Gedetailleerdere marktdata kan een strategy-backtest minder betrouwbaar maken. Tickdata levert meer rijen op, maar ook meer manieren om meetdetails te verwarren met kennis over wat je had kunnen verhandelen.
Dat klinkt tegenstrijdig als je ooit hebt gezien hoe een test op basis van bars een stop, een oplopende spread of een korte aanraking van je limietprijs miste. Dat zijn echte problemen. De vraag is of fijnmaziger data die daadwerkelijk oplost, of de simulator alleen een zelfverzekerder verhaal laat vertellen.
Wat kan een backtest zien met tickdata?
Een bar van 1 minuut comprimeert een reeks transacties tot vier prijzen en een totaalvolume. Op basis van alleen de bar kun je meestal niet zien of de high vóór de low kwam, hoelang de prijs dicht bij een van beide extremen bleef, of er op een bepaalde prijs genoeg volume werd verhandeld om je order te ondersteunen.
Trade ticks herstellen de volgorde van gerapporteerde transacties. Quotes voegen de weergegeven bid en ask door de tijd heen toe. Met beide kun je nauwkeurigere vragen stellen over de spread, quoteveranderingen en of een direct verhandelbare order het orderboek tegen een aannemelijke prijs had gekruist.
Maar een trade print is geen positie in de wachtrij. Als je rustende order op een niveau zou zijn terechtgekomen met al 18 BTC ervoor, bewijst een transactie van 0,3 BTC op dat niveau niet dat je order is uitgevoerd. De tape laat zien wat er op de markt gebeurde; meestal vertelt die je niet precies waar je hypothetische order stond.
Wanneer kunnen fijnmaziger data het resultaat verslechteren?
Het eerste risico is ongelijke dekking. Tickarchieven bevatten vaak ontbrekende intervallen, hiaten per handelsplatform, symboolwijzigingen of verschillende bewaartermijnen voor verschillende markten. Een strategie die alleen is getest waar de leverancier een volledige historie heeft, kan ongemerkt veranderen in een strategie voor de activa en perioden die het makkelijkst te meten zijn.
Het tweede risico is timing. Tijdstempels kunnen het tijdstip van een beursgebeurtenis aangeven, het tijdstip waarop de leverancier die ontving of het moment waarop een bestand is samengesteld. Als je simulator gebeurtenissen uit verschillende feeds sorteert alsof hun klokken perfect synchroon lopen, kan hij reageren op een quote voordat die voor je proces beschikbaar was.
Meer rijen maken het ook makkelijker om implementatiefouten te verbergen. Een barstrategie neemt misschien 1 beslissing per minuut. Een tickgestuurde versie kan in die minuut tientallen keren handelen en telkens spread, kosten en marktimpact betalen. Als de simulator ervan uitgaat dat elk signaal tegen de eerstvolgende waargenomen prijs kan worden uitgevoerd, is die precisie alleen maar voor de sier.
De 60 waarnemingen zijn niet automatisch 60 onafhankelijke handelskansen. Ze kunnen allemaal dezelfde veranderende quote beschrijven, en je order kan invloed hebben op wat er nog beschikbaar is om te worden uitgevoerd. Een hoogfrequente simulatie heeft een order- en latentiemodel nodig dat eerlijk met de extra details omgaat.
Wanneer is tickdata de kosten waard?
Begin met de vraag die je met je huidige data niet kunt beantwoorden. Is dat: “Welke kwam eerst, mijn stop of mijn target?”, dan kunnen trade ticks helpen. Is het: “Hoeveel kostte de spread bij instap?”, dan zijn quotedata relevanter. Is het: “Zou mijn passieve order zijn uitgevoerd?”, dan heb je mogelijk dieptegegevens en aannames over de wachtrij nodig; zelfs daarmee kun je de volledige historische wachtrij zelden reconstrueren.
| Onderzoeksvraag | Nuttige data | Wat dit nog altijd niet kan bewijzen |
|---|---|---|
| Werd de ene drempel vóór de andere verhandeld? | Trade ticks | Dat je order op een van beide drempels is uitgevoerd |
| Welke spread heeft een marktorder gekruist? | Quotes van bid en ask met tijdstempels | Dat de weergegeven omvang beschikbaar bleef |
| Zou een passieve order kunnen worden uitgevoerd? | Quotes, dieptegegevens en een wachtrijmodel | Je exacte plek in de live wachtrij |
Voor een dagelijks signaal dat weken wordt aangehouden, zijn bars van 1 minuut misschien al fijner dan het besluitvormingsproces vereist. Voor een strategie waarvan de edge afhangt van uitvoering binnen seconden, kunnen bars juist het effect uitwissen dat je onderzoekt. Stem de dataresolutie af op de beslissings- en uitvoeringshorizon van de strategie.
Hoe weet ik of de extra details hebben geholpen?
Houd de strategie en de testperiode vast. Vergelijk de versies op basis van bars en fijnmaziger data zo veel mogelijk voor dezelfde beslissingen. Volg veranderingen in uitvoeringen, omzet, betaalde spread, kosten en marktimpact, naast rendement en risicostatistieken. Stijgt de Sharpe terwijl het aantal transacties verdrievoudigt en het uitvoeringsmodel nog steeds uitvoert tegen de eerstvolgende print, dan is reden voor argwaan.
Maak de fijnmazige data vervolgens bewust slechter. Laat een klein willekeurig deel van de gebeurtenissen weg, voeg realistische feedvertraging toe en verhoog de veronderstelde spread of marktimpact. Een resultaat dat al na enkele milliseconden vertraging instort, kan voortkomen uit de volgorde waarin de simulator gebeurtenissen verwerkt, en niet uit een duurzaam kenmerk van de strategie.
Op een middag heb ik ooit een spectaculaire verbetering teruggeleid naar een feed die een korte reeks prints dubbel had opgenomen. Het model had geleerd op die duplicaten te handelen. Door de extra data leek de bug op een edge.
Critici van bars hebben gelijk dat aggregatie uitvoeringseffecten die van het prijsverloop afhangen kan verbergen. Op basis van alleen OHLC kun je niet bepalen wat er eerst gebeurde als een stop en target binnen dezelfde bar vallen, en momentopnamen van de spread kunnen korte uitschieters missen. Tick- en quotedata kunnen die vragen nauwkeuriger beantwoorden wanneer de feed volledig is en de simulator rekening houdt met de timing van gebeurtenissen.
De praktische norm is eenvoudig: koop meer details alleen wanneer die een beslissing veranderen die je kunt beschrijven, en laat zien welke aannames ervoor zorgen dat die details tot een uitvoering leiden. Anders heb je een grotere dataset en een backtest die er preciezer uitziet, maar geen beter bewijs dat de strategie daadwerkelijk had kunnen handelen.
← Alle artikelen


