(questo articolo è stato scritto da Luca Ronzan, Marco Vironda Gambin e Fabio Esposti)
Selection Bias e Survivorship Bias non sono certo concetti confinati nell’ambito del Trading.
portafoglio azionario e trading bias,
Si pensi all’astronomia, dove la visibilità dei corpi celesti dipende dalla loro capacità di emettere o di riflettere luce, e può cambiare drasticamente in diverse condizioni. Non si può che prendere atto che questo problema esiste e cercare nel tempo di sviluppare tecnologie di osservazione che consentano loro di ridurre il gap tra ciò che possono vedere e ciò che esiste.
Il Survivorship Bias è invece l’errore logico che si commette quando, per valutare una situazione, si prendono in considerazione solo gli elementi che hanno superato un determinato processo di selezione, trascurando i restanti.
Funziona così anche nel trading, con la differenza che le tecnologie ci sono, ma i traders in generale (me compreso), credo non abbiano la stessa consapevolezza degli astronomi.
Ora vedremo alcuni esempi di come questi Bias possono influenzare la costruzione di un Portafoglio Azionario,
Se nel nostro mondo di traders sistematici, il termine overfitting ci esce ormai dalle orecchie, molto meno si parla dei due Bias qui sopra.
Chiunque inizi a sviluppare sistemi, dopo un periodo abbastanza breve, sbatte violentemente il muso contro le conseguenze dell’eccessivo adattamento alla serie storica e inizia una lunga e infinita lotta contro questo nemico oscuro.
Durante questa battaglia estenuante è però molto probabile che i nemici più subdoli, che non ci attaccano frontalmente come l’overfitting, pur procurando ingenti e costanti danni, se non altro rispetto alle nostre aspettative, continuino a farlo indisturbati.
I loro missili lanciati da lontano continuano a cadere sulle nostre teste, senza noi capire mai da dove questi partano e chi li lancia.
Spero sia chiara una cosa. Il selection e survivorship bias non sono un problema solo in logiche rotazionali azionarie come quella oggetto di questo e e successivi articoli, ma riguardano anche la scelta di quali sistemi su futures includiamo o escludiamo dalle analisi.
L’analisi.
Il nostro intento è di condividere un’ analisi, da noi fatta, su una nostra strategia trend follower rotazionale su titoli azionari del Nasdaq 100.
Abbiamo indagato in modo diretto l’impatto storico del selection bias e del survivorship bias, di fatto eliminandolo completamente dalla simulazione.
Analisi che io e Marco non saremo mai riusciti a fare senza la collaborazione e le competenze di Fabio Esposti.
Solitamente come si fanno test di questo tipo?
Si prende il Nasdaq 100 di OGGI, si decide quale strategia analizzare, si imposta un criterio rotazionale e si osserva l’andamento storico. Analisi alla portata di tutti, con un certo lavoro e qualche tool di supporto.
Se è chiaro quanto detto nella premessa, dovrebbe essere evidente che effettuare il test sul Nasdaq 100 di oggi è il nostro selection bias. Immaginiamo di impostare una simulazione dal 1990 ai giorni nostri.
Quanti titoli che compongono oggi l’indice erano presenti anche 30 anni orsono? E quanti titoli sono entrati e usciti dall’indice in questo lungo lasso di tempo?
Se non lo sapete ve lo diciamo noi. Solamente una ventina sono ed erano nell’indice e ci sono state circa 400 sostituzioni nella composizione dell’indice in esame.
Con questi numeri dovrebbe essere chiaro che più lo storico in esame è esteso, maggiore è l’effetto distorsivo del bias (presente marcatamente anche nel breve periodo).
Questo rende i dati che ricaviamo sempre meno attendibili man mano che andiamo indietro nel tempo.
Se intendiamo ricavare da queste simulazioni informazioni, quale il rendimento medio atteso e la stima del rischio, sicuramente sovrastimeremo il primo e sottostimeremo il secondo.
Cosa possiamo fare.
A questo punto abbiamo fondamentalmente due opzioni:
- Prendere atto di quanto fin qui detto e, come gli astronomi, sperare che le stime indirette di impatto del bias non siano distruttive per il modello in esame. Non è scontato che tutti lo facciano; molti si limitano a prendere atto che le aspettative di rendimento del modello e il rendimento reale sul mercato sono solo lontanamente parenti, quando e se questo è positivo.
