Cosa ci offre il backtesting parallelo
Validare una strategia richiede molto più tempo che scriverne il codice, ed è proprio la validazione la parte che più hardware accelera.
QuantFX3 min di lettura
Dall'idea alla produzione
Le idee vengono prototipate in Python su AWS ed eseguite su dati tick storici. Sono i risultati a decidere se un'idea va avanti o torna alla ricerca. Quelle che vale la pena mantenere vengono riscritte in C++20 per la produzione, e solo una strategia validata arriva al motore live.
Un'idea, centinaia di esecuzioni
Un singolo backtest costa poco. Una validazione di cui ci fideremmo ne richiede centinaia:
- Analisi walk-forward: calibrazione su una finestra, test sulla successiva e avanzamento progressivo attraverso diversi regimi di mercato.
- Verifiche out-of-sample su dati e strumenti che la logica non ha mai visto.
- Sweep dei parametri, per capire se i risultati poggiano su un altopiano ampio o su un picco stretto.
- Ricampionamento Monte Carlo dell'ordine delle operazioni, dei costi e dello slippage, per sottoporre a stress il profilo di drawdown.
Su una sola macchina, questo lavoro trasforma la ricerca in una coda d'attesa.
Ogni esecuzione è indipendente
Nessuna di queste esecuzioni ha bisogno del risultato di un'altra. Ogni finestra walk-forward, set di parametri e percorso Monte Carlo può essere assegnato a un proprio worker, quindi il lavoro scala in modo quasi lineare con il numero di worker. I limiti sono il caricamento dei dati all'inizio e la raccolta dei risultati alla fine.
- 2.000 backtest × 20 min
- 40.000 min
- 1 worker
- circa 667 ore, quasi 28 giorni
- 64 worker
- circa 625 min, quasi 10,4 ore
I tempi effettivi dipendono dalla complessità della strategia, dalla risoluzione dei dati e dall'I/O.
Con 64 worker, una sweep avviata la sera è completata entro il mattino. Per questo il round seed che stiamo raccogliendo finanzia potenza di calcolo e hardware anziché capitale di trading. La panoramica per gli investitori riporta la ripartizione.
Più test, più modi per ingannare sé stessi
La velocità ha un costo. Se possiamo eseguire 2.000 varianti in una notte, possiamo anche trovarne una che sembra brillante per puro caso. Le salvaguardie devono crescere insieme al cluster:
- Un periodo finale di hold-out resta bloccato durante lo sviluppo e viene usato una sola volta.
- L'asticella si alza con il numero di varianti provate. Registriamo quante configurazioni sono state testate e giudichiamo la vincitrice in base a quel numero.
- Una strategia deve reggere su molte finestre walk-forward sequenziali. Una sola suddivisione favorevole dimostra poco.
- Preferiamo regioni di parametri con risultati costanti alla singola impostazione con il punteggio migliore.
Con il cluster, ogni strategia candidata viene sottoposta all'intera serie di verifiche.
Cosa ne ottengono i clienti
Le aziende utilizzano il nostro motore con il proprio marchio o ci chiedono di sviluppare e gestire strategie per loro conto. Un ciclo più rapido significa un'attesa più breve tra la richiesta di una strategia e una candidata validata. La rivalidazione su dati recenti diventa un'attività di routine, e le modifiche alla logica di esecuzione vengono testate sull'intero storico prima di arrivare in produzione.
Il motore è descritto nella pagina Tecnologia.