Risposta diretta: definizione e scopo
La pratica del backtesting è il processo di verifica di come un insieme definito di regole di trading si sarebbe comportato nei dati storici di mercato. Serve a capire se tali regole sono coerenti con determinati comportamenti e se l’approccio è sufficientemente plausibile da essere indagato ulteriormente. Nel contesto forex, il backtesting viene in genere eseguito su serie storiche dei prezzi per stimare gli esiti assumendo ipotesi sull’esecuzione.
La pratica del backtesting non è la stessa cosa della previsione del futuro. Le relazioni storiche possono rompersi e il trading reale coinvolge fattori (come variazioni dello spread, differenze nell’esecuzione degli ordini e slippage) che potrebbero non essere catturati pienamente da semplici simulazioni storiche.
Meccanismi: come funziona il backtesting
Un backtest richiede un modello chiaro e ripetibile. Gli elementi fondamentali sono:
- Regole di trading: condizioni di ingresso/uscita, dimensionamento della posizione e controlli del rischio scritti in modo che possano essere applicati allo stesso modo ogni volta.
- Dati e finestra temporale: quale periodo storico viene usato e su quale timeframe (ad esempio, barre al minuto vs. barre orarie).
- Ipotesi di esecuzione: come vengono eseguiti gli scambi nella simulazione (prezzi, costi e se gli ordini possono essere eseguiti sulla barra successiva o a un prezzo specificato).
- Metriche di valutazione: cosa misuri, come rendimento totale, drawdown, tasso di vincita o variabilità.
Un esempio di modello semplificato è: “Quando una regola scatta sulla barra t, apri al prezzo di esecuzione ipotizzato, chiudi quando scatta la regola di uscita, poi ripeti su tutto il dataset.” Qualsiasi calcolo dipende dalle ipotesi, quindi tali ipotesi dovrebbero essere dichiarate esplicitamente prima di interpretare i risultati.
Concetti adiacenti e in che cosa la pratica del backtesting differisce
Il backtesting viene spesso citato insieme ad altri approcci di valutazione, ma non sono identici:
- Forward testing (paper o simulazione live) verifica le regole su dati che arrivano dopo il periodo del backtest, riducendo la dipendenza dalla finestra storica esatta.
- Analisi walk-forward riaddestra o rivaluta ripetutamente usando finestre che si spostano, con l’obiettivo di imitare come le regole si comporterebbero mentre arrivano nuovi dati.
- Revisione del grafico o “back-looking manuale” può sembrare simile, ma di solito è meno strutturata: le regole possono essere vaghe, può verificarsi bias di selezione e le ipotesi di esecuzione possono essere poco chiare.
La pratica del backtesting è meglio intesa come un metodo strutturato e verificabile per applicare regole esplicite ai dati storici—non come prova che un determinato esito futuro sia probabile.
Evidenza ed esempio: una configurazione concreta e verificabile
Per mantenere un backtest verificabile, definisci le tue ipotesi in anticipo.
Ad esempio, supponi un ingresso basato su regole e un’uscita basata su regole, quindi esegui la simulazione su una finestra storica scelta usando una singola ipotesi di esecuzione coerente (ad esempio, usando il prezzo di una specifica barra come prezzo di esecuzione). Registra i risultati e il comportamento della regola nel tempo.
Una pratica utile è confrontare due backtest che differiscono solo per un aspetto deliberato (ad esempio, il periodo di tempo) per vedere se il comportamento apparente dipende fortemente da quella scelta. Se i risultati cambiano in modo drastico quando regoli impostazioni ragionevoli, è un segnale di avvertimento.
Limiti e rischi: cosa può fallire
Il backtesting spesso fallisce per ragioni prevedibili:
- Non-stazionarietà: le condizioni di mercato cambiano, quindi i pattern che hanno funzionato in un’epoca potrebbero non persistere.
- Mancata corrispondenza dell’esecuzione: i prezzi storici potrebbero non riflettere esecuzioni realistiche, soprattutto se l’esecuzione degli ordini differisce dal modello di simulazione.
- Costi di transazione e liquidità: i costi e la possibilità di entrare/uscire possono influenzare materialmente gli esiti; ignorarli può sovrastimare le performance.
- Overfitting: ottimizzare le regole troppo strettamente sul rumore storico può far sembrare i risultati forti in-sample ma scarsi su nuovi dati.
- Problemi di qualità dei dati: serie storiche mancanti, aggiustate o incoerenti possono distorcere i risultati.
Questi limiti significano che un backtest dall’aspetto “buono” non è sufficiente da solo. Mostra che le regole potrebbero aver avuto un certo comportamento in quel contesto storico specifico, sotto quelle ipotesi specifiche.
Verifica e prossima domanda: come valutare in modo indipendente
La verifica indipendente dovrebbe concentrarsi sul fatto che le conclusioni resistano cambiando i dati e le ipotesi. Controlli comuni includono:
- Test out-of-sample: valuta le regole su un periodo separato non usato per svilupparle o metterle a punto.
- Analisi di sensibilità: varia ipotesi chiave (come costi o tempistiche di esecuzione) in un intervallo ragionevole e osserva se le conclusioni cambiano.
- Trasparenza delle regole: assicurati che le regole siano completamente specificate così che il backtest possa essere riprodotto.
- Valutazione ripetuta: esegui il processo su più finestre storiche per ridurre la probabilità che i risultati siano guidati da un periodo fortunato.
DOCUMENT END