Considerazioni avanzate per il rapporto medio tra guadagno e perdita

Definizione e cosa misura effettivamente la metrica

Il rapporto medio tra guadagno e perdita è un indicatore di performance che confronta l’entità tipica degli esiti positivi con quella degli esiti negativi. Nella pratica, si calcola solitamente a partire da un insieme di operazioni, determinando la dimensione media dei guadagni e quella media delle perdite, quindi esprimendo la relazione tra questi due valori (spesso come rapporto o differenza).

Poiché “dimensione del guadagno” e “dimensione della perdita” possono essere definite in modi diversi, la considerazione più avanzata non è la formula in sé, ma la convenzione di misurazione. Due dataset possono produrre valori diversi per il rapporto medio tra guadagno e perdita anche se l’attività di trading sottostante è identica, semplicemente perché un dataset misura guadagni e perdite al lordo dei costi, mentre l’altro li include.

Un modello semplice e autosufficiente per la discussione:

• Definisci l’esito di ogni operazione come risultato realizzato (ad esempio, in pip, valuta del conto o percentuale di rendimento).
• Contrassegna l’operazione come “guadagno” se il risultato realizzato supera una soglia neutra (comunemente maggiore di zero, ma alcuni sistemi usano una soglia di pareggio dopo i costi).
• Contrassegna l’operazione come “perdita” se il risultato realizzato è inferiore a tale soglia.
• Calcola AvgWin come media degli esiti positivi.
• Calcola AvgLoss come media degli esiti negativi (comunemente riportata come numero negativo).
• Combina i due valori in un singolo indicatore, ad esempio AvgWin / |AvgLoss|, per ottenere un confronto adimensionale.

Se utilizzi un rapporto, decidi se considerare AvgLoss come negativo (e prendere il valore assoluto) o se effettuare un confronto con segno. Entrambe le scelte possono essere valide, ma mescolare convenzioni rende i confronti non affidabili.

Meccaniche fondamentali: input, coerenza e vincoli di implementazione

1) Definizione dell’esito (lordo vs netto)

Un fattore critico è se gli esiti vengono misurati al lordo o al netto dei costi di transazione. I costi di transazione possono includere spread, commissioni ed altri effetti legati all’esecuzione. Se misuri guadagni e perdite prima dei costi, il tuo rapporto medio tra guadagno e perdita potrà apparire più forte rispetto alla misurazione netta delle stesse operazioni.

Per rendere l’indicatore verificabile, dichiara esplicitamente le tue assunzioni:

• Assunzione per un esempio: misuri il risultato realizzato di ogni operazione in valuta del conto dopo tutti i costi espliciti noti alla chiusura dell’operazione.
• Assunzione alternativa: misuri solo la variazione di prezzo grezza (in pip) senza includere i costi.

Queste assunzioni portano a valori “tipici” diversi per guadagni e perdite, specialmente quando le perdite sono più frequenti in mercati dove i costi di esecuzione sono relativamente elevati rispetto alle oscillazioni tipiche.

2) Trattamento delle chiusure parziali e delle operazioni in pareggio

Sorgono casi limite quando un’operazione viene chiusa parzialmente o quando il risultato realizzato è esattamente zero (o uguale alla soglia di pareggio scelta).

Le scelte comuni includono:

• Considerare una chiusura in pareggio né come guadagno né come perdita ed escluderla da entrambe le medie.
• Considerarla come guadagno (se definisci guadagno come >= soglia) o come perdita (se definisci perdita come <= soglia).

Ogni scelta modifica AvgWin e/o AvgLoss. La considerazione avanzata è evitare scelte “silenziose” che differiscono tra backtest, registri live e fogli di calcolo. Anche un piccolo cambiamento di policy può alterare materialmente l’indicatore quando il dataset include molti esiti vicini al pareggio.

3) Valuta, scala e confrontabilità

Se calcoli gli esiti in pip, potresti avere valori diversi per il pip a seconda dello strumento; se usi la valuta del conto, potresti essere influenzato da dimensione e leva; se usi la percentuale di rendimento, potresti introdurre effetti di capitalizzazione e dimensioni di esposizione variabili.

