Bias di recenza

Come distorce le decisioni

• Abbandonare una strategia dopo tre giornate in perdita che la sua storia mostra essere comuni.
• Aumentare la dimensione dopo una settimana in guadagno, appena prima della normale regressione dei risultati.
• Riscrivere un playbook attorno alle ultime operazioni invece che sul campione completo.
• Leggere il mercato di oggi attraverso la lente del movimento di ieri, per esempio aspettandosi un'altra giornata di tendenza perché l'ultima è stata memorabile.

L'antidoto è il tasso di base

Ogni strategia ha un intervallo normale di periodi cattivi. Con un tasso di successo del 50 % e operazioni indipendenti, una sequenza di sei o più perdite consecutive appare in più della metà di tutti i campioni di 100 operazioni, e anche le giornate in perdita arrivano in sequenze. Prima di reagire ai risultati recenti, confrontali con l'intervallo che l'archivio lungo ha prodotto: la serie di perdite più lunga, il drawdown più profondo e il periodo sott'acqua più lungo. Se il periodo recente sta dentro quell'intervallo, l'archivio lungo descrive ancora la strategia; se cade molto fuori, è una prova che vale indagare.

Regole di decisione che aiutano

• Fissa in anticipo le condizioni che sospenderebbero una strategia, in numero di operazioni e profondità di drawdown.
• Cambia la dimensione solo a revisioni programmate, sul campione completo, mai dopo una serie.
• Tieni le statistiche di lungo periodo visibili accanto a quelle recenti.
• Etichetta i campioni sottili come sottili invece di giudicarli.

In Senzoukria

Diverse viste tengono i risultati recenti in proporzione. Lo storico per giorno della settimana del cruscotto del diario richiede almeno tre sessioni prima di chiamare un giorno della settimana buono o cattivo e lo riporta come sottile sotto quella soglia. Il pannello Performance elenca ogni esecuzione passata di replay e backtest così che l'ultima si possa confrontare con le precedenti, e mostra un'aspettativa mobile su 30 operazioni. Lo Sharpe mobile su 20 sessioni del Gauntlet e la sua distribuzione di drawdown rimescolati mostrano quale intervallo di risultati le stesse operazioni avrebbero potuto produrre in un altro ordine.