Så backtestar du en krypto-handelsstrategi: En komplett steg-för-steg-guide

Föreställ dig att du ska flyga ett flygplan för första gången. Skulle du hoppa över flygsimulatorn och gå direkt till ett riktigt plan med passagerare ombord? Naturligtvis inte. Du skulle öva i en simulator först — en trygg miljö där misstag inte kostar liv.

Backtesting är flygsimulatorn för kryptohandel. Den låter dig testa din strategi mot verklig historisk marknadsdata innan du riskerar en enda dollar av riktiga pengar. Och precis som flygsimulatorer har räddat otaliga liv, har korrekt backtesting räddat otaliga handelskonton från undvikbara förluster.

Oavsett om du konfigurerar din första DCA-bot eller finjusterar en avancerad signalbaserad strategi, kommer den här guiden att lära dig exakt hur du backtestar effektivt — och, minst lika viktigt, hur du tolkar resultaten utan att lura dig själv.

Om du är ny med handelsbottar, börja med vår Kompletta guide till krypto-handelsbottar för grundläggande sammanhang.

Vad är backtesting och varför är det viktigt?

Backtesting är processen att köra din handelsstrategi mot historisk marknadsdata för att se hur den skulle ha presterat under den tidsperioden. Istället för att vänta i veckor eller månader på att ta reda på om din bot-konfiguration fungerar, kan du simulera månader eller år av handel på några sekunder.

Varför varje seriös trader backtestar

Tänk på backtesting som att provköra en bil innan du köper den. Du skulle inte spendera $30,000 på en bil enbart baserat på broschyren — du skulle vilja köra den, känna hur den hanterar och se om den passar dina behov. Backtesting låter dig ”provköra” en strategi innan du binder upp kapital.

Så här hjälper backtesting dig:

• Validera din logik. Tjänar din strategi faktiskt pengar under de förhållanden du siktar på? En DCA-bot med 0.5% take profit kan låta konservativ och trygg, men backtesting kan avslöja att börsavgifter äter upp det mesta av den vinsten.
• Upptäck fatala brister tidigt. Kanske är avståndet mellan dina säkerhetsordrar för tätt, vilket får boten att tömma allt kapital under en rutinmässig 8%-dipp. Bättre att upptäcka det i en simulering än med riktiga pengar.
• Bygg självförtroende. Att veta att din strategi klarade utförsäljningen i mars 2025 eller rallyt under Q4 2025 ger dig övertygelsen att hålla fast vid den när livemarknaderna blir skakiga.
• Jämför konfigurationer. Ska du använda 4 eller 6 säkerhetsordrar? En take profit på 1.5% eller 2.5%? Backtesting låter dig köra båda sida vid sida och jämföra resultaten objektivt.

Vad backtesting inte kan göra

Låt oss vara ärliga om begränsningarna:

• Det kan inte förutsäga framtida marknadsförhållanden. En strategi som frodades i en tjurmarknad 2024 kan kämpa i en sidledes marknad 2025.
• Det använder perfekt data i efterhand. I livehandel möter du slippage (ordrar fylls till något avvikande priser), latens (fördröjningar i orderexekvering) och likviditetsgap som inte existerar i historisk data.
• Det kan skapa falskt självförtroende. Om du optimerar inställningar specifikt för att se bra ut på historisk data får du vilseledande resultat (mer om detta kritiska ämne senare).

Trots dessa begränsningar förblir backtesting det enskilt mest värdefulla verktyget för strategiutveckling. Alternativet — att testa med riktiga pengar från dag ett — är långt dyrare.

Hur backtesting fungerar under huven

Du behöver inte vara ingenjör för att använda backtesting, men att förstå hur det fungerar hjälper dig att tolka resultaten mer intelligent. Så här händer det när du klickar på ”Kör backtest” på en plattform som Freya Finance:

Steg 1: Inläsning av historisk data

Plattformen hämtar historisk prisdata för ditt valda handelspar. Denna data består av candlesticks (även kallad OHLCV-data) — varje ljus innehåller Öppning, Högsta, Lägsta, Stängning och Volym för en specifik tidsperiod (1 minut, 5 minuter, 1 timme osv.).

