Sviluppo di sistemi: la tua edge, codificata e automatizzata
🎯 Cosa imparerai
Alla fine di questa lezione saprai:
- Sviluppo di sistemi: idea → backtest → walk-forward → carta → live (piccolo) → scalare
- Il walk-forward evita l’overfitting: allena sul periodo 1, testa sul periodo 2, ripeti
- Test fuori campione: tieni da parte circa un terzo dei dati per la convalida finale
- Schema: testare l’idea → walk-forward su 3 o più periodi → 50 operazioni su carta → live al 25 % della size
⚡ Risultati rapidi per domani (clicca per aprire)
Non caricarti troppo. Comincia da queste tre azioni:
- Scrivi stasera qual è la tua edge attuale — Scrivi il tuo setup migliore passo per passo: (1) condizioni di mercato necessarie, (2) innesco dell’ingresso (ESATTAMENTE ciò che ti fa premere compra), (3) posizionamento dello stop, (4) posizionamento dell’obiettivo, (5) regola per la size. Esempio: «Pullback dopo rottura su SPY. Condizioni: trend rialzista sul daily (sopra la EMA a 20), consolidamento a 15 minuti. Ingresso: pullback sulla resistenza, candela rialzista, chiusura sopra. Stop: 2 ATR sotto. Obiettivo: massimo dello swing o R:R di 2:1. Size: 2 % di rischio.» Non puoi programmare ciò che non sai formulare. Tom Anderson lo ha scoperto: «Scrivere le regole ha fatto emergere 12 decisioni discrezionali che prendevo senza accorgermene. Non c’è da stupirsi che il mio primo algoritmo sia fallito: non avevo mai codificato la mia vera edge!» Se scrivi «dipende» o «a volte» più di 2 volte, quella edge non è ancora codificabile.
- Fai un backtest manuale della tua edge su 10 operazioni storiche — Non programmare ancora. Riavvolgi il grafico di 3-6 mesi su TradingView. Trova 10 casi del tuo setup. Annota: data | ingresso | stop | obiettivo | risultato effettivo | multiplo di R | note. Calcola: percentuale di vincenti, R medio, aspettativa (percentuale di vincenti × R medio vincente - percentuale di perdenti × R medio perdente). Il backtesting manuale è veloce (2-3 ore), mostra la validità statistica e fa emergere gli elementi discrezionali nascosti PRIMA che tu sprechi settimane a programmare. Molti trader programmano prima, fanno il backtest dopo e scoprono che la edge non esiste. Se l’aspettativa supera 0,5R per operazione, vale la pena programmarla. Se è sotto 0,3R, ripensa il setup prima di automatizzare spazzatura.
- Parti con un sistema ibrido per le prossime 5 operazioni — Non automatizzare ancora tutto. Scegli UN elemento da sistematizzare: (A) gli alert di ingresso (lo scanner avvisa quando il setup c’è, decidi tu a mano), (B) la size (formula fissa al 2 % di rischio) o (C) gli stop algoritmici (non mentali). L’ibrido di Tom: ha tenuto gli ingressi discrezionali e automatizzato il calcolatore della size e gli ordini di stop. Ha eliminato il 50 % degli errori emotivi mentre affinava la logica di ingresso. Automatizzare tutto insieme travolge e spesso fallisce. L’ibrido ti lascia sistematizzare un pezzo alla volta senza perdere i tuoi punti di forza discrezionali. Traccia: «operazioni con stop automatico contro stop mentale: quali sono andate meglio?» Dopo 5 operazioni avrai la prova che sistematizzare in parte già migliora i risultati.
Hai trovato una edge. Funziona. Ma puoi operarla solo 8 ore al giorno.
E se la tua edge potesse operare 24 ore su 24? Senza emozioni. Senza setup persi. Con un’esecuzione perfetta.
Questo è il trading sistematico. Ed è così che scalano i professionisti.
🚨 Parliamoci chiaro
Il trading discrezionale si ferma tra 100.000 e 500.000 $ (il collo di bottiglia sei tu). E quello sistematico? Nessun tetto. Fai girare 10 sistemi su 50 asset. La tua edge scala all’infinito, SE riesci a codificarla.
