O modelo de slippage do seu backtest deve errar de propósito

O modelo de slippage mais honesto muitas vezes erra de propósito. Um backtest que informa um custo de execução preciso com base em dados históricos agregados está fazendo uma afirmação que os dados não sustentam.

Isso parece um argumento a favor de premissas grosseiras. É o contrário: use um modelo simples, que você consiga explicar, e depois faça com que ele discorde de si mesmo. Se uma estratégia só funciona sob uma estimativa de execução convenientemente favorável, a incerteza faz parte do resultado.

Por que uma estimativa precisa de slippage pode induzir ao erro?

Suponha que você tenha barras OHLCV de 1 minuto e envie uma ordem a mercado de 2,000 ações. A barra informa a máxima, a mínima, a abertura, o fechamento e o volume total ao longo de 1 minuto. Ela não informa o bid e o ask no momento em que sua ordem chegou, a fila à sua frente, como o volume se distribuiu durante o minuto nem quanto desse volume sua ordem teria consumido.

Ainda assim, você pode atribuir um valor ao slippage. Pode simular a execução na abertura da barra seguinte mais um custo fixo em pontos-base, ou escalar o custo de acordo com o tamanho da ordem dividido pelo volume da barra. São aproximações úteis. Não são observações. Apresentar o resultado como “slippage: 3.2 pontos-base” faz uma escolha de modelo parecer uma medição.

Em um exemplo prático, uma estratégia negocia $20,000 por ordem em uma ação cujo volume na barra seguinte é $400,000. Sua taxa de participação é 5%. Um modelo que cobra 2 pontos-base custa $4 por ordem; um modelo que cobra 10 pontos-base custa $20. Em 500 operações completas de compra e venda, essa diferença chega a $16,000, antes das comissões. Se o lucro bruto do backtest da estratégia é $18,000, a premissa de execução tem quase tanta influência quanto o sinal.

Crie uma faixa que reflita o que seus dados conseguem mostrar

Comece com uma referência que corresponda ao tipo de ordem da estratégia e à resolução dos dados. Uma ordem a mercado exige spread e impacto. Uma ordem limitada exige uma regra para determinar se ela é executada; presumir que toda cotação tocada resulta em execução é outro erro de modelagem da execução.

Depois, rode o mesmo backtest com um pequeno conjunto de cenários explícitos. Mantenha fixos o sinal, o dimensionamento e os horários para poder atribuir as mudanças à execução:

Esses cenários não são intervalos de confiança, a menos que você os tenha calibrado estatisticamente. São testes de cenários. Explique o que significam no relatório e não os transforme em um “slippage esperado” inventado, sem evidências que sustentem as probabilidades.

Faça o modelo reagir à ordem

Uma cobrança fixa em pontos-base pode ser uma primeira aproximação razoável para ordens pequenas. Ela deixa de ser uma boa representação à medida que a participação aumenta. No mínimo, registre o valor financeiro da ordem, o volume disponível na barra e a taxa de participação. Se a estratégia negocia futuros, registre o valor do contrato e as unidades de volume relevantes; se negocia cripto à vista, especifique a moeda de cotação e a plataforma.

Uma curva de impacto simples pode revelar a pressão sobre a capacidade sem fingir reproduzir um livro de ofertas. Por exemplo, defina o custo como uma cobrança de spread de referência mais um componente de impacto que cresce com a raiz quadrada da participação. Ajuste os parâmetros apenas se você tiver dados de execução adequados. Caso contrário, varie os parâmetros e mostre com que rapidez o resultado piora.

E evite que o modelo de execução salve a estratégia em silêncio. Um sinal de compra que chega depois de uma alta acentuada não deve receber o preço mínimo da barra só porque ele aparece dentro do candle. Use uma convenção de execução causal, depois aplique estresse ao preço e atrase a execução. Se uma ordem atrasada perder o movimento, esse é um resultado de execução, não um incômodo a ser suavizado.

Use paper trading para estreitar a faixa

O paper trading não revela o preço de execução que você teria recebido em um mecanismo de casamento de ordens ao vivo. Ainda assim, pode indicar se o fluxo de ordens do backtest se parece com as decisões reais do sistema: quando as ordens são geradas, qual é o tamanho delas e por quanto tempo continuam válidas.

Compare o preço simulado da ordem com as cotações do mesmo momento ou com os dados de mercado que seu sistema de paper trading registra. Acompanhe a diferença por instrumento, horário do dia, tamanho da ordem e tipo de ordem. Essas observações podem refinar as premissas para aquela configuração. Elas não se aplicam automaticamente a outra plataforma, regime de mercado ou ordem maior.

Os críticos têm razão ao dizer que cenários pessimistas podem ser arbitrários. Um modelo deliberadamente severo pode rejeitar uma estratégia viável, assim como um cenário favorável pode fazer uma estratégia fraca parecer melhor. Portanto, não trate o cenário mais severo como verdade. Publique as premissas, mostre a sensibilidade e colete os dados necessários para substituir palpites por estimativas calibradas.

Um backtest não consegue saber a posição histórica na fila com base em um candle. Ele pode mostrar se a ideia ainda parece coerente quando a execução piora de maneiras que seus dados não conseguem descartar. Essa resposta é mais útil do que uma casa decimal.