In che modo le strategie basate sulle Bollinger Band possono essere backtestate in modo responsabile?
Definire il concetto prima del test
Una strategia basata sulle Bollinger Band è un insieme di regole che utilizza la distanza tra una media mobile e bande di volatilità (spesso derivate dalla deviazione standard) per decidere se le condizioni appaiono insolitamente alte o basse rispetto alla storia recente. Un backtest responsabile inizia specificando esattamente la meccanica in modo che gli stessi calcoli possano essere ripetuti da qualcun altro.
Definire, in termini semplici, cosa si sta calcolando e quando:
- Il tipo di media mobile (ad esempio, semplice o esponenziale) e la lunghezza della finestra.
- Il moltiplicatore della larghezza della banda (il fattore applicato alla misura della volatilità).
- La regola decisionale (ad esempio, cosa attiva un “segnale” e cosa conta come entrata e uscita).
- L’allineamento temporale (a quale barra appartengono i valori della banda utilizzati per la decisione, e quando si assume che l’operazione venga eseguita).
Anche se la strategia utilizza le Bollinger Bands, i risultati dipendono fortemente da queste ipotesi. Le relazioni storiche non dimostrano che i dati futuri si comporteranno in modo simile.
Separare la meccanica stabile dalle condizioni variabili
Il backtesting diventa poco affidabile quando l’assetto del test cambia silenziosamente con il dataset. Per ridurre questo rischio, separare la meccanica stabile dalle condizioni variabili:
Meccanica stabile (definizione della strategia): la matematica dell’indicatore, la logica decisionale e il timing degli eventi che si assumono.
Condizioni variabili (ciò che può differire tra un’esecuzione e l’altra): regime di mercato, timeframe, qualità dei dati e ipotesi di esecuzione.
Indicare esplicitamente le assunzioni sui dati. Ad esempio, definire se si utilizzano prezzi medi o bid/ask, se si effettua il ricampionamento e se si consentono gap o aggiustamenti per dati societari (se rilevanti). Se queste non vengono specificate, la “stessa” strategia può produrre risultati diversi.
Modellare costi ed esecuzione nei calcoli
Un errore comune nei backtest di strategie basate su indicatori è ignorare le frizioni di mercato. Un test responsabile include almeno un modello semplificato dei costi e un’assunzione conservativa sull’esecuzione.
Categorie comuni di costi da definire e includere nei calcoli di performance:
- Spread o differenza effettiva tra bid e ask: la differenza tra il prezzo concettualmente osservato e il prezzo a cui si assume di poter operare.
- Commissioni o costi: costi per operazione o per volume.
- Slippage: movimento avverso del prezzo tra il momento in cui una regola viene attivata e il momento ipotizzato di esecuzione.
- Costi di finanziamento o di detenzione: se la strategia mantiene posizioni nel tempo, dove possono accumularsi costi.
Non è necessaria una perfetta realismo per essere responsabili, ma i costi dovrebbero essere considerati parte della misurazione, non un’appendice. Inoltre, definire come i costi vengono applicati: ad esempio, solo all’ingresso, all’ingresso e all’uscita, o in modo continuo durante il periodo di detenzione.
Controllare i bias: assunzioni, ottimizzazione e effetti di survivorship
I bias possono manifestarsi anche quando la regola della strategia è fissa. I principali controlli includono:
Controllo delle assunzioni: documentare ogni ipotesi utilizzata per calcolare segnali e rendimenti (allineamento temporale, arrotondamento, gestione dei dati mancanti e se si limitano i valori estremi).
Controllo dell’ottimizzazione (overfitting): se si aggiustano i parametri sulla base dello stesso periodo successivamente “valutato”, i risultati possono essere fuorvianti. Un approccio responsabile prevede una separazione tra la selezione dei parametri e la valutazione finale.
Controllo dell’ambito dei dati: evitare di selezionare arbitrariamente il periodo campione. Se si testano solo gli anni che sembrano favorevoli, si trasforma di fatto il backtest in una selezione piuttosto che in una verifica.
Utilizzare verifiche fuori campione e test di robustezza
La verifica fuori campione significa valutare la performance su dati non utilizzati per scegliere i parametri o perfezionare le assunzioni.
Un metodo pratico e indipendente è:
- Scegliere la definizione della strategia e i parametri utilizzando un segmento dei dati storici.
- Valutare la stessa definizione su un segmento diverso.
- Ripetere il processo su più periodi non sovrapposti (metodi rolling o walk-forward) per verificare se i risultati dipendono da una singola finestra favorevole.
Anche i test di robustezza sono importanti. Eseguire nuovamente con variazioni ragionevoli dei parametri (ad esempio, diverse lunghezze della finestra o moltiplicatori) e confermare che le conclusioni principali non crollino con piccoli cambiamenti.
Evidenze ed esempi: cosa riportare
Un reporting responsabile si concentra su elementi misurabili e verificabili, piuttosto che su risultati non validabili. Come minimo, riportare:
- I valori esatti dei parametri e le impostazioni dell’indicatore utilizzati.
- Il/i periodo/i campione e il timeframe.
- Le assunzioni sui costi e sull’esecuzione.
- La/e metrica/e di valutazione e come sono state calcolate.
- Se i risultati si basano su dati fuori campione.
Una strategia che appare valida solo sotto un insieme ristretto di assunzioni è un campanello d’allarme. Verificare anche se la performance è guidata da pochi eventi estremi; in tal caso, piccoli cambiamenti nelle assunzioni possono ribaltare la conclusione.