Il percorso di Tom nello sviluppo di sistemi: dal successo discrezionale al fallimento automatizzato, fino alla ricostruzione fatta bene
Trader: Tom Anderson (esempio composito), 36 anni, ex day trader discrezionale di Seattle, Washington
Timeframe: Gennaio 2023 → ottobre 2024 (22 mesi)
Capitale: $350,000
Contesto: 4 anni di trading discrezionale redditizio, con un tetto di 163.000 $ all’anno, e la voglia di scalare
Atto 1: il successo discrezionale (2022)
La edge discrezionale di Tom (2022): Setup di rottura in momentum su SPY, operati a mano dalle 9:30 alle 16:00 ogni giorno
La performance discrezionale di Tom nel 2022: 166 operazioni, 63,6 % di vincenti, 1,2R di media, +163.500 $ di profitto (setup di rottura in momentum su SPY, operati a mano)
La frustrazione di Tom (dicembre 2022):
«Nel 2022 ho guadagnato 163.500 $. Va benissimo, meglio del mio stipendio da ingegnere del software. Ma sono bloccato. Posso operare solo negli orari di mercato. Perdo setup quando non sono alla scrivania. Faccio errori emotivi quando sono stanco.
Se riuscissi a programmare la mia edge e ad automatizzarla, potrei operare 24 ore su 24. Scalare su più asset. Togliere le emozioni. È ora di sistematizzare.»
— Tom Anderson, dal diario del 31 dicembre 2022
Atto 2: primo tentativo di automazione (Q1 2023) — il disastro sovradattato
L’approccio di Tom: 6 settimane a programmare un backtest in Python, testato sui dati 2020-2022 (lo stesso periodo che aveva operato in discrezionale)
| Metrica | Backtest (2020-2022) | Live Q1 2023 | Divario |
|---|---|---|---|
| Percentuale di successo | 78.4% | 48.2% | -30,2 % (ENORME!) |
| R medio | 2.1R | -0.2R | 2,3R di divario! |
| Rendimento mensile | +9.2% | -3.8% | 13 % di divario!!! |
| P&L (3 mesi) | +96.600 $ (previsti) | -39.900 $ (effettivi) | 136.500 $ di disastro! |
Che cosa è andato storto? I 6 errori fatali (78 % nel backtest → 48 % live):
- Solo dentro il campione — Testato sugli stessi dati 2020-2022. Il sistema ha memorizzato gli schemi, senza convalida fuori campione
- Sovradattamento dei parametri — 8 parametri ottimizzati (ADX>23,4, RSI<38,7). Adattati al rumore
- Costi di transazione ignorati — Zero slippage e commissioni nel backtest. Live: 0,08 % di slippage + 2 $ per operazione si sono mangiati circa il 30 % della edge
- Nessun walk-forward — Un solo backtest, senza finestre mobili. Non ha testato il degrado su dati nuovi
- Carta saltata — Direttamente live, a size piena. Avrebbe potuto risparmiare 40.000 $
- Ipotesi sull’esecuzione — Ha dato per scontata l’esecuzione al prezzo di chiusura. Le esecuzioni reali sono state peggiori dello 0,05 %
Il momento della verità (31 marzo 2023):
«Ho perso 39.900 $ in 3 mesi con il mio "sistema automatizzato". Il backtest dava 78 % di vincenti. La realtà? 48 %. L’avevo adattato alla curva fino all’osso.
Ho ottimizzato 8 parametri su dati storici che GIÀ CONOSCEVO. Ovvio che sembrasse perfetto. Poi è arrivato il mercato vero e si è sgretolato.
I costi di transazione mi hanno ucciso. Ho ignorato slippage, commissioni, spread. Il mio backtest dava +96.000 $, ma i costi reali si sono mangiati -23.900 $.
Si ricomincia da capo. Stavolta lo faccio come si deve.»
