Como o Lucro Médio vs. Perda Média pode ser testado de forma responsável?
Defina Lucro Médio vs. Perda Média como um conceito mensurável
Lucro Médio vs. Perda Média é uma forma de resumir o quão grandes os “lucros” tendem a ser em comparação com o quão grandes as “perdas” tendem a ser, usando resultados históricos de negociações. Em um backtesting responsável, você primeiro define as quantidades exatas que irá medir, porque “lucro” e “perda” podem ser calculados de várias maneiras.
Uma estrutura comum é:
- Escolha uma regra consistente para o que conta como resultado de negociação (por exemplo, o lucro/perda final de cada negociação concluída).
- Converta os resultados em uma unidade comparável (como P&L na moeda da conta, ou em termos de movimento de preço).
- Defina “negociações vencedoras” como negociações com resultado positivo e “negociações perdedoras” como negociações com resultado negativo (ou use valores absolutos, mas então declare isso claramente).
- Calcule as médias: o tamanho médio do lucro (lucro médio) e o tamanho médio da perda (perda média).
Se você usar uma proporção (por exemplo, lucro médio dividido pela perda média), defina a convenção de sinal. Muitos erros em backtesting vêm de misturar médias com sinal com médias absolutas.
Mecanismo: entradas, premissas e o papel dos custos
Um backtest cuidadoso de Lucro Médio vs. Perda Média depende do modelo de dados que você escolher. No mínimo, você precisa de:
- Uma lista ordenada por tempo de registros de negociações (horários de entrada/saída e o resultado realizado resultante).
- Uma regra para lidar com casos extremos (fechamentos parciais, negociações no breakeven, cancelamentos e negociações que não são concluídas).
- Premissas explícitas para o realismo da execução.
O princípio-chave de “custos-características” é: seus resultados históricos devem ser baseados nas mesmas premissas econômicas que você deseja avaliar. Custos e fricções incluem itens como spreads, comissões e slippage. Mesmo que você não saiba os custos futuros exatos, você ainda pode fazer testes responsáveis ao:
- Armazenar cada premissa usada para converter movimento de preço em P&L de negociação.
- Executar verificações de sensibilidade (por exemplo, variando o slippage ou os níveis de custo assumidos dentro de uma faixa plausível) para ver se a conclusão depende de uma configuração otimista.
Evidência e exemplo de cálculo (com premissas)
Suponha que você tenha um conjunto de dados de negociações concluídas. Você decide:
- Lucros são negociações onde o P&L realizado > 0.
- Perdas são negociações onde o P&L realizado < 0.
- Você usa a média do P&L realizado para cada grupo.
- Negociações no breakeven são excluídas de ambas as médias (ou incluídas como zero—declare qual).
Exemplo (apenas ilustrativo):
- Lucro médio = (soma dos valores de P&L positivos) / (número de negociações vencedoras).
- Perda média = (soma dos valores de P&L negativos) / (número de negociações perdedoras). Se você posteriormente usar uma “perda média absoluta”, use a magnitude.
Para verificar o backtest, recalcule esses valores diretamente da lista de P&L de negociações armazenada. Se suas médias calculadas não corresponderem, o problema é de definição ou tratamento de dados, não de desempenho de mercado.
Limitações e modos de falha que você deve testar
Lucro Médio vs. Perda Média é descritivo, não preditivo. Um backtesting responsável o trata como um resumo histórico cuja estabilidade pode falhar quando as condições de mercado, a qualidade da execução ou o timing das decisões mudam.
Pelo menos uma limitação material é essencial:
- Mudança de regime: Uma estratégia pode mostrar uma certa relação entre lucros e perdas médios em um ambiente de mercado e mudar depois.
- Incompatibilidade de custos: Se os resultados históricos ignorarem spreads/comissões ou subestimarem o slippage, a comparação entre “lucro médio” e “perda média” pode ser distorcida.
- Viés de seleção e sobrevivência: Se o conjunto de dados contém apenas negociações que “sobreviveram” a um processo de revisão, ou se você inadvertidamente filtrou resultados de uma forma que se correlaciona com a lucratividade, as médias podem ser enviesadas.
- Sobreajuste às definições: Testar muitas variantes do que conta como lucro/perda, qual timing você usa para entradas/saídas, ou como você mede os resultados pode produzir uma falsa sensação de robustez.
Controles de viés e verificações fora da amostra
Para reduzir esses riscos, use procedimentos que testem se a relação medida se generaliza:
- Definições consistentes ao longo do tempo: Use a mesma regra de lucro/perda, tratamento de breakeven e cálculo de P&L em todos os períodos.
- Divisão baseada no tempo: Estime sua abordagem de medição em um período anterior e avalie-a em um período posterior que não foi usado para refinar as definições.
- Relatório fora da amostra: Compare o lucro médio e a perda média (e qualquer proporção) entre dentro e fora da amostra.
- Análise de sensibilidade: Recalcule as métricas sob diferentes premissas razoáveis de custo/execução para verificar se as conclusões dependem de um único cenário otimista.