Cosa significa divergenza nel rapporto tra guadagno e perdita media?
Risposta diretta: divergenza nel rapporto tra guadagno e perdita media
La divergenza nel rapporto tra guadagno e perdita media indica che la “guadagno medio” e la “perdita media” smettono di muoversi insieme in modo coerente. Invece che i due lati — vincite e perdite — comportarsi in modo simile rispetto a quanto osservato in un periodo precedente, un lato della media cresce, si riduce o cambia carattere mentre l’altro rimane stabile.
In termini semplici: il rapporto tra guadagno e perdita media è un confronto tra due medie derivate dai risultati delle operazioni. La divergenza si verifica quando questo confronto appare diverso in diversi intervalli temporali, dataset o metodi di calcolo.
Meccanismo o definizione: come vengono calcolate le medie
Per spiegare la divergenza, partiamo da come vengono costruiti il “Guadagno Medio” e la “Perdita Media”:
- Guadagno Medio è solitamente calcolato come media aritmetica delle dimensioni delle operazioni vincenti (ad esempio, gli importi di profitto) in un campione scelto.
- Perdita Media è solitamente calcolata come media aritmetica delle dimensioni delle operazioni perdenti (ad esempio, gli importi di perdita) in un campione scelto.
La divergenza si manifesta quindi quando, ad esempio:
- In un determinato periodo, i guadagni medi sono relativamente elevati mentre le perdite medie sono relativamente basse, ma successivamente il modello si inverte.
- Oppure le perdite medie diventano meno negative/più negative mentre i guadagni medi rimangono pressoché invariati.
Un modello semplice di “cosa è cambiato” è che o la distribuzione dei risultati è cambiata, o è cambiato il modo in cui hai campionato e misurato i risultati. Questi due fattori sono importanti perché portano a interpretazioni diverse.
Le scelte comuni di misurazione che possono alterare le medie (senza che accada nulla di “misterioso”) includono:
- La finestra temporale esatta utilizzata,
- Se includi tutte le operazioni o solo un sottoinsieme,
- Se le medie sono calcolate su importi grezzi o al netto di determinati costi,
- E se il dataset include operazioni parziali o aggiustamenti.
Evidenza o esempio: perché può apparire la divergenza
Considera una configurazione ipotetica simile a un backtest con ipotesi chiare:
- Supponi di calcolare guadagno medio e perdita media dalla cronologia operativa di una stessa strategia.
- Supponi di dividere la cronologia in due finestre temporali uguali.
- Supponi che la qualità dell’esecuzione e gli spread/costi rimangano costanti all’interno di ogni finestra ma possano differire tra una finestra e l’altra.
Se guadagno medio e perdita media si muovono in modo diverso tra la Finestra 1 e la Finestra 2, osservi una divergenza.
Questa divergenza può essere spiegata da almeno tre cause non esclusive:
- Cambiamento di regime di mercato: la distanza tipica percorsa dal prezzo prima di una vincita o di una perdita cambia.
- Cambiamento di costi o esecuzione: se i costi aumentano durante la Finestra 2, le perdite possono peggiorare più dei guadagni (o viceversa), alterando le medie in modo diverso.
- Differenze nel campionamento e nel calcolo: se la finestra successiva contiene più outlier estremi da un lato, la media si sposta maggiormente per quel lato.
Un punto chiave è che la “divergenza” è una descrizione dei dati calcolati, non un’indicazione automatica di una singola causa.
Limitazioni e rischi: limiti di conferma e bias retrospettivo
Esistono limiti concreti e modi di errore nell’interpretare la divergenza:
- La divergenza non implica automaticamente che un indicatore stia “funzionando” o “fallendo”. Indica soltanto che le caratteristiche storiche del guadagno e della perdita media differiscono tra i segmenti confrontati.
- Bias retrospettivo: se analizzi prima la divergenza più ampia, potresti “adattare” un’interpretazione dopo aver visto il risultato, anche se l’aspettativa iniziale era incerta.
- Overfitting su un singolo periodo: la divergenza può riflettere una condizione temporanea. Le relazioni storiche non garantiscono risultati futuri.
- Incertezza derivante da costi ed esecuzione: le medie sono sensibili al modo in cui i risultati vengono registrati. Due dataset che differiscono leggermente nei costi di transazione o nel modello di esecuzione possono mostrare divergenze diverse.
Verifica o prossima domanda: cosa puoi controllare autonomamente
Per verificare cosa significa la divergenza nel tuo contesto, puoi controllare se rimane stabile sotto variazioni ragionevoli e predefinite:
- Ricalcola il Guadagno Medio e la Perdita Media utilizzando regole coerenti (stessa definizione di vincita/perdita, stessi criteri di inclusione).
- Confronta diverse suddivisioni temporali (non solo il periodo in cui la divergenza appare maggiore).
- Separa gli effetti, se possibile, esaminando gli importi dei risultati prima e dopo i costi dichiarati, se i tuoi dati lo permettono.
- Verifica la sensibilità del calcolo ripetendo le medie con e senza anomalie evidenti nei dati (come operazioni mancanti o record di esecuzione non comparabili).
Se la divergenza permane dopo questi controlli, suggerisce che le distribuzioni sottostanti dei risultati sono cambiate. Se scompare, suggerisce una sensibilità alla misurazione o al campionamento piuttosto che un cambiamento stabile nelle caratteristiche di performance.