- Costruire una simulazione che elimini il bias, andando a ricostruire la reale composizione dell’indice nel tempo. In questo modo la simulazione che non si porta nel passato alcuna informazione di oggi.
Se ci pensate, non facilissimo da realizzare e per me e Marco, impossibile senza l’aiuto di Fabio, che fra poco ci racconterà come ha costruito le basi per questa analisi .
Non è un punto di arrivo, ma di partenza verso un modo decisamente più evoluto di analizzare i mercati.
Un’analisi di questo tipo punta a:
- fornire una misura dell’impatto del selection bias;
- restituisce numerose informazioni oggettive su come e perché certe dinamiche cambino nel tempo.
Nel terzo e conclusivo articolo sul tema, sarà Marco ad analizzare in dettaglio i risultati di questo test e relative considerazioni.
E’ per me d’obbligo dire che oltre alle capacità tecniche di Fabio, anche Portfolio Builder é una colonna portante per questo tipo di simulazioni, senza il quale, aggregare le informazioni e applicare su queste i criteri rotazionali sarebbe stato un lavoro titanico.
Il punto di partenza.
Concludo questa prima parte dell’articolo, mostrando il punto di partenza, ovvero la simulazione di questa strategia rotazionale applicata al Nasdaq 100 fotografato ad inizio 2021, quindi certamente affetta da selection bias.
La curva azzurra è la strategia rotazionale su base annuale al netto di commissioni e splippage, dal 1999 al 2020 compresi: lavora a lotti fissi (5 titoli azionari sempre in portafoglio) e capitale fisso (10.000$ per ciascun titolo), solo long, su orizzonte temporale di medio periodo, quindi senza ricapitalizzare gli utili. Ogni anno si selezionano dal paniere Nasdaq 100, sulla base di un criterio rotazionale da noi scelto, 5 titoli per poi tenerli in portafoglio i successivi 12 mesi.
La andiamo quindi a comparare con l’andamento di SPY (curva gialla), simulando di aprire e chiudere una posizione su di esso ogni anno, sempre per un controvalore di 50.000$, eliminando l’effetto del reinvestimento all’anno in corso e rendendo quindi la curva comparabile con l’operatività in esame. La nostra strategia rotazione sui titoli del Nasdaq 100 è una strategia di trading, dove gli utili non vengono reinvestiti: non avrebbe quindi senso confrontarla con un buy and hold su Spy che risponderebbe più ad una logica investing, da qui la simulazione di comprare e vendere ogni anno un controvalore pari a quanto investito dalla strategia di trading. Questo rende le due curve, a nostro parere, confrontabili.
Selection Bias e Survivorship Bias, portafoglio azionario e trading bias,
Vista in questo modo, sul lungo periodo, la sensazione che si ha è che il risultato della strategia sia portentoso rispetto a SPY.
Back to the future
Come abbiamo spiegato qui sopra siamo davanti a un rischio di selection bias. Se vogliamo comprendere come questo bias possa o meno impattare le performance della nostra strategia dobbiamo percorrere alcuni step:
- Definire il bias
- Recuperare i dati necessari a individuare il bias
- Verificare l’esistenza del bias nei nostri test
- Preparare i dati
- Creare una procedura di test che ci permetta di escludere/isolare il bias
- Misurare l’impatto del bias sui nostri test
Definire il bias
La nostra ipotesi è che i risultati dei test sulla strategia applicata al Nasdaq 100 siano affetti da selection bias. Stiamo infatti effettuando test sul passato utilizzando come campione dei nostri test non la composizione del listino Nasdaq 100 nel 2000, 2001, 2002 e così via, ma stiamo proiettando nel passato la composizione attuale del 2021. E’ un problema? Non lo sappiamo, per ora questa è solo una ipotesi che va verificata (allo stesso modo in cui si ha un’idea per un trading system e si vuole capire se l’idea sia buona o meno).
Lo base fondamentale per avere test che producano risultati attendibili è: buona qualità della base dati. Senza buoni dati, tutto il lavoro successivo non è affidabile o significativo.