Om du till exempel backtestar en BTC/USDT-strategi över de senaste 6 månaderna med 1-timmes-ljus, laddar motorn ungefär 4,380 ljus av data (24 timmar × 183 dagar).

Steg 2: Simuleringsmotor

Backtesting-motorn ”spelar upp” marknaden, ljus för ljus, som om det skedde i realtid. Vid varje ljus gör motorn följande:

1. Uppdaterar det aktuella priset baserat på ljusets OHLCV-data
2. Kontrollerar utlösningsvillkor — Ska boten öppna en ny affär? Ska den placera en säkerhetsorder? Har take profit eller stop loss nåtts?
3. Exekverar simulerade ordrar — Köp- och säljordrar placeras till de simulerade priserna
4. Spårar portföljstatus — Löpande vinst/förlust, öppna positioner, tillgängligt kapital

Steg 3: Exekveringsmodell

Det är här kvalitetsskillnaderna mellan plattformar framträder. En bra backtesting-motor tar hänsyn till:

• Orderfyllning inom ljusets intervall. Om en säkerhetsorder är satt vid $60,000 och ett ljus lägsta är $59,800, anses ordern fylld vid $60,000 (inte till stängningspriset).
• Slippage-modellering. Vissa plattformar lägger till en liten simulerad slippage på varje order (t.ex. 0.05%) för att göra resultaten mer realistiska.
• Avgiftsberäkning. Börsens handelsavgifter (vanligtvis 0.1% per trade) dras av från varje simulerad trade, precis som de skulle göra i livehandel.

Steg 4: Sammanställning av resultat

Efter att ha bearbetat alla historiska ljus sammanställer motorn dina resultat: total vinst/förlust, antal avslutade affärer, vinstfrekvens, max drawdown och andra viktiga nyckeltal. Många plattformar, inklusive Freya Finance, genererar också en kapitalkurva — ett visuellt diagram som visar hur ditt portföljvärde förändrats över tid.

Steg för steg: Kör en backtest på Freya Finance

Låt oss gå igenom en praktisk backtest från början till slut. Vi konfigurerar en DCA-bot för BTC/USDT och analyserar resultaten tillsammans.

Steg 1: Navigera till bot-konfigurationen

Öppna Freya Finance och börja skapa en ny DCA-bot. Välj din börs (Binance, Bybit eller OKX) och välj ditt handelspar — vi använder BTC/USDT för detta exempel.

Steg 2: Konfigurera din strategi

Ställ in dina bot-parametrar. För denna exempelgenomgång använder vi en måttlig konfiguration:

• Basorderstorlek: $50
• Säkerhetsorderstorlek: $100
• Take Profit: 2%
• Stop Loss: 10%
• Max säkerhetsordrar: 4
• Prisavvikelse för säkerhetsordrar: 1.5%, 3%, 5%, 8% (skalande)
• Volymskala för säkerhetsordrar: 1.2× (varje efterföljande säkerhetsorder är 20% större)
• Startvillkor: RSI(14) korsar under 35 på 1-timmes-diagrammet

Steg 3: Ställ in dina backtest-parametrar

Innan du kör backtesten konfigurerar du simuleringsperioden:

• Tidsperiod: Välj datumintervallet. Vi rekommenderar minst 3-6 månader, helst med olika marknadsförhållanden (uppåtgående trend, nedåtgående trend och sidledes).
• Ljusintervall: För DCA-bottar ger 1-timmes-ljus en bra balans mellan noggrannhet och hastighet.

Steg 4: Kör backtesten

Tryck på backtest-knappen och låt motorn bearbeta den historiska datan. Beroende på tidsspann och strategins komplexitet tar detta vanligtvis några sekunder.

