Il backtesting è un passo necessario nello sviluppo di una strategia. Ma non tutti i backtest sono uguali. Una strategia che appare impressionante sulla carta potrebbe semplicemente essere una curva ben adattata ai dati passati — priva di qualsiasi reale potere predittivo per il futuro.
La walk forward analysis è la metodologia progettata per fare questa distinzione.
Il Problema Fondamentale: L'Over-Fitting
Quando ottimizzi una strategia su un dataset storico, stai cercando valori di parametri che massimizzino le performance su quei dati specifici. Più parametri ottimizzi e più combinazioni testi, più è probabile che tu trovi una combinazione che sembra funzionare — non perché catturi una genuina inefficienza di mercato, ma perché si adatta al rumore di quel particolare periodo storico.
Questo è l'over-fitting (detto anche curve-fitting). Una strategia soggetta a over-fitting performa bene sui suoi dati in-sample e fallisce su qualsiasi dato nuovo che incontra — incluso il trading reale.
Segnali che la tua strategia potrebbe essere soggetta a over-fitting:
- Performa sostanzialmente meglio nel periodo di ottimizzazione rispetto a un periodo di validazione riservato
- Richiede molti parametri precisi per funzionare (ad es. "esattamente" RSI(14) e "esattamente" una media mobile a 23 periodi)
- Le performance degradano rapidamente quando cambi leggermente qualsiasi parametro
- Ha pochissimi trade perdenti nel backtest
Cos'è la Walk Forward Analysis?
La walk forward analysis (WFA) è una metodologia strutturata per validare un sistema di trading su multipli periodi temporali non sovrapposti. Simula il processo reale di sviluppo, distribuzione e periodica ri-ottimizzazione di una strategia.
Il processo di base:
- Dividi i tuoi dati storici in una serie di finestre sequenziali
- Ottimizza la strategia sulla prima finestra (in-sample)
- Testa i parametri ottimizzati sulla finestra immediatamente successiva (out-of-sample) — senza ri-ottimizzare
- Registra i risultati out-of-sample
- Avanza di una finestra e ripeti
Il risultato finale è una sequenza di periodi di performance out-of-sample, ciascuno testato con parametri che l'ottimizzatore non ha mai visto. Unire questi periodi produce la curva equity walk forward — la stima più onesta di come la strategia si sarebbe comportata storicamente.
Walk Forward in MetaTrader 4
MT4 non ha uno strumento WFA dedicato integrato, ma puoi eseguirlo manualmente:
- Carica i tuoi dati storici completi in MT4
- Imposta l'intervallo di date dello Strategy Tester per coprire la prima metà dei tuoi dati (periodo in-sample)
- Esegui l'ottimizzazione per trovare il miglior set di parametri
- Senza modificare i parametri, imposta l'intervallo di date sulla seconda metà (periodo out-of-sample)
- Esegui un singolo backtest (senza ottimizzazione) con i parametri del passaggio 3
- Confronta le performance in-sample e out-of-sample
Se le performance out-of-sample sono ampiamente simili a quelle in-sample — forse leggermente peggiori, ma con la stessa forma generale — la strategia è probabilmente robusta. Se crolla completamente nel periodo out-of-sample, era soggetta a over-fitting.
Buone Pratiche nel Backtesting
Oltre alla walk forward analysis, queste pratiche migliorano la validità dei risultati del backtest:
Costruisci su una Logica Finanziaria, Non sul Data Mining
I migliori sistemi di trading sono costruiti su una teoria coerente del perché dovrebbe esistere un pattern di mercato — non sul trovare qualsiasi combinazione di parametri che sia risultata efficace in passato. Una strategia basata su una solida microstruttura di mercato o sulla finanza comportamentale ha una ragione per persistere. Una strategia basata su "RSI(14) e tre medie mobili" ha solo la prova che questa combinazione ha funzionato storicamente.
Inizia dal perché, poi verifica se i dati lo supportano.
Testa il Sistema Completo, Non le Singole Regole
Testare ogni regola di una strategia multi-condizione in isolamento e combinare le regole "migliori" è una forma di over-fitting. L'interazione tra le regole è importante. Costruisci e testa il sistema nel suo insieme.
Usa Dati Sufficienti
Un backtest su 2 anni di dati con 50 trade non ti dice quasi nulla statisticamente. Punta a:
- Almeno 5–10 anni di dati che coprono molteplici regimi di mercato (trend, ranging, alta volatilità, bassa volatilità)
- Almeno 200–300 trade per la significatività statistica
Più condizioni e parametri ha la tua strategia, più dati ti servono per evitare risultati spuri.
Stress Test su Più Strumenti
Una strategia genuinamente robusta dovrebbe mostrare caratteristiche di edge simili quando applicata a strumenti correlati. Un sistema di trend-following su EUR/USD dovrebbe mostrare evidenza di edge anche su GBP/USD, USD/JPY e altre coppie liquide — non solo su quella su cui l'hai ottimizzato.
Tieni Conto dei Costi Reali
Imposta gli spread nel tuo backtest ad almeno il doppio dello spread tipico del broker per quello strumento. Aggiungi i costi di commissione se il tuo broker addebita tariffe per lotto. Questi aggiustamenti sono particolarmente importanti per le strategie a breve termine dove i costi di transazione consumano una quota maggiore del valore atteso del trade.
Non Over-Ottimizzare Mai
Quando esegui un'ottimizzazione e rivedi i risultati, scegli i valori dei parametri da una zona robusta — un intervallo dove le performance sono costantemente buone — piuttosto che il singolo set di parametri con la performance migliore. Se la tua strategia funziona solo con RSI(14) ma non con RSI(13) o RSI(15), l'edge non è reale.
La walk forward analysis e queste pratiche di backtesting non garantiscono una strategia redditizia. Ciò che fanno è ridurre drasticamente il rischio di distribuire una strategia che sembrava redditizia solo per come è stata testata. Il rigore aggiuntivo vale il tempo extra richiesto.