Recuperare i dati
La prima cosa che ho fatto è stata cercare su Google più informazioni sulla composizione del listino Nasdaq. Wikipedia ha una pagina con i dettagli di tutti i cambiamenti avvenuti nel listino dal 2008 ad oggi. Purtroppo la lista è testuale, non contiene i ticker e sarebbe molto oneroso trasformare tutto in una tabella che possa essere letta da un software. Ho quindi continuato la ricerca e ho trovato alcuni siti che offrono (a pagamento) tutti i cambiamenti e la composizione per anno del listino in formato csv.
Dopo qualche scambio di email con alcuni fornitori ho scelto la soluzione che mi sembrava meglio strutturata e affidabile e ho pagato $100.
Selection Bias e Survivorship Bias,
Ho menzionato il costo perché mi sembra importante fare una considerazione: la qualità dei dati è la base di tutto, senza questa qualunque altra analisi che farete usando dati non di qualità sarà fallace. I soldi per acquistare dati non si spendono, si investono con un ritorno dell’investimento quasi sempre positivo.
Verificare l’esistenza del selection bias
Lo step di verifica è fondamentale per evitare di perdere tempo prezioso. Esiste un modo veloce per fare una verifica empirica sull’esistenza o meno del bias? Perchè se con la prova empirica mi dovessi accorgere che questo bias non esiste, non ha senso continuare con tutta l’analisi.
Nel nostro caso andiamo ad analizzare la composizone del Nasdaq 100 negli anni. Il listino contiene sempre circa 100 titoli. Dall’analisi emerge che:
- Dal 1994 al 2021 il numero totale di titoli comparsi almeno una volta nel listino è 402
- Dei 102 titoli che compongono il listino oggi, solo 16 erano presenti nel 1994: il 16%
- Nel 2000 solo 24 erano presenti: il 24%
- Nel 2010 solo 44 erano presenti: il 43%
Questa veloce analisi ci fornisce un responso chiaro: il selection bias esiste, eccome se esiste! Se ci limitiamo anche solo agli ultimi 11 anni, il listino è cambiato per più del 50% del suo elenco titoli. Un effetto sicuramente non trascurabile.
Selection Bias e Survivorship Bias,
Cosa vuol dire questo per il nostro trading system e soprattutto per le sue performance? Non lo sappiamo ancora, ma abbbiamo capito che sicuramente dobbiamo rimboccarci le maniche per misurare questo selection bias.
Preparare i dati
Dobbiamo rendere i dati fruibili per le nostre analisi, nello specifico per TradeStation. Il file con i 402 titoli contiene anche i ticker ma preferisco chiamarli “pseudo-ticker” perché non corrispondono esattamente ai ticker presenti in TS.
Sfruttando le Optimization API di TradeStation ho programmato uno script che va a verificare l’esistenza di un ticker e sue variazioni (ad esempio alcuni titoli sono memorizzati con un “!” finale, altri con un “Q!” finale).
Rimangono fuori circa 50 titoli che non ho trovato in maniera “automatizzata”. Per questi ho usato un approccio di forza bruta: li ho verificati a mano uno per uno. Se pensate che questa sia una follia, vi rimando al punto sopra in cui spiego perché una buona base dati sia fondamentale e soprattutto il passato non cambia, quindi una volta fatto questo lavoro potrò poi utilizzarlo per tutti i test futuri.
Ora siamo pronti a testare.
Creare una procedura di test
Certo, ma come testiamo?
L’idea è questa: ogni anno io applico la mia strategia solo ai titoli presenti nel Nasdaq 100 quell’anno. Questo perchè, non avendo a disposizione una Delorean e un flusso canalizzatore, non posso sapere nel 1998 quali titoli sarebbero rimasti nel listino fino al 2021. Devo ricreare in maniera fedele quello che avrei fatto se avessi deciso di lanciare il trading system nel 1995, nel 1996 e così via.
Tecnicamente quello che ho fatto è stato:
- Lanciare la strategia su ognuno dei 402 titoli dal 1990 ad oggi e produrre tutti i trade nel formato poi utilizzabile da Porftolio Builder
- Utilizzare uno script Python da me creato per costruire N panieri con i risultati aggregati anno per anno in base alla composizione del listino di quello specifico anno
Prendiamo ad esempio la cartella “2005”, questa contiene i file delle circa 100 azioni presenti nel listino Nasdaq 100 all’inizio del 2005.
