Interpretacja wyników Backtestu: ilościowy przewodnik po każdym wskaźniku

#Interpretacja wyników Backtestu: ilościowy przewodnik po każdym wskaźniku

Raport z Backtestu to gęsty arkusz liczb. Total Return, Sharpe Ratio, Max Drawdown, Profit Factor, Win Rate — każdy wskaźnik odpowiada na inne pytanie dotyczące Twojej strategii. Odczytaj je błędnie, a wdrożysz strategię, która na papierze wygląda genialnie, ale na żywym rynku spala kapitał. Odczytaj je prawidłowo, a odfiltrujesz kruche konfiguracje, zanim będą Cię kosztować choćby centa.

Ten przewodnik daje Ci wzory, benchmarki oraz — co najważniejsze — ramy oceny pozwalające odróżnić naprawdę mocny Backtest od sprytnie przeoptymalizowanego (Overfitting).

Jeśli nie przeprowadziłeś jeszcze żadnego Backtestu, zacznij od naszego przewodnika krok po kroku po backtestingu, zanim przeczytasz ten artykuł.

#Kluczowe wskaźniki wyników wraz ze wzorami

#Total Return vs. CAGR

Total Return to najprostszy wskaźnik: ile Twoje portfolio zyskało lub straciło w całym okresie Backtestu.

Total Return = (Ending Value - Starting Value) / Starting Value × 100

Jeśli zacząłeś od $10,000, a zakończyłeś na $11,850, Twój Total Return wynosi 18,5%.

Problem z Total Return polega na tym, że ignoruje czas. Zwrot 18,5% w 3 miesiące jest fenomenalny. Te same 18,5% w ciągu 3 lat jest rozczarowujące. CAGR (Compound Annual Growth Rate) rozwiązuje to, normalizując zwroty do podstawy rocznej:

CAGR = (Ending Value / Starting Value)^(365 / days) - 1

Przykład: $10,000 → $11,850 w ciągu 180 dni:

CAGR = (11850 / 10000)^(365/180) - 1 = 1.185^2.028 - 1 = 0.4036 = 40.36%

Te same $10,000 → $11,850 w ciągu 730 dni (2 lata):

CAGR = (11850 / 10000)^(365/730) - 1 = 1.185^0.5 - 1 = 0.0887 = 8.87%

#Sharpe Ratio

Sharpe Ratio to złoty standard wyników skorygowanych o ryzyko. Odpowiada na pytanie: „Ile zwrotu uzyskałem za każdą jednostkę zmienności, którą zniosłem?"

Sharpe Ratio = (Rp - Rf) / σp

Gdzie:

• Rp = roczny zwrot portfolio
• Rf = stopa wolna od ryzyka (typowo 4–5% dla USD lub 0% przy porównaniu wyłącznie krypto)
• σp = roczne odchylenie standardowe zwrotów portfolio

Przykład obliczenia: Twój bot uzyskuje 42% rocznego zwrotu przy odchyleniu standardowym 18%. Stopa wolna od ryzyka wynosi 5%.

Sharpe = (0.42 - 0.05) / 0.18 = 0.37 / 0.18 = 2.06

#Sortino Ratio

Sharpe Ratio karze każdą zmienność jednakowo — ale zmienność w górę jest dobra. Jeśli Twoja strategia wystrzeli w górę o 5% w ciągu dnia, Sharpe traktuje to tak samo jak spadek o 5%. Sortino Ratio rozwiązuje to, karząc wyłącznie odchylenie w dół:

Sortino Ratio = (Rp - Rf) / σd

Gdzie σd to odchylenie standardowe wyłącznie ujemnych zwrotów.

Dlaczego to ważne: Strategia, która łapie duże ruchy w górę, ale ogranicza straty, będzie miała Sortino Ratio znacznie wyższe niż jej Sharpe Ratio. To mówi Ci, że zmienność jest „tego dobrego rodzaju".

Przykład: Ten sam bot z 42% rocznego zwrotu i stopą wolną od ryzyka 5%, ale z odchyleniem w dół wynoszącym tylko 11%:

Sortino = (0.42 - 0.05) / 0.11 = 3.36

Porównaj to z Sharpe wynoszącym 2,06. Duża różnica mówi Ci, że większość zmienności strategii pochodzi z ruchów w górę — pożądana cecha.

#Max Drawdown

Max Drawdown (MDD) mierzy największy spadek wartości portfolio peak-to-trough. Odpowiada na najbardziej osobiste pytanie w tradingu: „Jaki najgorszy ból musiałbym znieść?"

MDD = (Trough Value - Peak Value) / Peak Value × 100

Przykład: Twoje portfolio rośnie z $10,000 do $13,200 (szczyt), następnie spada do $10,890, zanim się odbije:

MDD = (10890 - 13200) / 13200 × 100 = -17.5%

Dwa kluczowe pod-wskaźniki:

1. Czas trwania Drawdown: Ile dni od szczytu do dołka. Drawdown -15% trwający 4 dni jest psychologicznie łatwiejszy niż -15% trwający 2 miesiące.
2. Czas odzysku: Ile dni od dołka z powrotem do poprzedniego szczytu. Szybki odzysk = odporna strategia.

#Profit Factor

Profit Factor jest brutalnie prosty i natychmiast praktyczny:

Profit Factor = Gross Profit / Gross Loss

Przykład: Twój bot zarobił $4,200 na wygranych Trade'ach i stracił $2,100 na stratnych Trade'ach:

Profit Factor = 4200 / 2100 = 2.0

#Win Rate i wartość oczekiwana

Win Rate to procent Deali zamkniętych z zyskiem:

Win Rate = Winning Deals / Total Deals × 100

Sam Win Rate jest niebezpiecznie mylący. Win Rate 90% brzmi niewiarygodnie — ale jeśli Twój średni zysk to $10, a średnia strata to $200, tracisz pieniądze. Tu właśnie wkracza wartość oczekiwana:

Expectancy = (Win Rate × Average Win) - (Loss Rate × Average Loss)

Przykład: Win Rate 62%, średni zysk $85, średnia strata $120:

Expectancy = (0.62 × $85) - (0.38 × $120) = $52.70 - $45.60 = $7.10 per trade

Każdy Trade ma dodatnią wartość oczekiwaną $7,10. Na przestrzeni 100 Trade'ów spodziewałbyś się zarobić ~$710.

#Win Rate vs. Risk-Reward: tabela progu rentowności

To jedno z najważniejszych pojęć w tradingu. Win Rate i risk-reward ratio (R:R) są ze sobą odwrotnie powiązane: możesz być zyskowny przy niskim Win Rate, jeśli Twoje wygrane są wystarczająco duże w stosunku do przegranych.

Próg rentowności Win Rate dla dowolnego risk-reward ratio wynosi:

Breakeven Win Rate = 1 / (1 + Risk-Reward Ratio)

Praktyczny przykład: Bot DCA z Win Rate 40% i risk-reward 1:3:

• Na 100 Trade'ów: 40 wygranych × $300 = $12,000 zysku
• 60 strat × $100 = $6,000 strat
• Zysk netto = $6,000 (Profit Factor = 2,0)

Porównaj to z botem z Win Rate 70% i risk-reward 1:0,5:

• 70 wygranych × $50 = $3,500 zysku
• 30 strat × $100 = $3,000 strat
• Zysk netto = $500 (Profit Factor = 1,17)

Strategia z Win Rate 40% generuje 12× większy zysk netto. Win Rate to próżność; wartość oczekiwana to rozsądek.

#Analiza Equity Curve

Equity Curve wykreśla wartość Twojego portfolio w czasie. To najgęstsza informacyjnie wizualizacja w każdym raporcie z Backtestu.

#Gładkie schody (ideał)

Zdrowa Equity Curve rośnie spójnymi, schodkowymi przyrostami. Każdy stopień reprezentuje zakończony Deal. Schody idą w górę częściej niż w dół, a Drawdowny między stopniami są płytkie i krótkie.

Co Ci to mówi: Strategia generuje spójną, powtarzalną przewagę w różnych warunkach rynkowych. To krzywa strategii, której możesz powierzyć prawdziwy kapitał.

#Postrzępiona piła (niepokojące)

Ostre ruchy w górę, po których następują równie ostre ruchy w dół, tworząc wzór zygzaka. Ogólna trajektoria może być wznosząca, ale jazda jest gwałtowna.

Co Ci to mówi: Wysoka wariancja zwrotów. Max Drawdown jest prawdopodobnie duży, Sharpe Ratio jest prawdopodobnie poniżej 1,0, a trading na żywo będzie testował Twoje granice emocjonalne. Nawet jeśli Total Return jest dodatni, strategia jest krucha.

#Kij hokejowy (niebezpieczne)

Płaska lub lekko ujemna przez większość okresu, następnie nagły skok generujący większość zysku w kilku Trade'ach.

Co Ci to mówi: Strategia jest zależna od konkretnego wydarzenia rynkowego (krachu, pompy lub pojedynczej dużej świecy). Usuń te kilka Trade'ów, a strategia jest nieopłacalna. To nie jest systematyczna przewaga — to szczęście, które przypadkiem zbiegło się z Twoim oknem Backtestu.

#Spadek z klifu (fatalne)

Stabilne wspinanie się, po którym następuje nagły, katastrofalny spadek wymazujący większość lub całość zysków.

Co Ci to mówi: Strategia nie ma ochrony przed spadkami. Zazwyczaj spowodowane brakiem Stop Lossów, nadmierną dźwignią lub strategią, która jest niejawnie short volatility (zbiera małe premie, dopóki tail event nie wymaże wszystkiego).

#Wykrywanie Overfittingu

Overfitting to cichy zabójca strategii poddanych Backtestowi. Strategia dopasowana do krzywej (curve fitting) wygląda fenomenalnie w Backtestach, ale zawodzi na żywym rynku, ponieważ zapamiętała historyczny szum zamiast uchwycić prawdziwy wzorzec rynkowy.

#Oznaki Overfittingu

1. Działa na jednej parze, zawodzi na podobnych parach. Jeśli Twoja strategia BTC/USDT daje 35%, ale dokładnie te same ustawienia na ETH/USDT dają -5%, strategia jest prawdopodobnie dopasowana do specyficznej historii ceny BTC.

2. Działa tylko na jednym przedziale czasowym. Strategia, która daje 28% na ostatnich 6 miesiącach, ale -3% na poprzedzających 6 miesiącach, zapamiętała jeden konkretny reżim.

3. Zbyt wiele zoptymalizowanych parametrów. Każdy dodatkowy parametr daje optymalizatorowi więcej stopni swobody do dopasowania szumu. Jeśli Twoja strategia ma 8+ parametrów, które wszystkie były indywidualnie optymalizowane, Overfitting jest niemal gwarantowany.

4. Nierealistyczne wskaźniki. Sharpe > 4, Win Rate > 98%, zero stratnych Trade'ów lub Profit Factor > 5 przy 50+ Trade'ach — wszystkie wskazują na strategię, którą naginano do dopasowania do danych.

5. Wyniki pogarszają się przy drobnych zmianach ustawień. Odporne strategie wykazują stopniowe zmiany wyników, gdy nieznacznie korygujesz parametry. Przeoptymalizowane strategie załamują się, gdy przesuniesz RSI z 27 na 28 albo Take Profit z 1,87% na 1,90%.

#Testowanie In-sample vs. Out-of-sample

Standardowa metoda wykrywania Overfittingu:

1. Podziel swoje dane. Weź całą dostępną historię (np. 12 miesięcy) i podziel ją: pierwsze 8 miesięcy = In-sample (trening), ostatnie 4 miesiące = Out-of-sample (walidacja).

2. Optymalizuj wyłącznie na In-sample. Znajdź najlepsze parametry, używając wyłącznie pierwszych 8 miesięcy.

3. Testuj na Out-of-sample bez zmian. Zastosuj te dokładne parametry do ostatnich 4 miesięcy. Niczego nie koryguj.

4. Porównaj wyniki. Jeśli wyniki Out-of-sample mieszczą się w granicach 30–40% wyników In-sample, strategia prawdopodobnie ma prawdziwą przewagę. Jeśli wyniki Out-of-sample są ujemne lub dramatycznie gorsze, strategia jest przeoptymalizowana.

Przykład:

• In-sample (sty–sie): zwrot 24%, Sharpe 1,8, Win Rate 67%
• Out-of-sample (wrz–gru): zwrot 11%, Sharpe 1,2, Win Rate 61%
• Werdykt: Wyniki spadły, ale pozostały solidnie dodatnie. To prawowita strategia.

