En backtest-rapport är ett tätt ark med siffror. Totalavkastning, Sharpe Ratio, max drawdown, profit factor, vinstfrekvens — varje nyckeltal besvarar en annan fråga om din strategi. Läs dem fel, och du lanserar en strategi som ser lysande ut på papper men blöder kapital på riktiga marknader. Läs dem rätt, och du filtrerar bort sköra konfigurationer innan de kostar dig en enda cent.
Den här guiden ger dig formlerna, riktmärkena och — viktigast av allt — bedömningsramverket för att skilja ett genuint starkt backtest från ett skickligt överanpassat.
Viktigast
- Sharpe Ratio mäter avkastning per enhet total risk; värden över 1,0 är bra, över 2,0 utmärkta, över 4,0 misstänkta.
- Maximum Drawdown avslöjar den värsta förlusten från topp till botten — den definierar det psykologiska och finansiella smärttaket.
- Vinstfrekvens ensam är meningslös utan risk-reward-sammanhang: en vinstfrekvens på 40% med 1:3 RR är mer lönsam än 70% med 1:0,5.
- Överanpassning producerar backtest-resultat som bara fungerar på en specifik datamängd — upptäck den genom att testa på osedd data.
- Kapitalkurvans form avslöjar mer om en strategis robusthet än något enskilt nyckeltal.
- Varningssignaler inkluderar Sharpe >4, vinstfrekvens >98% och noll förlustaffärer — dessa indikerar nästan alltid ett bristfälligt backtest.
Om du inte har kört ett backtest än, börja med vår steg-för-steg-guide för backtesting innan du läser den här artikeln.
Dollarbeloppen och procentsatserna i den här guiden är räkneexempel, inte rekommendationer. Kryptohandel kan förlora pengar — dimensionera varje bot med medel du har råd att förlora, och läs hela Riskinformationen innan du går live.
Centrala prestationsnyckeltal med formler
Totalavkastning vs. CAGR
Totalavkastning är det enklaste nyckeltalet: hur mycket din portfölj vann eller förlorade under hela backtest-perioden.
Totalavkastning = (Slutvärde - Startvärde) / Startvärde × 100
Om du började med $10 000 och slutade med $11 850 är din totalavkastning 18,5%.
Problemet med totalavkastning är att den ignorerar tid. En avkastning på 18,5% över 3 månader är fenomenal. Samma 18,5% över 3 år är svagt. CAGR (Compound Annual Growth Rate) åtgärdar detta genom att normalisera avkastning till årsbasis:
CAGR = (Slutvärde / Startvärde)^(365 / dagar) - 1
Exempel: $10 000 → $11 850 över 180 dagar:
CAGR = (11850 / 10000)^(365/180) - 1 = 1,185^2,028 - 1 = 0,4036 = 40,36%
Samma $10 000 → $11 850 över 730 dagar (2 år):
CAGR = (11850 / 10000)^(365/730) - 1 = 1,185^0,5 - 1 = 0,0887 = 8,87%
Jämför alltid strategier med CAGR, inte totalavkastning. En strategi som ger 25% på 6 månader (CAGR ≈ 56%) är långt överlägsen en som ger 30% på 14 månader (CAGR ≈ 25%), även om totalavkastningen är lägre.
Sharpe Ratio
Sharpe Ratio är guldstandarden för riskjusterad prestation. Den besvarar: ”Hur mycket avkastning tjänade jag för varje enhet volatilitet jag uthärdade?”
Sharpe Ratio = (Rp - Rf) / σp
Där:
- Rp = annualiserad portföljavkastning
- Rf = riskfri ränta (typiskt 4–5% för USD, eller 0% vid jämförelse av enbart krypto)
- σp = annualiserad standardavvikelse av portföljavkastningen
Beräkningsexempel: Din bot ger 42% annualiserad avkastning med en standardavvikelse på 18%. Den riskfria räntan är 5%.
Sharpe = (0,42 - 0,05) / 0,18 = 0,37 / 0,18 = 2,06
| Sharpe Ratio | Tolkning | Åtgärd |
|---|---|---|
| < 0,5 | Svag riskjusterad avkastning | Gör om strategin |
| 0,5 – 1,0 | Acceptabel | Användbar men sök förbättringar |
| 1,0 – 2,0 | Bra | Stark kandidat för live-lansering |
| 2,0 – 3,0 | Utmärkt | Lansera med tillförsikt, bevaka regimskiften |
| > 4,0 | Misstänkt | Nästan säkert överanpassad — undersök |
En Sharpe Ratio över 4,0 i ett krypto-backtest är en varningssignal, inte en hedersutmärkelse. Kryptomarknader är i grunden volatila — att konsekvent uppnå riskjusterad avkastning på hedgefondsnivå är inte trovärdigt utan överanpassning eller look-ahead-bias. Om ditt backtest visar Sharpe > 4 bör din första reaktion vara misstänksamhet, inte firande.