Ogni singolo ticker è un file per Portfolio Builder che contiene tutti i trade del trading system su quella azione dal 1990 ad oggi.
Selection Bias e Survivorship Bias,
Perché non limitare lo storico solo a quell’anno? Perché io voglio simulare esattamente cosa avrei fatto nel 2005. All’inizio del 2005 io avrei lanciato un backtest e utilizzato a livello di portafoglio dei criteri di rotazione per selezionare un sottoinsieme di titoli su cui operare nel 2005, quindi mi servono i dati prima del 2005 per poter utilizzare i criteri di rotazione. I dati dopo il 2005 non vengono utilizzati in quanto tramite Portfolio Builder limitiamo il periodo di “trading” al solo 2005.
Misurare l’impatto del bias
Siamo finalmente arrivati allo step finale. Come facciamo a misurare l’impatto del bias? Confrontiamo l’equity con bias (quindi proiettando nel passato il listino Nasdaq 100 del 2021 come è stato fatto sempre) con l’equity senza bias.
Ma dove trovo l’equity senza bias? E’ la somma delle varie equity di ogni anno.
Vado a sommare l’equity del 1995 che corrisponde alla somma dei trade effettuati solo nell’anno 1995 sulle azioni che ho selezionato tramite il mio criterio di rotazione sul listino Nasdaq 100 del 1995; e così via per 1996, 1997 fino al 2021. Unendo le varie equity di portafoglio tramite Portfolio Builder ottengo finalmente l’equity senza bias.
Con questo articolo tiriamo le fila della lunga analisi fatta sul selection bias. Un’analisi volta ad eliminarlo completamente dai test in modo da ottenere delle simulazioni non più viziate dal “senno del poi”. La speranza è quella di non trovarsi, a conti fatti, a chiedersi dove siano finiti i rendimenti…
Il punto di partenza.
Il punto di partenza è stato una simulazione sul paniere Nasdaq 100 fotografato al 31 dicembre 2020.
Come ogni buon trader sistematico, ipotizzando di voler andare a mercato nel 2021 con una strategia che lavori su titoli azionari, abbiamo testato la bontà della stessa nel passato. E visto che la strategia lavora sui titoli del paniere Nasdaq 100, abbiamo fatto il backtest su questo paniere, così come noto a dicembre 2020.
Caratteristiche della strategia.
- Logica trend following di medio periodo che lavora solo long.
- Capitale costante impiegato: 50K$ spalmanti su 5 titoli azionari (10K$ ciascuno).
- I 5 titoli azionari vengono selezionati, dal paniere Nasdaq 100, mediante un logica rotazionale annuale e sono tenuti in portafoglio per tutto l’anno solare. A fine anno si effettua una nuova rotazione per scegliere i titoli da tradare l’anno successivo.
I risultati di questa strategia dal 1999 al 2020 compresi, al netto di costi di transazioni e slippage stimati, sono rappresentati dalle figure sottostanti. Come sempre ci avvaliamo di Portfolio Builder per questi test.
Selection Bias e Survivorship Bias, 
Considerazioni sul drawdown e il capitale di riferimento.
Facciamo un ulteriore passo in avanti nel ragionamento: in questa sede non consideriamo il drawdown ed il capitale necessario per sopportarlo, per due motivi:
- si tratta di una simulazione volta a scolpire una parte del portafoglio: l’azionario americano è solo una componente di un portafoglio ben più diversificato, che sarà costituito anche da altre parti, quali futures, azionario italiano, strumenti di copertura, ecc… dunque i ragionamenti sul drawdown andranno fatti a livello di portafoglio complessivo.
- si tratta di una simulazione che vuole indagare la rispondenza della logica di trading e del criterio rotazionale sul paniere Nasdaq 100.
Non consideriamo quindi il drawdown ed ipotizziamo di avere sempre 50K$ costanti investiti ogni anno.
Analizzando i dati sopra esposti, emerge un rendimento medio annuo, sul capitale costante, di circa il 31%. Questo risultato, unito alla crescita costante e lineare dell’equity line, farebbe dunque propendere per aver individuato un’ottima componente da inserire in un portafoglio più diversificato.
