I backtest mentono. Curve-fitting, bias di anticipazione, bias di sopravvivenza, ipotesi di esecuzione irrealistiche - i modi in cui un backtest può ingannarti sono ben documentati.
Ma se fai sul serio con il trading sistematico, devi comunque testare. La domanda non è se fare backtesting. È come farlo senza ingannarti.
Ecco le metodologie che funzionano davvero.
Inizia con la Logica, Non con i Dati
Prima di eseguire un singolo test, articola perché la tua strategia dovrebbe funzionare.
Non "perché ha funzionato storicamente". Questo è circolare. Hai bisogno di una ragione basata sul mercato: il comportamento istituzionale crea questo pattern, la psicologia umana produce questa tendenza, la struttura del mercato genera questa inefficienza.
Se non riesci a spiegare la logica, stai facendo data mining. Qualsiasi "edge" che trovi è probabilmente rumore che sembrava un segnale.
Buone fondamenta:
- I cicli esistono perché il capitale ruota attraverso fasi di accumulazione e distribuzione
- Il volume conferma la direzione perché il flusso di denaro rivela l'intenzione istituzionale
- La confluenza funziona perché sistemi indipendenti che concordano riducono i falsi segnali
Scrivi la tua ipotesi prima di testare. Questo impedisce di adattare le spiegazioni ai risultati a posteriori.
Integra Costi Realistici
La maggior parte dei backtest assume un'esecuzione perfetta. Il trading reale ha attrito.
Includi in ogni test:
- Spread: Compri all'ask, vendi al bid. Modella questo esplicitamente
- Slippage: Assumi esecuzioni 0,1-0,5% peggiori del tuo prezzo di segnale
- Commissioni: Anche i broker "gratuiti" hanno commissioni SEC e costi di payment for order flow
- Impatto di mercato: Il tuo ordine muove il prezzo, specialmente su strumenti meno liquidi
Una strategia che guadagna 0,1% per trade con 0,15% di costi roundtrip è perdente. Meglio saperlo ora che dopo perdite reali.
Il Protocollo Out-of-Sample
Ecco la tecnica più importante per un backtesting onesto: il testing out-of-sample.
- Dividi i tuoi dati. Separali in in-sample (diciamo 70%) e out-of-sample (30%)
- Sviluppa solo su in-sample. Fai tutti i tuoi test, aggiustamenti e ottimizzazioni sui dati in-sample
- Testa una volta su out-of-sample. Quando hai un sistema finale, testalo sui dati out-of-sample che non hai mai visto
- Un solo colpo. Hai solo una possibilità. Se testi su out-of-sample, aggiusti e testi di nuovo, non è più out-of-sample
Se la performance degrada significativamente sui dati out-of-sample, hai fatto overfitting. Se tiene, potresti avere qualcosa di reale.
Analisi Walk-Forward
Ancora meglio del semplice testing out-of-sample è l'analisi walk-forward:
- Ottimizza sul periodo 1 (diciamo 2015-2018)
- Testa sul periodo 2 (2019)
- Registra i risultati
- Ottimizza sul periodo 2 (2016-2019)
- Testa sul periodo 3 (2020)
- Ripeti
Questo simula cosa faresti realmente: ri-ottimizzare periodicamente il tuo sistema usando dati recenti, poi tradare in avanti.
Se i periodi di "test" performano costantemente bene, il tuo sistema è robusto. Se la performance nei periodi di test è molto peggiore che nei periodi di ottimizzazione, stai facendo curve-fitting.
Il Test di Realtà Monte Carlo
Il tuo backtest mostra un drawdown massimo del 25%. Confortevole, vero?
Ma quello è solo un percorso attraverso la storia. La variazione casuale avrebbe potuto produrre molto peggio.
L'analisi Monte Carlo randomizza l'ordine dei tuoi trade (o campiona con sostituzione) ed esegue migliaia di simulazioni. Questo ti mostra la gamma di risultati che avrebbero potuto verificarsi con gli stessi trade in sequenze diverse.
Se il tuo drawdown massimo avrebbe potuto essere 50% con fortuna diversa, devi dimensionare per un drawdown del 50%, non 25%.
La Conclusione
Il backtesting non è prova di un edge. È un modo per confutare idee cattive - se sei onesto al riguardo.
Un buon backtest:
- Usa regole semplici con logica basata sul mercato
- Evita il bias di anticipazione e di sopravvivenza
- Include costi di transazione realistici
- Riserva dati out-of-sample per la validazione finale
- Stress-testa con analisi walk-forward e Monte Carlo
L'obiettivo non è una bella curva di equity. È una stima realistica della performance futura. Sono cose molto diverse.
Gli indicatori non-repainting sono essenziali per un backtesting onesto. Se il sistema che stai testando usa analisi dei cicli, rilevamento del regime di volume e votazione del momentum che finalizzano tutti alla chiusura della candela, la tua revisione storica mostra esattamente cosa avresti visto live. Nessun bias di anticipazione. Nessun segnale fantasma. Quello che stai testando è quello che traderesti realmente.
I segnali non-repainting di Pentarch sono progettati per un backtesting onesto - quello che vedi nella storia è esattamente quello che avresti visto live, senza bias di anticipazione.
Testa con fiducia →