Steg 5: Analysera resultaten

Det är här det verkliga lärandet sker. Du ser en instrumentpanel med nyckeltal och ett diagram. Låt oss avkoda vad varje tal betyder.

Förstå dina backtest-resultat

Talen i en backtest-rapport kan kännas överväldigande till en början. Låt oss bryta ner varje viktigt nyckeltal, vad det faktiskt säger dig och vilka intervall du bör se efter.

Total vinst (%)

Vad det mäter: Den totala avkastningen på ditt allokerade kapital under backtest-perioden.

Exempel: En total vinst på 18.4% över 6 månader betyder att om du startade med $1,000 skulle ditt slutsaldo ha varit $1,184.

Vad du bör se upp för: Ett positivt tal är bra, men sammanhanget spelar roll. 18% över 6 månader under en tjurmarknad där BTC själv steg 40% betyder att din bot faktiskt underpresterade jämfört med en enkel köp-och-håll-strategi. Jämför din bots avkastning med den underliggande tillgångens utveckling under samma period.

Vinstfrekvens (%)

Vad det mäter: Andelen avslutade affärer som slutade i vinst.

Exempel: En vinstfrekvens på 78% betyder att 78 av varje 100 affärer var lönsamma.

Vad du bör se upp för: Högre är inte alltid bättre. En vinstfrekvens på 95% med små vinster och sällsynta men förödande förluster kan vara sämre än en vinstfrekvens på 60% där vinnarna är betydligt större än förlorarna. Titta alltid på vinstfrekvens tillsammans med genomsnittlig vinst per affär och max drawdown.

Max Drawdown (%)

Vad det mäter: Den största nedgången från topp till botten i ditt portföljvärde under backtesten. Detta är utan tvekan det viktigaste risknyckeltalet.

Exempel: En max drawdown på -12.5% betyder att portföljen på sin sämsta punkt var ner 12.5% från sin tidigare topp.

Varför det spelar roll: Max drawdown säger dig den värsta smärta du skulle ha upplevt. Fråga dig själv: ”Om min portfölj föll 12.5% i livehandel, skulle jag få panik och stänga av allt?” Om ja, är drawdownen för hög för din risktolerans — även om slutvinsten är attraktiv.

Sharpe-kvot

Vad det mäter: Riskjusterad avkastning. Den säger dig hur mycket avkastning du tjänade per enhet av tagen risk. En högre Sharpe-kvot betyder bättre avkastning i förhållande till den volatilitet du utstod.

Så tolkar du den:

• Under 0.5: Svag riskjusterad prestanda — du tar mycket risk för den avkastning du får
• 0.5–1.0: Acceptabel — rimlig för de flesta krypto-strategier
• 1.0–2.0: Bra — din strategi levererar solid avkastning i förhållande till risk
• Över 2.0: Utmärkt — men dubbelkolla för curve fitting, eftersom detta är ovanligt bra

Genomsnittlig affärslängd

Vad det mäter: Hur lång tid, i genomsnitt, varje affär tar från öppning till stängning (antingen vid take profit eller stop loss).

Exempel: En genomsnittlig affärslängd på 18 timmar betyder att de flesta positioner öppnas och stängs inom samma dag.

Vad du bör se upp för: Mycket långa affärslängder (flera dagar eller veckor) betyder att ditt kapital är bundet under längre perioder. Detta påverkar hur många affärer din bot kan avsluta och din totala kapitaleffektivitet. Om din strategi visar 15% total vinst men affärer i genomsnitt varar 3 veckor, kanske du bara avslutar en handfull affärer på ett kvartal.

Totalt antal affärer

Vad det mäter: Antalet kompletta affärscykler (köp → sälj) som boten exekverade under backtest-perioden.

Vad du bör se upp för: Fler affärer betyder generellt mer statistisk signifikans — en strategi som avslutade 85 affärer är mer tillförlitlig än en som avslutade 4. Ett mycket högt antal affärer kan dock tyda på överhandel, vilket ökar avgiftskostnaderna.

