento di bid/ask, l’uso di una sola serie di prezzi può rappresentare una discrepanza.

Limitazioni e modalità di errore

I dati storici presentano diverse limitazioni significative:

• Non stazionarietà: il comportamento del mercato può cambiare nel tempo, quindi le relazioni osservate in passato possono indebolirsi.
• Problemi di qualità dei dati: barre mancanti, valori anomali o timestamp errati possono generare risultati fuorvianti.
• Overfitting e “ricerca di vincitori”: quando le regole vengono ottimizzate troppo aggressivamente su un singolo periodo passato, i risultati possono fallire altrove.
• Differenze di realismo nell’esecuzione: i calcoli storici potrebbero non rispecchiare l’incertezza effettiva del riempimento, la latenza o i costi.

A causa di questi problemi, i dati storici non possono dimostrare che un metodo avrà prestazioni simili in futuro. Anche se un metodo appare coerente in un determinato intervallo storico, tale coerenza potrebbe essere in parte un artefatto delle assunzioni scelte.

Differenza rispetto a concetti correlati

I dati storici vengono spesso confusi con idee correlate:

• Dati in tempo reale o futuri: dati provenienti dal futuro rispetto all’analisi. Vengono utilizzati per valutare se un metodo regge senza modificare le regole.
• Output del backtesting: risultati calcolati dai dati storici secondo regole specifiche. L’output del backtest riflette sia i dati che le assunzioni.
• Prestazioni su carta vs. prestazioni verificate: un’analisi basata su un solo intervallo di dati può apparire solida, ma la verifica richiede la separazione dei periodi e input realistici.

Verifica che puoi effettuare autonomamente

Per verificare affermazioni basate sui dati storici, controlla se l’analisi è trasparente riguardo a assunzioni, definizioni e modellazione dei costi. Un principio comune di indipendenza è l’uso di periodi temporali separati: uno per definire le regole e un altro per la valutazione. Verifica inoltre che l’insieme di dati utilizzato per la valutazione non sia lo stesso impiegato per l’ottimizzazione.

Quando esamini un’interpretazione dei dati storici, chiediti: cosa è esattamente incluso nell’insieme di dati, come vengono calcolati i rendimenti o gli eventi, quali assunzioni vengono utilizzate per l’esecuzione e i costi, e cosa cambia al variare dei dati? Questi controlli aiutano a distinguere meccanismi stabili da condizioni variabili.