Cosa Devono Sapere i Principianti sulla Pratica del Backtesting

Cosa significa Pratica del Backtesting

La pratica del backtesting è il processo di applicare un insieme di regole decisionali ai dati storici dei prezzi per vedere come si sarebbero comportate nel passato. La parola chiave è simulare: il backtesting riproduce ciò che sarebbe accaduto secondo una metodologia scelta, non ciò che è realmente accaduto in condizioni reali.

Un principiante dovrebbe distinguere tre concetti:

1. Meccanica del metodo: come si trasformano le regole in azioni simulate (tempistica di ingresso/uscita, dimensione della posizione, periodo di detenzione e se le regole possono cambiare durante un trade).
2. Input e assunzioni: quali dati di prezzo sono stati utilizzati, come sono stati gestiti i dati mancanti e quali assunzioni sono state fatte sui costi di transazione e sull’esecuzione.
3. Interpretazione: cosa i risultati del backtest possono e non possono rivelare sui risultati futuri.

Come funziona il processo (le parti che devono essere definite)

Il backtesting ha senso solo quando si riesce a spiegare l’intera catena che va dagli input ai risultati.

• Regole: logica chiara di ingresso e uscita. L’ambiguità qui genera comportamenti incoerenti tra un’esecuzione e l’altra.
• Periodo e dati: quale periodo storico, timeframe (ad esempio barre da un minuto vs barre giornaliere) e se si utilizzano solo barre completate.
• Tempistica degli eventi: come si determina che una condizione si è verificata e quando un ordine sarebbe stato eseguito (all’apertura della barra successiva, a un prezzo specifico, ecc.). Questo è importante perché la simulazione potrebbe assumere implicitamente una tempistica perfetta.
• Costi ed esecuzione: assunzioni su spread, commissioni, slippage e probabilità di esecuzione degli ordini. Anche piccole differenze di costo possono dominare i risultati su un numero elevato di trade.
• Effetti di rischio e portafoglio: se la simulazione assume che si negozi sempre con la stessa dimensione, se si limita l’esposizione e come si trattano le posizioni sovrapposte.

Un modo pratico per mantenere l’accuratezza è registrare le assunzioni per ogni esecuzione. Se non si riesce a elencare le assunzioni, non si può verificare se un’altra persona otterrebbe lo stesso risultato.

Evidenze ed esempi: da dove derivano solitamente le conclusioni

I backtest spesso producono metriche come rendimento, drawdown, tasso di vincita o risultato medio per trade. Tuttavia, i principianti dovrebbero considerare questi dati come descrizioni di una singola storia simulata.

Uno scenario realistico è una regola che appare redditizia in un determinato periodo ma che si basa su un comportamento di mercato specifico. Se si applicano le stesse regole a un periodo storico o a un timeframe diverso, la performance potrebbe cambiare. Questo non dimostra che l’idea sia inutile; dimostra invece che i risultati dipendono dalla relazione tra le regole e le condizioni di mercato durante il campione testato.

Una limitazione significativa: l’overfitting

L’overfitting è un errore in cui le regole vengono ottimizzate troppo strettamente sui dati passati. I segni più comuni includono:

• I risultati migliorano dopo molteplici aggiustamenti di parametri.
• La performance cala quando si cambia 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 deve capire che dei “buoni numeri nel backtest” possono riflettere una memorizzazione piuttosto che un effetto stabile.

Limitazioni e rischi da verificare autonomamente

Le relazioni storiche non garantiscono risultati futuri. I risultati del backtesting possono fallire in diversi modi:

• Bias dei dati: il dataset storico potrebbe differire dalle condizioni future di trading (liquidità, regime di volatilità o microstruttura).
• Esecuzione irrealistica: assumere esecuzioni a prezzi ideali può sovrastimare la performance.
• Effetti di sopravvivenza e selezione: selezionare solo i periodi che sembrano buoni può fuorviare.
• Dipendenza dal regime: una regola potrebbe funzionare solo in determinate condizioni di volatilità o tendenza.

Punti di controllo e verifica

Per verificare le affermazioni del backtesting, concentrarsi sulla riproducibilità:

• Può qualcun altro applicare la stessa logica sugli stessi dati e ottenere risultati simili?
• Le assunzioni su costi ed esecuzione sono chiaramente dichiarate?
• La performance rimane simile in diverse finestre temporali non sovrapposte?

Se una di queste domande non può essere risposta, il backtest deve essere considerato come prova incompleta.

Cosa chiedersi in seguito

Un principiante può migliorare la propria comprensione ponendosi domande mirate: Quali regole esatte sono state testate? Quali assunzioni sono state fatte sull’esecuzione e sui costi? Quale errore è 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 autonomamente.