Att läsa kapitalkurvan

Talen berättar en del av historien. Kapitalkurvan — ett diagram som ritar upp ditt portföljvärde över tid — berättar resten. Att lära sig ”läsa” detta diagram är en av de mest värdefulla färdigheterna du kan utveckla som bot-trader.

Den ideala formen: Jämn uppåtgående lutning

De bästa kapitalkurvorna ser ut som en trappa som klättrar uppåt. Varje ”steg” är en avslutad affär, och den övergripande riktningen är konsekvent uppåt. Små, regelbundna vinster med minimala rekyler tyder på en robust strategi som presterar väl under olika förhållanden.

Tänk på det som en vandringsled. En stadig, gradvis stigning är hållbar och trygg. Du skulle kanske föredra en led som stiger 300 meter över 8 kilometer framför en som stiger 300 meter på 1.5 kilometer — även om båda når samma höjd.

Varningssignal: Hockeyklubban

Om din kapitalkurva är platt i månader och sedan plötsligt skjuter i höjden, kan din strategi vara beroende av en specifik markandshändelse (som en plötslig krasch eller en massiv pump). Detta är skört — du satsar på att samma sorts händelse ska inträffa igen.

Varningssignal: Berg- och dalbanan

Vilda svängningar upp och ner, även om slutresultatet är positivt, tyder på hög volatilitet i din avkastning. Detta betyder oftast att din max drawdown är obekväm, och det finns en verklig risk att du i livehandel skulle överge strategin under en nedgångsperiod.

Varningssignal: Klippan

En kapitalkurva som stiger stadigt och sedan faller kraftigt i slutet tyder på att din strategi inte har något försvar mot vissa marknadsförhållanden. Ofta betyder detta att stop loss är för lös (eller saknas helt), och en plötslig marknadsnedgång raderade veckor eller månader av vinster.

Hur en frisk kurva ser ut

De friskaste kapitalkurvorna delar dessa egenskaper:

• Konsekvent uppåtgående lutning — Inte beroende av en eller två stora vinster
• Små, kortvariga drawdowns — Kurvan dippar ibland men återhämtar sig snabbt
• Jämn utveckling — Inga utdragna platta perioder eller plötsliga toppar
• Liknande beteende över marknadsfaser — Kurvan stiger inte bara under en specifik regim

Faran med curve fitting: Den största fällan vid backtesting

Detta är det viktigaste avsnittet i hela den här artikeln. Curve fitting (även kallat överoptimering) är den främsta anledningen till att traders får fantastiska backtest-resultat men förlorar pengar i livehandel. Att förstå det kommer att spara dig riktiga pengar.

Vad är curve fitting?

Curve fitting händer när du finjusterar dina strategiparametrar så många gånger att de blir perfekt anpassade till tidigare data snarare än att spegla en genuint bra strategi. Backtesten ser fantastisk ut — men bara för att du i princip har ”memorerat provsvaren”.

En analogi från verkliga livet

Föreställ dig att du pluggar inför ett prov. Istället för att lära dig materialet, memorerar du svaren från förra årets prov. Om årets prov har exakt samma frågor kommer du att klara det galant. Men om frågorna ändras det minsta, kommer du att kugga spektakulärt.

Curve fitting fungerar på samma sätt. Du optimerar din bot för att ”klara” den historiska datan — men när livemarknaderna oundvikligen presenterar andra förhållanden faller strategin samman.

Exempel: Hur curve fitting uppstår

Låt oss säga att du backtestar en DCA-bot på ETH/USDT över de senaste 3 månaderna. Din första körning visar en solid avkastning på 12%. Men du tänker: ”Jag kan göra bättre.”

Så du börjar finjustera:

• Körning 2: Du ändrar RSI-tröskeln från 30 till 27. Resultat: 14%. Bättre!
• Körning 3: Du justerar säkerhetsordrarnas avstånd till 1.7%, 3.3%, 6.1%. Resultat: 16.5%. Ännu bättre!
• Körning 4: Du ändrar take profit från 2% till 1.85%. Resultat: 18.2%. Toppen!
• Körning 5: Du lägger till ett MACD-filter med mycket specifika inställningar. Resultat: 22%. Fantastiskt!

