Ogni volta che apro Twitter, non riconosco più il 90% dei ticker che vengono spinti nel mio feed. A questo punto, suppongo che si tratti di pubblicità a pagamento di spazzatura di livello assoluto. Siete davvero messi così male?

Penso che molte persone fraintendano fondamentalmente l'approccio corretto allo sviluppo della strategia. Credono erroneamente che creare una strategia comporti semplicemente la manipolazione dei parametri all'interno di un insieme di regole e poi fare trading su ciò che i risultati del backtest suggeriscono sia redditizio. Questo approccio all'indietro tratta lo sviluppo della strategia come un esercizio puramente meccanico, scollegato da qualsiasi comprensione del mercato sottostante. Lo so perché sono stato abbastanza ritardato da farlo io stesso, a lungo. Il processo migliore inizia con l'ideazione. Devi prima sviluppare una specifica convinzione o ipotesi di mercato su come si comportano i prezzi in determinate condizioni. Poi procedi a testare questo per determinare se il vantaggio che stai cercando di catturare esiste realmente. Stai essenzialmente cercando di mettere alla prova la tua tesi il più possibile durante il test, perché se non lo fai tu, lo farà il mercato. Questa idea fondamentale si traduce poi nelle regole e nella struttura effettiva della tua strategia, assicurando che ogni componente abbia uno scopo radicato nella logica piuttosto che nell'ottimizzazione casuale dei parametri. Solo dopo questo processo di sviluppo riflessivo potresti scegliere di fare un backtest della tua strategia, anche se questo passaggio finale non è strettamente necessario se la tua idea e implementazione sono solide.

Le persone spesso fraintendono cosa significhi essere "data-driven" nel loro approccio al processo decisionale. Semplicemente incorporare grafici dei prezzi, indicatori o altri punti dati nel proprio processo non garantisce l'eccellenza data-driven; crea solo l'illusione di rigore analitico. La vera sfida sta nel distinguere tra decisioni realmente informate dai dati e quelle che usano i dati solo come abbellimento per strategie mal concepite (ad esempio, battere i parametri abbastanza a lungo fino a quando non si correlano con la tua variabile di output). Il percorso verso un trading autenticamente data-driven richiede di abbracciare la semplicità, le basi logiche e un rigoroso auto-scetticismo. Questo inizia con lo sviluppo di un'idea plausibile che mira a sfruttare un vantaggio identificabile, quindi testando come questa relazione si comporta effettivamente in condizioni reali e misurando ciò che i dati rivelano sulla tua ipotesi. Il passo cruciale implica tentare di falsificare il tuo concetto nel modo più rigoroso possibile, stress-testando la sua robustezza da ogni angolazione concepibile, perché se non sottoponi le tue idee a questo livello di scrutinio, il mercato inevitabilmente lo farà per te.