Una equity curve troppo bella nel backtest è il primo segnale a cui prestare attenzione, non l’ultimo.
Chi sviluppa strategie sistematiche conosce bene il problema: si ottimizzano i parametri finché il backtest non mostra un profit factor alto, un drawdown contenuto, una equity curve quasi diagonale. Poi la strategia va in live e i risultati non tornano. Il problema quasi sempre non è il mercato che è “cambiato” — è che la strategia era overfittata: adattata così bene ai dati storici da aver smesso di catturare un comportamento reale del mercato.
Cos’è l’overfitting, in pratica
L’overfitting succede quando i parametri di una strategia vengono calibrati troppo precisamente sugli stessi dati su cui poi la si valuta. Con abbastanza gradi di libertà — abbastanza parametri, abbastanza combinazioni testate — si trova sempre una configurazione che funziona benissimo sul passato. Il problema è che quella configurazione ha spesso imparato il rumore specifico di quel dataset, non una logica di mercato che si ripete.
Segnali tipici di una strategia overfittata:
- Un numero di parametri elevato rispetto al numero di trade generati
- Una equity curve troppo regolare, senza fasi di stagnazione realistiche
- Performance che crollano appena si cambia leggermente un parametro (bassa robustezza locale)
- Risultati che peggiorano drasticamente su un periodo out-of-sample mai visto in fase di sviluppo
Perché il backtest da solo non basta
Un singolo backtest su tutto lo storico disponibile non distingue tra una strategia robusta e una overfittata: entrambe possono mostrare la stessa equity curve, perché entrambe sono state ottimizzate sugli stessi identici dati. Serve un modo per testare la strategia su dati che non ha mai visto durante lo sviluppo.
Il principio in-sample / out-of-sample
L’idea di base è semplice: dividere lo storico in due parti. Una parte (in-sample, IS) viene usata per sviluppare e ottimizzare la strategia. L’altra parte (out-of-sample, OOS) resta “nascosta” durante lo sviluppo e viene usata solo alla fine, per verificare se la strategia si comporta in modo simile su dati mai visti.
Se la performance OOS è nettamente peggiore di quella IS, è un segnale forte di overfitting. Se invece le due performance sono ragionevolmente vicine, la strategia sta probabilmente catturando qualcosa di reale e non solo rumore storico.
Il limite di questo approccio base: un solo split IS/OOS dà un solo punto di verifica. Se quel particolare periodo OOS è stato favorevole o sfavorevole per ragioni casuali, la conclusione può essere fuorviante.
Walk-forward analysis: ripetere il test invece di farlo una volta sola
La walk-forward analysis estende il principio IS/OOS facendolo scorrere nel tempo, invece di farlo una volta sola. Si ottimizza la strategia su una finestra di dati, si testa sulla finestra immediatamente successiva, poi si fa scorrere entrambe le finestre in avanti e si ripete il processo. Il risultato è una sequenza di test out-of-sample concatenati, non uno solo.
Questo cambia la natura della verifica: invece di chiedersi “questa strategia ha funzionato in un periodo out-of-sample?”, ci si chiede “questa strategia continua a funzionare quando i suoi parametri vengono ri-ottimizzati periodicamente su dati recenti, mese dopo mese, anno dopo anno?”. È una domanda molto più vicina a come la strategia verrà effettivamente usata in produzione.
Alcuni punti pratici da tenere presente quando si imposta una walk-forward analysis:
- La finestra di ottimizzazione deve essere abbastanza ampia da contenere un numero di trade statisticamente significativo
- La finestra out-of-sample è tipicamente una frazione di quella di ottimizzazione, non un periodo arbitrario
- Servono più finestre concatenate (non una sola) per poter trarre conclusioni affidabili sulla stabilità della strategia nel tempo
- Il confronto va fatto sistematicamente tra performance in-sample e performance out-of-sample di ogni finestra, non solo sul risultato aggregato finale
Cosa NON dice una walk-forward analysis
È importante essere onesti sui limiti. La walk-forward analysis riduce il rischio di overfitting, non lo elimina. Non garantisce risultati futuri: descrive comportamento passato, anche se simulato in modo più realistico rispetto a un singolo backtest. E non sostituisce un giudizio sulla plausibilità economica della strategia: una logica di mercato deve avere senso a prescindere dai numeri, non solo perché supera un test statistico.
Dove si inserisce QANTHOS
QANTHOS automatizza questo processo per chi sviluppa strategie in MultiCharts o TradeStation: gestisce le finestre di walk-forward, il confronto sistematico tra performance in-sample e out-of-sample su ogni finestra, e affianca altri strumenti di validazione (simulazione Monte Carlo, test di robustezza sui parametri) nello stesso flusso di lavoro, senza dover ricostruire tutto a mano in un foglio di calcolo o in uno script separato.
Domande frequenti
Quanti trade servono per una walk-forward analysis affidabile?
Non esiste un numero universale, ma come regola pratica ogni finestra out-of-sample dovrebbe contenere abbastanza trade da avere un minimo di significatività statistica: poche decine di trade per finestra sono generalmente troppo poche per trarre conclusioni solide.
Qual è la differenza tra walk-forward analysis e un semplice test out-of-sample?
Un test out-of-sample singolo verifica la strategia su un solo periodo mai visto. La walk-forward analysis ripete questo test più volte facendo scorrere le finestre nel tempo, dando una sequenza di verifiche invece di una sola.
La walk-forward analysis elimina il rischio di overfitting?
No. Lo riduce sensibilmente rispetto a un singolo backtest ottimizzato, ma non lo elimina: resta possibile costruire una strategia che supera bene anche un test walk-forward per puro caso, specialmente se si sono provate moltissime varianti prima di arrivare a quella “vincente”.
Serve la walk-forward analysis anche per strategie semplici con pochi parametri?
Meno parametri riducono il rischio di overfitting, ma non lo azzerano. È comunque buona pratica verificare la stabilità out-of-sample anche di strategie semplici, specialmente prima di allocare capitale reale.
Questo articolo ha scopo informativo e descrive concetti di validazione statistica di strategie di trading. Non costituisce consulenza finanziaria. Il trading su strumenti finanziari a leva comporta un rischio significativo di perdita.