Efter 20 iterationer har du hittat en konfiguration som ger 28% över 3 månader med en vinstfrekvens på 92%. Det ser otroligt ut.

Problemet? Dessa hyperspecifika inställningar (RSI vid 27, säkerhetsordrar vid 1.7/3.3/6.1%, TP vid 1.85%) baseras inte på någon handelslogik. De råkar bara stämma perfekt överens med de specifika prisrörelser som inträffade under exakt dessa 3 månader. Kör samma strategi på nästa 3 månader, och den kan förlora pengar.

Så undviker du curve fitting

1. Använd enkla, runda tal. En take profit på 2% är mer sannolik att fungera framåt än 1.87%. Runda tal tyder på en strategi baserad på logik, inte på data mining.

2. Testa över flera tidsperioder. Om din strategi fungerar bra på jan-mars, fungerar den även på apr-jun och jul-sep? Robusta strategier presterar konsekvent över olika perioder — inte spektakulärt i en och dåligt i andra.

3. Begränsa antalet parametrar. Varje extra parameter du lägger till ger dig ännu ett vred att vrida på för optimering. Enklare strategier med färre parametrar är svårare att curve fitta och tenderar att vara mer robusta.

4. Använd out-of-sample-testning. Optimera på en tidsperiod (”träningsdatan”), testa sedan exakt samma inställningar på en annan tidsperiod (”testdatan”) som du inte har tittat på. Om prestandan håller är strategin sannolikt genuin.

5. Var skeptisk mot perfekta resultat. Om din backtest visar 95%+ vinstfrekvens, 50%+ avkastning och minimal drawdown, är nästan säkert något för bra för att vara sant. Verkliga strategier har brister.

Forward testing vs. backtesting: Att brygga över klyftan till livehandel

Backtesting är steg ett. Men det finns ett viktigt mellansteg innan du går live med betydande kapital: forward testing (även kallat paper trading eller demohandel).

Vad är forward testing?

Forward testing innebär att köra din strategi under realtids-marknadsförhållanden — men utan att riskera riktiga pengar (eller med endast ett litet belopp). Du iakttar hur boten fattar beslut på live-prisdata, men trades är antingen simulerade eller exekverade med minimalt kapital.

Varför forward testing är viktigt

Forward testing fångar upp problem som backtesting inte kan:

• Slippage. Vid backtesting fylls ordrar till exakta priser. I livemarknader kan din order fyllas till ett något sämre pris, särskilt under volatila stunder.
• Latens. Det finns alltid en fördröjning mellan att en signal utlöses och att ordern når börsen. Under snabba prisrörelser kan denna fördröjning spela roll.
• Psykologisk beredskap. Att se din bot hantera en live 5%-dipp känns väldigt annorlunda än att se den på ett historiskt diagram. Forward testing hjälper dig att bygga den emotionella toleransen att lita på din strategi.
• Specialfall vid exekvering. Saker som delvis fyllda ordrar, underhållsfönster på börsen och API-hastighetsgränser dyker bara upp vid realtidsexekvering.

När du bör gå från backtesting till forward testing

Du är redo för forward testing när:

• ✅ Din strategi visar konsekvent positiva resultat över minst 3 olika backtesting-perioder
• ✅ Max drawdown ligger inom din personliga komfortnivå
• ✅ Du förstår varför strategin fungerar (inte bara att den fungerar)
• ✅ Du har motstått lusten att överoptimera för en specifik tidsperiod

När du bör gå från forward testing till livehandel

Du är redo för livehandel när:

• ✅ Forward test-resultaten stämmer i stort med dina backtest-resultat
• ✅ Du har forward-testat i minst 2-4 veckor
• ✅ Du har upplevt minst en marknadsdipp under forward testing och din strategi hanterade den som förväntat
• ✅ Du har en tydlig riskhanteringsplan (stop losses, positionsstorlek, maximal kapitalallokering)

Att tolka AI-driven backtest-analys

En av Freya Finances utmärkande funktioner är AI-driven backtest-analys. Efter att din backtest är klar analyserar vår AI resultaten och ger en tolkning på begriplig svenska — ingen finansexamen krävs.

