Considerazioni avanzate per le metriche di performance

Risposta diretta

Le metriche di performance sono riepiloghi quantitativi dei risultati, dell’andamento nel tempo e del comportamento legato al rischio. Le considerazioni avanzate si concentrano su: (1) cosa esattamente viene misurato, (2) come la misurazione viene calcolata a partire dai dati grezzi, (3) quali parti sono stabili e quali variabili, e (4) come verificare i risultati senza presupporre che le relazioni storiche rimarranno valide.

Un modo pratico per ragionare sulle metriche di performance è separare la meccanica (la matematica e le definizioni che controlli) dalle dipendenze (condizioni di mercato, qualità dell’esecuzione, costi e modalità di scelta dei dati). Questa separazione ti aiuta a spiegare cosa significa la metrica, perché potrebbe cambiare anche se il tuo comportamento rimane costante e in che punti potrebbe fallire.

Meccanismo e definizione

Parti da un modello chiaro degli input e delle trasformazioni. Ad esempio, molte metriche di performance richiedono almeno questi elementi:

• Una serie di rendimenti (utile/perdita convertiti in rendimenti). Definisci il rendimento come rendimento semplice (P&L diviso per una base), rendimento logaritmico o un’altra convenzione, applicandolo in modo coerente.
• Una finestra temporale e una regola di ricampionamento (giornaliera, trade per trade o passi di equity del portafoglio). La scelta del ricampionamento può alterare volatilità, profondità del drawdown e medie.
• Un denominatore (equity del conto, margine, nozionale o capitale iniziale). Due persone possono calcolare la “stessa” metrica con denominatori diversi ottenendo valori significativamente differenti.
• Un trattamento dei costi (spread, commissioni, swap/finanziamento e tasse). Se i tuoi dati includono eseguiti lordi ma la tua metrica presuppone eseguiti netti, rischi di sovrastimare la performance.

Definisci quindi la metrica stessa. Le famiglie tipiche di metriche includono:

• Metriche basate sui rendimenti (medie o crescita composta). Queste sono sensibili al modo in cui calcoli i rendimenti e al peso temporale.
• Metriche di volatilità e variabilità (deviazione standard o misure simili). Dipendono fortemente dal fatto che i rendimenti siano equispaziati e dal trattamento degli outlier.
• Metriche di drawdown (calo dal picco al minimo e sua durata). Dipendono dalla definizione di equity e dal fatto che tu applichi il mark-to-market in modo coerente.
• Metriche aggiustate per il rischio (rapporti che combinano rendimento e volatilità). Anche se la formula del rapporto è stabile, l’interpretazione può cambiare se la stima della volatilità è rumorosa o dipendente dal regime.

Un punto avanzato è trattare il calcolo della metrica come una pipeline con passaggi ben definiti: transazioni grezze → serie di posizioni/equity → rendimenti → formule delle metriche. Quando un passaggio è ambiguo, la verifica diventa difficile.

Evidenza ed esempio (con ipotesi esplicite)

Ecco un esempio autonomo che mostra perché le dipendenze sono importanti, anche quando la matematica è identica.

Ipotesi:

• Calcoli la performance a partire da una curva di equity registrata con timestamp costanti.
• I rendimenti sono calcolati come rendimenti semplici giornalieri: r_t = (E_t − E_{t−1}) / E_{t−1}.
• I costi sono inclusi nell’equity (quindi il P&L è netto delle commissioni di esecuzione contenute in E_t).
• Valuti lo stesso intervallo di date per ogni metrica.

Scenario di esempio:

• In un mese, la qualità dell’esecuzione migliora (eseguiti più vicini ai prezzi attesi) ma i costi di finanziamento aumentano (a causa dei periodi di detenzione). Le variazioni di equity sono in parte dovute ai costi e in parte ai movimenti di prezzo.

Se calcoli due metriche — una basata sui rendimenti e una sul drawdown — i loro valori potrebbero muoversi in direzioni diverse:

• Un periodo può mostrare rendimenti medi più alti ma anche drawdown più profondi se i guadagni sono concentrati mentre le perdite si verificano bruscamente.
• Una misura di drawdown può peggiorare anche quando il rendimento medio aumenta, se l’equity scende bruscamente prima di riprendersi.

