Risposta diretta: cosa significa “break-even win rate”
Il break-even win rate (BEWR) è la probabilità di vincere di un sistema necessaria affinché il risultato medio sia zero, dopo aver considerato i costi, in base a una specifica definizione di ciò che conta come vincita o perdita. In altre parole, il BEWR collega insieme tre componenti in movimento: (1) quanto in genere guadagni quando vinci, (2) quanto in genere perdi quando perdi e (3) quanto in genere paghi per ogni trade (ad esempio, costi di transazione ed effetti di esecuzione).
Poiché il BEWR è una soglia guidata dalle assunzioni, non è una costante universale. Se cambiano la struttura dei payoff, il modello dei costi o le definizioni degli esiti dei trade, cambia anche il break-even win rate.
Meccanica: il modello semplice alla base del BEWR
Un punto di partenza comune è un modello semplificato a due esiti.
Definisci i numeri del payoff
Assumi che ogni trade produca uno di questi risultati:
- Una vincita con payoff +W (al netto di eventuali costi inclusi nella definizione della vincita).
- Una perdita con payoff −L (al netto di eventuali costi inclusi nella definizione della perdita).
Assumi che le vincite avvengano con probabilità p e che le perdite avvengano con probabilità (1 − p).
Il valore atteso è pari a zero al break-even
Il valore atteso per trade è:
- EV = p·W + (1 − p)·(−L)
- EV = p·W − (1 − p)·L
Imposta EV = 0 e risolvi per p:
- p = L / (W + L)
Questa p è il break-even win rate sotto le assunzioni del modello.
Converti il “rapporto risk/reward” in BEWR
Se esprimi le grandezze tipiche di vincita e perdita rispetto alla perdita, ad esempio ponendo W = R·L dove R è un “rapporto payoff vincita-perdita”, allora:
- BEWR = 1 / (R + 1)
Quindi un rapporto di payoff più alto (vincite più grandi rispetto alle perdite) abbassa la soglia del BEWR; perdite più grandi rispetto alle vincite la aumentano.
Cosa “win” e “loss” devono significare
Il BEWR è sensibile alle tue definizioni operative:
- Se definisci le vincite come il raggiungimento di un target prima di uno stop, allora W e L dipendono dalla geometria target/stop.
- Se definisci le vincite in base ai livelli di fine giornata, alle uscite trailing, ai partial fill o alle uscite basate sul tempo, W e L possono variare in modo molto ampio.
Nella pratica dei test, la definizione di win/loss è spesso il driver nascosto dei cambiamenti del BEWR.
Evidenza o esempio: perché il BEWR può sembrare stabile ma fallire nella realtà
Ecco situazioni tipiche in cui i calcoli del BEWR sembrano semplici, ma diventano inaffidabili perché la distribuzione reale degli esiti non corrisponde al modello semplificato.
Esempio (con assunzioni esplicite)
Supponi che un test usi una struttura target/stop fissa e assuma esiti netti costanti:
- Grandezza del payoff della vincita (net): W
- Grandezza del payoff della perdita (net): L
Sotto queste assunzioni, il BEWR è L/(W+L).
Ora cambia solo un elemento: i costi.
- Se spread, commissioni o slippage di esecuzione sono maggiori sulle vincite che sulle perdite (o semplicemente maggiori di quanto hai incluso), allora il net W e/o il net L cambiano.
- Se calcoli erroneamente il BEWR usando valori pre-costi, il BEWR reale necessario per avere zero expectancy sarà più alto.
Questo illustra una dipendenza chiave: il BEWR dovrebbe essere calcolato usando gli stessi numeri “net” di esito che il tuo backtest o modello di esecuzione produce davvero.
Caso limite: distribuzione dei payoff asimmetrica
Il modello a due esiti assume una grandezza fissa per le vincite e una grandezza fissa per le perdite. Molti sistemi di trading violano questa ipotesi.
