Backtests liegen. Curve-fitting, look-ahead bias, survivorship bias, onrealistische uitvoeringsaannames - de manieren waarop een backtest je kan misleiden zijn goed gedocumenteerd.
Maar als je serieus bent over systematisch handelen, moet je nog steeds testen. De vraag is niet of je moet backtesten. Het is hoe je het doet zonder jezelf te bedriegen.
Hier zijn de methodologieën die echt werken.
Begin Met Logica, Niet Met Data
Voordat je een enkele test uitvoert, verwoord waarom je strategie zou moeten werken.
Niet "omdat het historisch werkte." Dat is circulair. Je hebt een marktgebaseerde reden nodig: institutioneel gedrag creëert dit patroon, menselijke psychologie produceert deze neiging, marktstructuur genereert deze inefficiëntie.
Als je de logica niet kunt uitleggen, ben je aan het data-minen. Elke "edge" die je vindt is waarschijnlijk ruis die op een signaal leek.
Goede fundamenten:
- Cycli bestaan omdat kapitaal roteert door accumulatie- en distributiefasen
- Volume bevestigt richting omdat geldstroom institutionele intentie onthult
- Confluent werkt omdat onafhankelijke systemen die overeenstemmen valse signalen verminderen
Schrijf je hypothese op voordat je test. Dit voorkomt het achteraf aanpassen van verklaringen aan resultaten.
Bouw Realistische Kosten In
De meeste backtests veronderstellen perfecte uitvoering. Echt handelen heeft wrijving.
Neem op in elke test:
- Spread: Je koopt op de ask, verkoopt op de bid. Modelleer dit expliciet
- Slippage: Neem aan dat uitvoeringen 0,1-0,5% slechter zijn dan je signaalprijs
- Commissies: Zelfs "gratis" brokers hebben SEC-kosten en betaling voor orderstroomkosten
- Marktimpact: Je order beweegt de prijs, vooral bij minder liquide instrumenten
Een strategie die 0,1% per trade verdient met 0,15% roundtripkosten is een verliezer. Beter om het nu te weten dan na echte verliezen.
Het Out-of-Sample Protocol
Hier is de belangrijkste techniek voor eerlijk backtesten: out-of-sample testing.
- Verdeel je data. Splits in in-sample (zeg, 70%) en out-of-sample (30%)
- Ontwikkel alleen op in-sample. Doe al je tests, aanpassingen en optimalisaties op de in-sample data
- Test eenmaal op out-of-sample. Wanneer je een definitief systeem hebt, test het op de out-of-sample data die je nooit hebt gezien
- Eén kans. Je krijgt maar één kans. Als je test op out-of-sample, aanpast en opnieuw test, is het niet langer out-of-sample
Als de prestatie significant verslechtert op out-of-sample data, heb je overfitting gedaan. Als het standhoudt, heb je misschien iets echts.
Walk-Forward Analyse
Nog beter dan eenvoudige out-of-sample testing is walk-forward analyse:
- Optimaliseer op periode 1 (zeg, 2015-2018)
- Test op periode 2 (2019)
- Noteer de resultaten
- Optimaliseer op periode 2 (2016-2019)
- Test op periode 3 (2020)
- Herhaal
Dit simuleert wat je daadwerkelijk zou doen: periodiek je systeem heroptimaliseren met recente data, dan vooruit handelen.
Als de "test" periodes consistent goed presteren, is je systeem robuust. Als de prestatie in testperiodes veel slechter is dan in optimalisatieperiodes, ben je aan het curve-fitten.
De Monte Carlo Realiteitscheck
Je backtest toont een maximale drawdown van 25%. Comfortabel, toch?
Maar dat is slechts één pad door de geschiedenis. Willekeurige variatie had veel erger kunnen produceren.
Monte Carlo analyse randomiseert de volgorde van je trades (of samples met vervanging) en voert duizenden simulaties uit. Dit toont je het bereik van uitkomsten die hadden kunnen optreden met dezelfde trades in verschillende volgorden.
Als je maximale drawdown 50% had kunnen zijn met ander geluk, moet je dimensioneren voor 50% drawdown, niet 25%.
De Conclusie
Backtesting is geen bewijs van een edge. Het is een manier om slechte ideeën te weerleggen - als je er eerlijk over bent.
Een goede backtest:
- Gebruikt eenvoudige regels met marktgebaseerde logica
- Vermijdt look-ahead en survivorship bias
- Bevat realistische transactiekosten
- Reserveert out-of-sample data voor finale validatie
- Stresstests met walk-forward en Monte Carlo analyse
Het doel is geen mooie equitycurve. Het is een realistische schatting van toekomstige prestaties. Dat zijn zeer verschillende dingen.
Niet-hertekenende indicatoren zijn essentieel voor eerlijk backtesten. Als het systeem dat je test cyclusanalyse, volumeregimedetectie en momentumstemming gebruikt die allemaal finaliseren bij kaarssluiting, toont je historische review precies wat je live zou hebben gezien. Geen look-ahead bias. Geen fantoonsignalen. Wat je test is wat je daadwerkelijk zou handelen.
Pentarch's niet-hertekenende signalen zijn ontworpen voor eerlijk backtesten - wat je ziet in de geschiedenis is precies wat je live zou hebben gezien, zonder look-ahead bias.
Test met vertrouwen →