Quanti Trade Servono Davvero Prima di Fidarsi di un Backtest

Perché un backtest con poche operazioni ti sta mentendo

Ogni trader ha vissuto questa scena. Backtesti un'idea, ottieni 20 trade, 13 chiudono in verde. Win rate: 65%. Da lì il cervello fa il resto. Smetti di chiederti "funziona davvero?" e inizi a chiederti "quanto lotto ci metto sopra?".

Non è un problema di disciplina, è come è fatto il cervello. Dopo qualche vincita di fila smetti di cercare prove contrarie e inizi a raccogliere solo conferme. Si chiama confirmation bias, e colpisce più forte proprio quando il campione è troppo piccolo per significare qualcosa.

La verità scomoda è che con pochi trade la pura casualità può produrre una sequenza che sembra identica a uno skill vero. Lancia una moneta 20 volte e ogni tanto ti escono 13 teste. Nessuno chiamerebbe quello "un edge sulla moneta". Ma vesti la stessa casualità da strategia di trading e sembra la prova che l'idea funziona.

Un backtest corto non è sbagliato in sé. È semplicemente poco informativo. Il risultato che hai ottenuto è un'estrazione su un ventaglio molto ampio di esiti possibili, e con campioni piccoli quel ventaglio è enorme. Non hai smentito niente e non hai dimostrato niente. Hai solo visto un lancio di dadi.

Cosa dice la statistica: standard error e intervallo di confidenza del win rate

Non ti serve una laurea in statistica, basta l'intuizione. Quando misuri un win rate su un numero limitato di trade, quel numero è una stima, non la verità. La stima ha un margine di errore, e quel margine si restringe man mano che il campione cresce — ma lentamente, e in modo prevedibile.

Lo standard error di un win rate si calcola grosso modo come radice quadrata di (win rate per loss rate, diviso il numero di trade). Prendi una strategia con un win rate reale intorno al 50%. Su 20 trade lo standard error viene circa 11 punti percentuali. Moltiplicalo per due per avere un intervallo di confidenza al 95%, e il tuo "vero" win rate potrebbe stare ovunque tra circa 28% e 72%. Non è un risultato. È un'alzata di spalle.

Porta il campione a 100 trade e lo standard error scende a circa 5 punti, con un range grosso modo tra 40% e 60%. Ancora largo, ma iniziamo a ragionarci sopra. Portalo a 300 trade e il range si stringe a circa 44%-56%. Adesso stai guardando qualcosa su cui puoi effettivamente pianificare.

Nota cosa è successo: per dimezzare il margine di errore non ti servivano il doppio dei trade, te ne servivano quattro volte tanti. È questo il punto che frega la maggior parte dei trader. Il campione non scala in modo lineare con la confidenza. Passare da 20 a 40 trade sposta poco l'ago. Passare da 100 a 300 lo sposta parecchio.

Lo scopo di questo esercizio non è farti calcolare standard error a mano prima di ogni trade. È costruire l'intuizione: con un campione piccolo, il range del "win rate vero" è abbastanza largo da includere sia un edge reale sia una strategia che nel lungo periodo perde soldi. Non puoi ancora distinguere le due cose.

Da dove viene la regola dei 100-200 trade minimi

La regola che gira su gruppi Telegram e forum — "servono almeno 100 trade", a volte "almeno 200" — non è un numero tirato a caso. Nasce dall'osservazione pratica che sotto quota 100 il rumore statistico domina quasi sempre il segnale, per strategie con win rate vicino al 50%. Sopra quota 200, l'intervallo di confidenza inizia a diventare abbastanza stretto da poter dire qualcosa di sensato sul comportamento futuro della strategia.

Ma qui sta il limite di quella regola: è un pavimento, non un traguardo. Passare quota 100 o 200 trade non certifica niente da solo. È la condizione minima perché il numero abbia un senso statistico, non la prova che la strategia sia buona. Se ti fermi lì e dichiari vittoria senza guardare altro — regime di mercato, drawdown, costi di esecuzione — hai solo spostato l'illusione un po' più in là.

Cosa fa alzare (o abbassare) il numero minimo di operazioni necessario

Qui è dove crolla il consiglio generico "ti servono 100 trade". Il numero dipende parecchio dal tipo di strategia che stai testando.

Un win rate vicino al 50% è il caso più difficile da stimare con precisione: la varianza della stima è massima proprio a metà strada, quindi serve più campione. Un win rate estremo — diciamo 80% o 20% — ha una varianza intrinseca più bassa e si stabilizza con meno trade, in termini puramente statistici.

Le strategie trend-following con win rate basso e risk/reward alto — tipo 35% di vincite, payoff 3:1 — portano dietro una varianza enorme nell'ampiezza di ogni singolo risultato, non solo nel fatto che vinci o perdi. Un paio di trade fuori scala o un gruppetto di piccole perdite ravvicinate possono ribaltare tutto il risultato aggregato. Queste strategie tipicamente hanno bisogno di un campione più ampio prima che i risultati si assestino su qualcosa di affidabile.

