Che cos’è il backtesting e perché conta davvero
Il backtesting è una procedura che verifica come una strategia di investimento o di trading si sarebbe comportata in passato, applicandola a dati storici (prezzi, volumi, tassi, spread, ecc.). In pratica, si definiscono regole precise (quando entrare, quando uscire, quanto rischiare) e si “riavvolge il nastro” per stimare risultati, rischi e stabilità. È un passaggio cruciale perché trasforma un’idea – spesso intuitiva – in un insieme di regole misurabili. Se una strategia non regge su anni di dati, è difficile che improvvisamente funzioni bene in tempo reale.
Va chiarita una cosa: il backtesting non è una sfera di cristallo. Serve a valutare coerenza e vulnerabilità della strategia, non a garantire profitti futuri. Il valore sta nel capire come e quando una strategia tende a performare: mercati direzionali, fasi laterali, periodi di alta volatilità, cambi di regime macroeconomico.
Come si costruisce un test credibile: regole, dati e ipotesi
Un backtest utile nasce da regole operative non ambigue. “Comprare quando il mercato è forte” non è una regola; “comprare quando la media mobile a 50 giorni supera quella a 200” lo è. La strategia deve includere: criteri di ingresso/uscita, dimensionamento della posizione, gestione del rischio e condizioni di stop. Senza questi elementi, i risultati diventano una narrazione a posteriori.
La qualità dei dati è altrettanto decisiva. Dati incompleti, errori di quotazione o serie storiche troppo corte possono falsare tutto. Inoltre, bisogna dichiarare le ipotesi: costi di transazione, slippage (differenza tra prezzo teorico e prezzo eseguito), tasse, e frequenza di ribilanciamento. Trascurare i costi è uno dei modi più rapidi per trasformare una strategia “vincente” su carta in una strategia mediocre nella realtà.
Metriche da guardare: rendimento, rischio e qualità del percorso
Valutare un backtest solo dal rendimento finale è un errore comune. Conta anche il “viaggio” fatto per arrivarci. Le metriche più informative combinano performance e rischio: drawdown massimo (la perdita massima dal picco), volatilità, percentuale di operazioni vincenti e rapporto tra profitti e perdite medie. Una strategia può guadagnare poco ma essere molto stabile; un’altra può guadagnare tanto ma con cadute che pochi investitori tollererebbero.
Un indicatore pratico è la sostenibilità psicologica: se il backtest mostra periodi lunghi di sottoperformance o drawdown profondi, la probabilità di abbandonare la strategia nel momento peggiore aumenta. Per questo è utile osservare anche la distribuzione dei rendimenti e la concentrazione dei profitti: se il risultato dipende da poche operazioni eccezionali, la robustezza è più fragile di quanto sembri.
I principali errori: overfitting, bias e “risultati troppo belli”
Il rischio numero uno è l’overfitting: ottimizzare la strategia per adattarla perfettamente al passato, come un abito cucito su misura per una sola persona e una sola giornata. Tipicamente succede quando si provano decine di parametri e si sceglie quello che massimizza il rendimento storico. Il problema è che i mercati cambiano: un parametro “magico” spesso cattura rumore, non un vantaggio reale.
Ci sono poi diversi bias tecnici. Il look-ahead bias si verifica quando il test usa informazioni non disponibili al momento dell’operazione (ad esempio dati pubblicati dopo la chiusura). Il survivorship bias appare quando si testano solo strumenti “sopravvissuti” (escludendo quelli falliti o delistati), gonfiando artificialmente i risultati. Anche la scelta dell’intervallo temporale può ingannare: un backtest che parte dopo una crisi o evita un periodo difficile può sembrare più brillante di quanto sia.
Dalla teoria alla pratica: un esempio semplice e cosa aspettarsi
Immaginiamo una strategia di trend following su un indice: entra long quando il prezzo supera una media mobile di lungo periodo e esce quando la rompe al ribasso, con una regola di stop per limitare le perdite. In un mercato direzionale, potrebbe funzionare bene; in un mercato laterale, potrebbe accumulare piccole perdite ripetute. Questo esempio mostra il punto: ogni strategia ha un “habitat” naturale e un costo da pagare quando l’ambiente cambia.
Per rendere il test più robusto, si può usare una logica out-of-sample: si calibra la strategia su una parte dei dati e la si verifica su un periodo diverso. Ancora meglio, si può eseguire una validazione a finestre mobili (walk-forward) per simulare l’adattamento nel tempo. Per riferimenti metodologici su qualità dei dati e statistica applicata ai mercati, una fonte autorevole è la documentazione della Banca dei Regolamenti Internazionali, utile per contestualizzare volatilità e dinamiche di rischio.
Come usare il backtesting in modo intelligente (senza farsi illusioni)
Il backtesting è più efficace quando viene trattato come un filtro, non come una promessa. Serve a eliminare idee incoerenti, stimare il profilo rischio/rendimento e chiarire le condizioni in cui la strategia tende a fallire. Un approccio pragmatico prevede: ipotesi conservative sui costi, test su periodi lunghi e diversi regimi, e attenzione alla robustezza (risultati simili al variare leggero dei parametri). Se una strategia funziona solo con un settaggio “chirurgico”, probabilmente non è un vantaggio replicabile.
Infine, anche una strategia ben testata può deludere nel breve. Il valore sta nel processo: definire regole, misurare risultati, capire i rischi e decidere se quel profilo è compatibile con obiettivi e orizzonte temporale. In questo senso il backtesting è uno strumento di disciplina: riduce l’improvvisazione e rende più trasparente la relazione tra rischio assunto e rendimento atteso.
Le informazioni riportate hanno finalità esclusivamente informative e non costituiscono consulenza finanziaria, sollecitazione al pubblico risparmio o raccomandazione di investimento; prima di operare è opportuno valutare il proprio profilo di rischio e consultare un professionista abilitato.