Sortino Ratio
Sharpe Ratio bestraffar all volatilitet lika — men uppåtvolatilitet är bra. Om din strategi skjuter upp 5% på en dag behandlar Sharpe det på samma sätt som ett fall på 5%. Sortino Ratio åtgärdar detta genom att bara bestraffa nedåtavvikelse:
Sortino Ratio = (Rp - Rf) / σd
Där σd är standardavvikelsen av enbart negativ avkastning.
Varför det spelar roll: En strategi som fångar stora uppåtrörelser men begränsar förluster får en Sortino Ratio betydligt högre än sin Sharpe Ratio. Det säger dig att volatiliteten är ”den goda sorten”.
Exempel: Samma bot med 42% annualiserad avkastning och 5% riskfri ränta, men nedåtavvikelse på bara 11%:
Sortino = (0,42 - 0,05) / 0,11 = 3,36
Jämför detta med Sharpe på 2,06. Den stora skillnaden säger dig att det mesta av strategins volatilitet kommer från uppåtrörelser — en önskvärd egenskap.
Maximum Drawdown
Maximum drawdown (MDD) mäter den största nedgången från topp till botten i portföljvärde. Den besvarar den mest personliga frågan inom trading: ”Vad är den värsta smärta jag skulle ha uthärdat?”
MDD = (Bottenvärde - Toppvärde) / Toppvärde × 100
Exempel: Din portfölj klättrar från $10 000 till $13 200 (toppen), faller sedan till $10 890 innan den återhämtar sig:
MDD = (10890 - 13200) / 13200 × 100 = -17,5%
Två kritiska undernyckeltal:
- Drawdown-varaktighet: Hur många dagar från topp till botten. En drawdown på -15% som varar 4 dagar är psykologiskt lättare än -15% som varar 2 månader.
- Återhämtningstid: Hur många dagar från botten tillbaka till föregående topp. Snabb återhämtning = motståndskraftig strategi.
| Max Drawdown | Risknivå | Lämplig för |
|---|---|---|
| < 5% | Konservativ | Riskaverta handlare, stort kapital |
| 5% – 15% | Måttlig | De flesta bot-handlare |
| 15% – 25% | Aggressiv | Erfarna handlare med övertygelse |
| > 25% | Hög risk | Endast med liten allokering och hög förväntad avkastning |
En användbar tumregel: lansera aldrig en strategi där maximum drawdown överstiger det du känslomässigt klarar av, multiplicerat med 1,5×. Om ditt backtest visar -15% MDD, förbered dig på -22,5% i live-handel. Live-drawdowns överstiger nästan alltid de backtestade — på grund av slippage, latens och marknadsförhållanden som inte finns i historisk data.
Profit Factor
Profit factor är brutalt enkel och direkt handlingsbar:
Profit Factor = Bruttovinst / Bruttoförlust
Exempel: Din bot tjänade $4 200 i vinstaffärer och förlorade $2 100 i förlustaffärer:
Profit Factor = 4200 / 2100 = 2,0
| Profit Factor | Tolkning |
|---|---|
| < 1,0 | Förluststrategi — bruttoförluster överstiger bruttovinster |
| 1,0 – 1,5 | Marginell — knappt lönsam efter avgifter och slippage |
| 1,5 – 2,0 | Bra — solid edge |
| 2,0 – 3,0 | Utmärkt — starkt konsekvent edge |
| > 3,0 | Verifiera noga — kan vara överanpassad eller ha för få trades |
Vinstfrekvens och förväntat utfall
Vinstfrekvens är andelen affärer som stängs med vinst:
Vinstfrekvens = Vinnande affärer / Totala affärer × 100
Vinstfrekvens ensam är farligt vilseledande. En vinstfrekvens på 90% låter otrolig — men om din snittvinst är $10 och din snittförlust är $200 förlorar du pengar. Det är här förväntat utfall kommer in:
Förväntat utfall = (Vinstfrekvens × Snittvinst) - (Förlustfrekvens × Snittförlust)
Exempel: Vinstfrekvens 62%, snittvinst $85, snittförlust $120:
Förväntat utfall = (0,62 × $85) - (0,38 × $120) = $52,70 - $45,60 = $7,10 per trade
Varje trade har ett positivt förväntat utfall på $7,10. Över 100 trades skulle du förvänta dig att tjäna ~$710.
