I nove bias che Fincanva ti aiuta a evitare

Come riduce Fincanva il look-ahead bias?

Il look-ahead bias consiste nell'usare, in un test, informazioni che non sarebbero state disponibili nel momento in cui la decisione è stata presa — per esempio agire su un prezzo o su un risultato prima che fosse davvero noto. Un backtest di Fincanva lo contrasta riproducendo le regole della tua strategia in ordine cronologico, usando solo i dati disponibili fino a ciascun istante mentre avanza attraverso lo storico (una riproduzione walk-forward). Arriva fino all'ultima chiusura di mercato disponibile e mai nel futuro, così una decisione in una certa data può basarsi solo su ciò che era noto entro quella data. Vedi Come funziona il backtesting per la riproduzione nel dettaglio.

Come gestisce Fincanva il survivorship bias?

Il survivorship bias consiste nel testare solo sugli strumenti sopravvissuti fino a oggi, ignorando le società fallite, fuse o delistate — cosa che abbellisce i risultati perché i perdenti sono stati rimossi. I dati di Fincanva lo eliminano per costruzione: gli strumenti delistati restano nei dati anziché essere scartati, ogni strumento partecipa solo nell'arco in cui è realmente esistito e l'appartenenza a un indice è risolta alla data simulata, non come si presenta oggi. Resta invece una tua scelta l'universo e il periodo: un elenco di nomi digitato a mano oggi reintroduce il bias qualunque cosa contengano i dati sottostanti.

Come riduce Fincanva il selection bias?

Il selection bias consiste nel trarre conclusioni da un campione di strumenti o periodi non rappresentativo — di solito un sottoinsieme piccolo e favorevole scelto col senno di poi. Fincanva ti permette di testare su un ampio universo di strumenti e su una lunga storia, invece che su una fetta scelta a mano perché sembra buona. Testare le stesse regole su un universo ampio e su un arco lungo rende un risultato più difficile da attribuire a una manciata fortunata di nomi o a un singolo tratto benevolo di mercato.

Come riduce Fincanva l'overfitting?

L'overfitting — detto anche curve-fitting — consiste nel calibrare una strategia così strettamente sui dati passati da catturare rumore anziché un segnale duraturo, così sembra eccellente sullo storico e poi fallisce. In Fincanva sei tu a definire le regole; Fincanva non calibra né ottimizza automaticamente i tuoi parametri per adattarli al passato, quindi un backtest mostra solo cosa avrebbero fatto le tue regole esatte così come dichiarate — lasciandoti il controllo su quanto le tue regole aderiscono allo storico.

Fincanva può evitare il data-snooping bias?

Il data-snooping bias consiste nel provare molte varianti di una strategia finché una non sembra buona per caso, per poi trattare quel risultato fortunato come se fosse segnale vero. Fincanva non lo evita al posto tuo: l'app ti lascia testare liberamente, quindi essere consapevole di quante varianti hai provato — e trattare con cautela un risultato emerso solo dopo molti tentativi — è la disciplina che resta a te. Se esegui decine di varianti e tieni solo quella che sembra migliore, quel risultato può riflettere il caso più che un vantaggio ripetibile — più combinazioni provi, più è probabile che una sembri buona senza una ragione duratura.

Come riduce Fincanva il cherry-picking bias?

Il cherry-picking bias consiste nel riportare solo i risultati favorevoli o i periodi che hanno funzionato, omettendo in silenzio il resto. Un backtest di Fincanva riporta il risultato sull'intero periodo insieme ai suoi drawdown, non solo i tratti andati bene — così è più difficile presentare solo la fetta lusinghiera, dato che la stessa esecuzione mostra tutta la storia, comprese le peggiori cadute dal picco al minimo; vedi drawdown per cosa misurano quelle cadute.

Come riduce Fincanva il confirmation bias?

Il confirmation bias consiste nel vedere ciò che ci si aspettava di vedere, scartando le prove che lo contraddicono. Un backtest di Fincanva applica le stesse regole in modo meccanico su tutta la storia a prescindere da ciò che speravi accadesse, mostrando il risultato completo — comprese le perdite e il drawdown massimo, con cifre principali come il CAGR — anziché solo le parti che confermano la tua idea, dando alle regole la possibilità di darti torto.

Come tiene conto un backtest di Fincanva dei costi di trading e delle imposte?

L'ignorare i costi è il bias di fingere che operare sia gratis — tralasciando i costi e le imposte che un conto reale pagherebbe, cosa che gonfia i risultati. Un backtest di Fincanva può includerli tramite le sue ipotesi di simulazione: sotto Includi puoi attivare Costi e interessi ("Costi di trading, finanziamento e interessi"), Imposte ("Imposte su dividendi e plusvalenze realizzate") e Reinvesti i profitti, così un risultato non è cieco ai costi. Attivarli avvicina un backtest a ciò che un conto reale avrebbe trattenuto al netto di costi e imposte.

Come incide la qualità dei dati su un backtest di Fincanva?

Il bias sulla qualità dei dati si verifica quando le conclusioni sono distorte da dati scarsi, obsoleti o incompleti anziché dalla strategia stessa. Fincanva esegue i backtest su dati di mercato ampi e aggiornati quotidianamente, che coprono molte classi di attività e regioni, e un backtest arriva fino all'ultima chiusura di mercato disponibile. Dati più ampi e attuali su una porzione più grande del mercato lasciano a una strategia meno margine per sembrare buona solo perché i dati alle sue spalle erano scarsi o superati.

I backtest mostrano cosa sarebbe successo — non cosa succederà, e ridurre un bias non equivale a eliminarlo. Fincanva non fornisce consulenza finanziaria — vedi È consulenza finanziaria?.