Per la verifica, fissa un sistema di unità:

• Oppure usa la stessa unità per ogni operazione (es. P&L realizzato in valuta del conto).
• Oppure, se gli strumenti differiscono, normalizza in modo che ogni esito abbia un significato coerente.

4) Sensibilità della metrica agli outlier

Poiché la media è un valore medio, il rapporto medio tra guadagno e perdita è sensibile ai valori estremi.

Modalità di errore:

• Un piccolo numero di guadagni o perdite molto elevati può dominare la media, rendendo il valore “tipico” meno rappresentativo.

Un modo pratico per comprendere questa dipendenza, senza pretese di previsione, è esaminare qualitativamente la distribuzione o calcolare riassunti alternativi (ad esempio, mediane) insieme alla media. Il punto chiave è che la “media” non è robusta, e questa mancanza di robustezza influenza l’interpretazione.

Evidenze attraverso esempi e cosa verificare

Esempio 1: Stesso tasso di successo, diverso rapporto medio tra guadagno e perdita

Supponi di avere 10 operazioni.

• Dataset A: 5 guadagni con media +10 unità ciascuno; 5 perdite con media −5 unità ciascuna.
  • AvgWin = 10, AvgLoss = −5, rapporto secondo convenzione AvgWin/|AvgLoss| = 2,0
• Dataset B: 5 guadagni con media +10 unità ciascuno; 5 perdite con media −2 unità ciascuna.
  • AvgWin = 10, AvgLoss = −2, rapporto = 5,0

Anche se il tasso di successo è identico (50%), il rapporto medio tra guadagno e perdita differisce perché l’entità delle perdite è diversa.

Verifica avanzata:

• Verifica che la tua definizione di esito di guadagno/perdita sia coerente tra entrambi i dataset, inclusi costi e soglie.

Esempio 2: Il “guadagno medio” cambia dopo l’inclusione dei costi

Supponi 4 operazioni:

• Due operazioni vincenti con piccole variazioni di prezzo positive.
• Due operazioni perdenti con variazioni di prezzo più ampie.

Se i costi di transazione sono inclusi solo per alcune operazioni (o inclusi in modo diverso), AvgWin può ridursi verso zero o addirittura superare la tua soglia di pareggio, cambiando così quali operazioni vengono conteggiate come guadagni. Anche AvgLoss può spostarsi, non solo per entità ma per appartenenza.

Verifica avanzata:

• Ricalcola l’indicatore secondo la tua assunzione dichiarata sui costi e conferma che l’appartenenza (guadagno vs perdita) non cambi silenziosamente.

Esempio 3: AvgLoss pari a zero o vicino allo zero

Se ci sono pochissime operazioni perdenti, o se le perdite si concentrano strettamente intorno alla soglia di pareggio, |AvgLoss| può diventare molto piccolo. In una formula di rapporto, ciò può gonfiare in modo esagerato il rapporto medio tra guadagno e perdita.

Modalità di errore:

• Un indicatore che appare “forte” potrebbe essere guidato da rumore di misurazione piuttosto che da una relazione stabile.

Verifica avanzata:

• Riporta i conteggi di guadagni e perdite insieme all’indicatore.
• Tratta i casi con campioni di perdita estremamente piccoli come bassa affidabilità nell’interpretazione.

Limitazioni e rischi (cosa può andare storto)

1) Dipendenza dal regime di mercato e dall’aggregazione temporale

Il rapporto medio tra guadagno e perdita non è una costante universale. Diverse condizioni di mercato modificano le dimensioni tipiche delle oscillazioni, il comportamento delle tendenze, la volatilità e la distribuzione degli esiti delle operazioni.

Una considerazione avanzata chiave è il timeframe:

• I timeframe più brevi tendono a includere più rumore e possono produrre molti esiti vicini al pareggio.
• I timeframe più lunghi possono includere cambiamenti di regime in cui la relazione tra entità di guadagno e perdita cambia.

Ciò significa che l’indicatore può variare nel tempo anche se il “processo” sottostante non cambia.