Ci si può fidare dei pattern chartisti? Bias, limiti e un modo onesto di testarli

Gli articoli su candele, figure o indicatori finiscono quasi sempre con la stessa domanda: funziona? La risposta onesta è più sfumata di un sì o di un no, e richiede di capire perché la nostra percezione dei grafici è ingannevole. Questo articolo presenta i principali bias di interpretazione, gli errori frequenti quando si testa una regola su dati passati e i criteri che permettono di giudicare più seriamente un segnale tecnico. Non dice che l'analisi tecnica sia inutile: dice come leggerla senza ingannare sé stessi.

I bias di percezione

Il bias di retrospettiva. Su un grafico già tracciato, le figure «evidenti» lo sono diventate perché si conosce il seguito. In tempo reale, la stessa forma appare ambigua.
Il bias di conferma. Si notano i casi in cui la figura ha funzionato e si dimenticano quelli in cui è fallita o non si è mai completata.
Il bias di selezione. Gli esempi presentati nei libri o sui social sono scelti perché illustrano bene la figura, non perché sono rappresentativi.
La soggettività del tracciato. Una «neckline» o un «supporto» si colloca in modo diverso a seconda dell'analista.

Il tasso di successo non basta

Una regola che «funziona il 60 % delle volte» può essere perdente, e una regola che funziona solo il 35 % delle volte può essere vincente. Ciò che conta è l'aspettativa di guadagno per operazione:

Aspettativa = (tasso di successo × guadagno medio) − (tasso di insuccesso × perdita media)

Esempio fittizio, prima dei costi. Una regola vince nel 60 % dei casi, con un guadagno medio di 1 € per titolo, e perde nel 40 % dei casi, con una perdita media di 2 €. Aspettativa = 0,60 × 1 − 0,40 × 2 = −0,20 € per titolo: nonostante il 60 % di successi, la regola è perdente. Un'altra regola vince nel 35 % dei casi con un guadagno medio di 3 € e perde nel 65 % dei casi con una perdita media di 1 €: aspettativa = 0,35 × 3 − 0,65 × 1 = +0,40 €. In pratica, questi parametri sono a loro volta stimati con incertezza.

Il rapporto tra guadagno medio e perdita media è dettagliato nella gestione del rischio.

Le insidie di un test su dati passati

Testare una regola su dati storici (un backtest) è utile, ma sono comuni diversi errori:

Il sovra-adattamento (overfitting). A forza di regolare i parametri (periodo di un indicatore, soglia, durata di detenzione) fino a ottenere un buon risultato passato, si finisce per descrivere il rumore anziché un comportamento duraturo. Più parametri ha una regola e più è ottimizzata, meno il suo risultato passato informa sul futuro.
La dimenticanza di costi e slippage. Una regola che realizza molte operazioni può vedere il suo guadagno scomparire una volta contate le commissioni di intermediazione e gli scarti di esecuzione. Veda l'impatto delle commissioni di intermediazione.
Le informazioni dal futuro. Usare, anche per distrazione, un prezzo o un dato che non era noto al momento della decisione (per esempio decidere in base alla chiusura di una seduta, poi supporre un'esecuzione al prezzo di apertura della stessa seduta) falsa il risultato.
Il bias di sopravvivenza nei dati. Testare solo su titoli che esistono ancora oggi esclude quelli scomparsi.
Un campione troppo piccolo. 12 operazioni non dicono quasi nulla: un risultato favorevole può essere dovuto al caso.
L'assenza di un test fuori campione. Si regola una regola su un periodo, poi la si verifica su un altro periodo non usato per regolarla.

Come giudicare un segnale più seriamente

Definire la regola prima di guardare i risultati, con pochi parametri.
Testare su più titoli e più periodi, compresi quelli sfavorevoli.
Contare costi, slippage e calendario di esecuzione, non solo i prezzi.
Guardare l'aspettativa e il caso peggiore (il ribasso massimo subito, cioè il più forte calo storico del risultato simulato), non solo il guadagno totale.
Tenere un periodo di verifica non usato per costruire la regola.
Diffidare di un risultato troppo bello. Un backtest molto lusinghiero è spesso segno di sovra-adattamento o di un errore.

Ciò che il backtest non dice

Anche se ben condotto, un backtest descrive ciò che avrebbe potuto accadere sui dati passati. Un regime di mercato diverso, un cambio di liquidità o di costi può rendere una regola inefficace. I rendimenti passati, simulati o no, non sono indicativi di quelli futuri.

In Earnnest, il backtest applica commissioni e un calendario di esecuzione alle simulazioni e presenta i suoi risultati come simulati (curva di equity simulata), non come una performance ottenuta.

Da ricordare

La nostra lettura dei grafici è sensibile ai bias di retrospettiva, di conferma e di sopravvivenza.
Il tasso di successo non basta: conta l'aspettativa di guadagno.
Un backtest può essere falsato da sovra-adattamento, costi dimenticati, un campione troppo piccolo o dati dal futuro.
Un buon test tiene un periodo di verifica, conta i costi e diffida dei risultati troppo belli.

Questo articolo ha finalità informative ed educative e non costituisce una consulenza in materia di investimenti personalizzata. Le cifre degli esempi sono fittizie e illustrative. Investire comporta un rischio di perdita del capitale. I rendimenti passati, ottenuti o simulati, non sono indicativi di quelli futuri.