Vad AI:n analyserar

AI:n undersöker dina fullständiga backtest-resultat och utvärderar:

• Strategins övergripande bärkraft — Är detta en strategi värd att satsa på, eller finns det fundamentala problem?
• Riskbedömning — Är max drawdown lämplig? Tar strategin överdriven risk för den avkastning den ger?
• Samband mellan nyckeltal — Hur förhåller sig vinstfrekvensen till den genomsnittliga vinsten? Stämmer Sharpe-kvoten överens med kapitalkurvans form?
• Specifika rekommendationer — Konkreta förslag som ”överväg att öka avståndet mellan säkerhetsordrar” eller ”din take profit kan vara för aggressiv för den nuvarande marknadsvolatiliteten”

Så använder du AI-insikter effektivt

AI-analysen är en utgångspunkt, inte ett slutgiltigt domslut. Så här får du ut mest av den:

1. Läs den övergripande bedömningen först. AI:n ger ett övergripande omdöme — var uppmärksam på om den identifierar strategin som stark, måttlig eller svag.

2. Fokusera på varningarna. Om AI:n flaggar för hög drawdown-risk eller potentiell curve fitting, ta dessa varningar på allvar. Detta är de problem som mest sannolikt orsakar förluster med riktiga pengar.

3. Använd förslag som experiment. Om AI:n föreslår att justera din take profit från 2% till 2.5%, kör en ny backtest med den ändringen och jämför. AI:ns förslag är inte alltid en förbättring, men det är alltid värt att testa.

4. Jaga inte ett perfekt AI-betyg. Målet är inte att optimera tills AI:n ger dig ett perfekt betyg — det är bara ännu en form av curve fitting. Använd AI:n som en rådgivare, inte som en domare.

För en djupare inblick i hur AI förändrar kryptohandeln, läs vår artikel om AI-drivna krypto-handelsbottar.

Checklista för bästa praxis vid backtesting

Innan du avslutar backtestingen och går över till livehandel, gå igenom denna checklista. Varje punkt bör vara bockad:

Val av data och period

• ☐ Testa minst 3-6 månaders data — Korta perioder fångar inte tillräcklig marknadsvariation
• ☐ Inkludera olika marknadsförhållanden — Din testperiod bör täcka minst en uppåtgående trend, en nedåtgående trend och en sidledes period
• ☐ Använd rätt handelspar — Backtesta på samma par som du planerar att handla live

Strategivalidering

• ☐ Testa över flera tidsperioder — Om din strategi bara fungerar i ett specifikt fönster är den troligen överanpassad
• ☐ Håll parametrarna enkla och logiska — Runda tal, rimliga intervall, tydlig logik bakom varje inställning
• ☐ Jämför med köp-och-håll — Din bot bör överträffa att bara hålla tillgången (annars, varför använda en bot?)
• ☐ Verifiera att avgifter ingår — Säkerställ att backtesten drar av handelsavgifter från resultaten

Riskbedömning

• ☐ Max drawdown ligger inom din tolerans — Om du inte klarar en 20%-drawdown, kör inte en strategi som visar en sådan vid backtesting
• ☐ Stop loss är konfigurerad — Varje strategi bör ha en maximal förlust per affär
• ☐ Kapitalallokeringen är rimlig — Allokera inte allt ditt kapital till en enda bot eller strategi
• ☐ Totalt antal affärer överstiger 20 — Resultat från färre affärer är inte statistiskt meningsfulla

Innan du går live

• ☐ Forward-testa i 2-4 veckor — Kör strategin i realtid med minimalt kapital
• ☐ Forward test-resultaten stämmer med backtesten — Om live-resultaten avviker avsevärt från backtestingen, undersök innan du skalar upp
• ☐ Du förstår strategin — Kan du förklara varför den fungerar i en mening? Om inte, fortsätt studera

För mer om att optimera din bots prestanda efter backtesting, kolla in vår guide om Optimering av handelsbots prestanda.

