Skip to main content
← Torna ai Docs
🤖Costruttore di Bot

Motore di Backtesting

Monte Carlo + replay storico prima di andare in live

Il Motore di Backtesting ti permette di testare una strategia di trading sul passato prima ancora di rischiarvi del capitale. Invece di tirare a indovinare se "comprare ogni mercato con un edge di 5pp+" o "andare contro tutto ciò che supera il 95%" faccia davvero guadagnare, fai passare le regole attraverso condizioni storiche e leggi numeri concreti: win rate, P&L, max drawdown, Sharpe ratio e un registro completo delle operazioni. Si trova in /dashboard/backtest ed è il ponte tra un'idea e una posizione reale.

È uno degli strumenti più trascurati della piattaforma, ed è esattamente per questo che i trader disciplinati ci fanno affidamento. Una strategia che nella tua testa sembra ovviamente profittevole spesso produce un win rate del 48% e un drawdown imbarazzante una volta che la rigiochi. Meglio scoprirlo qui che sul saldo del tuo conto.

Cosa fa davvero il motore

Predite esegue due motori di backtest complementari dietro la stessa pagina. Rispondono a domande diverse, e gli utenti più seri li usano entrambi.

1. Simulazione Monte Carlo

Il pannello principale esegue una simulazione Monte Carlo che modella come una strategia si comporta nell'arco di centinaia di giornate di trading simulate. Si basa su statistiche storiche di Polymarket — edge medio, varianza dell'edge, win rate di base e tempo di mantenimento tipico per ciascun archetipo di strategia — e poi simula giorno per giorno se si presenta un'opportunità, con quale dimensione la imposteresti e come si risolve.

È fondamentale notare che la simulazione è deterministica per configurazione. Gli stessi input producono sempre lo stesso risultato (è seedata a partire da un hash della tua configurazione), così puoi modificare un parametro alla volta e vedere esattamente come sposta l'esito. Cambia gli input che incidono sul seed e ottieni un nuovo percorso. Questo rende Monte Carlo ideale per i *parameter sweep*: "cosa succede al win rate e al numero di operazioni se alzo il mio edge minimo da 5 a 10?"

Sono disponibili quattro archetipi di strategia:

  • •EV Follower — segue i segnali di edge dell'AI; compra quando l'AI ritiene un mercato prezzato male. ~58% di win rate di base, ed è la seconda strategia più attiva.
  • •Mean Reversion — va contro le probabilità estreme, aspettandosi un ritorno verso il centro. Meno trade, con edge più ampio.
  • •Momentum — cavalca i trend di prezzo. La frequenza di trade più alta delle quattro, e il tempo di detenzione più breve (3 giorni contro i 5 dell'EV Follower): è quella che rigira il capitale più in fretta.
  • •Contrarian — scommette contro la folla. Trade rari, ad alta convinzione e alta varianza.

2. Replay storico

Sopra il pannello Monte Carlo si trova il widget di replay (etichettato BETA). Questo è il motore più letterale: percorre snapshot reali registrati dei mercati in ordine cronologico e simula entrate e uscite tick per tick. Dove Monte Carlo chiede "come dovrebbe comportarsi statisticamente una strategia di questo tipo", il replay chiede "cosa avrebbe fatto *questa esatta strategia* sulla cronologia di prezzo reale di *questo esatto mercato*".

Il replay legge dalle tabelle market_snapshots / market_history, che vengono popolate da cron in background (ogni 15 minuti per il feed degli snapshot, ogni 4 ore per il feed di scansione). Per questo motivo, il replay ha bisogno di dati accumulati per essere significativo — vedi la sezione sulle insidie.

Come eseguire un backtest, passo dopo passo

  1. Apri /dashboard/backtest. Atterrerai sulla scheda di configurazione con valori predefiniti sensati già compilati ($10.000 di capitale, edge minimo di 5pp, finestra di 6 mesi).
  2. Scegli una strategia dal menu a tendina (EV Follower, Mean Reversion, Momentum o Contrarian). Questo è il singolo fattore che influisce di più sui tuoi risultati.
  3. Imposta il capitale iniziale. Usa un numero realistico — lo stesso con cui prevedi effettivamente di fare trading. Le dimensioni delle posizioni si scalano in base a questo, quindi $1.000 e $100.000 producono P&L e drawdown assoluti molto diversi.
  4. Configura l'entrata — edge minimo. Questo è il tuo filtro. Il motore "entra" in un'operazione solo quando l'edge modellato supera questa soglia (in punti percentuali). Un numero più alto significa operazioni meno numerose ma di qualità più alta.
  5. Configura il sizing — % di posizione massima e frazione di Kelly. La % di posizione massima limita quanto del capitale può usare una singola operazione. La frazione di Kelly scala la dimensione della scommessa in base all'edge: 0,5 è half-Kelly, la scelta più comune perché il Kelly pieno (1,0) è matematicamente ottimale ma brutalmente volatile. Il motore prende il minore tra il tuo limite di posizione massima e la dimensione derivata da Kelly.
  6. Configura le uscite — % di stop-loss e % di take-profit. Queste limitano quanto una posizione può muoversi contro di te (stop) o a tuo favore (target) prima di chiudersi. Modellano l'entità dei singoli profitti e perdite, che a sua volta determina il profilo del tuo drawdown.
  7. Scegli la finestra di lookback. Seleziona 30 giorni, 90 giorni o 180 giorni di storico simulato (sono disponibili anche run più lunghe di 1 anno). Finestre più lunghe danno più operazioni e numeri statisticamente più affidabili; finestre più corte ti mostrano il comportamento del regime recente.
  8. Clicca Run. I risultati vengono visualizzati in circa mezzo secondo.

Per il widget di replay, il flusso è simile ma in più incolli un Market ID (un condition ID di Polymarket come 0x1a2b... o un ticker di Kalshi come PRES-2028), scegli una finestra (7–90 giorni) e imposti i tuoi dollari per operazione. Lascia vuoto il Market ID e il sistema ricade sul percorso Monte Carlo.

Leggere i risultati

Dopo una run, il motore mostra quattro metriche principali in grandi schede, poi una seconda riga di statistiche di supporto, infine le visualizzazioni.

I quattro numeri che contano di più

  • •Total Return (%) — la percentuale di guadagno o perdita sul capitale iniziale nell'arco della finestra. Verde è positivo, rosso è negativo. Questo è il dato di punta, ma non leggerlo mai da solo.
  • •P&L ($) — il profitto o la perdita assoluti in dollari. Utile per verificare a intuito se la strategia vale il tuo tempo al tuo livello di capitale reale.
  • •Win Rate (%) — la quota di operazioni chiuse che hanno guadagnato. Non dargli un peso eccessivo. Un win rate del 45% può essere altamente profittevole se i vincenti sono più grandi dei perdenti, e un win rate del 70% può perdere denaro se i perdenti sono enormi. Abbinalo sempre al P&L.
  • •Sharpe Ratio — il rendimento per unità di volatilità, annualizzato (il motore annualizza i rendimenti giornalieri con √252). È il miglior punteggio di qualità sintetizzabile in un singolo numero. Come guida di massima: sotto 1,0 è debole, 1,0–2,0 è solido, sopra 2,0 è eccellente per le strategie sui mercati di previsione. Una strategia con un total return più basso ma uno Sharpe molto più alto è spesso quella migliore da tradare, perché è più regolare e più facile da scalare verso l'alto.

Le statistiche di supporto

  • •Total Trades — la dimensione del tuo campione. Meno di circa 20 operazioni significa che gli altri numeri sono rumorosi; trattali come indicativi, non come oro colato.
  • •Max Drawdown (%) — il più grande calo da picco a minimo dell'equity durante la run. Questo è il tuo numero di sofferenza. Chiediti onestamente: *avrei continuato a tradare durante un drawdown così profondo senza farmi prendere dal panico?* Se il max drawdown è del 35% e tu molleresti al 20%, la strategia non è praticabile per te a prescindere dal suo rendimento.
  • •Average Hold (days) — quanto a lungo le posizioni restano aperte. Ti dice il ritmo: una media di 3 giorni è gestione attiva; una media di 12 giorni è gestione paziente.

Distribuzione degli esiti e registro delle operazioni

  • •L'Equity Curve traccia il valore del conto nell'arco della finestra. Vuoi una curva che salga macinando verso l'alto e verso destra. Una curva che schizza in alto all'inizio per poi dissanguarsi, o una con un singolo enorme strapiombo, è un campanello d'allarme anche se il punto finale è positivo.
  • •I Monthly Returns suddividono il P&L in secchielli mensili. La costanza conta: una strategia che guadagna in 5 mesi su 6 è più affidabile di una che deve tutto il suo rendimento a un singolo mese fortunato.
  • •Il Trade Log elenca le singole operazioni con direzione (YES/NO), entrata, uscita, dimensione, P&L, tempo di mantenimento ed esito. Leggi nello specifico le tue operazioni migliori e peggiori — se tutto il tuo rendimento è arrivato da un singolo outlier, non hai un edge, hai una coincidenza.
  • •Usa Export CSV (in alto a destra nel registro delle operazioni) per estrarre *tutte* le operazioni — non solo le ultime 10 mostrate — in un foglio di calcolo per un audit più approfondito. I campi del CSV sono sanificati contro la formula injection, quindi è sicuro aprirlo direttamente in Excel o Sheets.

