21 Novembre 2026 · ricerca

Una strategia migliore può sembrare peggiore con più dati

Una strategia migliore può sembrare peggiore con più dati

Dati di mercato più granulari possono rendere meno affidabile il backtest di una strategia. I dati tick forniscono più righe, ma anche più occasioni per scambiare il dettaglio della misurazione per conoscenza di ciò che avresti potuto negoziare.

Può sembrare controintuitivo se hai mai visto un test basato su barre non rilevare uno stop, un allargamento dello spread o un breve passaggio sul tuo prezzo limite. Sono problemi reali. La domanda è se i dati più granulari li risolvono davvero o permettono soltanto al simulatore di raccontare una storia più convincente.

Che cosa permettono di vedere i dati tick in un backtest?

Una barra di 1 minuto comprime una sequenza di operazioni in quattro prezzi e un volume totale. Dalla sola barra, di solito non puoi capire se il massimo è stato raggiunto prima del minimo, quanto a lungo il prezzo è rimasto vicino a uno dei due estremi o se a un certo prezzo è stato negoziato un volume sufficiente a eseguire il tuo ordine.

I tick delle operazioni ripristinano la sequenza delle transazioni segnalate. Le quotazioni aggiungono nel tempo il bid e l’ask visualizzati. Con entrambi, puoi porti domande più precise sullo spread, sulle variazioni delle quotazioni e sulla possibilità che un ordine eseguibile abbia attraversato il book a un prezzo plausibile.

Ma una transazione registrata non ti dice qual è la tua posizione in coda. Se il tuo ordine pendente si fosse aggiunto a un livello con 18 BTC già davanti, vedere 0.3 BTC scambiati a quel prezzo non dimostra che il tuo ordine sarebbe stato eseguito. Il flusso degli scambi ti dice cosa è successo sul mercato; raramente ti dice esattamente dove si sarebbe trovato il tuo ordine ipotetico.

In che modo dati più granulari possono peggiorare il risultato?

Il primo rischio è una copertura disomogenea. Gli archivi tick spesso presentano intervalli mancanti, lacune nei dati delle piattaforme, cambi di simbolo o periodi di conservazione diversi da un mercato all’altro. Una strategia testata soltanto dove il fornitore dispone di uno storico completo può trasformarsi senza che te ne accorga in una strategia per gli asset e i periodi più facili da misurare.

Il secondo rischio riguarda i tempi. I timestamp possono indicare l’ora dell’evento sulla piattaforma, quella di ricezione da parte del fornitore o il momento in cui è stato assemblato un file. Se il simulatore ordina eventi provenienti da feed diversi come se i loro orologi fossero perfettamente sincronizzati, può reagire a una quotazione prima che questa fosse disponibile al tuo processo.

Inoltre, un maggior numero di righe rende più facile nascondere gli errori di implementazione. Una strategia su barre può prendere una decisione al minuto. Una versione guidata dai tick può eseguire decine di operazioni in quello stesso minuto, pagando ogni volta spread, commissioni e impatto sul mercato. Se il simulatore presume che ogni segnale possa essere eseguito al prezzo osservato successivamente, la sua precisione è solo apparente.

60osservazioni al secondo in un minuto
1barra di un minuto con il riepilogo dello stesso intervallo

Le 60 osservazioni non equivalgono automaticamente a 60 occasioni indipendenti per negoziare. Potrebbero descrivere tutte la stessa quotazione in evoluzione, e il tuo ordine può influire sulla disponibilità dei volumi da eseguire. Una simulazione ad alta frequenza ha bisogno di un modello di ordini e latenza che usi onestamente il dettaglio aggiuntivo.

Quando vale la pena sostenere il costo dei dati tick?

Parti dalla domanda a cui non riesci a rispondere con i dati che hai. Se ti chiedi «quale è stato raggiunto prima, il mio stop o il mio target?», i tick delle operazioni possono aiutarti. Se vuoi sapere «quanto mi è costato lo spread all’ingresso?», sono più pertinenti i dati delle quotazioni. Se ti chiedi «il mio ordine passivo sarebbe stato eseguito?», potresti aver bisogno della profondità e di ipotesi sulla coda, ma neanche così di solito è possibile ricostruire per intero la coda storica.

Domanda di ricercaDati utiliChe cosa non possono comunque dimostrare
Una soglia è stata raggiunta prima di un’altra?Tick delle operazioniChe il tuo ordine sia stato eseguito a una delle due soglie
Quale spread ha attraversato un ordine a mercato?Quotazioni bid e ask con timestampChe i volumi visualizzati fossero ancora disponibili
Un ordine passivo avrebbe potuto essere eseguito?Quotazioni, profondità e modello della codaLa tua posizione esatta nella coda in tempo reale

Per un segnale giornaliero mantenuto per settimane, le barre di 1 minuto potrebbero già avere una granularità superiore a quella necessaria al processo decisionale. Per una strategia il cui vantaggio dipende dall’esecuzione nell’arco di secondi, le barre possono cancellare proprio l’effetto che stai studiando. Adegua la risoluzione dei dati all’orizzonte decisionale e di esecuzione della strategia.

Come faccio a capire se il dettaglio aggiuntivo è servito?

Mantieni invariati la strategia e il periodo di test. Quando possibile, confronta le versioni basate su barre e su dati più granulari prendendo in esame le stesse decisioni. Oltre al rendimento e alle statistiche di rischio, monitora le variazioni nelle esecuzioni, nel turnover, nello spread pagato, nelle commissioni e nell’impatto sul mercato. Se lo Sharpe aumenta mentre il numero di operazioni triplica e il modello di esecuzione continua a eseguire al tick successivo, l’apparente miglioramento merita di essere messo in dubbio.

Poi degrada deliberatamente i dati granulari. Elimina una piccola quota casuale di eventi, aggiungi un ritardo realistico del feed e aumenta lo spread o l’impatto ipotizzati. Un risultato che crolla dopo pochi millisecondi di ritardo potrebbe dipendere dall’ordine degli eventi nel simulatore, non da una caratteristica durevole della strategia.

Una volta ho passato un pomeriggio a ricondurre un miglioramento spettacolare a un feed che aveva duplicato una breve raffica di transazioni registrate. Il modello aveva imparato a negoziare sulle copie. Più dati avevano fatto sembrare il bug un vantaggio.

Chi critica le barre ha ragione: l’aggregazione può nascondere esecuzioni dipendenti dal percorso del prezzo. Se stop e target vengono raggiunti nella stessa barra, il solo OHLC non permette di stabilire l’ordine; inoltre, le rilevazioni puntuali dello spread possono non cogliere dislocazioni brevi. I dati tick e delle quotazioni possono rispondere a queste domande in modo più fedele, se il feed è completo e il simulatore rispetta la tempistica degli eventi.

Il criterio pratico è semplice: acquista più dettaglio solo quando cambia una decisione che sai descrivere, e mostra quali ipotesi permettono di tradurlo in un’esecuzione. Altrimenti hai un dataset più ampio e un backtest dall’aspetto più preciso, ma nessuna prova migliore che la strategia potesse davvero negoziare.

ingegneria dei datibacktestingmicrostruttura del mercatoricerca sulle strategie
← Tutti gli articoli