Vinstfrekvens vs. risk-reward: break-even-tabellen
Detta är ett av de viktigaste koncepten inom trading. Vinstfrekvens och risk-reward-förhållande (RR) är omvänt relaterade: du kan vara lönsam med en låg vinstfrekvens om dina vinnare är tillräckligt stora i förhållande till dina förlorare.
Break-even-vinstfrekvensen för valfritt risk-reward-förhållande är:
Break-even-vinstfrekvens = 1 / (1 + Risk-reward-förhållande)
| Risk-reward-förhållande | Break-even-vinstfrekvens | Exempel: $100 risk |
|---|---|---|
| 1:0,5 | 66,7% | Vinn $50, förlora $100 — behöver vinna 2 av 3 |
| 1:1,0 | 50,0% | Vinn $100, förlora $100 — behöver vinna hälften |
| 1:1,5 | 40,0% | Vinn $150, förlora $100 — vinn 2 av 5 |
| 1:2,0 | 33,3% | Vinn $200, förlora $100 — vinn 1 av 3 |
| 1:3,0 | 25,0% | Vinn $300, förlora $100 — vinn 1 av 4 |
| 1:5,0 | 16,7% | Vinn $500, förlora $100 — vinn 1 av 6 |
Praktiskt exempel: En DCA-bot med 40% vinstfrekvens och 1:3 risk-reward:
- Av 100 trades: 40 vinster × $300 = $12 000 vinst
- 60 förluster × $100 = $6 000 förlust
- Nettovinst = $6 000 (profit factor = 2,0)
Jämför detta med en bot med 70% vinstfrekvens och 1:0,5 risk-reward:
- 70 vinster × $50 = $3 500 vinst
- 30 förluster × $100 = $3 000 förlust
- Nettovinst = $500 (profit factor = 1,17)
Strategin med 40% vinstfrekvens producerar 12× mer nettovinst. Vinstfrekvens är fåfänga; förväntat utfall är förnuft.
När du utvärderar ett backtest, beräkna alltid förväntat utfall innan du fattar något beslut om lansering. En hög vinstfrekvens med negativt förväntat utfall tömmer ditt konto långsamt — och den psykologiska tryggheten av frekventa vinster hindrar dig från att stänga av den förrän verklig skada är skedd.
Kapitalkurvsanalys
Kapitalkurvan ritar upp ditt portföljvärde över tid. Det är den enskilt mest informationstäta visualiseringen i någon backtest-rapport.
Jämn trappa (Idealisk)
En sund kapitalkurva stiger i konsekventa, trappstegsvisa steg. Varje steg representerar en avslutad affär. Trapporna går upp mer än de går ner, och drawdowns mellan stegen är grunda och korta.
Vad det säger dig: Strategin genererar en konsekvent, upprepbar edge över olika marknadsförhållanden. Detta är kurvan för en strategi du kan anförtro med riktigt kapital.
Hackig sågtand (Oroande)
Skarpa uppåtrörelser följt av lika skarpa nedåtrörelser, vilket skapar ett sicksackmönster. Den övergripande banan kan vara uppåt, men resan är våldsam.
Vad det säger dig: Hög varians i avkastningen. Max drawdown är sannolikt stor, Sharpe Ratio ligger förmodligen under 1,0, och live-handel kommer att testa dina känslomässiga gränser. Även om totalavkastningen är positiv är strategin skör.
Hockeyklubba (Farlig)
Platt eller något negativ under större delen av perioden, sedan en plötslig spik som producerar det mesta av vinsten i några få trades.
Vad det säger dig: Strategin är beroende av en specifik marknadshändelse (en krasch, en pump eller en enda stor candle). Ta bort de få traderna, och strategin är olönsam. Detta är ingen systematisk edge — det är tur som råkade sammanfalla med ditt backtest-fönster.
Stupfall (Fatalt)
Stadig klättring följt av ett plötsligt, katastrofalt fall som raderar det mesta eller alla vinster.
Vad det säger dig: Strategin har inget nedsideskydd. Orsakas typiskt av saknade stop losses, överdriven hävstång, eller en strategi som implicit är short volatilitet (samlar in små premier tills en tail-händelse utraderar allt).
| Kurvform | Sharpe-uppskattning | Typisk orsak | Live-handelsrisk |
|---|---|---|---|
| Jämn trappa | 1,5 – 2,5 | Konsekvent edge, god riskhantering | Låg — strategin är robust |
| Hackig sågtand | 0,3 – 0,8 | Hög volatilitet, inkonsekventa ingångar | Medel — drawdowns orsakar panikutgångar |
| Hockeyklubba | Varierar kraftigt | Koncentrerade vinster i få trades | Hög — icke upprepbar prestation |
| Stupfall | Negativ eller nära 0 | Ingen stop loss, överdriven hävstång | Kritisk — potentiell kontoutplåning |
Upptäcka överanpassning
Överanpassning är den tysta mördaren av backtestade strategier. En kurvanpassad strategi ser fenomenal ut i backtester men misslyckas på riktiga marknader eftersom den memorerade historiskt brus i stället för att fånga ett genuint marknadsmönster.
Tecken på överanpassning
-
Fungerar på ett par, misslyckas på liknande par. Om din BTC/USDT-strategi ger 35% men exakt samma inställningar på ETH/USDT ger -5%, är strategin sannolikt anpassad till BTC:s specifika prishistorik.
-
Fungerar bara på en tidsram. En strategi som producerar 28% på de senaste 6 månaderna men -3% på de föregående 6 månaderna har memorerat en specifik regim.
-
För många optimerade parametrar. Varje ytterligare parameter ger optimeraren fler frihetsgrader att anpassa brus. Om din strategi har 8+ parametrar som alla optimerades individuellt är överanpassning nästan garanterad.
-
Orealistiska nyckeltal. Sharpe > 4, vinstfrekvens > 98%, noll förlustaffärer, eller profit factor > 5 på 50+ trades — allt pekar på en strategi som torterats till att passa datan.
-
Prestationen försämras vid små inställningsändringar. Robusta strategier visar gradvisa prestationsförändringar när du justerar parametrar något. Överanpassade strategier kollapsar om du flyttar RSI från 27 till 28 eller take profit från 1,87% till 1,90%.
In-sample- vs. out-of-sample-testning
Standardmetoden för att upptäcka överanpassning:
-
Dela upp din data. Ta hela din tillgängliga historik (t.ex. 12 månader) och dela den: första 8 månaderna = in-sample (träning), sista 4 månaderna = out-of-sample (validering).
-
Optimera bara på in-sample. Hitta dina bästa parametrar med enbart de första 8 månaderna.
-
Testa på out-of-sample utan ändringar. Tillämpa exakt dessa parametrar på de sista 4 månaderna. Justera ingenting.
-
Jämför resultaten. Om out-of-sample-prestationen ligger inom 30–40% av in-sample-prestationen har strategin sannolikt en genuin edge. Om out-of-sample-prestationen är negativ eller dramatiskt sämre är strategin överanpassad.
Exempel:
- In-sample (jan–aug): 24% avkastning, Sharpe 1,8, 67% vinstfrekvens
- Out-of-sample (sep–dec): 11% avkastning, Sharpe 1,2, 61% vinstfrekvens
- Utlåtande: Prestationen sjönk men förblev solitt positiv. Detta är en legitim strategi.
Jämför med ett överanpassat resultat:
- In-sample (jan–aug): 42% avkastning, Sharpe 3,1, 88% vinstfrekvens
- Out-of-sample (sep–dec): -4% avkastning, Sharpe -0,3, 43% vinstfrekvens
- Utlåtande: Total kollaps. Strategin memorerade träningsdatan.
Optimera aldrig på din out-of-sample-data. Så snart du tittar på out-of-sample-resultat och justerar parametrar därefter har du kontaminerat testet. Den datan är förbränd — du behöver en färsk, osedd datamängd. Detta är den regel som oftast bryts inom strategiutveckling.
Walk-forward-analys
Ett mer rigoröst tillvägagångssätt än en enda in/out-uppdelning:
- Optimera på månad 1–6, testa på månad 7
- Optimera på månad 2–7, testa på månad 8
- Optimera på månad 3–8, testa på månad 9
- Fortsätt rulla framåt
Varje out-of-sample-period testas med parametrar optimerade på ett annat fönster. Om strategin konsekvent presterar bra över alla out-of-sample-perioder har den klarat det starkaste överanpassningstest som finns.
