Esistono tre approcci principali alle strategie di backtesting: utilizzare i dati sui prezzi effettivi suddivisi in tre gruppi; bootstrap, che utilizza i dati sui prezzi effettivi ma li ricampiona; e simulazione di Montecarlo. Ci sono problemi teorici che dividono i costruttori di sistemi su quale metodo sia il migliore. Ciò che è importante per il trader è che utilizzi correttamente almeno una delle strategie di backtesting per il suo sistema prima di affidargli il suo capitale di trading. Un problema critico nella scelta di una strategia di backtesting è il numero di operazioni generate; sono necessarie almeno 1,000 operazioni in ogni fase del lavoro del costruttore di sistemi.
L’utilizzo dei dati sui prezzi effettivi, divisi in tre parti, è il solito punto di partenza per la maggior parte dei costruttori di sistemi. Il sistema viene creato utilizzando il primo terzo dei dati. A questo punto, il costruttore ha trovato algoritmi che sembrano generare abbastanza profitti con un rischio abbastanza piccolo da offrire buone prospettive. Il secondo terzo dei dati viene utilizzato per ottimizzare il sistema.
Dopo che il sistema è stato ottimizzato, verrà applicato al restante terzo dei dati. Questo è chiamato test fuori campione ed è qui che la maggior parte dei sistemi fallisce. Se il sistema ha ancora buoni risultati su almeno 1,000 operazioni, il costruttore del sistema ha un sistema praticabile. Se il sistema genera meno di 1,000 operazioni nel test fuori campione, il costruttore dovrebbe prendere in considerazione un’altra strategia di backtesting.
Il bootstrap è un metodo per estrarre alcuni dati dal set totale, testare, reinserire i dati e disegnare più dati, o ricampionare e ripetere il test. Il numero ideale di ricampionamenti è nn, o n all’ennesima potenza, dove n è il numero di dati nel campione originale. Per un trader che probabilmente ha a che fare con almeno 2,500 punti dati – 250 giorni all’anno per 10 anni – non è pratico. Fortunatamente, 100 ricampioni forniranno un alto livello di confidenza che il campione bootstrap rispecchierà i dati originali, rendendo i risultati affidabili. Se l’acquisizione di 100 ricampioni non fornisce le 1,000 operazioni necessarie, il trader deve continuare a ricampionare fino a quando tale obiettivo non viene raggiunto se si aspetta che il sistema, anziché solo il ricampionamento dei dati, sia affidabile.
L’ultimo metodo di strategie di backtesting è la simulazione Monte Carlo (MC). Questo metodo utilizza un computer per generare dati simulati e il sistema viene quindi testato su tali dati. Il vantaggio della simulazione MC è che è possibile creare quantità illimitate di dati, consentendo di generare 10,000 operazioni o qualsiasi altro numero di operazioni. Un altro vantaggio è che ogni nuovo set di dati è fuori campione. Ciò offre l’opportunità di eseguire ripetute ottimizzazioni e test; è sufficiente ottimizzare su questo set di dati, quindi applicare quei parametri di sistema ai dati successivi generati dal computer.
Uno svantaggio della simulazione MC è che i dati potrebbero non avere esattamente la stessa funzione di distribuzione di probabilità dei dati di trading, il che potrebbe distorcere i risultati. Nel migliore dei mondi possibili, tutte e tre le strategie di backtesting dovrebbero essere utilizzate nel processo di controllo del sistema. Il successo in tutti e tre dovrebbe offrire un’elevata probabilità di successo nel trading del mondo reale.
Smart Asset.