Che cos’è la Pratica del Backtesting?
Risposta diretta: definizione e scopo
La pratica del backtesting è il processo di verifica di come si sarebbe comportato un insieme definito di regole di trading su dati di mercato passati. Serve a capire se tali regole sono coerenti con determinati comportamenti e se l’approccio è abbastanza plausibile da meritare ulteriori indagini. Nel contesto del forex, il backtesting viene tipicamente eseguito su serie storiche di prezzo per stimare i risultati sotto certe ipotesi di esecuzione.
La pratica del backtesting non equivale a prevedere il futuro. Le relazioni storiche possono interrompersi, e il trading reale comporta fattori (come variazioni dello spread, differenze nell’esecuzione degli ordini e slippage) che potrebbero non essere pienamente catturati da semplici simulazioni storiche.
Meccanica: come funziona il backtesting
Un backtest richiede un modello chiaro e ripetibile. Gli elementi principali sono:
- Regole di trading: condizioni di entrata/uscita, dimensione della posizione e controlli di rischio scritti in modo da poter essere applicati allo stesso modo ogni volta.
- Dati e finestra temporale: quale periodo storico viene utilizzato e a quale timeframe (ad esempio, barre da un minuto rispetto a barre orarie).
- Ipotesi di esecuzione: come vengono eseguiti gli ordini nella simulazione (prezzi, costi e se gli ordini possono essere eseguiti alla barra successiva o a un prezzo specificato).
- Metriche di valutazione: ciò che si misura, come rendimento totale, drawdown, percentuale di trade vincenti o variabilità.
Un modello semplificato è: “Quando una regola si attiva alla barra t, apri alla prezzo ipotizzato di esecuzione, chiudi quando si attiva la regola di uscita, quindi ripeti su tutto il dataset”. Ogni calcolo dipende da ipotesi, quindi queste devono essere dichiarate esplicitamente prima di interpretare i risultati.
Concetti correlati e differenze rispetto alla pratica del backtesting
Il backtesting è spesso menzionato insieme ad altri approcci di valutazione, ma non sono identici:
- Forward testing (simulazione cartacea o reale) verifica le regole su dati successivi al periodo del backtest, riducendo la dipendenza dalla specifica finestra storica.
- Walk-forward analysis riaddestra o rieffettua la valutazione utilizzando finestre mobili, cercando di imitare il comportamento delle regole man mano che arrivano nuovi dati.
- Revisione grafica o “osservazione manuale retrospettiva” può sembrare simile, ma è solitamente meno strutturata: le regole possono essere vaghe, può insorgere un 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 a dati storici, non come prova che un determinato risultato 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’entrata basata su regole e un’uscita basata su regole, quindi esegui la simulazione su una finestra storica scelta utilizzando un’unica ipotesi coerente di esecuzione (ad esempio, utilizzando il prezzo di una specifica barra come prezzo di esecuzione). Registra i risultati e il comportamento delle regole nel tempo.
Una pratica utile è confrontare due backtest che differiscono solo per un aspetto deliberato (ad esempio, il periodo temporale) per vedere se il comportamento apparente dipende fortemente da quella scelta. Se i risultati cambiano drasticamente modificando impostazioni ragionevoli, questo è un segnale di allarme.
Limiti e rischi: cosa può andare storto
Il backtesting spesso fallisce per motivi prevedibili:
- Non stazionarietà: le condizioni di mercato cambiano, quindi modelli che hanno funzionato in un’epoca potrebbero non persistere.
- Divergenza nell’esecuzione: i prezzi storici potrebbero non rispecchiare esecuzioni realistiche, specialmente se l’esecuzione degli ordini differisce dal modello di simulazione.
- Costi di transazione e liquidità: i costi e la capacità di entrare/uscire possono influenzare materialmente i risultati; ignorarli può sovrastimare la performance.
- Overfitting: ottimizzare troppo le regole sul rumore storico può far apparire forti i risultati in-sample, ma comportare scarse prestazioni su nuovi dati.
- Problemi di qualità dei dati: serie storiche mancanti, corrette o inconsistenti possono distorcere i risultati.
Questi limiti significano che un backtest dall’aspetto positivo non è sufficiente di per sé. Mostra soltanto che le regole potrebbero aver avuto un certo comportamento in quel particolare contesto storico e sotto quelle specifiche ipotesi.
Verifica e prossima domanda: come valutare in modo indipendente
La verifica indipendente dovrebbe concentrarsi su se le conclusioni resistono a cambiamenti nei dati e nelle ipotesi. I controlli comuni includono:
- Test fuori campione (out-of-sample testing): valuta le regole su un periodo separato non utilizzato per svilupparle o ottimizzarle.
- Analisi della sensibilità: varia ipotesi chiave (come costi o tempistiche di esecuzione) entro un intervallo ragionevole e osserva se le conclusioni cambiano.
- Trasparenza delle regole: assicurati che le regole siano pienamente specificate in modo che il backtest possa essere riprodotto.
- Valutazione ripetuta: esegui il processo su più finestre storiche per ridurre la possibilità che i risultati dipendano da un singolo periodo fortunato.