Vanliga frågor

Hur långt tillbaka bör jag backtesta min krypto-strategi?

För de flesta strategier ger 3-6 månader en bra balans. Det är tillräckligt länge för att inkludera olika marknadsförhållanden men tillräckligt aktuellt för att vara relevant för nuvarande marknadsdynamik. För strategier som handlar mindre ofta (som veckovis DCA) kanske du vill ha 6-12 månaders data för att generera tillräckligt med affärer för en meningsfull analys. Nyckeln är att din backtest-period bör inkludera minst en betydande dipp (10%+) och ett anmärkningsvärt rally för att se hur din strategi hanterar båda.

Kan jag lita på backtest-resultat som visar mycket hög avkastning?

Var skeptisk. Om en backtest visar avkastning som verkar för bra för att vara sann — säg 100%+ över några månader med en vinstfrekvens på 95% — finns det en hög chans för curve fitting. Realistisk avkastning för DCA-bottar under gynnsamma förhållanden ligger vanligtvis på 2-5% per affär, med månatlig avkastning i intervallet 5-20% beroende på marknadsförhållanden. Om din backtest dramatiskt överstiger dessa riktmärken, försök köra exakt samma inställningar på en annan tidsperiod. Om resultaten sjunker avsevärt var de ursprungliga resultaten troligen överanpassade.

Vad är det minsta antalet affärer som behövs för en tillförlitlig backtest?

Ett minimum på 20 avslutade affärer är en rimlig utgångspunkt, men fler är bättre. Tänk på det som slantsingling — om du singlar slant 5 gånger och får krona 4 gånger, kan du inte dra slutsatsen att slanten är orättvis. Men 80 krona av 100 kast är meningsfullt. På samma sätt ger en strategi med 5 avslutade affärer inte tillräckligt med data för att dra slutsatser. Om din backtest-period och konfiguration bara producerar en handfull affärer, förläng tidsspannet eller justera inställningarna för att generera mer handelsaktivitet.

Bör jag backtesta på 1-minuts-, 1-timmes- eller dagsljus?

Det beror på din strategis tidsram. För de flesta DCA- och grid-bottar erbjuder 1-timmes-ljus den bästa balansen mellan noggrannhet och bearbetningshastighet. 1-minuts-ljus ger mer granulär data men tar mycket längre tid att bearbeta och ändrar sällan utfallet nämnvärt för strategier som håller positioner i timmar eller dagar. Dagsljus är för grova för de flesta bot-strategier och kan missa prisrörelser inom dagen som skulle utlösa säkerhetsordrar eller take profits.

Hur skiljer sig backtesting från paper trading?

Backtesting använder historisk data — det spelar upp tidigare marknadsförhållanden för att simulera vad som skulle ha hänt. Paper trading (forward testing) kör din strategi på live-marknadsdata i realtid men utan riktiga pengar. Backtesting är snabbare (du kan simulera månader på sekunder) men mindre realistiskt. Paper trading är långsammare (du måste vänta på att marknaden rör sig) men speglar mer noggrant verkliga exekveringsförhållanden inklusive slippage, latens och live-orderbokens dynamik.

Inkluderar Freya Finance handelsavgifter i backtest-beräkningar?

Ja. Freya Finances backtesting-motor drar av börsens handelsavgifter från varje simulerad trade, vilket ger dig en mer korrekt bild av nettoprestandan. Vissa plattformar hoppar över detta steg, vilket kan få resultaten att se 5-15% bättre ut än de skulle vara i praktiken — särskilt för strategier som exekverar många affärer. Verifiera alltid att din backtesting-plattform tar hänsyn till avgifter innan du litar på resultaten.