Consigli per backtest affidabili

  • •Cambia una variabile alla volta. Poiché Monte Carlo è deterministico, puoi isolare l'effetto, ad esempio, della frazione di Kelly mantenendo costante tutto il resto. Fai uno sweep su 0,25 / 0,5 / 1,0 e osserva come Sharpe e max drawdown si muovono insieme.
  • •Ottimizza per Sharpe e drawdown, non per il rendimento grezzo. È facile gonfiare il rendimento aumentando il sizing; è difficile farlo senza far esplodere il drawdown. Il total return dall'aspetto migliore raramente è la strategia migliore.
  • •Pretendi un campione reale. Spingi la finestra a 90 o 180 giorni così da avere abbastanza operazioni. Una run profittevole di 30 giorni su 8 operazioni non è una prova.
  • •Confronta Monte Carlo con il replay. Se una strategia sembra ottima in Monte Carlo, valida la stessa logica sulla cronologia di un mercato reale tramite il widget di replay. L'accordo tra i due è un segnale forte; il disaccordo significa che bisogna scavare più a fondo.
  • •Adatta il backtest al modo in cui farai davvero trading. Usa il tuo capitale reale, i tuoi limiti di posizione reali e regole di uscita che rispetterai sul serio. Il backtest di una strategia disciplinata che non seguirai non vale nulla.

Insidie e limiti

  • •I backtest sono indicativi, non profezie. Entrambi i motori sono esplicitamente etichettati come approssimazioni. Monte Carlo usa *statistiche* storiche, non un replay di ogni operazione reale; il motore di replay usa snapshot in cache e un modello a una posizione alla volta. Le performance passate non garantiscono risultati futuri — il classico avvertimento qui è vero per ragioni concrete.
  • •Il replay ha bisogno che i dati esistano. Il motore di replay richiede almeno 10 snapshot per un mercato, e idealmente 50+ distribuiti su almeno una giornata intera, prima di restituire output utili. Su un deployment appena creato o su un mercato poco coperto vedrai un avviso data_quality: insufficient o limited. La soluzione è semplicemente tempo — lascia che i cron degli snapshot accumulino storico.
  • •Conteggi bassi di operazioni portano avvisi. Se si chiudono meno di 3–5 operazioni, il motore segnala direttamente l'alta varianza nelle note. Credi al flag.
  • •L'over-fitting è il peccato capitale. Se ottimizzi i parametri finché la curva è impeccabile, hai memorizzato il rumore storico, non trovato un edge duraturo. Una strategia che sopravvive a diverse finestre e a una configurazione leggermente differente è molto più credibile di una che è perfetta su esattamente un'impostazione.
  • •Rate limit. I backtest sono limitati a 10 run all'ora per utente perché ogni replay può scansionare migliaia di snapshot. Pianifica i tuoi parameter sweep invece di tempestare Run.

Requisiti di piano

Il Motore di Backtesting è disponibile sui piani Pro ($59/mese) e Bot ($99/mese). Non è incluso nel piano Starter ($29/mese) — gli utenti Starter vedranno un gate di upgrade su /dashboard/backtest.

Il backtesting di per sé non tocca mai denaro reale, quindi Pro è sufficiente per usare ogni funzione di questa pagina. Per poi distribuire una strategia validata come bot automatizzato live che opera sul CLOB di Polymarket, ti servirà il piano Bot, che sblocca il Bot Builder e l'esecuzione live. Il percorso consigliato è: backtest su Pro o Bot → paper trading dei sopravvissuti → live su Bot.

Come si collega al resto di Predite

Il backtesting sta nel mezzo di una pipeline di validazione. Le strategie che provi qui rispecchiano le condizioni usate dall'EV Scanner e dal Bot Builder, quindi una configurazione che va bene in backtest si traduce quasi direttamente in regole per un bot live. Una volta che una strategia supera il backtest, il passo naturale è testarla in avanti, senza rischio, in Paper Trading, prima di impegnare capitale. Sul dimensionamento attenzione a non mescolare: il backtest applica una propria dimensione di posizione fissa, mentre il Calcolatore di Kelly esegue la vera formula di Kelly, edge / (1 − prezzo), con un quarto di Kelly di default e un tetto del 25% del bankroll. I due non coincideranno, ed è il numero di Kelly quello con cui dimensionare. E quando sarai pronto ad automatizzare un edge dimostrato, la libreria Strategie dei bot ti permette di cablare esattamente quelle regole in un bot che gira di continuo.

Documentazione correlata

← Tutta la Documentazione