Come si può fare backtesting del Trix in modo responsabile?

Definire il Trix e l’obiettivo del backtest

Prima di discutere del backtesting, è necessario definire cos’è il Trix e cosa si sta testando. Il Trix si riferisce tipicamente a un indicatore di seguito del trend costruito a partire da una media mobile lisciata, trasformata poi in una misura di variazione percentuale. In un backtest, l’indicatore diventa un input per una regola che si definisce (ad esempio, una regola decisionale basata sulla direzione dell’indicatore o sul superamento di soglie). Il punto chiave è che non si sta testando il “Trix” in isolamento — si sta testando l’intero processo decisionale che utilizza i valori del Trix.

Una configurazione responsabile inizia con definizioni esplicite:

• Scelte di calcolo dell’indicatore: lunghezza del lisciamento, tipo di lisciamento utilizzato (se applicabile) e qualsiasi scala.
• Logica della regola di trading: cosa attiva un “cambio di stato” (ingresso/uscita, detenzione/non detenzione) e come vengono gestiti segnali multipli.
• Obiettivo di valutazione: quale metrica si desidera (ad esempio, se si punta sulla coerenza o sui drawdown).

Utilizzare dati coerenti, assunzioni e costi realistici

L’accuratezza del backtesting dipende più dall’integrità dei dati e dalle assunzioni che dalla sofisticazione dell’indicatore.

1. Coerenza dei dati

• Utilizzare un’unica fonte temporale e una singola definizione di barre (ad esempio, stesso timeframe delle candele e gestione delle sessioni).
• Assicurarsi che i valori dell’indicatore siano calcolati solo con dati disponibili fino al momento della decisione (nessun lookahead).
• Se si effettua un ricampionamento o aggregazione, documentare il metodo utilizzato.

2. Assunzioni per ogni calcolo Anche se non si opera in tempo reale, si dovrebbero simulare le parti pratiche dell’esecuzione. Dichiarare assunzioni come:

• Modello di costi di transazione: commissioni e spese, più una stima dello spread (o gestione bid/ask).
• Regola di esecuzione degli ordini: se si assume che gli ordini siano eseguiti al close della barra, a un prezzo medio o con un termine di slippage fisso.
• Dimensionamento della posizione: dimensione fissa rispetto a dimensione proporzionale, poiché cambia l’esposizione.

3. I costi come parte integrante del modello, non come ripensamento Molti backtest di indicatori appaiono forti prima dei costi. Un approccio responsabile modella i costi fin dall’inizio, quindi ne verifica la sensibilità (ad esempio, aumentando lo slippage o le commissioni ipotizzate per vedere se i risultati cambiano materialmente). Questo non predice il futuro, ma riduce il rischio di scambiare la “performance cartacea” con una performance effettivamente implementabile.

Controllare il bias con un rigoroso trattamento dei parametri e verifiche fuori campione

Un errore comune nel backtesting degli indicatori è l’“overfitting”: sintonizzare le impostazioni dell’indicatore e le soglie delle regole finché la performance storica sembra buona, senza garanzia che si generalizzerà.

Utilizzare controlli del bias come:

• Set di parametri fissi: scegliere la lunghezza del lisciamento e i valori di soglia utilizzando solo un segmento di addestramento, quindi bloccarli.
• Validazione fuori campione: valutare su dati successivi non utilizzati per l’ottimizzazione.
• Test walk-forward: addestrare ripetutamente su una finestra mobile e testare sul segmento successivo, aggiornando solo ciò che il processo permette.

Considerare anche l’effetto di test multipli. Se si provano molte versioni di una strategia e si riporta solo la migliore, i risultati possono diventare un artefatto. Una descrizione responsabile o limita il numero di varianti testate o riporta quante sono state valutate.

Evidenza tramite riproducibilità e test di stress

Poiché non esistono garanzie in tempo reale, l’“evidenza” in un backtesting responsabile riguarda principalmente se altri possono riprodurre la logica e se i risultati resistono a condizioni di stress plausibili.

Passaggi pratici per ottenere evidenza includono:

• Specifiche riproducibili: elencare le scelte della formula dell’indicatore, la logica delle regole, le assunzioni di costi e slippage e la gestione esatta del periodo dei dati.
• Trasparenza sulla sensibilità al regime: testare in diverse condizioni di mercato (trend, lateralità, alta/bassa volatilità) utilizzando segmenti temporali separati.
• Verifiche di robustezza: variare assunzioni di modellizzazione non critiche entro intervalli ragionevoli (ad esempio, piccoli cambiamenti nello slippage ipotizzato) e osservare se le conclusioni cambiano.

Non affermare potere predittivo. Le relazioni storiche possono interrompersi quando la microstruttura del mercato, i modelli di volatilità o le condizioni di liquidità cambiano.

Limitazioni e comuni errori da monitorare

Almeno una limitazione significativa dovrebbe far parte dell’analisi:

• Non stazionarietà: relazioni che hanno funzionato storicamente possono smettere di funzionare quando il regime di mercato cambia.
• Divergenza nell’esecuzione: le assunzioni basate sulle barre possono differire dalle esecuzioni reali, specialmente quando spread e liquidità variano.
• Lookahead e data leakage: anche un piccolo errore nell’allineamento dei timestamp può gonfiare i risultati.
• Instabilità dei parametri: piccoli cambiamenti nella lunghezza del lisciamento o nelle soglie possono portare a grandi variazioni nei risultati.

Queste limitazioni sono il motivo per cui i backtest dovrebbero essere considerati un controllo di ipotesi, non una prova.