Dati e costi
Utilizzare dati di alta qualità relativi ai periodi richiesti dalla strategia di copertura, includendo ipotesi relative a spread variabili, commissioni, slippage e interessi overnight.
Dati in campione e fuori campione
L'ottimizzazione dei parametri utilizza solo i dati in-sample, per poi essere verificata su intervalli out-of-sample non utilizzati nell'ottimizzazione. Anche la verifica ripetuta dei risultati out-of-sample può causare una perdita di informazioni.
Verifica di robustezza
Modificare i costi, le date di inizio e fine e il vicinato dei parametri per verificare se i risultati rimangono ragionevoli. Un rendimento eccellente in un unico punto dei parametri è solitamente un segnale di allarme.
Le condizioni di test devono essere riproducibili
Registrare la fonte dei dati, l’intervallo temporale, la qualità della modellizzazione, lo spread, le commissioni, lo slippage, gli interessi overnight, la leva finanziaria, il capitale iniziale e la versione dei parametri. Mostrare solo gli anni migliori può nascondere problemi quali perdite consecutive o l’inefficacia dopo il cambio di mercato.
Rilevare il sovradattamento
Suddividere il campione in periodo di addestramento e periodo fuori campione; modificare i parametri e le ipotesi sui costi per verificare se i risultati rimangono entro limiti accettabili. Se una variazione anche minima dei parametri comporta il passaggio da un risultato in profitto a una perdita ingente, la strategia non è sufficientemente stabile.
Un processo che non dipenda eccessivamente dai parametri ottimali
Riservare innanzitutto un intervallo fuori campione che non sia mai stato utilizzato per la regolazione dei parametri, quindi effettuare test con diverse ipotesi relative a spread, slippage e commissioni. Regolare i parametri chiave con variazioni comprese tra il 10% e il 20% in più o in meno, osservando se il drawdown, il numero di operazioni e la struttura dei profitti e delle perdite rimangono stabili.Successivamente, effettuare una suddivisione per anno e per diverse fasi di volatilità, per evitare che il risultato complessivo sia influenzato da un singolo anno.
Ad esempio, se una determinata combinazione di parametri genera profitti durante il periodo di addestramento, ma un aumento dello spread di 0,5 punti o una variazione del 5% dello stop loss comporta perdite ingenti, si tratta più di un adattamento della curva che di un vantaggio stabile. Il rapporto di test deve includere anche i risultati negativi, la versione del software, la fonte dei dati e il seme casuale. Il backtest storico può solo aiutare a escludere le soluzioni instabili, ma non può garantire i rendimenti nel trading reale.
Passaggio dai test tecnici al trading reale controllato
La sequenza di valutazione di un EA dovrebbe essere la seguente: sicurezza dei file e delle autorizzazioni, comprensione della logica e dei parametri, backtest riproducibili, esecuzione in ambiente simulato, esecuzione reale su scala minima e, infine, la decisione sull’eventuale estensione dell’utilizzo.Per ogni fase occorre definire criteri di superamento, ad esempio: assenza di errori critici nei log, coerenza tra ordini e regole, ipotesi di costo ragionevoli e nessuna ripetizione degli ordini in caso di interruzione della connessione. Non è possibile saltare le fasi intermedie solo perché un determinato periodo di backtest ha registrato rendimenti elevati.
La verifica sul conto reale deve concentrarsi sui fattori difficili da riprodurre nei backtest: ora del server, suffissi dei prodotti, picchi improvvisi dello spread, slippage nell’esecuzione, interruzioni di rete, riavvio del VPS e anomalie del servizio di autorizzazione.Impostare innanzitutto le condizioni relative alla perdita giornaliera a livello di conto, alla posizione massima e all’interruzione manuale, verificando periodicamente la versione e i parametri dell’EA. Il trading automatico riduce le operazioni manuali, ma non il rischio di mercato, né implica che non sia necessaria una supervisione continua.
Quando si applica la “Guida al backtest degli EA: identificazione del sovradattamento e della distorsione dei dati”, sostituire i numeri dell’esempio con le condizioni del proprio conto e annotare nei registri la fonte dei dati, la data di osservazione e le ipotesi non ancora confermate. In questo modo, anche in caso di modifiche alle regole, alle quotazioni o alle pagine della piattaforma, sarà possibile verificare a posteriori se le conclusioni sono ancora valide.
La presente guida affronta questioni relative all’organizzazione delle informazioni e al controllo dei rischi; non sostituisce l’utente nella scelta del broker, nella determinazione della direzione di trading né garantisce i risultati della strategia. I campi non verificabili tramite documenti ufficiali devono essere lasciati come “sconosciuti” e verificati presso il fornitore di servizi corrispondente prima di intraprendere qualsiasi azione.
Domande frequenti
Più lungo è il periodo del backtest, meglio è?
Un periodo più lungo è utile, ma la qualità dei dati e i cambiamenti nella struttura del mercato sono altrettanto importanti.
Un alto tasso di successo è sinonimo di solidità?
Non necessariamente; occorre considerare anche il rapporto profitti/perdite, il rischio di coda e il drawdown massimo.
Cosa si tende a trascurare più facilmente nell'uso pratico?
Dividere il campione in fase di addestramento e fase di test su dati non visti, modificare i parametri e le ipotesi sui costi, e osservare se i risultati rimangono entro limiti accettabili. Se una minima variazione dei parametri fa passare da un risultato in profitto a una perdita ingente, la strategia non è sufficientemente stabile.
Fonte
MQL5 Strategy Tester Verificato il 17/08/2026 Guida ufficiale di MetaTrader 5 Verificato il 17/08/2026