Betyder en profitabel backtest, at en strategi vil tjene penge?

Nej. En backtest beskriver historisk adfærd under specifikke antagelser; den garanterer ikke fremtidige resultater. Stærk tidligere præstation kan stamme fra overfitting, udeladte omkostninger eller et markedsregime, der ikke længere findes, og resultaterne er ofte meget værre i live-handel.

Hvad er overfitting med enkle ord?

Overfitting er, når en strategi er tunet så tæt til ét datasæt, at den udenadslærer tilfældig støj i stedet for et reelt mønster. Sådanne strategier ser fremragende ud på de data, de blev tilpasset til, og falder typisk fra hinanden på nye data eller i reel handel.

Hvordan forsøger man at reducere overfitting?

Almindelige metoder omfatter at bruge færre parametre, teste på data, som reglen ikke blev tunet til (uden for stikprøven), tjekke om resultaterne overlever små ændringer i indstillingerne, og medregne realistiske omkostninger og slippage. Disse reducerer risikoen, men eliminerer den aldrig — ingen backtest kan bevise, at en strategi vil virke fremover.

Kan backtesting validere chartmønstre, Fibonacci eller indikatorer som RSI og MACD?

Ikke pålideligt. Disse metoder er subjektive og omstridte, og en backtest kan få dem til at fremstå mere præcise, end de er. Backtesting kan beskrive, hvordan en regel opførte sig historisk, men den kan ikke forvandle en omstridt metode til en pålidelig forudsiger af prisen.

Er backtesting så ubrugeligt?

Nej. Brugt ærligt er det værdifuldt til at forstå en regels adfærd, måle historiske fald, tjekke følsomhed over for antagelser og eliminere skrøbelige idéer. Faren er at behandle det som bevis på fremtidig profit i stedet for som et diagnostisk værktøj.

Hvordan forholder BIKENZO sig til backtesting?

BIKENZO er en Bitcoin-data- og analyseterminal, ikke en mægler, børs eller backtesting-motor. Den kan give markedsdata-kontekst såsom likviditet i forhold til BTC-prisen, hvilket kan hjælpe dig med at fortolke historiske bevægelser — men den laver ingen forudsigelser og tilbyder ingen handelssignaler.

Backtesting: hvad det kan vise, og hvordan det vildleder

Backtesting kører en handelsregel mod historiske data for at se, hvordan den ville have opført sig, men en flot backtest forudsiger ikke fremtidige resultater — overfitting og skjulte bias får rutinemæssigt strategier til at se langt bedre ud på papiret, end de præsterer i virkeligheden.

Backtesting er praksissen med at tage et defineret sæt handelsregler og anvende dem på tidligere prisdata for at måle, hvordan reglerne ville have præsteret. Det er et af de mest almindelige værktøjer i kvantitativ og diskretionær handel, og det kan være reelt nyttigt til at forstå en strategis adfærd. Det er også et af de nemmeste værktøjer at narre sig selv med. Denne artikel forklarer i almindeligt sprog, hvad en backtest faktisk måler, hvor dens resultater kommer fra, og de specifikke måder — frem for alt overfitting — hvorpå en backtest kan vildlede. Intet her er handelsrådgivning eller en anbefaling; det er baggrund, så du kan læse backtest-resultater med passende skepsis.

Hvad backtesting egentlig er

En backtest tager et fast regelsæt — for eksempel en indgangsbetingelse, en udgangsbetingelse og en positionsstørrelse — og afspiller det over et historisk datasæt såsom tidligere Bitcoin-priser (BTC). Den registrerer, hvilke handler reglen ville have genereret, og producerer statistikker som samlet afkast, andel af vindende handler, maksimalt fald (drawdown) og antallet af handler.

Grundidéen er enkel: hvis en regel ikke havde nogen brugbar struktur, burde den ikke opføre sig bedre end tilfældigt på tidligere data. Backtesting er en måde at inspicere en regels historiske adfærd på en målbar, gentagelig måde i stedet for at stole på hukommelse eller intuition om, „hvad der plejer at ske“.