— Tom Anderson, dal diario del 31 marzo 2023
Atto 3: uno sviluppo di sistema fatto come si deve (aprile-agosto 2023)
La ricostruzione di Tom: Ha ingaggiato un consulente di trading sistematico (8.000 $) e passato 4 mesi a imparare la metodologia corretta
| Componente | V1 (disastro sovradattato) | V2 (convalidato come si deve) |
|---|---|---|
| Divisione dei dati | Tutto dentro il campione (2020-2022) | Walk-forward: allenare su 6 mesi, testare sui 3 successivi, far scorrere la finestra |
| Parametri | 8 parametri ottimizzati (ADX>23,4, RSI<38,7 ecc.) | 3 parametri semplici (ADX>25, RSI<35, volume>2× la media) |
| Costi di transazione | Ignorati (dati per zero) | 0,08 % di slippage + 2 $ di commissione + 0,02 % di spread per operazione |
| Convalida | Un solo backtest | Walk-forward + Monte Carlo + 50 operazioni su carta |
| Messa in produzione | Direttamente live a size piena | Carta (50 operazioni) → 25 % della size (30 operazioni) → 50 % della size → 100 % |
| Esecuzione | Ordini a mercato al prezzo di chiusura (per ipotesi) | Ordini limite a metà spread, 30 secondi di pazienza, mercato come ultima risorsa |
Risultati del walk-forward di V2 (sviluppo aprile-luglio 2023):
| Finestra | Periodo di allenamento | Periodo di test | Vincenti nel test | R medio nel test | Degrado |
|---|---|---|---|---|---|
| 1 | Gen-giu 2020 | Lug-set 2020 | 59% | 0.8R | Allenamento: 62 %, test: 59 % (5 % di divario) |
| 2 | Lug-dic 2020 | Gen-mar 2021 | 57% | 0.7R | Allenamento: 61 %, test: 57 % (7 % di divario) |
| 3 | Gen-giu 2021 | Lug-set 2021 | 61% | 0.9R | Allenamento: 64 %, test: 61 % (5 % di divario) |
| 4 | Lug-dic 2021 | Gen-mar 2022 | 58% | 0.7R | Allenamento: 63 %, test: 58 % (8 % di divario) |
| 5 | Gen-giu 2022 | Lug-set 2022 | 60% | 0.8R | Allenamento: 62 %, test: 60 % (3 % di divario) |
| MEDIA DEI TEST: | 59% | 0.78R | Divario medio: 5,6 % (accettabile) | ||
Il bagno di realtà dei costi di transazione:
| Metrica | Prima dei costi | Dopo i costi | Impatto |
|---|---|---|---|
| Profitto medio per operazione | $767 | $545 | -29 % per operazione |
| Rendimento annuo (200 operazioni) | +$153,400 | +$109,000 | -$44,400 (-29%) |
| Indice di Sharpe | 2.1 | 1.4 | -33 % di degrado |
| Ancora sostenibile? | ✓ SÌ (109.000 $ all’anno, Sharpe 1,4) | ||
Convalida su carta (agosto 2023, 50 operazioni):
| Metrica | Test walk-forward | Paper trading | Divario |
|---|---|---|---|
| Percentuale di successo | 59% | 56% | -3 % (BENE!) |
| R medio | 0.78R | 0.71R | -0,07R (accettabile) |
| drawdown massimo | -14% | -16% | +2 % (entro la tolleranza) |
| STATO DELLA CONVALIDA: | ✓ SUPERATA (si passa al live) | ||
Atto 4: il successo in live (da settembre 2023 a ottobre 2024, 14 mesi)
La strategia di rilascio di Tom: Carta superata → 25 % della size per 1 mese → 50 % per 2 mesi → 100 % (da dicembre 2023)
Sei arrivato a metà percorso. Hai imparato le strategie chiave.
Ottimi progressi! Se serve, fai una breve pausa per sgranchirti, poi entreremo nei concetti avanzati che seguono.
La performance live di V2 di Tom (set. 2023 - ott. 2024, 14 mesi): 198 operazioni, 58,6 % di vincenti, 0,8R di media, drawdown massimo -18 %, +108.000 $ di profitto. Ha iniziato al 25 % della size (convalida) ed è passato al 100 % a dicembre, quando i primi mesi hanno coinciso con il backtest. Il sistema ha retto mercati nervosi (Q2 2024: 55 % di vincenti, +16.900 $) e ha brillato nel momentum (Q3 2024: 62 % di vincenti, +34.700 $).