Porównaj to z przeoptymalizowanym wynikiem:

• In-sample (sty–sie): zwrot 42%, Sharpe 3,1, Win Rate 88%
• Out-of-sample (wrz–gru): zwrot -4%, Sharpe -0,3, Win Rate 43%
• Werdykt: Całkowite załamanie. Strategia zapamiętała dane treningowe.

#Analiza Walk-forward

Bardziej rygorystyczne podejście niż pojedynczy podział in/out:

1. Optymalizuj na miesiącach 1–6, testuj na miesiącu 7
2. Optymalizuj na miesiącach 2–7, testuj na miesiącu 8
3. Optymalizuj na miesiącach 3–8, testuj na miesiącu 9
4. Kontynuuj, rolując do przodu

Każdy okres Out-of-sample jest testowany z parametrami zoptymalizowanymi na innym oknie. Jeśli strategia konsekwentnie radzi sobie dobrze we wszystkich okresach Out-of-sample, przeszła najsilniejszy dostępny test Overfittingu.

#Sygnały ostrzegawcze w wynikach Backtestu

Pewne wzorce w raporcie z Backtestu powinny natychmiast wzbudzić sceptycyzm:

#Rzeczywisty przykład: Strategia A vs. Strategia B

Porównajmy dwa rzeczywiste wyniki Backtestu na BTC/USDT w ciągu 6 miesięcy (sty–cze) z kapitałem początkowym $10,000.

#Strategia A: „Wysoki Win Rate"

#Strategia B: „Łowca trendu"

#Analiza

Strategia A ma kuszący Win Rate 95%, ale osiąga go, biorąc maleńkie zyski i trzymając stratne pozycje. Każda wygrana wynosi średnio $18,40, podczas gdy każda strata średnio $142 — risk-reward ratio mniej więcej 1:0,13. Cztery złe Trade'y mogą wymazać 31 wygranych Trade'ów. Profit Factor 1,38 nie pozostawia niemal żadnego marginesu na Slippage i opłaty w tradingu na żywo. Niski Sharpe (0,72) potwierdza słabe wyniki skorygowane o ryzyko.

Strategia B wygrywa tylko w 55% przypadków, ale wygrane są 2,3× większe niż przegrane. Wartość oczekiwana na Trade ($40,42) jest niemal 4× wyższa niż w Strategii A ($10,86). Sharpe 1,64 i Profit Factor 2,48 pokazują silne zwroty skorygowane o ryzyko. Wyższy Max Drawdown (-11,3% vs -6,8%) to cena strategii, która faktycznie zajmuje znaczące Pozycje.

#Co dzieje się w scenariuszach stresowych?

Wyobraź sobie nagły krach BTC o 12% w okresie Backtestu:

• Strategia A: Krach wyzwala 4 Stop Lossy jednocześnie (ma wiele otwartych mikro-Deali). Strata: 4 × $142 = $568, wymazując 31 wygranych Trade'ów o wartości $570. Jedno wydarzenie krachowe wymazuje miesiąc zysków.
• Strategia B: Krach wyzwala 2 Stop Lossy. Strata: 2 × $48,50 = $97. Dwa wygrane Trade'y ($224) pokrywają straty z zapasem. Strategia jest strukturalnie odporna.

#Złożenie wszystkiego w całość: ramy oceny

Gdy otrzymasz raport z Backtestu, oceniaj wskaźniki w tej kolejności:

1. Wartość oczekiwana — Czy jest dodatnia? O ile na Trade?
2. Profit Factor — Czy jest powyżej 1,5? Powyżej 2,0?
3. Max Drawdown — Czy psychologicznie i finansowo zniesiesz 1,5× tej liczby?
4. Sharpe Ratio — Czy jest powyżej 1,0? Jeśli powyżej 3,0, zbadaj pod kątem Overfittingu.
5. Equity Curve — Czy to gładkie schody, czy postrzępiony bałagan?
6. Wyniki Out-of-sample — Czy strategia broni się na niewidzianych danych?
7. Win Rate — Istotny tylko w kontekście średniego zysku vs. średniej straty.

Strategie, które przechodzą wszystkie siedem testów, są rzadkie — i warte wdrożenia. Strategie, które zawodzą w punktach 1–3, należy odrzucić lub fundamentalnie przeprojektować, niezależnie od tego, jak wyglądają pozostałe wskaźniki.

Po wskazówki dotyczące optymalizacji strategii, które przechodzą te ramy, zobacz nasz przewodnik po optymalizacji bota.

#Najczęściej zadawane pytania

#Jaki jest dobry Sharpe Ratio dla krypto trading bota?

Sharpe Ratio między 1,0 a 2,0 jest uważany za dobry dla strategii krypto. Rynki krypto są bardziej zmienne niż tradycyjne akcje, więc konsekwentne osiąganie Sharpe powyżej 2,0 jest naprawdę trudne. Wartości powyżej 3,0 powinny zostać zbadane pod kątem Overfittingu. Dla kontekstu: wiele odnoszących sukcesy ilościowych funduszy hedgingowych celuje w Sharpe Ratio między 1,5 a 2,5. Jeśli Twój krypto bot osiąga Sharpe 1,5 w Backteście obejmującym wiele reżimów rynkowych, to mocny wynik.

#Jak obliczyć Max Drawdown, gdy mam wiele otwartych Pozycji?

Max Drawdown należy obliczać na całkowitym kapitale portfolio, a nie na pojedynczych Trade'ach. W dowolnym momencie wartość Twojego portfolio równa się gotówka + niezrealizowany PnL na wszystkich otwartych Pozycjach. Śledź tę łączną wartość w czasie, zidentyfikuj najwyższy szczyt i najniższy późniejszy dołek oraz oblicz procentowy spadek. Wielu traderów popełnia błąd, patrząc wyłącznie na zrealizowany PnL, co ignoruje ryzyko Drawdown otwartych Pozycji.

#Dlaczego moja strategia ma dobry Sharpe, ale zły Profit Factor?

Może się to zdarzyć, gdy strategia wykonuje wiele małych zyskownych Trade'ów (tworząc spójne zwroty przy niskiej zmienności → wysoki Sharpe), ale nieliczne stratne Trade'y są duże w stosunku do pojedynczych wygranych (obniżając stosunek Gross Profit / Gross Loss → niski Profit Factor). Sugeruje to, że strategia ma fat-tail risk: radzi sobie dobrze przez większość czasu, ale jest podatna na okazjonalne duże straty. Zacieśnienie Stop Lossów zwykle naprawia Profit Factor kosztem niższego Win Rate.

#Czy powinienem używać Sharpe czy Sortino Ratio?

Używaj obu, ale przykładaj większą wagę do Sortino w przypadku strategii o asymetrycznych profilach zwrotu. Jeśli Twoja strategia łapie duże ruchy w górę, jednocześnie ograniczając spadki, Sortino będzie znacznie wyższe niż Sharpe, odzwierciedlając fakt, że zmienność w górę jest korzystna. Jeśli Sharpe i Sortino są podobne, zmienność Twojej strategii jest mniej więcej symetryczna — ruchy w górę i w dół mają podobną wielkość.

#Ilu Trade'ów potrzebuję, aby wskaźniki były statystycznie wiarygodne?

Minimalnie 30 Trade'ów zapewnia podstawową wiarygodność statystyczną. Aby Sharpe Ratio i Profit Factor znacząco różniły się od losowego szumu, preferowane jest 50+ Trade'ów. Aby Win Rate ustabilizował się w granicach ±5% wartości rzeczywistej, zazwyczaj potrzebujesz 100+ Trade'ów. Jeśli Twój Backtest pokazuje tylko 15 Trade'ów, traktuj wszystkie wskaźniki jako zgrubne szacunki, a nie wiarygodne predyktory. Wydłuż okres Backtestu lub użyj strategii o wyższej częstotliwości, aby wygenerować więcej punktów danych.

#Czy dwie strategie z tym samym Total Return mogą diametralnie różnić się jakością?

Absolutnie. Strategia X może dawać 20% przy Sharpe 0,6, Max Drawdown -25% i Equity Curve typu spadek z klifu. Strategia Y może dawać 20% przy Sharpe 1,8, Max Drawdown -8% i gładkiej krzywej schodów. Ten sam cel, radykalnie różne drogi. Strategia Y jest lepsza w każdym wymiarze skorygowanym o ryzyko. Total Return jest najmniej użytecznym wskaźnikiem do porównywania strategii o różnych profilach ryzyka.