Hvad en backtest legitimt kan vise

En backtest er mest troværdig som et beskrivende og diagnostisk værktøj snarere end et forudsigende. Den kan afsløre, hvor ofte en regel ville have handlet, hvor stort dens værste historiske fald var, hvor følsomme resultaterne er over for omkostninger, og om logikken overhovedet kører uden fejl.

Den er også nyttig til eliminering. En regel, der præsterede dårligt på tværs af en lang, varieret historik — eller som kun virkede i én snæver periode — har tydeligvis ikke demonstreret robusthed. At udelukke idéer er ofte en mere ærlig brug af backtesting end at forsøge at bekræfte, at en yndlingsidé „virker“.

Overfitting: den centrale fælde

Overfitting sker, når en strategi er tunet så tæt til særhederne ved ét historisk datasæt, at den fanger støj i stedet for et holdbart mønster. Hvis du tester hundredvis af parameterkombinationer og beholder den med det bedste tidligere afkast, har du højst sandsynligt selekteret for held, ikke dygtighed — en eller anden kombination ville altid komme til at se god ud ved et tilfælde.

Advarselstegnene er velkendte: mange justerbare parametre, resultater der bryder sammen, når en indstilling rykkes en anelse, spektakulær præstation koncentreret i nogle få handler, og regler der blev justeret gentagne gange, indtil kapitalkurven så tiltalende ud. En overfittet strategi har tendens til at præstere langt dårligere uden for stikprøven — på data, den ikke blev tunet til — og endnu dårligere i live-handel.

Andre bias, der oppuster backtest-resultater

Overfitting er ikke det eneste problem. Look-ahead-bias bruger information, der ikke ville have været tilgængelig på handelstidspunktet. Survivorship-bias tester kun aktiver, der stadig eksisterer, og ignorerer dem, der gik ned. Data-snooping-bias hober sig op, når mange mennesker tester mange idéer på den samme historik, og kun vinderne bliver rapporteret.

Praktiske friktioner er også nemme at udelade. Handelsomkostninger, gebyrer, slippage, spreads, funding og vanskeligheden ved at få store ordrer udfyldt i tynde markeder kan forvandle en regel, der er profitabel på papiret, til en tabsgivende. En backtest, der antager perfekte udfyldelser til ideelle priser, måler et marked, der ikke findes.

Hvorfor en god backtest ikke er en forudsigelse

Selv en omhyggeligt konstrueret, bias-kontrolleret backtest beskriver fortiden under ét bestemt sæt betingelser. Markeder forandrer sig: likviditet, volatilitet, deltagere og regulering skifter alle over tid, og en regel, der passede til ét regime, kan fejle i et andet. Tidligere præstation medfører ingen garanti om fremtiden, og backtests bliver ofte overdrevet.

Derfor er forudsigende handelsmetoder generelt — chartmønstre, Elliott-bølger, Fibonacci-niveauer og tekniske indikatorer som RSI eller MACD — omstridte og subjektive. Backtesting af dem kan få dem til at se præcise ud, men det kan ikke få dem til pålideligt at forudsige priser. Handel er højrisiko, og forskning indikerer konsekvent, at de fleste private handlende taber penge over tid.

At læse markedsdata med kontekst

Fordi backtests kan smigre en strategi, foretrækker nogle også at se på en bredere markedsdata-kontekst frem for kun prisen. BIKENZO er en Bitcoin-data- og analyseterminal, der viser information såsom likviditet i forhold til BTC-prisen; den kontekst kan hjælpe dig med at fortolke, om en historisk bevægelse skete i et dybt, likvidt marked eller et tyndt et.

Dette er kontekst, ikke et signal eller en forudsigelse. BIKENZO fortæller dig ikke, hvad der vil ske, genererer ikke handler og er ikke et sted at handle — det er en linse til at forstå dataene bag prisen. Enhver beslutning, og enhver risiko, forbliver helt din egen.