Lo scalping e le strategie mean-reversion con win rate alto e risk/reward vicino a 1:1 raggiungono una stabilità statistica con meno trade in termini puri di win rate, perché gli esiti sono più raggruppati tra loro. Ma queste strategie sono molto più sensibili a spread, commissioni e slippage: un backtest che ignora questi costi può mostrare un edge che sparisce nel momento in cui aggiungi condizioni di esecuzione reali.

Il numero di trade grezzo, poi, non è la stessa cosa del tempo di osservazione. Una strategia intraday che fa 200 trade in tre settimane ha visto molto meno del mercato di una strategia swing che fa 200 trade in due anni, anche se il conteggio è identico. Infine, un campione piccolo nasconde le code della distribuzione — cioè i drawdown peggiori che semplicemente non si sono ancora manifestati nella finestra che hai testato.

Come backtestare senza illudersi: metodo pratico

Prima di dichiarare che una strategia ha un edge, dividi i dati in due blocchi: in-sample e out-of-sample. Costruisci e ottimizzi la strategia solo sul primo blocco, poi controlla il comportamento sul secondo blocco, mai toccato durante l'ottimizzazione. Se l'edge regge anche su dati che la strategia non ha mai visto, hai qualcosa di più vicino a un segnale reale invece che a un'illusione statistica.

Ancora più utile della quantità grezza di trade è testare su periodi di mercato diversi: un tratto di trend forte, uno laterale, uno ad alta volatilità e uno a bassa volatilità. Una strategia tarata sul trend rialzista del 2021 può sembrare granitica sulla carta e sgretolarsi in un anno laterale e nervoso. La matematica ha confermato il passato. Non ha promesso il futuro.

C'è anche un costo nascosto in come hai ottenuto quel campione. Più parametri regolabili hai — filtri di entrata, regole di uscita, aggiustamenti di sizing — più è probabile che tu abbia fatto overfitting. Una strategia con dodici parametri ottimizzati testata su 300 trade può sembrare eccellente ed essere semplicemente rumore curve-fittato travestito da edge.

Infine, prima di considerare validi i risultati, verifica che il backtest includa condizioni realistiche: spread, slippage e commissioni. Un backtest che li ignora gonfia i risultati, a volte abbastanza da trasformare una strategia in perdita in una vincitrice sulla carta.

Perché il sample size conta ancora di più quando affronti una challenge prop firm

Un backtest fragile non resta un problema teorico: si traduce direttamente in un rischio per operazione mal calibrato nel momento in cui affronti una challenge. Se il tuo win rate stimato è in realtà più basso di quanto il campione piccolo suggeriva, stai probabilmente rischiando troppo per trade rispetto a quello che la strategia può davvero sostenere.

Le regole di drawdown di una challenge amplificano l'effetto di una stima sbagliata. Un meccanismo trailing, dove il pavimento segue l'equity verso l'alto e poi si blocca, non lascia lo stesso margine di manovra che potresti aspettarti da un drawdown statico. Una sequenza negativa che il tuo backtest — troppo corto per catturarla — non aveva mai mostrato può bastare a violare il limite prima del previsto. Vale la pena leggere con calma le regole complete delle challenge e i meccanismi di drawdown prima di scegliere quanto rischiare per trade, proprio perché la meccanica del drawdown cambia quanto spazio ha davvero la varianza della tua strategia per esprimersi.

Osservare come altri trader gestiscono questa fase aiuta. La Live Trading Room per osservare il trading dal vivo è un posto utile per vedere setup ed esecuzioni reali durante la fase di validazione, invece di leggerne solo in teoria.

Checklist pratica prima di fidarti di un backtest

• Hai almeno un centinaio di operazioni indipendenti, non solo un centinaio di barre di prezzo con segnali sovrapposti.
• Hai testato su almeno due regimi di mercato diversi: trend e laterale, alta e bassa volatilità.
• Hai una porzione di dati out-of-sample mai vista durante l'ottimizzazione dei parametri.
• Hai calcolato (o almeno stimato a spanne) l'intervallo di confidenza del tuo win rate, non solo la media secca.
• Hai considerato spread, slippage e commissioni realistici, non un ambiente ideale senza attrito.
• Hai guardato il comportamento della strategia sotto un drawdown trailing, non solo il win rate aggregato.
• Hai fatto un forward test in ambiente simulato, su condizioni di mercato attuali, prima di muovere capitale vero.

Niente di tutto questo sostituisce il giudizio. La matematica ti dice quando hai abbastanza dati per fidarti di un numero. Non sostituisce il test di quel numero contro condizioni reali di esecuzione, né la lettura della avvertenza sui rischi del trading prima di allocare qualsiasi capitale, simulato o meno. Trovi altri approfondimenti simili tra gli altri articoli sul blog FundedVerse.