Varningssignaler i backtest-resultat
Vissa mönster i en backtest-rapport bör utlösa omedelbar skepsis:
| Varningssignal | Varför det är misstänkt | Vad du bör undersöka |
|---|---|---|
| Sharpe Ratio > 4,0 | Överträffar toppklassens hedgefonder. Orealistiskt för krypto. | Kontrollera look-ahead-bias eller överanpassning |
| Vinstfrekvens > 98% | Nästan noll förluster = stänger förmodligen inte förlustaffärer | Kontrollera om stop loss saknas eller är satt orealistiskt brett |
| Noll förlustaffärer | Omöjligt på riktiga marknader över en betydande urvalsstorlek | Kontrollera om boten håller förlorare på obestämd tid (orealiserade förluster) |
| Profit Factor > 5,0 | På 50+ trades är detta statistiskt osannolikt | Minska optimeringen och testa out-of-sample |
| Max Drawdown < 1% | Antyder att strategin aldrig mötte motgång | Kontrollera om backtest-perioden innehöll några betydande nedgångar |
| Genomsnittlig affärslängd < 1 minut | Utnyttjar troligen egenheter i backtest-motorn | Verifiera candle-upplösning och fill-logik |
| Totala affärer < 10 | Otillräcklig urvalsstorlek för någon statistisk slutsats | Förläng backtest-perioden eller acceptera resultaten som opålitliga |
Verkligt exempel: Strategi A vs. Strategi B
Låt oss jämföra två faktiska backtest-resultat på BTC/USDT över 6 månader (jan–jun) med $10 000 i startkapital.
Strategi A: ”Den höga vinstfrekvensen”
| Nyckeltal | Värde |
|---|---|
| Totalavkastning | 8,2% ($820) |
| Vinstfrekvens | 95,3% (82/86 affärer) |
| Snittvinst | $18,40 (0,184%) |
| Snittförlust | $142,00 (1,42%) |
| Max Drawdown | -6,8% |
| Sharpe Ratio | 0,72 |
| Profit Factor | 1,38 |
| Genomsnittlig affärslängd | 3,2 timmar |
| Förväntat utfall | $18,40 × 0,953 - $142 × 0,047 = $10,86 |
Strategi B: ”Trendfångaren”
| Nyckeltal | Värde |
|---|---|
| Totalavkastning | 22,7% ($2 270) |
| Vinstfrekvens | 55,4% (36/65 affärer) |
| Snittvinst | $112,00 (1,12%) |
| Snittförlust | $48,50 (0,485%) |
| Max Drawdown | -11,3% |
| Sharpe Ratio | 1,64 |
| Profit Factor | 2,48 |
| Genomsnittlig affärslängd | 18,6 timmar |
| Förväntat utfall | $112 × 0,554 - $48,50 × 0,446 = $40,42 |
Analys
Strategi A har en förförisk vinstfrekvens på 95%, men den uppnår detta genom att ta små vinster och hålla förlorare. Varje vinst är i snitt $18,40 medan varje förlust är i snitt $142 — ett risk-reward-förhållande på ungefär 1:0,13. Fyra dåliga trades kan utradera 31 vinstaffärer. Profit factor på 1,38 lämnar nästan ingen marginal för slippage och avgifter i live-handel. Den låga Sharpe (0,72) bekräftar svag riskjusterad avkastning.
Strategi B vinner bara 55% av gångerna, men vinnarna är 2,3× större än förlorarna. Förväntat utfall per trade ($40,42) är nästan 4× högre än Strategi A ($10,86). Sharpe på 1,64 och profit factor på 2,48 visar stark riskjusterad avkastning. Den högre max drawdown (-11,3% mot -6,8%) är priset för en strategi som faktiskt tar meningsfulla positioner.
Strategi B är objektivt överlägsen trots den lägre vinstfrekvensen. Under samma period gav den 2,77× mer vinst med en Sharpe Ratio mer än dubbelt så hög som Strategi A. När du väljer mellan strategier, fokusera på förväntat utfall, profit factor och Sharpe Ratio — inte vinstfrekvens.
Vad händer i stresscenarier?
Föreställ dig en plötslig BTC-krasch på 12% under backtest-perioden:
- Strategi A: Kraschen utlöser 4 stop losses samtidigt (den har många öppna mikroaffärer). Förlust: 4 × $142 = $568, vilket utraderar 31 vinstaffärer värda $570. En enda kraschhändelse raderar en månads vinster.
- Strategi B: Kraschen utlöser 2 stop losses. Förlust: 2 × $48,50 = $97. Två vinstaffärer ($224) täcker förlusterna med marginal. Strategin är strukturellt motståndskraftig.
