Cos\u2019\u00e8 la Walk Forward Analysis<\/h2>\n
Letteralmente l\u2019espressione \u201cWalk Forward Analysis\u201d (WFA)<\/strong> significa \u201canalisi del cammino in avanti\u201d.\u00a0<\/p>\n Si tratta di una procedura che consiste nel testare una strategia di trading trovando i suoi parametri ottimali<\/strong> in un determinato periodo di tempo, chiamato \u201cin-sample<\/strong>\u201d, e verificando la performance di tali parametri nel periodo successivo, detto \u201cout-of-sample<\/strong>\u201d.<\/p>\n L\u2019obiettivo della WFA \u00e8 quello di determinare se la performance in sample<\/em> di un trading system sia il risultato di un sistema di trading robusto al punto da essere profittevole anche nei periodi successivi all\u2019ottimizzazione.<\/strong><\/p>\n Per fare un esempio, potremmo immaginare la WFA come l\u2019analisi dei periodi di allenamento di un maratoneta. Durante gli allenamenti, possiamo analizzare le performance in base a precisi parametri, ad esempio la velocit\u00e0, la resistenza, lo scatto etc.<\/p>\n Grazie ai risultati delle performance ottenuti in fase di allenamento, possiamo capire se l\u2019atleta \u00e8 pronto o meno alla gara e possiamo, in qualche modo, prevedere i suoi risultati futuri.<\/p>\n Il problema \u00e8 che talvolta le performance reali di un trading system sono diverse da quelle registrate in fase di ottimizzazione, proprio come i risultati durante una gara possono essere diversi da quelli ottenuti in fase di allenamento.<\/p>\n La WFA si usa per valutare la robustezza di un trading system<\/strong>.<\/p>\n Per farlo, si esegue l’ottimizzazione di precisi parametri su un intervallo di tempo in sample<\/em><\/strong> e, successivamente, si verifica il comportamento del sistema out of sample<\/em><\/strong>, ossia nell\u2019intervallo successivo all\u2019ottimizzazione.<\/p>\n Ogni coppia formata dall\u2019ottimizzazione dei dati\u00a0in sample<\/em> e la verifica out of sample<\/em>, rappresenta il cos\u00ec detto \u201cWalk Forward Test\u201d (WFT<\/strong>). L\u2019unione di tutti i WFT sino al dato storico pi\u00f9 recente, costituisce la\u00a0Walk Forward Analysis.<\/p>\n Dal punto di vista pratico, per effettuare la Walk Forward Analysis occorre:<\/p>\n Raccogliere i dati essenziali (ad esempio prezzo, volatilit\u00e0 etc.) relativi al mercato di interesse in un determinato arco temporale.<\/p>\n<\/li>\n Dividere l\u2019intervallo temporale in precisi segmenti, dette \u201cfinestre temporali<\/strong>\u201d.<\/p>\n<\/li>\n Effettuare la prima ottimizzazione in sample<\/em><\/strong> sul segmento temporale pi\u00f9 lontano per trovare i parametri migliori.<\/p>\n<\/li>\n Testare tali parametri out of sample<\/em><\/strong> nel periodo successivo.<\/p>\n<\/li>\n Ripetere l\u2019operazione (ottimizzazione in sample<\/em> e verifica out of sample<\/em>) sino ad arrivare al dato pi\u00f9 recente.<\/p>\n<\/li>\n<\/ul>\n Esistono dei software che permettono di utilizzare diversi parametri come il net profit<\/strong>, il drawdown<\/strong>, l\u2019average trade<\/strong> ed il profit factor<\/strong>. Alcuni software, inoltre, consentono addirittura di costruire parametri personalizzati.<\/p>\n Quanto pi\u00f9 i dati out of sample<\/em> saranno simili a quelli ottenuti nei periodi in sample<\/em> e tanto pi\u00f9 il trading system potr\u00e0 essere considerato robusto.<\/p>\n Esistono due tipi di WFA:<\/p>\n \u201cAncorata<\/strong>“: la finestra temporale in sample<\/em>\u00a0parte sempre dall’inizio della serie storica dei dati\u00a0e aumenta progressivamente<\/p>\n<\/li>\n “A finestre mobili<\/strong>“: la finestra temporale in sample ha sempre la stessa durata e ogni finestra inizia quanto termina la precedente.<\/p>\n<\/li>\n<\/ul>\n Generalmente, per chi opera su barre settimanali \u00e8 consigliabile la WFA ancorata in modo da avere una serie storica di dati abbastanza significativa. Per i modelli di trading intraday, invece, \u00e8 pi\u00f9 adatta la WFA\u00a0rolling o \u201ca finestre mobili<\/strong>\u201d.<\/em><\/p>\n Quest\u2019ultimo metodo, inoltre, rispetta meglio la logica della WFA di utilizzare ci\u00f2 che funziona maggiormente nell\u2019ultimo periodo, mentre la WFA ancorata fa riferimento all\u2019intero storico.<\/p>\n In entrambi i casi, \u00e8 importante che la dimensione dei dati in sample<\/em> <\/strong>sia sufficientemente ampia e accurata per poter prevedere il comportamento del sistema nel periodo out of sample<\/em> ma non eccessivamente grande da incorporare troppo rumore o falsi segnali.<\/p>\n Il principale criterio utilizzato nella\u00a0WFA\u00a0per valutare l\u2019ottimizzazione di un trading system \u00e8 il\u00a0criterio di efficienza<\/strong>, <\/em>detto\u00a0Walk Forward Efficiency\u00a0(WFE).<\/strong><\/p>\n La <\/em><\/strong>WFE \u00e8 pari al rapporto tra il profitto annualizzato del rendimento out of sample<\/em> e quello in sample.<\/em><\/strong><\/p>\n Un trading system ha buone possibilit\u00e0 di essere profittevole quando la WFE \u00e8 maggiore del 50-60%. Quando, invece, la WFE \u00e8 bassa, il trading system \u00e8 in\u00a0overfitting<\/strong>.<\/p>\n Oltre al profitto, \u00e8 importante valutare il comportamento di un trading system nei test\u00a0out of sample<\/em>\u00a0anche in termini di drawdown, profit factor ed average trade.<\/p>\n L’overfitting\u00a0\u00e8, letteralmente, “l\u2019eccessivo adattamento” di un trading system ai dati del passato<\/strong> e rappresenta uno degli errori principali in cui pu\u00f2 incappare un trader, specialmente agli inizi.<\/p>\nCome funziona la Walk Forward Analysis<\/h2>\n
\n
Tipologie di Walk Forward Analysis<\/h2>\n
\n
![\"walk](\"\/it\/wp-content\/uploads\/walk-forward-2.png\")
<\/p>\nWFA e il criterio di efficienza<\/h2>\n
Il rischio dell\u2019overfitting<\/h2>\n