Selection Bias e Survivorship Bias,
Peccato che ci sia il selection bias a rovinare la festa. Come spiegato da Luca, il paniere Nasdaq preso in esame per i test è quello del 31/12/2020: la sua composizione non ha nulla a che vedere con quella che aveva negli anni passati. Ecco quindi che il test fatto perde di veridicità, semplicemente perchè i titoli che compongono il paniere oggi, non sono necessariamente quelli di ieri.
Ricordo che dal 1999 ad oggi, solo una ventina di titoli erano presenti ieri come oggi; negli ultimi 30 anni ci sono state circa 400 sostituzioni nelle composizione dell’indice.
Qualcuno potrebbe pensare che se si conoscono i venti titoli sempre presenti nel Nasdaq dal 1999 ad oggi, si potrebbe impostare la strategia solo su questi. Ma io vi chiedo: siamo sicuri che questi titoli continueranno ad essere presenti nel paniere anche in futuro?
Selection Bias e Survivorship Bias,
Il fatto che per vent’anni lo siano stati, non mi dà alcuna garanzia che lo saranno per sempre…le trappole dei bias sono come le vie del Signore…infinite. Occhio!
Un esempio pratico.
Non è una cosa da poco se ci pensate. Provo a spiegarmi meglio con un esempio pratico.
Nel grafico sottostante potete vedere l’andamento della strategia su un titolo azionario che viene scelto dalla simulazione per essere in portafoglio nel 2020. L’equity è esplosiva e contribuisce al risultato eccezionale dell’anno.
Selection Bias e Survivorship Bias, 
portafoglio azionario e trading bias,
Peccato che questo titolo sia entrato nel Nasdaq solo a luglio 2020: è quindi presente nel paniere al 31/12/2020, ma non lo era l’anno prima e dunque noi, nella realtà, a differenza del backtest simulato, non avremmo potuto considerarlo a fine 2019 nella selezione dei titoli per il 2020!
Selection Bias e Survivorship Bias,
Chiaro l’inganno? Reiterate questo esempio per N volte e capirete quando sia fuorviante il backtest simulato.
La nostra soluzione al problema del selection bias.
La soluzione a questo problema arriva brillantemente da Fabio, che ha ricostruito la reale composizione del paniere Nasdaq 100, anno per anno, dal 1999 al 2020, realizzando il nostro personale “flusso canalizzatore”.
A questo punto possiamo davvero tornare indietro nel tempo e con pazienza lanciare, anno per anno, delle simulazioni che replichino fedelmente quello che avremmo fatto nella realtà.
Nel 1999, sulla base della composizione del paniere al 31/12/98, avremmo tradato questi 5 titoli; nel 2000, sulla base della composizione del paniere al 31/12/99, questi altri; e così via fino al 2020.
Selection Bias e Survivorship Bias, 
portafoglio azionario e trading bias,
Mettendo insieme le equity line della strategia, ottenute per ogni anno, avremo finalmente unandamento veritiero della strategia dal 1999 al 2020, privo di qualunque selection bias.
Nell’immagini sottostanti potete vedere l’equity line complessiva della strategia ed i risultati annuali. Il tutto come sempre al netto di slippage e costi di transazione da noi stimati. Si tratta della simulazione più vicina alla realtà che sia, da noi, mai stata fatta.
Selection Bias e Survivorship Bias, 
portafoglio azionario e trading bias,
Ecco la realtà nuda e cruda. Considerando il capitale investito nella stessa maniera fatta per la simulazione affetta da bias, il rendimento medio annuo si abbassa ad un 15% circa. Maledetto bias…
Considerazioni finali
1 – L’impatto del selection bias.
Confrontando le equity line delle due strategie, quella affetta da bias (azzurra) e quella senza bias (gialla), siamo in grado si definire l’impatto del selection bias sul rendimento, rispetto al capitale investito: le performance degradano del 50% circa, non di poco quindi.
Selection Bias e Survivorship Bias, 
portafoglio azionario e trading bias,
Se osserviamo i risultati annuali (vedere tabelle sopra esposte), questi si ridimensionano molto nella realtà (simulazione priva di bias); alcuni anni particolarmente positivi grazie alla presenza del bias, depurati di questo vizio, restituiscono performance modeste (vi veda il 2020, ad esempio).