- Le vincite possono concentrarsi vicino a piccoli profitti mentre occasionalmente si verificano grandi vincite, ma raramente.
- Le perdite possono mostrare code grasse (perdite estreme rare).
Anche se le grandezze medie di vincite e perdite sembrano combaciare, il timing, la dipendenza dal percorso (path dependency) e il comportamento delle code possono cambiare l’expectancy realizzata quando si applicano costi e vincoli di esecuzione.
Caso limite: uscite “breakeven” ed esiti parziali
In alcuni sistemi, un trade può uscire in uno stato neutro o quasi neutro, oppure le uscite possono essere parziali. In tal caso, introduci di fatto un terzo esito (o payoff frazionari). Se forzi comunque il risultato a rientrare solo in “win” vs “loss”, la soglia del BEWR risulta specificata in modo errato.
Caso limite: condizioni non stazionarie
Il BEWR è una formula per una soglia sotto un dato modello di probabilità. Se le probabilità di win/loss cambiano nel tempo a causa di cambiamenti di regime di mercato (liquidità, volatilità, rischio di eventi), allora il tasso di vincite osservato potrebbe non corrispondere più alla soglia di break-even calcolata.
Limitazioni e rischi: cosa può invalidare il BEWR
1) Costi ed effetti di esecuzione sono difficili da modellare in modo coerente
Il BEWR è accurato solo quanto lo sono gli input del payoff netto. Dettagli di esecuzione come slippage, coda (queueing), partial fills e timing possono cambiare in modo sistematico W e L realizzati.
Modalità di fallimento: calcolare il BEWR a partire da un set di assunzioni sui costi (ad esempio, esecuzioni ideali) e poi applicarlo a una realtà di esecuzione diversa.
2) Il win rate da solo può essere fuorviante
Molte persone si concentrano sul win rate perché è facile da contare. Ma l’expectancy dipende sia dal win rate sia dalla grandezza delle vincite/perdite.
- Una strategia può avere un alto win rate ma vincite piccole e perdite occasionalmente grandi.
- Può anche avere un basso win rate ma vincite grandi che compensano perdite frequenti ma più piccole.
Quindi il BEWR dovrebbe essere trattato come una relazione tra probabilità di vincere e struttura dei payoff, non come un “target” autonomo.
3) Overfitting della definizione degli esiti
Se ottimizzi la classificazione win/loss, le dimensioni dei target o la logica di stop per far apparire il BEWR favorevole sui dati passati, puoi accidentalmente codificare in modo rigido il setup di test invece del processo sottostante.
Modalità di fallimento: i “wins” e le “losses” del backtest non vengono replicati nell’esecuzione live perché la logica di uscita o il modello dei costi differiscono.
4) Effetti di dimensione campionaria e di regime
Le stime della probabilità di vincere sono incerte, soprattutto con campioni limitati.
- Campioni piccoli possono rendere il win rate osservato volatile.
- I cambiamenti di regime possono invalidare l’assunzione che la stessa probabilità valga anche in futuro.
In questi casi, il BEWR può comunque essere calcolato, ma confrontarlo con un win rate osservato rumoroso non risponde in modo affidabile alla domanda se il sistema abbia zero expectancy out of sample.
Verifica e prossime domande: come controllare il BEWR in modo indipendente
Per verificare il BEWR in un modo che sia indipendentemente verificabile, mantieni il processo coerente:
- **Usa una definizione di esito net. ** Calcola W e L come payoff netti realizzati coerenti con il tuo modello dei costi e le assunzioni di esecuzione. 2) **Allinea la classificazione win/loss. ** Assicurati che gli stessi eventi contati come vincite e perdite negli input del BEWR siano esattamente quelli che conterai nella valutazione. 3) **Calcola il BEWR dagli input allineati. ** Usa la relazione semplice p = L/(W+L) solo se il tuo modello di esito è davvero a due valori (oppure estendilo se hai più esiti).