Considerazioni avanzate sulle assunzioni di slippage
Cosa significano le “assunzioni di slippage” nella modellizzazione dell’esecuzione
Le assunzioni di slippage rappresentano il modo di esprimere la differenza tra il prezzo previsto per l’esecuzione di un ordine e il prezzo effettivo di esecuzione. Nella modellizzazione (come nel backtesting o nel forward testing), solitamente non si osserva il percorso reale e dettagliato dell’esecuzione, quindi si definisce una regola per stimare il costo aggiuntivo (o talvolta un prezzo migliore) che si assume.
Questo concetto va trattato meglio come un input di modellizzazione che approssima l’incertezza di esecuzione. Non è lo stesso delle spread, commissioni o costi fissi — questi vengono generalmente aggiunti separatamente. Un’assunzione di slippage di solito include fattori come:
- movimento del prezzo tra decisione ed esecuzione,
- latenza nel routing e nell’esecuzione dell’ordine,
- disponibilità di liquidità (profondità) al momento dell’esecuzione,
- riempimenti parziali e prezzi di riempimento variabili.
Un modo pratico per pensarci: se il tuo modello stabilisce che assumerà “X unità di slippage” per ogni operazione, allora il modello sta traducendo l’incertezza di esecuzione in un aggiustamento di costo coerente che puoi applicare in modo ripetibile.
Come funzionano le assunzioni di slippage: meccaniche stabili vs condizioni variabili
Le considerazioni avanzate iniziano separando ciò che il tuo modello controlla da ciò che è controllato dal mercato e dall’ambiente di esecuzione.
Definire unità e direzione
Lo slippage può essere espresso in diverse unità:
- in termini di prezzo (ad esempio, valuta per unità),
- in tick o punti,
- come percentuale del prezzo,
- come costo aggiunto all’operazione (spesso più semplice per la modellizzazione del P&L).
Chiarisci anche la direzionalità. Molti modelli semplici assumono che lo slippage sia sempre sfavorevole, ma a volte l’esecuzione può avvenire a un prezzo migliore del previsto. Se imponi “sempre peggio”, introduci un bias sistematico nelle stime di performance. Se ammetti entrambe le direzioni, devi definire una regola su quanto spesso si verifica ciascuna direzione.
Scegliere una regola di mappatura
Un’“assunzione di slippage” diventa tipicamente una regola di mappatura, ad esempio:
- slippage fisso per ordine,
- slippage proporzionale alla dimensione dell’operazione,
- slippage legato a condizioni di volatilità o spread (se il tuo dataset lo consente),
- slippage estratto da una distribuzione (stile Monte Carlo).
L’aspetto avanzato consiste nel garantire che la regola sia coerente con il modo in cui misuri i prezzi di entrata/uscita nel tuo dataset. Se il prezzo di entrata del tuo backtest è già “efficace” (ad esempio, derivato da log di esecuzione realistici), aggiungere un ulteriore aggiustamento per lo slippage potrebbe contare due volte i costi di esecuzione.
Isolare le assunzioni temporali
Lo slippage è fortemente influenzato dal ritardo tra il momento della decisione del modello e il momento ipotizzato per l’esecuzione. Se i tuoi dati utilizzano un timing basato su barre (ad esempio, candele da un minuto) ma il tuo modello assume l’esecuzione in un punto diverso all’interno di quella barra, l’assunzione di slippage deve riflettere tale ritardo. Altrimenti, il modello può diventare internamente incoerente.
Aggiungere con cautela assunzioni di indipendenza
Molti approcci semplificati trattano lo slippage come indipendente dal segnale. In realtà, spesso esiste una correlazione tra slippage e aggressività dell’operazione:
- un’esecuzione più urgente può alterare i ritardi in coda,
- operare in periodi di alta volatilità modifica la qualità tipica dell’esecuzione,
- ordini più grandi interagiscono con la liquidità disponibile.
Se ignori questa correlazione, potresti sottostimare la variabilità dei risultati.
Evidenze ed esempi: stress del modello con casi limite
Poiché non si assume l’uso di dati di mercato in tempo reale, per “evidenza” si intendono controlli di coerenza interna e test di scenario basati su assunzioni chiaramente dichiarate.