Selection Bias e Survivorship Bias,
Pur non considerando il drawdown per le ragioni sopra esposte, non possiamo comunque trascurare che anche questo dato, nella simulazione priva di bias, peggiora.
2 – Valutazione della strategia – I rendimenti.
Se ci fossimo fermati alla simulazione affetta da bias, non avremmo avuto dubbi sulla bontà della strategia, visto il rendimento medio annuo. Tuttavia, adesso che con la seconda simulazione ci siamo avvicinati alla realtà, non possiamo che storcere il naso a fronte dei rendimenti emersi.
Non sono risultati deludenti, ma impongono comunque di rivedere le logiche rotazionali con cui vengono scelti i titoli: la strategia di per sé è robusta, occorre trovare qualche soluzione per estrarre maggior valore.
3 – Valutazione della strategia – Confronto con i benchmark.
Nel grafico sottostante possiamo confrontare l’andamento delle due simulazioni (azzurra affetta da bias; gialla priva di bias) con quello di un trader che ogni anno avesse acquistato, per un controvalore costante di 50K$, SPY (curva blu) o QQQ (curva rossa) al 1/1 e poi lo avesse venduto il 31/12, per poi riacquistarlo l’anno seguente e così via dal 1999 al 2020 (sulle motivazioni di questo confronto, invece che considerare un semplice buy and hold, rinvio a quanto spiegato da Luca qui sopra).
Selection Bias e Survivorship Bias, 
portafoglio azionario e trading bias,
Escludendo l’equity line della simulazione affetta da bias, ovviamente bugiarda nel suo andamento, possiamo comunque notare che anche l’equity line della simulazione realistica, sul lungo periodo batte i benchmark di riferimento.
Selection Bias e Survivorship Bias,
Sul lungo periodo…ma che succede se ad esempio poniamo una lente di ingrandimento sugli ultimi n anni, che ne so, sugli ultimi 5 anni? Ci risponde il grafico sottostante che mostra le equity a confronto dal 2016.
Selection Bias e Survivorship Bias, 
portafoglio azionario e trading bias,
Vediamo come su finestra breve la musica cambi.
Negli ultimi 5 anni la strategia non è riuscita a battere i benchmark, in particolare QQQ ci ha staccati senza pietà.
Altro segnale che forse c’è qualcosa da rivedere, riflessione che non avremmo mai fatto se ci fossimo fermati alla prima simulazione e avessimo ignorato il bias (si veda come l’equity azzurra affetta da bias riesca infatti a dare filo da torcere a QQQ).
Ovviamente le valutazioni da fare sono più complesse di quanto riportato in questo articolo e sicuramente saranno oggetto di prossime pubblicazioni.
Selection Bias e Survivorship Bias,
La domanda che con questi confronti ci poniamo è: ma vale la pena fare tutto questo “casino”, test, contro test, trading systems attaccati, infrastruttura da sorvegliare, ecc.. rispetto a comprare direttamente ogni anno SPY o QQQ?
Non è una domanda banale e la risposta non può essere affrettata.
Ci sono diversi punti da considerare, in primis il drawdown a cui si va incontro nelle varie ipotesi e di cui in in questo articolo non abbiamo parlato.
Ma, come accettato prima, ci sarà tempo per ulteriori approfondimenti…
4 – Nasdaq 100: composizioni vecchie o attuali?
Adesso che la simulazione priva di bias potrebbe averci rincuorato sulla possibilità di attaccare a mercato la strategia (pur con tutte le riserve sovra esposte), come ci comportiamo per l’anno prossimo?
Ha senso aggiornare ogni anno il paniere Nasdaq100? Oppure, visto che siamo nel presente, conosciamo la composizione esplosiva dei suoi titoli di oggi, conviene utilizzare questa in eterno?
Anche qui, la risposta ce la fornisce il test privo di bias che abbiamo fatto.
Nel grafico sottostante possiamo vedere l’andamento della strategia su ciascun paniere annuale (sempre ruotando 5 titoli annualmente per ciascun paniere), dall’anno in cui è stato scolpito il paniere stesso fino al 2020. Selection Bias e Survivorship Bias,
portafoglio azionario e trading bias,
Possiamo notare come in realtà la strategia di ogni paniere, se portata avanti negli anni, produca equity line crescenti.