Confronto tra discrezionale (2022) e sistematico (2023-2024):
| Metrica | 2022 (discrezionale) | 2024 (sistematico) | Variazione |
|---|---|---|---|
| Reddito annuo | $163,500 | $92,600 | -43 % (ma…) |
| Tempo richiesto | 6,5 ore al giorno (orari di mercato) | 0,5 ore al giorno (monitoraggio) | ✓ -92 % di tempo (6 ore liberate!) |
| Stress emotivo | Alto (stanchezza da schermo) | Basso (esegue il codice) | ✓ Esecuzione senza stress |
| Scalabilità | Limitata (il limite è una persona) | Illimitata (basta aggiungere asset) | ✓ Si può estendere a QQQ, IWM ecc. |
| Setup persi | ~20 % (lontano dalla scrivania) | 0 % (monitoraggio 24 ore su 24) | ✓ Non sfugge più un segnale |
| Costanza | Variabile (dipende dall’emotività) | Perfetta (basata su regole) | ✓ 100 % di aderenza alle regole |
La situazione attuale di Tom (ottobre 2024):
- Reddito dal sistema: 92.600 $ all’anno al ritmo di questi 14 mesi, dal sistema momentum su SPY
- Tempo dedicato: 30 minuti al giorno di monitoraggio (contro 6,5 ore in discrezionale)
- Tempo liberato: Ora sta sviluppando un 2º sistema per QQQ e un 3º per le cripto
- Scalabilità: Punta ad avere 5 sistemi non correlati entro il 2025 → obiettivo oltre 250.000 $ all’anno
- Livello di stress: «Dormo meglio. Il codice non va nel panico. Non scavalco più le mie regole.»
- Netto dopo la perdita del Q1 2023: -39.900 $ (disastro V1) + 108.000 $ (14 mesi di V2) = +68.100 $ netti
La lezione sudata di Tom (ottobre 2024):
«Nel primo trimestre del 2023 ho perso 40.000 $ perché credevo che il backtesting fosse "far girare del codice sui dati passati e ottimizzare i parametri". Sbagliato.
Lo sviluppo di sistemi vero è:
• Test walk-forward (allenare sul passato, testare sul futuro, ripetere)
• Modellare i costi di transazione (lo slippage si porta via il 30 % della edge)
• Stress test di Monte Carlo (conoscere il proprio drawdown peggiore)
• Almeno 50 operazioni su carta prima di rischiare un dollaro
• Regole semplici > ottimizzazione complessa (3 parametri battono 8)
Il mio sistema V2 rende circa 93.000 $ all’anno con 30 minuti al giorno. Ho 6 ore libere per costruire altri sistemi. Entro il 2025 ne farò girare 5 su asset diversi.
Il trading discrezionale mi ha bloccato a 163.000 $ e mi ha bruciato. Quello sistematico scala all’infinito, se lo fai come si deve.»
— Tom Anderson, trader sistematico (ottobre 2024)
Quanto è costata a Tom la sua formazione:
- Perdite di V1 nel Q1 2023: -39.900 $ (retta per un sistema sovradattato)
- Onorario del consulente: -8.000 $ (4 mesi, da aprile a luglio 2023)
- Tempo di sviluppo: 4 mesi di costo opportunità (avrebbe potuto operare in discrezionale per circa 54.000 $)
- Investimento totale: ~$102K
- Recupero in 14 mesi: +108.000 $ (sistematico con V2)
- Posizione netta: +6.000 $ (in pari dopo una formazione costosa)
- Valore futuro: Ora il sistema rende circa 93.000 $ all’anno con 30 minuti al giorno e gli libera 6 ore al giorno per scalare
- Proiezione a 5 anni: 5 sistemi × circa 50.000 $ di media = 250.000 $ all’anno (contro il tetto discrezionale di 163.000 $), e questo dando per scontato che ogni nuovo sistema regga, che è proprio la parte che nessuno può promettere
🎯 Cosa ci guadagni
Al termine di questa lezione saprai:
- Convertire regole discrezionali in logica precisa e verificabile
- Costruire framework di backtest robusti (evitare il sovradattamento)
- Usare l’analisi walk-forward e la simulazione di Monte Carlo
- Mettere in produzione i sistemi in sicurezza (carta → live piccolo → scalare)
💡 il momento della verità
Il tuo cervello non riesce a eseguire con costanza al 100 %. Il codice sì. Togli le emozioni, togli gli errori, togli la stanchezza. Sistematizza la tua edge e diventa una macchina che stampa mentre dormi.
