Walk Forward Efficiency è il rapporto “qualità” del test per determinare la robustezza della strategia. Si calcola semplicemente dividendo il rendimento annualizzato del periodo fuori campione (OOS) per il rendimento annualizzato del campione ottimizzato (IS). Logico, poiché questi 2 periodi non hanno la stessa durata, dobbiamo poterli confrontare insieme, quindi annualizziamo le loro prestazioni. In questo caso, se la WFE (efficienza Walk Forward in francese…) è maggiore del 50%, consideriamo che l’ottimizzazione ha avuto successo, poiché la performance della strategia durante la durata fuori campione è stata almeno del 50% verso la nostra ottimizzazione.
Più grande è, meglio sarebbe ovviamente. Se fosse stato inferiore, allora senza dubbio l’ottimizzazione sarebbe fallita, l’ottimizzazione avrebbe portato a una “over-optimization”, l’overfit in inglese: siamo troppo adattati a quello che è successo e senza preoccuparci di come la strategia potrebbe comportarsi in futuro . È qui che entra in gioco l’interesse di questa modalità di ottimizzazione. Tieni presente che l’analisi Walk Forward non trasformerà una strategia errata e eccessivamente ottimizzata in una strategia migliore e meno ottimizzata. È uno strumento che ci permette di trarre noi stessi le conclusioni.
Nel Walk Forward abbiamo diverse occorrenze, che ci permettono di simulare il trading ‘in tempo reale’ della strategia più volte di seguito durante l’intera durata della nostra storia. Potremmo farlo solo una volta (1 singola occorrenza), ma avremmo un solo periodo di convalida. Moltiplicando le occorrenze, abbiamo più periodi di validazione, permettendoci di verificare se hanno un buon WFE.
Quanti più eventi verificano una buona WFE, tanto più è probabile che avremo trovato una strategia solida. Ogni occorrenza è un’ottimizzazione a sé stante. Avere diverse occorrenze valide ci permette di conoscere in anticipo la durata appropriata durante la quale possiamo negoziare la strategia senza riottimizzarla (periodo fuori campione = Fuori campione). Una volta trascorso questo periodo, ottimizziamo nuovamente per la stessa durata del campione.
Vedi questo argomento: https://www.prorealcode.com/blog/learning/prorealtime-walk-analysis-tool/
.
.