Questo è sintomo della robustezza di fondo della strategia, informazione che ci portiamo lieti a casa.
Tuttavia l’andamento delle varie equity, negli anni successivi a quello della composizione, è molto più frastagliato. Questo suggerirebbe di adeguarsi, ogni anno, alla composizione aggiornata del Nasdaq100.
5 – Un monito per il lettore.
Se da un lato si potrebbe obbiettare che queste valutazioni nascono e muoiono con la nostra strategia che abbiamo deciso di applicare, è pur vero che, a prescindere dal tipo di strategia, buona o cattiva che sia, il selection bias sul mercato azionario colpisce qualunque trader!
Quindi si faccia molta attenzione a sottovalutare l’impatto di questo bias.
Selection Bias e Survivorship Bias,
E se poi ci discostiamo dal trading per traghettarci verso l’investing, al selection bias, si aggiunge anche il Survivorship Bias. Con l’aggravante che se si sposta l’ottica operativa, ci può accorgere di aver preso lucciole per lanterne molto meno tempestivamente!
Questi bias vanno dunque considerati meticolosamente e quali siano le soluzioni prese per aggirarli, siate sempre molto pessimistici nell’interpretare i risultati dei backtest.
Noi, nel nostro piccolo, per quanto concerne le nostre strategie, siamo arrivati a definire perfettamente l’impatto di questi bias. Vi sprono a fare lo stesso, a prescindere da quale sia il vostro approccio sui mercati finanziari.
6 – Verso l’infinito e oltre.
Da tutte queste elucubrazioni emergono due ulteriori riflessioni:
- Se si considerano dei panieri specifici sui cui poi fare stock picking, si avrà sempre il rischio di non avere tra le mani il titolo esplosivo che porta performance.
Ricordiamoci del titolo azionario che ho citato prima, quello che è entrato nel Nasdaq 100 a luglio 2020. Prima di quella data il titolo aveva comunque delle ottime potenzialità per la nostra strategia, peccato che non lo conoscessimo…e non lo conoscevamo perchè non era nel paniere…e quando è entrato nel paniere, il grosso, in termini di rendimento, lo aveva già fatto. - Analizzando il comportamento della strategia su titoli azionari presi a campione, abbiamo notato che il fatto di essere già nel paniere Nasdaq o esserci entrati da poco, o ancora di uscirne, non influenza le dinamiche della strategia.
Come a dire che se un titolo è sincrono con la strategia, il suo essere o no nel paniere non modifica la sua rispondenza alla strategia stessa.
Ma allora, perchè autolimitarci con i panieri, la loro composizione che cambia, il rischio di bias e quant’altro?
Selection Bias e Survivorship Bias,
Perchè non prendere tutto l’universo azionario americano? S&P 500, Nasdaq 100, Russel 3000 e chi più ne ha, più ne metta…
Luca Ronzan, Marco Vironda Gambin e Fabio Esposti.
Abbiamo approfondito meglio questi argomenti anche nei corsi:
✅ Portafogli Rotazionali e Modelli Quantitativi di Investimento contestualizzandoli alla creazione di Portafogli Azionario per l’Investitore evoluto
✅ The Options Edge 3 (nella 1° parte del corso, dedicata al Trading Sistematico Direzionale su Azioni)
✅ Portafogli di Trading Systems
Ogni corso è sempre fruibile in maniera indipendente dagli altri, ma quest’ultimo corso è anche una delle 12 giornate del percorso Trading System Academy, che puoi approfondire meglio cliccando qui…
Selection Bias e Survivorship Bias,
portafoglio azionario e trading bias,
Buon Trading!
Selection Bias e Survivorship Bias,
Ecco altri articoli che potrebbero interessarti:
![2 anni di operazioni in CNBC [Parliamo di Risultati…]](https://www.lucagiusti.it/wp-content/uploads/2024/08/PHOTO-2024-08-26-16-41-12-870x570.jpg)
ciao Alex, Da Vinci Fintech è il data provider che utilizzano, e offre liste depurate dal survivorship bias su diversi Indici USA per la piattaforma Invest Studio.
Quale fornitore di dati vi fornisce l’elenco delle azioni a 100 dollari? Buon Natale