Att sätta ihop allt: bedömningsramverket
När du får en backtest-rapport, utvärdera nyckeltalen i denna ordning:
- Förväntat utfall — Är det positivt? Med hur mycket per trade?
- Profit Factor — Är den över 1,5? Över 2,0?
- Maximum Drawdown — Klarar du psykologiskt och finansiellt 1,5× denna siffra?
- Sharpe Ratio — Är den över 1,0? Om över 3,0, undersök för överanpassning.
- Kapitalkurva — Är den en jämn trappa eller en hackig röra?
- Out-of-sample-prestation — Håller strategin på osedd data?
- Vinstfrekvens — Endast relevant i sammanhang av snittvinst vs. snittförlust.
Strategier som klarar alla sju kontroller är sällsynta — och värda att lansera. Strategier som misslyckas på punkterna 1–3 bör kasseras eller omarbetas i grunden, oavsett hur de andra nyckeltalen ser ut.
För vägledning om att optimera strategier som klarar detta ramverk, se vår guide för bot-optimering.
Vanliga frågor
Vad är en bra Sharpe Ratio för en krypto-trading-bot?
En Sharpe Ratio mellan 1,0 och 2,0 anses bra för kryptostrategier. Kryptomarknader är mer volatila än traditionella aktier, så att konsekvent uppnå en Sharpe över 2,0 är genuint svårt. Värden över 3,0 bör granskas för överanpassning. Som sammanhang: många framgångsrika kvantitativa hedgefonder siktar på Sharpe Ratios mellan 1,5 och 2,5. Om din krypto-bot uppnår en Sharpe på 1,5 i ett backtest som täcker flera marknadsregimer är det ett starkt resultat.
Hur beräknar jag max drawdown om jag har flera öppna positioner?
Maximum drawdown bör beräknas på hela portföljens kapital, inte på enskilda trades. Vid varje given tidpunkt är ditt portföljvärde lika med kontanter + orealiserad vinst/förlust på alla öppna positioner. Följ detta kombinerade värde över tid, identifiera den högsta toppen och den lägsta efterföljande botten, och beräkna den procentuella nedgången. Många handlare gör misstaget att bara titta på realiserad vinst/förlust, vilket ignorerar drawdown-risken i öppna positioner.
Varför har min strategi en bra Sharpe men en dålig profit factor?
Detta kan hända när en strategi gör många små lönsamma trades (skapar konsekvent avkastning med låg volatilitet → hög Sharpe) men de få förlustaffärerna är stora i förhållande till enskilda vinster (drar ner förhållandet bruttovinst / bruttoförlust → låg profit factor). Det antyder att strategin har en fat-tail-risk: den presterar bra för det mesta men är sårbar för enstaka stora förluster. Att strama åt stop losses åtgärdar vanligtvis profit factor på bekostnad av en lägre vinstfrekvens.
Bör jag använda Sharpe Ratio eller Sortino Ratio?
Använd båda, men vikta Sortino tyngre för strategier med asymmetriska avkastningsprofiler. Om din strategi fångar stora uppåtrörelser samtidigt som den begränsar nedsidan blir Sortino betydligt högre än Sharpe, vilket speglar att uppåtvolatilitet är fördelaktig. Om Sharpe och Sortino är lika är din strategis volatilitet ungefär symmetrisk — upp- och nedrörelser är av liknande storlek.
Hur många trades behöver jag för statistiskt tillförlitliga nyckeltal?
Som minimum ger 30 trades grundläggande statistisk tillförlitlighet. För att Sharpe Ratio och profit factor ska skilja sig meningsfullt från slumpmässigt brus är 50+ trades att föredra. För att vinstfrekvensen ska stabiliseras inom ±5% av det sanna värdet behöver du vanligtvis 100+ trades. Om ditt backtest bara visar 15 trades, behandla alla nyckeltal som grova uppskattningar, inte tillförlitliga prediktorer. Förläng backtest-perioden eller använd en strategi med högre frekvens för att generera fler datapunkter.
Kan två strategier med samma totalavkastning skilja sig kraftigt i kvalitet?
Absolut. Strategi X kan ge 20% med en Sharpe på 0,6, max drawdown på -25% och en stupfalls-kapitalkurva. Strategi Y kan ge 20% med en Sharpe på 1,8, max drawdown på -8% och en jämn trappkurva. Samma destination, radikalt olika resor. Strategi Y är överlägsen i varje riskjusterad dimension. Totalavkastning är det minst användbara nyckeltalet för att jämföra strategier med olika riskprofiler.