Walk-forward analysis – testing av handelsstrategier forklart

Hva er walk-forward analysis?

Walk-forward analysis er en avansert metode for å validere en handelsstrategi eller en investeringsmodell. I stedet for å teste strategien på hele den historiske perioden på én gang, deler man dataene inn i flere sekvensielle vinduer. Modellen trenes på et tidlig vindu, og deretter testes den på det umiddelbart påfølgende vinduet – som representerer «fremtiden» sett fra treningsperiodens ståsted. Deretter flyttes begge vinduene fremover i tid, og prosessen gjentas.

Hensikten er å simulere hvordan strategien ville ha fungert i virkeligheten, der man kun har tilgang til historiske data når man tar beslutninger. Dette skiller seg fra enkel backtesting, der man ofte bruker all tilgjengelig historie både til å utvikle og teste strategien. Walk-forward analysis gir et mer realistisk anslag på forventet avkastning og risiko, fordi den tvinger modellen til å prestere på data den ikke har sett.

Metoden er særlig utbredt blant kvantitative fond og algoritmiske tradere, men den blir stadig mer tilgjengelig for private investorer gjennom plattformer som MetaTrader, TradingView og ulike Python-biblioteker. For den norske investoren kan walk-forward analysis være et nyttig verktøy for å teste alt fra enkle glidende gjennomsnittsstrategier på Equinor-aksjen til mer komplekse modeller basert på makroøkonomiske nøkkeltall.

Forstå walk-forward analysis

Kjernen i walk-forward analysis er å unngå overfitting – et av de største problemene i strategiutvikling. Overfitting oppstår når en modell tilpasser seg støy og tilfeldigheter i historiske data, slik at den ser fantastisk ut i backtesting, men svikter i virkeligheten. Ved å tvinge modellen til å prestere på flere uavhengige testperioder, avslører walk-forward analysis om strategien virkelig fanger opp underliggende mønstre eller bare er tilfeldig heldig.

En viktig egenskap ved metoden er at den bevarer tidsrekkefølgen i dataene. I motsetning til kryssvalidering, der man blander rekkefølgen, respekterer walk-forward analysis at fremtiden ikke kan forutsi fortiden. