Come si possono testare in modo responsabile gli Archi di Fibonacci?

Definire gli Archi di Fibonacci prima di testarli

Gli Archi di Fibonacci sono un metodo grafico che utilizza angoli o relazioni di distanza derivati dalla serie di Fibonacci per proiettare livelli curvilinei da un punto di riferimento scelto a punti successivi su un grafico dei prezzi. Un backtest responsabile inizia dichiarando con precisione le meccaniche esatte che si intende valutare, poiché diverse interpretazioni degli archi possono produrre livelli differenti.

Scrivi in termini chiari ciò che stai calcolando. Ad esempio:

• Quali sono i punti di riferimento (massimo/minimo di swing, barra iniziale/finale)?
• Come vengono convertiti i livelli di Fibonacci in archi (quale insieme di rapporti, quale trasformazione)?
• Quale timeframe e tipo di prezzo vengono utilizzati (chiusura, massimo/minimo o medio)?
• Come gestisci gli aggiornamenti (ridisegno su ogni nuova barra o solo quando si forma un nuovo pivot)?
• Come mappi la geometria dell’arco in risultati misurabili (distanza dall’arco, condizioni di tocco/attraversamento o segnali basati su regole)?

Se non riesci a definire con precisione questi elementi, non potrai confrontare i risultati di diversi backtest né spiegarli ad altri.

Separare le meccaniche stabili dell’indicatore dalle condizioni variabili

Il backtesting combina due aspetti diversi: la logica stabile di «come viene disegnato l’arco» e le condizioni di mercato/fornitore variabili che influenzano i risultati effettivi.

Mantieni separati questi livelli nel tuo flusso di lavoro:

1. Meccaniche stabili (fisse): la regola di costruzione dell’arco, la misurazione dell’interazione con l’arco e la logica decisionale che stai testando.
2. Condizioni variabili (ipotesi di scenario): il dataset, la granularità dei dati, il modello di esecuzione e i costi di transazione.

Questa separazione è importante perché un risultato apparentemente positivo può derivare da ipotesi favorevoli piuttosto che dalla logica dell’arco. Se due ricercatori testano le stesse meccaniche dell’arco ma utilizzano costi, tempi di esecuzione o regole di rilevamento dei pivot diversi, i loro risultati potrebbero non essere confrontabili.

Impostare ipotesi per dati, costi ed esecuzione

Un backtest responsabile non si chiede solo «cosa è successo in passato?», ma anche «cosa sarebbe stato possibile dati i vincoli realistici?».

Definisci esplicitamente le seguenti ipotesi:

• Dati: quale/i strumento/i, quale intervallo temporale e dimensione delle barre. Definisci anche se utilizzi dati aggiustati (per eventi societari) se rilevanti.
• Campionamento e allineamento: conferma che l’arco viene calcolato utilizzando solo le informazioni disponibili al momento della decisione. Un errore comune è utilizzare accidentalmente informazioni future nel determinare i pivot.
• Costi (tipi di costo): modella almeno un componente di costo, come spread/slippage o un costo generico per operazione. «Nessun costo» può sovrastimare la performance.
• Tempistica di esecuzione: quando avviene l’ingresso e l’uscita della posizione rispetto alla barra che ha generato il segnale? Ad esempio, avviene all’apertura della barra successiva o alla chiusura della stessa barra?

Queste ipotesi sono i «kostensoorten» del tuo test: descrivono quali frizioni hai incluso e quali hai intenzionalmente escluso.

Controllare il bias con il blocco dei parametri e l’uso di più dataset

I backtest sono soggetti a bias. Puoi ridurli trattando il processo come una misurazione, non come un esercizio di ottimizzazione.

Tra i controlli pratici contro il bias:

• Blocco dei parametri: decidi i parametri legati all’arco (dettagli della regola dei pivot, soglie, definizioni di interazione) prima di valutare la performance. Solo allora esegui il backtest.
• Test walk-forward: se devi riadattare i parametri, fallo in modo sequenziale nel tempo, usando periodi precedenti per impostarli e periodi successivi per valutarli.
• Controlli fuori campione: conserva almeno una parte del dataset inutilizzata fino alla valutazione finale.

Utilizza «aannames» (ipotesi) in modo coerente in tutti i test. Se il cambiamento di un dettaglio migliora significativamente i risultati, quel dettaglio è un candidato all’overfitting—soprattutto se è stato ottimizzato per un singolo regime di mercato.

Utilizzare un test delle evidenze che misuri più di una metrica

Scegli criteri di risultato che corrispondano alla domanda. Per la ricerca sugli archi, potresti misurare:

• Con quale frequenza viene attivata la regola di interazione con l’arco (frequenza)
• Se il movimento successivo del prezzo (in una finestra definita) si comporta diversamente rispetto a una baseline
• Effetti distribuzionali (non solo rendimenti medi)

Anche senza raccomandare operazioni, puoi comunque definire uno standard di evidenza come: «la regola di interazione con l’arco produce un effetto statisticamente distinguibile da una baseline ingenua in più periodi».

Poiché i risultati variano con «variabele factoren» (regime di mercato, volatilità, liquidità e modalità di formazione dei pivot), riporta dove l’effetto è stabile e dove fallisce.

Limitazioni e modi di fallimento da aspettarsi

Un backtest responsabile deve includere le limitazioni rilevanti. Almeno questi sono comuni modi di fallimento nei test di pattern grafici e indicatori geometrici:

• Overfitting: ottimizzazione dei parametri dell’arco su anomalie storiche che non si ripetono.
• Data leakage: rilevamento dei pivot o aggiornamenti dell’indicatore che utilizzano involontariamente informazioni future.