Cos’è il backtesting e perché emergono i rischi
Il backtesting è un metodo di analisi che applica un’idea di trading basata su regole a dati storici per stimare come potrebbe essersi comportata in passato. L’idea viene di solito codificata come condizioni di ingresso e uscita, controlli del rischio e assunzioni su come vengono eseguiti gli scambi.
Il rischio principale è che un backtest non è il mercato. È una ricostruzione semplificata costruita a partire da input (dati, regole, costi e assunzioni sull’esecuzione). Se questi input non corrispondono alle condizioni reali, i risultati possono essere fuorvianti in modo sistematico.
Rischi di meccanismo: input, modellazione e assunzioni di esecuzione
Un backtest dipende da dettagli operativi che è facile approssimare ma difficile riprodurre.
- Qualità e realismo dei dati: Le serie storiche dei prezzi possono omettere gli spread, variare nella granularità o differire dalle quotazioni eseguibili esatte che avresti ricevuto. Se il tuo backtest usa un prezzo “pulito”, ma l’esecuzione reale utilizza spread più ampi o prezzi diversi al momento dell’inserimento dell’ordine, le stime della performance possono cambiare.
- Costi di transazione e liquidità: Molti backtest sottostimano i costi. Commissioni, fee e soprattutto gli effetti di liquidità (ad esempio, il prezzo che si muove tra il momento del segnale e il momento del riempimento) possono ridurre i rendimenti. Anche se i rendimenti sembrano forti prima dei costi, la differenza può crescere dopo costi realistici.
- Modellazione dell’esecuzione degli ordini: Il backtesting di solito assume esecuzioni a prezzi prevedibili. Il trading reale può differire per via di esecuzioni parziali, posizione in coda, slippage e se gli ordini sono market o limit. Se la tua logica di riempimento è ottimistica, la curva di equity simulata potrebbe non riflettere i drawdown reali.
- Errori di campionamento e tempistica: Usare segnali di fine barra come se potessero essere eseguiti alla stessa chiusura della barra è un’incongruenza comune. In realtà, il segnale è noto solo dopo l’aggiornamento del prezzo, quindi l’esecuzione avverrebbe più tardi (o con prezzi disponibili diversi).
Rischi di mercato e di scenario: la storia non resta stabile
Anche con dati perfetti e modellazione dell’esecuzione, i mercati possono cambiare.
- Cambi di regime: Il comportamento del Forex può differire tra regimi di volatilità, periodi macro e condizioni di liquidità. Una regola che ha funzionato in un regime storico potrebbe fallire in un altro.
- Relazioni non stazionarie: I pattern statistici possono indebolirsi quando gli spread si allargano, le correlazioni cambiano o cambia la distribuzione della volatilità. Un backtest può misurare “cosa è successo sotto condizioni passate”, non “cosa succederà la prossima volta”.
Limitazione materiale: le relazioni storiche non stabiliscono risultati futuri.
Rischi di controparte e operativi: ciò che spesso una simulazione ignora
I backtest in genere si concentrano su prezzo e regole, non sui vincoli pratici del trading.
- Vincoli della piattaforma e della connettività: Ritardi, ordini rifiutati o interruzioni temporanee possono impedire che gli scambi vengano inseriti o chiusi come modellato.
- Margine, leva e controlli del rischio: Se i requisiti di margine, il comportamento di liquidazione forzata o i limiti di rischio differiscono dalla simulazione, i risultati potrebbero non essere ottenibili nella pratica.
- Vincoli legati alla controparte: Il trading reale può essere influenzato da processi operativi e politiche di esecuzione che non sono rappresentati solo dai prezzi storici.
Questi rischi non sono necessariamente visibili nei report di backtest, ma possono dominare gli esiti durante periodi di stress.
Rischi di interpretazione: overfitting, hindsight bias e fiducia fuorviante
Una modalità di fallimento importante non è la matematica, ma l’interpretazione.
- Overfitting: Se i parametri vengono ottimizzati ripetutamente per adattarsi ai dati passati, il backtest può catturare rumore invece di un segnale durevole. Le regole overfittate possono degradarsi rapidamente su nuovi dati.
- Hindsight bias: Quando “vedi” il passato, è tentante selezionare assunzioni che rendono i risultati coerenti. Un backtest può quindi riflettere il processo di selezione, non un vantaggio sottostante.
- Certezza su un solo indicatore: Una strategia può apparire redditizia su un singolo indicatore (ad esempio, il rendimento totale) mentre nasconde un rischio di coda severo (drawdown elevati, lunghe serie di perdite o vulnerabilità a condizioni specifiche).
Un controllo gestibile è trattare il backtest come un test di ipotesi, quindi chiedersi se l’idea rimane plausibile sotto assunzioni stressate e dati fuori campione.
Esempio di evidenza: un semplice disallineamento che può cambiare le conclusioni
Supponiamo che una regola generi segnali alla fine di ogni barra temporale. Se il backtest assume che tu possa entrare al prezzo di chiusura di quella barra, ma in realtà invii l’ordine solo dopo la chiusura e l’esecuzione avviene al prossimo prezzo disponibile, l’ingresso è sistematicamente peggiore.