Come si possono backtestare i Pivot di Fibonacci in modo responsabile?

Cosa sono i Pivot di Fibonacci e cosa esattamente si sta testando?

I Pivot di Fibonacci sono un insieme di livelli di prezzo derivati da un intervallo di riferimento (ad esempio, massimo, minimo e chiusura di un periodo precedente) e successivamente mappati in frazioni utilizzando i rapporti di Fibonacci. Il backtest responsabile inizia separando due concetti:

1. La meccanica stabile: la formula che trasforma i prezzi di input nei livelli di pivot.
2. Il contesto variabile: come si comportano i mercati, quali costi si applicano e come vengono eseguiti i trade (se li si simula).

Per effettuare un backtest in modo responsabile, è necessario chiarire cosa si sta testando. Le opzioni più comuni sono verificare se il prezzo reagisce a questi livelli (ad esempio, comportamento di tocco o di rimbalzo) oppure testare una regola decisionale (ad esempio, ingressi/uscite basati su quei livelli). Anche se si evitano raccomandazioni operative, ogni “regola decisionale” è comunque una strategia, quindi la valutazione deve corrispondere esattamente alla regola simulata.

Meccanica: definisci input, assunzioni e dataset del backtest

Un backtest responsabile inizia scrivendo chiaramente gli input e le assunzioni.

• Prezzi di riferimento: specifica quali dati definiscono l’intervallo (ad esempio, massimo/minimo/chiusura del periodo precedente) e da quali limiti di sessione vengono presi.
• Allineamento temporale: assicurati che ogni livello di pivot calcolato fosse noto al momento della decisione. Questo evita il look-ahead bias, in cui informazioni future accidentalmente influenzano calcoli precedenti.
• Frequenza: definisci se i pivot vengono calcolati giornalmente, settimanalmente o in un altro periodo, e contro quale dimensione di barra (o aggregazione di tick) li si valuta.
• Slippage e spread (costi): se simuli l’esecuzione, hai bisogno di un modello di costo. Altrimenti, i risultati potrebbero riflettere solo riempimenti ideali.
• Regole per gli eventi: chiarisci come rilevi un “contatto”. Ad esempio, se il prezzo attraversa un livello durante una barra, lo consideri toccato? Il metodo di rilevamento influenza i risultati.

A questo stadio, costi e “rilevamento degli eventi” fanno parte della meccanica che stai testando. Trattali come assunzioni che puoi verificare e modificare.

Evidenza: usa controlli contro i bias e verifiche out-of-sample

I modelli storici non garantiscono risultati futuri, quindi la tua valutazione dovrebbe concentrarsi sulla robustezza.

Controlli principali:

• Verifiche del look-ahead bias: ricalcola i pivot usando solo i dati disponibili al momento della decisione e verifica che la tua pipeline rispetti questo ordine.
• Sensibilità ai parametri: se permetti scelte come quali rapporti includere o come gestire più contatti, verifica se le prestazioni dipendono da una configurazione specifica e finemente regolata.
• Validazione out-of-sample: dividi il dataset in training (per impostare assunzioni o selezionare una regola) e testing (per la valutazione). Dopo aver scelto i parametri sul training, bloccali e valuta solo sul test.
• Copertura dei regimi: verifica i risultati in diversi ambienti di volatilità e tendenza. Un metodo che funziona solo in un regime è più facile da overfittare.

Un modo pratico per mantenere la credibilità è registrare ogni assunzione usata per produrre i risultati: metodo di calcolo del pivot, limiti di sessione, regole degli eventi, modello di costo e criteri di selezione.

Limitazioni e rischi: almeno un modo di fallimento da aspettarsi

Un backtest responsabile richiede anche di dichiarare cosa potrebbe invalidare le conclusioni. I principali modi di fallimento includono:

• Errori di dati e allineamento: piccoli errori nei fusi orari, nei tagli di sessione o nella costruzione delle barre possono spostare i livelli calcolati e produrre “contatti” fuorvianti.
• Costi nascosti e discrepanze nell’esecuzione: spread, slippage e riempimenti parziali possono cambiare sostanzialmente gli esiti reali rispetto ai livelli teorici.
• Overfitting alla storia: se modifichi ripetutamente gli input per migliorare i risultati storici, potresti creare una regola che spiega i dati passati ma fallisce altrove.
• Cambiamenti di regime di mercato: la relazione tra prezzo e livelli di pivot può variare quando cambiano volatilità, liquidità o comportamento dei partecipanti.

Anche quando il calcolo è corretto, queste limitazioni possono rendere instabili le conclusioni del backtest.

Verifica e prossima domanda da porsi

Per verificare in modo indipendente le affermazioni, dovresti essere in grado di rispondere a questi controlli senza fare affidamento sui risultati altrui:

1. Puoi riprodurre i livelli di pivot dai prezzi di riferimento e dai limiti di sessione specificati?
2. Il tuo test evita il look-ahead (ogni valore calcolato deve essere disponibile al momento della decisione)?
3. La tua valutazione include un modello di costo trasparente e un rilevamento degli eventi realistico?
4. I risultati sono coerenti in un periodo out-of-sample e persistono in più regimi?

Se riesci a eseguire questi passaggi, stai testando il comportamento del metodo invece di validare accidentalmente delle assunzioni.