Ora considera un caso limite comune: mancato allineamento dei costi. Supponi di calcolare il P&L netto di spread e commissioni ma di dimenticare di includere il finanziamento (swap) nella serie di equity per alcuni giorni. La serie di rendimenti risulta quindi sistematicamente distorta e qualsiasi metrica che la utilizzi (volatilità, drawdown, rapporti aggiustati per il rischio) diventa più difficile da interpretare.

Questo illustra il principio fondamentale delle dipendenze: la formula della metrica potrebbe essere corretta, ma la serie sottostante può essere inconsistente.

Limitazioni e rischi

Le metriche di performance possono fallire in diversi modi significativi. Un approccio avanzato utile è trattare ogni limitazione come una domanda sulle ipotesi.

1. Bias di selezione e di sopravvivenza Se calcoli le metriche escludendo periodi, strumenti o conti “scadenti”, i risultati possono apparire più forti di quanto sarebbero con una regola di campionamento coerente. Anche senza manipolazione intenzionale, filtri operativi possono creare selezioni nascoste.

2. Confusione nel denominatore e nella normalizzazione Metriche che usano l’equity del conto rispetto all’esposizione nozionale si comportano in modo diverso. Se la leva o l’utilizzo del margine cambiano nel tempo, i rendimenti basati sull’equity possono riflettere sia la performance della strategia che i cambiamenti nell’efficienza del capitale.

3. Cambiamento di regime e non stazionarietà I mercati possono cambiare (volatilità, struttura di correlazione, liquidità). Le relazioni storiche tra rendimenti e rischio possono indebolirsi. Una metrica può rimanere matematicamente valida ma perdere utilità predittiva.

4. Effetti di esecuzione e tempistiche Metriche calcolate dall’equity a fine giornata possono nascondere drawdown intraday e slippage. Se il timing dell’esecuzione differisce dai prezzi usati per il backtest o dal feed dati, le metriche di sistemi diversi potrebbero non essere comparabili.

5. Instabilità da campione ridotto Alcune misure legate al rischio (soprattutto stime di volatilità o modelli di durata del drawdown) possono diventare rumorose con pochi trade o finestre brevi. I rapporti che dividono per una stima possono oscillare drasticamente.

6. Ridondanza fuorviante delle metriche Usare molte metriche che misurano proprietà simili può creare una falsa sensazione di conferma. Se tutte le metriche dipendono dalla stessa serie di rendimenti distorta, non riuscirai a rilevare il bias osservando la coerenza tra metriche.

Questi rischi non significano che le metriche di performance siano inutili. Significano che l’interpretazione richiede di verificare se le ipotesi corrispondono ai dati e se i confronti sono tra elementi comparabili.

Verifica e prossima domanda

La verifica indipendente dovrebbe concentrarsi sul ricalcolo e sulla sensibilità, non solo sull’interpretazione.

Un approccio solido di verifica include:

• Ricalcolo a partire dai dati grezzi: A partire da transazioni o passi di equity, ricostruisci la serie di rendimenti usando la convenzione e la finestra temporale dichiarate.
• Verifica dell’allineamento del denominatore: Conferma che la base usata nei rendimenti e in qualsiasi normalizzazione sia coerente tra i periodi.
• Audit dell’inclusione dei costi: Verifica se finanziamento, commissioni e spread siano riflessi nell’equity usato dalla metrica.
• Verifica della sensibilità: Ricalcola le metriche modificando un’ipotesi alla volta (ad esempio, convenzione di rendimento o frequenza di ricampionamento) per vedere quanto sono stabili i risultati.
• Separazione tra calcolo e interpretazione: Il calcolo può essere corretto mentre l’interpretazione è limitata perché le condizioni di mercato variano.

Una domanda utile da porsi è: Quali parti della metrica sono sotto il tuo controllo (elaborazione dati e definizioni), e quali derivano da variabilità incontrollabile (regime di mercato, qualità dell’esecuzione, differenze giurisdizionali o operative)? Se non riesci a rispondere chiaramente, la metrica viene probabilmente trattata con maggiore fiducia di quanto giustificato dalle ipotesi sottostanti.