Come si possono testare in modo responsabile le strategie MACD?

Cosa significa fare un backtesting MACD “responsabile”

Un backtesting responsabile è il processo di verifica di una strategia MACD basata su regole, applicata a dati storici di prezzo, in modo da permettere ad altri di riprodurre esattamente i calcoli, le assunzioni e il metodo di valutazione. Tratta inoltre i risultati come incerti: le performance storiche non garantiscono risultati futuri, e diversi mercati, condizioni di esecuzione o scelte di parametri possono alterare gli esiti.

Per farlo correttamente, occorre separare la meccanica stabile dalle condizioni variabili. La meccanica stabile comprende il calcolo dell’indicatore e le regole della strategia definite (ad esempio, quando un incrocio del MACD è considerato “valido”). Le condizioni variabili includono il regime di mercato, la liquidità, gli spread denaro-lettera, i ritardi nell’esecuzione degli ordini e tutti i costi aggiuntivi.

Meccanismo: input, assunzioni e cosa si sta misurando

Un indicatore MACD utilizza tipicamente due medie mobili del prezzo e una serie derivata di “differenza”, eventualmente con una linea segnale e un istogramma. Anche se si conosce la formula standard, un backtesting responsabile inizia dichiarando esplicitamente le scelte effettuate.

Definire chiaramente questi elementi:

• Dati: timeframe utilizzato (ad es. barre minuti vs. barre giornaliere), e se si usano prezzi midpoint, close, ask o bid. Se si hanno solo barre OHLC, va specificato come vengono approssimati i fill.
• Parametri dell’indicatore: tipi di medie mobili, periodi di riferimento (veloce/lento), lunghezza della media di smoothing per la linea segnale e qualsiasi scala applicata.
• Regole della strategia: logica precisa di entrata/uscita, inclusa la gestione dei casi di parità (es. quando il MACD uguaglia la linea segnale), e se si agisce alla chiusura della barra o intrabar.
• Modello di posizione: se si è completamente investiti, come si dimensionano le posizioni e come si gestiscono i ribaltamenti.
• Costi: costi e attriti di trading inclusi, come spread e commissioni. Se non si può modellare direttamente lo spread, va descritto il proxy utilizzato (ad es. un costo fisso per operazione) e quanto i risultati siano sensibili a tale assunzione.

Quello che si misura deve corrispondere all’obiettivo. Metriche comuni includono rendimento totale, drawdown, hit rate e durata media delle operazioni. Un approccio responsabile registra anche metriche operative come numero di operazioni e tempo sul mercato, poiché queste interagiscono fortemente con i costi.

Evidenza o esempio: una struttura fuori campione con controlli del bias

Un modo pratico per ridurre risultati fuorvianti è utilizzare un design di valutazione che rispecchi le decisioni prese in tempo reale.

1. Mantenere un periodo finale di test che non viene mai toccato durante la selezione dei parametri.
2. Ottimizzare i parametri solo su una finestra di training/validation separata (o con suddivisioni walk-forward), usando una procedura fissa.
3. Utilizzare le stesse regole decisionali e assunzioni sui costi in tutte le suddivisioni.
4. Riportare i risultati per ogni suddivisione, non solo un singolo valore aggregato.

I controlli del bias sono importanti perché i backtest spesso “migliorano” i risultati per errore:

• Bias di look-ahead: uso di informazioni dalla stessa barra che non sarebbero state disponibili al momento dell’esecuzione.
• Bias di selezione e di sopravvivenza: limitazione a mercati o periodi che casualmente funzionano.
• Overfitting: selezione di parametri che si adattano al rumore nel dataset di training.

Per controllarli:

• Fissare il calcolo dell’indicatore e la logica decisionale prima di testare più suddivisioni.
• Mantenere le ricerche di parametri limitate e documentate.
• Preferire interpretazioni semplici delle regole quando possibile, poiché la complessità può nascondere l’overfitting.

Verifica costi-caratteristiche (un semplice stress test)

Dopo aver calcolato i risultati di base, eseguire test di stress sui costi. Ad esempio, rivalutare i risultati con spread/commissioni ipotizzati più alti e un’esecuzione leggermente ritardata. Questo non “dimostra” che una strategia fallirà, ma aiuta a identificare se il vantaggio apparente dipende da condizioni irrealisticamente favorevoli.

Limitazioni e rischi: almeno un modo significativo di fallimento

Anche con un lavoro accurato, i backtest MACD possono fallire per motivi non visibili in una semplice tabella di risultati. Un modo significativo di fallimento è lo spostamento di regime: il comportamento basato su momentum e incroci può funzionare in determinate condizioni di volatilità e trend, ma deteriorarsi quando la dinamica di mercato cambia.

Altre limitazioni importanti:

• Realismo dell’esecuzione: i backtest basati su barre possono assumere fill a prezzi irraggiungibili, specialmente durante movimenti rapidi o bassa liquidità.
• Omissione della microstruttura: gli spread e lo slippage non sono costanti; modellarli come fissi può sovrastimare la performance.
• Instabilità dei parametri: piccole variazioni nelle lunghezze del MACD possono alterare significativamente i segnali, quindi i risultati potrebbero non generalizzare.
• Non stazionarietà: la relazione storica tra comportamento dell’indicatore e risultati può variare nel tempo.

A causa di queste incertezze, i risultati del backtest vanno considerati come evidenza sulle tue assunzioni e il tuo modello, non come prova di performance future.