Esempio: slippage fisso vs slippage proporzionale alla dimensione
Supponiamo che un framework di modellizzazione assuma un costo di slippage costante per ogni operazione. Questo può fallire quando la dimensione dell’ordine è grande rispetto alla liquidità disponibile.
Per stressare questo modello, esegui due varianti interne con la stessa logica di entrata/uscita:
- assunzione di slippage fisso per ordine,
- assunzione di slippage che cresce con la dimensione dell’operazione.
Quindi confronta se le conclusioni chiave (ad esempio, se i risultati rimangono plausibili in entrambi i modelli) reggono. Se i risultati cambiano drasticamente, le tue conclusioni dipendono fortemente dalla regola di slippage piuttosto che da meccaniche stabili.
Esempio: riempimenti parziali e coda degli ordini
Un comune punto di fallimento delle assunzioni semplificate è considerare ogni ordine come un singolo riempimento a un prezzo efficace unico. In pratica, gli ordini possono riempirsi in parti a prezzi diversi.
Controllo per casi limite:
- se assumi un singolo prezzo di esecuzione ma l’ambiente reale può generare riempimenti parziali, il tuo modello potrebbe sottostimare l’effettivo range di costi,
- se il tuo slippage ipotizzato non riflette i ritardi in coda, potresti rappresentare in modo errato l’impatto di periodi con velocità di esecuzione ridotta.
Una soluzione di modellizzazione è incorporare un’assunzione sul numero di riempimenti o sulla dispersione media dei prezzi nel tempo. Anche se approssimativa, questa soluzione rende il modello meno fragile dell’assunzione “un solo riempimento sempre”.
Esempio: bias direzionale
Se assumi sempre che lo slippage sia negativo, potresti introdurre un costo conservativo sistematico. Questo non è automaticamente sbagliato, ma deve essere giustificato come scelta deliberata di modellizzazione.
Controllo per casi limite:
- confronta un’assunzione simmetrica (slippage negativo e positivo intorno allo zero) con una unilaterale,
- verifica quanto la performance modellizzata è sensibile a questa scelta.
Se le conclusioni valgono solo con un’assunzione direzionale, non sono robuste.
Limiti e rischi: quando le assunzioni di slippage falliscono
I limiti principali non riguardano solo l’“accuratezza”, ma la validità strutturale.
Le relazioni storiche non garantiscono risultati futuri
Anche quando un pattern di slippage sembra coerente nei dati passati, le condizioni di esecuzione possono cambiare. Diversi regimi di liquidità, cambiamenti nella tecnologia di esecuzione e variazioni della microstruttura di mercato possono alterare la relazione tra la tua regola di slippage ipotizzata e i risultati effettivi.
Doppio conteggio e incongruenze contabili
Due rischi comuni:
- combinare prezzi già efficaci con un ulteriore slippage,
- separare in modo errato spread/fee in modo che slippage e costi si sovrappongano.
Assicurati che i componenti di costo nel tuo flusso di modellizzazione non si sovrappongano. Se lo spread è già incluso nel metodo di prezzatura efficace del dataset, aggiungi lo slippage solo se rappresenta un componente aggiuntivo.
Granularità non realistica
Una regola che funziona bene a livello grossolano (ad esempio, per barra) può fallire quando l’esecuzione avviene a granularità più fine. Se il modello tratta l’intera barra come un singolo intervallo decisione-esecuzione, potrebbe attribuire erroneamente il movimento intrabar allo slippage.
Incertezza nascosta dei parametri
Le assunzioni di slippage spesso introducono parametri (importo fisso, forma della distribuzione, sensibilità alla dimensione). Se questi parametri sono ottimizzati sui risultati storici, rischi di overfitting rispetto a condizioni di esecuzione che potrebbero non ripetersi.
Una riduzione del rischio orientata alla verifica consiste nell’eseguire test di sensibilità: varia i parametri di slippage in intervalli ragionevoli e osserva se le conclusioni rimangono stabili.
Verifica: come controllare in modo indipendente le tue assunzioni
La verifica indipendente non richiede prezzi in tempo reale in questo contesto; richiede coerenza, sensibilità e separazione delle responsabilità.