Cosa significa la pratica del backtesting
La pratica del backtesting è il processo di applicare un insieme di regole decisionali ai dati storici sui prezzi per vedere come si sarebbero comportate in passato. La parola chiave è simulare: il backtesting riproduce ciò che sarebbe accaduto in base a una metodologia scelta, non ciò che è accaduto davvero in condizioni reali.
Un principiante dovrebbe separare tre idee:
- Meccanica del metodo: come trasformi le regole in azioni simulate (tempistica di entrata/uscita, dimensionamento della posizione, periodo di detenzione e se le regole possono cambiare a metà di un’operazione).
- Input e ipotesi: quali dati sui prezzi hai usato, come hai gestito i dati mancanti e cosa hai ipotizzato per i costi di transazione e l’esecuzione.
- Interpretazione: cosa i risultati del backtest possono e non possono dirti sugli esiti futuri.
Come funziona il processo (le parti che devono essere definite)
Il backtesting ha senso solo quando puoi spiegare l’intera catena da input a risultati.
- Regole: logica di entrata e uscita chiara. L’ambiguità qui crea comportamenti incoerenti tra una simulazione e l’altra.
- Timeframe e dati: quale periodo storico, timeframe (per esempio, barre minute vs barre giornaliere) e se usi solo barre completate.
- Tempistica degli eventi: come decidi che una condizione è diventata vera e quando un ordine verrebbe eseguito (all’apertura della barra successiva, a un prezzo specifico, ecc.). Questo conta perché la simulazione può implicitamente assumere una tempistica perfetta.
- Costi ed esecuzione: ipotesi su spread, commissioni, slippage e probabilità di esecuzione dell’ordine. Anche differenze “piccole” di costo possono dominare i risultati su molte operazioni.
- Rischio ed effetti sul portafoglio: se la simulazione assume che tu faccia sempre trading con la stessa dimensione, se limiti l’esposizione e come tratti le posizioni sovrapposte.
Un modo pratico per restare accurati è registrare le ipotesi con ogni esecuzione. Se non riesci a elencare le ipotesi, non puoi verificare se un’altra persona sarebbe in grado di riprodurre lo stesso risultato.
Evidenze ed esempi: da dove di solito arrivano le conclusioni
I backtest spesso producono metriche come rendimento, drawdown, tasso di vincita o esito medio di un’operazione. Tuttavia, i principianti dovrebbero trattarle come descrizioni di una singola storia simulata.
Uno scenario realistico è una regola che sembra redditizia in un periodo, ma che dipende da un comportamento specifico del mercato. Se poi applichi le stesse regole a un periodo storico o a un timeframe diverso, le performance possono cambiare. Questo non dimostra che l’idea sia inutile; dimostra che gli esiti dipendono dalla relazione tra le regole e le condizioni di mercato durante il campione testato.
Una limitazione sostanziale: overfitting
L’overfitting è una modalità di fallimento in cui le regole vengono ottimizzate per aderire troppo da vicino ai dati passati. Segnali comuni includono:
- I risultati migliorano dopo molte modifiche dei parametri.
- Le performance calano quando cambi la finestra temporale.
- La regola diventa complessa rispetto all’idea originale.
L’overfitting riduce la probabilità che la logica si comporti in modo simile al di fuori del campione di addestramento. Un principiante dovrebbe capire che “buoni numeri di backtest” possono riflettere la memorizzazione più che un effetto stabile.
Limitazioni e rischi da verificare in modo indipendente
Le relazioni storiche non stabiliscono risultati futuri. I risultati del backtesting possono fallire in vari modi:
- Bias dei dati: il dataset storico potrebbe essere diverso dalle condizioni future di trading (liquidità, regime di volatilità o microstruttura).
- Esecuzione non realistica: assumere esecuzioni a prezzi ideali può sopravvalutare la performance.
- Effetti di sopravvivenza e di selezione: selezionare solo i periodi che sembrano buoni può fuorviarti.
- Dipendenza dal regime: una regola potrebbe funzionare solo durante determinate condizioni di volatilità o di trend.
Punti di controllo per la verifica e il controllo
Per verificare le affermazioni sul backtesting, concentrati sulla riproducibilità:
- Qualcuno può eseguire la stessa logica sugli stessi dati e ottenere risultati simili?
- I costi e le ipotesi sull’esecuzione sono dichiarati in modo chiaro?
- La performance rimane simile su diverse finestre temporali, non sovrapposte?
Se non è possibile rispondere a una di queste domande, considera il backtest come evidenza incompleta.
Cosa chiedere dopo
Un principiante può migliorare la propria comprensione ponendo domande mirate: Quali regole esatte sono state testate? Quali ipotesi sono state fatte su esecuzione e costi? Qual è la modalità di fallimento più probabile per quella regola (realismo dell’esecuzione, bias dei dati o overfitting)? Queste domande non garantiscono il successo, ma rendono la valutazione più onesta e verificabile in modo indipendente.