Exemplo prático de backtesting (com premissas explícitas)

Resposta direta: o que é um exemplo prático de backtesting

Um exemplo prático de backtesting mostra, passo a passo, como você aplicaria uma regra claramente definida a dados históricos para estimar o que teria acontecido. “Backtesting” aqui significa que você simula decisões usando observações passadas, sem assumir que os resultados futuros corresponderão ao histórico. “Prática” significa que você registra cada premissa para que outra pessoa possa reproduzir os mesmos cálculos e verificar de onde vem o resultado.

Mecanismo e definição: o que você faz em um backtest

A prática de backtesting normalmente tem cinco entradas:

1. Uma regra de decisão: exatamente quando você entraria/sairia (ou como calcularia uma previsão/pontuação).
2. Um conjunto de dados: séries temporais históricas com carimbos de data/hora consistentes.
3. Um modelo de negociação: como as ordens são preenchidas (por exemplo, usando a abertura da próxima vela) e como você lida com os spreads.
4. Um modelo de custos: comissões, taxas e premissas de spread.
5. Uma métrica: o que você mede (por exemplo, retorno acumulado, rebaixamento, taxa de acerto ou retorno médio por negociação).

Mecânica estável: o fluxo de trabalho (definir regra → escolher janela de dados → simular preenchimentos → calcular métricas → documentar) permanece o mesmo. Condições variáveis: o regime de mercado, a qualidade dos dados, os detalhes de execução e os custos podem mudar, e podem dominar os resultados.

Exemplo prático (cenário numérico) com premissas explícitas

Assuma que o objetivo é avaliar uma regra simples para fins educacionais. Isto não é uma recomendação, e usa simplificações semelhantes a dados sintéticos para manter as premissas explícitas.

Regra (o “se-então”)

Para cada dia, você mantém uma posição por exatamente 1 dia. A posição é “comprada” (tomar exposição) ou “zerada” (sem exposição). A regra de decisão é:

• Se o fechamento do dia anterior for maior que o fechamento de dois dias atrás, tome exposição comprada para o próximo dia.
• Caso contrário, fique zerado para o próximo dia.

Conjunto de dados (observações históricas)

Use seis observações diárias consecutivas (Dia 0 ao Dia 5). Assuma que os fechamentos abaixo são os preços históricos “conhecidos” para o backtesting:

• Fechamento do Dia 0: 100
• Fechamento do Dia 1: 102
• Fechamento do Dia 2: 101
• Fechamento do Dia 3: 103
• Fechamento do Dia 4: 104
• Fechamento do Dia 5: 102

Calcularemos as decisões para os Dias 2–5 porque a regra precisa do Dia t-2.

Premissas de execução e custos

Estas premissas determinam o retorno simulado.

• Preço de entrada: a abertura do próximo dia é igual ao fechamento daquele dia (simplificação). Isso remove a incerteza intradiária.
• Preço de saída: o fechamento do dia seguinte é igual ao fechamento do próximo dia (já que o período de manutenção é de 1 dia).
• Spread e comissão: o custo total de negociação é um valor fixo de 0,1% do nocional em cada dia em que você está comprado. Se estiver zerado, o custo é 0%.
• Sem restrições de alavancagem, sem juros de margem e sem derrapagem além do modelo de custos.

Definição da métrica

Calcule um “retorno líquido diário” sobre o nocional:

• Se comprado no dia t: retorno líquido = (Fechamento(t) / Fechamento(t-1)) − 1 − 0,001
• Se zerado: retorno líquido = 0

Simulação passo a passo

Decisões:

• Para a decisão do Dia 2: compare o fechamento do Dia 1 (102) com o fechamento do Dia 0 (100). 102 > 100 → comprado no Dia 2.
• Para a decisão do Dia 3: compare o fechamento do Dia 2 (101) com o fechamento do Dia 1 (102). 101 > 102 é falso → zerado no Dia 3.
• Para a decisão do Dia 4: compare o fechamento do Dia 3 (103) com o fechamento do Dia 2 (101). 103 > 101 → comprado no Dia 4.
• Para a decisão do Dia 5: compare o fechamento do Dia 4 (104) com o fechamento do Dia 3 (103). 104 > 103 → comprado no Dia 5.

Calcule os retornos líquidos:

• Dia 2 (comprado): Fechamento(2)/Fechamento(1) − 1 − 0,001 = 101/102 − 1 − 0,001 ≈ −0,0098039 − 0,001 = −0,0108039 (≈ −1,08%)
• Dia 3 (zerado): líquido = 0
• Dia 4 (comprado): 104/101 − 1 − 0,001 = 0,0297029 − 0,001 ≈ 0,0287029 (≈ +2,87%)
• Dia 5 (comprado): 102/104 − 1 − 0,001 = −0,0192308 − 0,001 ≈ −0,0202308 (≈ −2,02%)

Soma simples acumulada (já que este exemplo usa números pequenos e é ilustrativo): retorno líquido total ≈ −1,08% + 0% + 2,87% − 2,02% ≈ −0,23% no período avaliado.

O que o exemplo prático ensina: o resultado é produzido mecanicamente a partir da sua regra, dos seus dados e das suas premissas explícitas de execução/custos.

Limitações e modos de falha (o que pode dar errado)

1. Overfitting: se a regra for ajustada muito de perto aos dados passados (muitos parâmetros, muitos testes), ela pode parecer boa historicamente, mas falhar em outros lugares. 2) Realismo de execução: assumir preenchimentos perfeitos ou preços simplificados pode exagerar os resultados.