Come Funziona la Pratica del Backtesting nel Forex

Risposta diretta

La pratica del backtesting nel forex è il processo di applicare un metodo predefinito, basato su regole, ai dati di mercato passati per stimare come si sarebbe comportato. L’obiettivo non è prevedere il futuro, ma esaminare se il metodo è coerente con i dati, sotto ipotesi esplicite (come il modo in cui vengono modellati prezzi, spread ed esecuzione).

Un backtest pratico segue un flusso ripetibile: preparare gli input, simulare l’esecuzione usando regole definite, calcolare gli output (ad esempio rendimenti e drawdown), quindi valutare se i risultati sono plausibili e robusti. Poiché gli esiti del trading forex dipendono da condizioni che possono cambiare, il backtesting può fallire quando l’assetto del test non corrisponde al modo in cui i trade sarebbero effettivamente eseguiti.

Meccanica: definizione, input e sequenza

Il backtesting inizia con una chiara definizione di ciò che verrà testato.

1. Definire le regole (il “metodo”)
   Un backtest richiede un insieme deterministico di regole che trasformano i dati in decisioni. In termini semplici, le regole specificano quando il metodo entrerebbe, uscirebbe e gestirebbe le posizioni. Per rendere il processo testabile, le regole non devono dipendere da informazioni non disponibili al momento della decisione.

2. Raccogliere e preparare i dati storici
   Si selezionano dati storici di prezzo per gli strumenti forex rilevanti e per il periodo temporale desiderato. La fase di preparazione include tipicamente la pulizia (rimozione di tick errati o lacune), l’allineamento dei fusi orari e la conversione dei dati in un formato coerente (ad esempio barre di lunghezza temporale fissa).

3. Specificare le ipotesi del test
   I backtest nel forex richiedono quasi sempre delle ipotesi, poiché l’esecuzione futura non è osservabile storicamente nello stesso modo di un trade reale. Le ipotesi rilevanti includono:

• Modellazione bid/ask: se i trade vengono eseguiti al prezzo di chiusura, al bid, all’ask o con un modello di spread personalizzato.
• Costi: commissioni, finanziamento/rollover e comportamento dello spread.
• Tempistica dell’esecuzione: se le decisioni avvengono alla chiusura della barra, all’apertura o all’interno della barra, in modo compatibile con i dati storici.

4. Eseguire la simulazione
   La simulazione scorre cronologicamente attraverso i dati storici. A ogni punto decisionale, applica le regole ai dati disponibili, quindi aggiorna le posizioni e lo stato del conto secondo il modello di esecuzione definito.

5. Calcolare gli output
   Gli output traducono i trade simulati in riepiloghi misurabili. Esempi comuni includono rendimento totale, volatilità, drawdown massimo e distribuzione degli esiti delle operazioni. Anche quando si calcolano metriche sofisticate, l’interpretazione dipende dalle ipotesi e dalla copertura dei dati.

6. Valutare e confrontare
   Poiché i backtest possono apparire positivi per caso, si confrontano i risultati su diverse finestre temporali e si verifica se le prestazioni rimangono stabili al variare del campione. Un metodo che funziona solo in un periodo ristretto è spesso meno affidabile di uno che mostra comportamenti coerenti in condizioni diverse.

Esempio o evidenza: un setup semplice e verificabile

Consideriamo un esempio minimo didattico che illustra la meccanica senza implicare un risultato specifico.

Supponiamo di voler testare un sistema basato su regole che prende decisioni ogni ora usando dati storici orari. Il metodo potrebbe specificare:

• Una regola decisionale basata su informazioni osservabili alla chiusura dell’ora o prima.
• Una regola di dimensionamento della posizione (ad esempio frazione fissa del capitale o dimensione fissa del lotto).
• Una regola di uscita basata su una condizione predefinita.

Per mantenere l’esempio verificabile, si dichiarano esplicitamente le ipotesi:

• Ipotesi di esecuzione: gli ingressi usano il bid/ask coerente con la direzione long o short.
• Ipotesi di spread: si utilizza una serie temporale di spread (se disponibile) o si applica un valore fisso dichiarato in anticipo.
• Ipotesi sui costi: si include una stima delle commissioni e un’approssimazione del finanziamento/rollover, oppure si dichiara che il finanziamento è escluso.

Il backtest procederebbe quindi:

1. Scorrendo i dati ora per ora.
2. A ogni ora, calcolando il segnale usando solo dati passati fino a quel timestamp.
3. Se le regole indicano di operare, simulando l’esecuzione secondo le ipotesi definite.
4. Aggiornando il capitale e monitorando il drawdown.
5. Al termine del periodo, calcolando i riepiloghi delle prestazioni.

Se le metriche risultanti sono sorprendentemente positive, il passo successivo è verificare se accidentalmente sono state usate informazioni non disponibili al momento della decisione, o se il modello dei costi è troppo ottimistico. Se i risultati sono deboli o instabili, ciò può indicare che il metodo non si adatta ai dati o che le ipotesi non riflettono un’esecuzione realistica.

Limitazioni e modi di fallimento

Il backtesting nel forex presenta importanti limitazioni. Lo stesso flusso può produrre risultati molto diversi al variare delle ipotesi.

1. Look-ahead bias
   Il look-ahead bias si verifica quando il backtest utilizza informazioni che non sarebbero state note al momento della decisione. Può accadere per errori di allineamento dei dati, uso di valori futuri o costruzione di regole su indicatori calcolati in modo da rivelare informazioni future.

2. Overfitting e “ottimizzazione al rumore”
   Un metodo può essere aggiustato finché non funziona bene su un periodo storico specifico, ma la performance apparente potrebbe essere casuale. L’overfitting è più probabile quando si esplorano molte impostazioni di parametri e si sceglie quella con i migliori risultati storici senza controllare il processo di selezione.

3. Modellazione irrealistica di esecuzione e costi
   Gli esiti del trading forex dipendono fortemente dai dettagli di esecuzione. Se un backtest assume esecuzioni a prezzi favorevoli, ignora la variabilità degli spread o omette lo slippage, può sovrastimare le performance. Anche includendo i costi, il modello potrebbe non riflettere il comportamento degli ordini in condizioni di liquidità reali.

4. Non stazionarietà: le relazioni storiche possono cambiare
   La dinamica di mercato può mutare. Un backtest verifica il comportamento passato, non quello futuro. Anche se il metodo ha funzionato storicamente, cambiamenti nella volatilità, regime, liquidità o frizioni di trading possono ridurne la rilevanza.

5. Problemi di qualità dei dati
   Dati mancanti, timestamp inaccurati o campionamento inconsistente possono creare artefatti che il backtest interpreta erroneamente come vantaggio operativo.

Verifica: come controllare indipendentemente un backtest

La verifica indipendente si concentra su se i risultati resistono a cambiamenti che non dovrebbero alterare radicalmente il metodo.

Un approccio pratico di verifica include:

• Riproducibilità: un’altra persona dovrebbe poter rieseguire le stesse regole sugli stessi dati ottenendo gli stessi output.
• Robustezza nel tempo: testare su più periodi non sovrapposti per verificare se le prestazioni rimangono simili.
• Sensibilità alle ipotesi: variare spread, commissioni e tempistiche di esecuzione entro limiti ragionevoli e osservare se le conclusioni cambiano.
• Verifica fuori dal campione: separare il processo di selezione o ottimizzazione da quello di valutazione, in modo che il periodo di valutazione non sia usato per progettare le regole.