🎓 Punti chiave
- Sistematizza per scalare: Il trading discrezionale si ferma tra 100.000 e 500.000 $, quello sistematico non ha tetto
- Prova walk-forward: L’unico metodo di convalida che conta: allenare sul passato, testare sul futuro (e ripetere)
- Simulazione di Monte Carlo: Testare oltre 1.000 scenari per capire la vera distribuzione di rischio e rendimento
- I costi di transazione sono CRUCIALI: Lo 0,1 % per operazione distrugge oltre il 30 % del rendimento del backtest
- Rilascia per gradi: Carta → size micro → piccola → piena (convalidando a ogni stadio)
- Evita il sovradattamento: Più parametri = più adattamento alla curva. I sistemi semplici sopravvivono al mercato vero
🎯 Esercizio pratico: costruire e testare una strategia sistematica
Obiettivo: Prendi una edge discrezionale, trasformala in regole precise, fai un backtest come si deve e mettila in produzione con fiducia.
Lo sviluppo di un sistema in 6 passi:
- Codificare le regole — Trasforma il setup discrezionale in condizioni esatte di ingresso e uscita (5 o più regole). Esempio: «Il prezzo sweepa il minimo a 15 minuti di almeno 0,20 $, lo riconquista entro 5 candele, ADX>22»
- Backtest (200+ operazioni, 2+ anni) — Controlla: vincenti >50 %, R medio >0,5R, drawdown massimo <25 %, Sharpe >1,0
- Convalida walk-forward — Dividi in blocchi da 6 mesi e allena e testa in modo mobile. Se il risultato nel test è peggiore del 30 % o più rispetto all’allenamento = sovradattamento
- Stress test di Monte Carlo — Mescola 1.000 sequenze. Se il drawdown del 95º percentile supera il 30 % o il rischio di rovina supera l’1 % = riduci la size
- Messa in live (3 stadi) — Carta (50 operazioni, con i vincenti entro il 5 % dal backtest) → size micro (30 operazioni, 25 % della size) → size piena (100 %). Se uno stadio non regge, si torna al backtest
- La realtà dei costi di transazione — Aggiungi slippage (0,05 %), commissione e spread. Se il profitto cala di oltre il 50 % = non è sostenibile
Obiettivo: Completa i passi 1-4 in 2-4 settimane. Opera su carta almeno 50 operazioni. Vai in live solo se la carta coincide con il backtest entro il 10 %. La maggior parte dei sistemi fallisce nella fase su carta, ed è un BENE. Meglio scoprirlo ora che perdere soldi veri.
Hai appena imparato che cosa separa i dilettanti dai trader sistematici professionisti. Test walk-forward, Monte Carlo, modellazione dei costi: non sono opzionali. Sono sopravvivenza. Ora sai costruire sistemi che non saltano per aria in live.
Lezioni correlate
Il backtesting nella realtà
La base per evitare le trappole classiche del backtesting e il sovradattamento.
Leggi la lezione →Esecuzione algoritmica
I sistemi automatizzati richiedono un’esecuzione ottimale: integra gli algoritmi di esecuzione.
Leggi la lezione →Machine learning per il trading
Il ML può rafforzare le strategie sistematiche: impara ad applicarlo senza sovradattare.
Leggi la lezione →⏭️ Prossimamente
Articolo #55: machine learning per il trading — Il ML non è magia: trova schemi nel rumore e sovradatta in modo spettacolare se usato male. Impara un ML pratico per il trading senza farti distruggere.
💬 Discussione (0 commenti)
Caricamento dei commenti…
Pronto a operare con Signal Pilot?
Metti in pratica la tua formazione con indicatori professionali e strumenti di analisi di mercato in tempo reale.
Torna a Signal Pilot →Solo a scopo educativo. Il trading comporta un rischio sostanziale di perdita. Non è una consulenza finanziaria. I risultati passati non garantiscono risultati futuri.