Risposta diretta: divergenza nell’Average Win Loss
La divergenza nell’Average Win Loss significa che la “vincita media” e la “perdita media” smettono di muoversi insieme in modo coerente. Invece di far comportare il lato delle vincite e quello delle perdite in modo simile a quanto ti aspettavi da un periodo precedente, un lato esita, cresce, si riduce o cambia carattere mentre l’altro no.
In termini semplici: Average Win Loss è un confronto tra due medie derivanti dagli esiti dei trade. La divergenza avviene quando quel confronto appare diverso tra segmenti temporali, dataset o metodi di calcolo.
Meccanismo o definizione: come vengono costruite le medie
Per spiegare la divergenza, inizia da come si costruiscono “Average Win” e “Average Loss”:
- Average Win di solito viene calcolato come media aritmetica delle dimensioni delle operazioni vincenti (ad es. gli importi di profitto) in un campione scelto.
- Average Loss di solito viene calcolato come media aritmetica delle dimensioni delle operazioni perdenti (ad es. gli importi di perdita) in un campione scelto.
La divergenza poi appare, ad esempio, quando:
- In un periodo di tempo, le vincite medie sono relativamente grandi mentre le perdite medie sono relativamente piccole, ma in seguito il modello si inverte.
- Oppure le perdite medie diventano meno negative/più negative mentre le vincite medie restano circa le stesse.
Un modello semplice di “cosa è cambiato” è che o la distribuzione degli esiti è cambiata, oppure è cambiato il modo in cui hai campionato e misurato gli esiti. Questi due fattori contano perché portano a interpretazioni diverse.
Le scelte di misurazione comuni che possono cambiare le medie (senza che accada nulla di “misterioso”) includono:
- la finestra temporale esatta usata,
- se includi tutte le operazioni o solo un sottoinsieme,
- se le medie sono calcolate su importi grezzi o dopo determinati costi,
- e se il dataset include partial fill o aggiustamenti.
Evidenza o esempio: perché può comparire la divergenza
Considera un setup ipotetico tipo backtest con assunzioni chiare:
- Assumi che tu calcoli Average Win e Average Loss a partire dalla stessa cronologia di trade della strategia.
- Assumi che tu divida la cronologia in due finestre temporali uguali.
- Assumi che la qualità di esecuzione e spread/costi restino costanti dentro ciascuna finestra ma possano differire tra finestre.
Se le vincite medie e le perdite medie si muovono in modo diverso tra Finestra 1 e Finestra 2, osservi una divergenza.
Questa divergenza può essere spiegata da almeno tre cause non necessariamente esclusive:
- Cambio di regime di mercato: la distanza tipica che il prezzo percorre prima di una vincita o di una perdita cambia.
- Cambio di costi o di esecuzione: se i costi aumentano durante la Finestra 2, le perdite possono peggiorare più delle vincite (o viceversa), alterando le medie in modo diverso.
- Differenze di campionamento e calcolo: se la finestra successiva contiene più outlier estremi da un lato, la media si sposta di più per quel lato.
Un punto chiave è che “divergenza” è una descrizione dei dati che hai calcolato, non una spiegazione automatica di una singola causa.
Limiti e rischi: limiti di conferma e bias del senno di poi
Ci sono limiti materiali e modalità di fallimento nell’interpretare la divergenza:
- La divergenza non implica automaticamente che un indicatore stia “funzionando” o “fallendo.” Ti dice solo che le caratteristiche storiche di vincita e perdita medie differiscono tra i segmenti che hai confrontato.
- Bias del senno di poi: se guardi prima la divergenza più grande, potresti “adattare” una spiegazione dopo aver visto l’esito, anche se l’aspettativa iniziale era poco chiara.
- Overfitting su un singolo periodo: la divergenza può riflettere una condizione temporanea. Le relazioni storiche non garantiscono risultati futuri.
- Incertezza dovuta a costi ed esecuzione: le medie sono sensibili a come vengono registrati gli esiti. Due dataset che differiscono leggermente nei costi di transazione o nella modellazione dell’esecuzione possono mostrare divergenze diverse.
Verifica o prossima domanda: cosa puoi controllare in modo indipendente
Per verificare cosa significa la divergenza nel tuo contesto, puoi controllare se è stabile sotto variazioni ragionevoli e predefinite:
- Ricalcola Average Win e Average Loss usando regole coerenti (stessa definizione di win/loss, stessi criteri di inclusione).
- Confronta più split temporali (non solo il periodo in cui la divergenza sembra più grande).
- Separa gli effetti quando possibile esaminando gli importi degli esiti prima versus dopo i costi dichiarati, se i tuoi record supportano quella separazione.
- Controlla la sensibilità del calcolo ripetendo le medie con e senza anomalie evidenti dei dati (come trade mancanti o record di esecuzione non confrontabili).
Se la divergenza rimane attraverso questi controlli, suggerisce che le distribuzioni sottostanti degli esiti siano cambiate. Se scompare, suggerisce sensibilità di misurazione/campionamento piuttosto che un cambiamento stabile nelle caratteristiche di performance.
DOCUMENT END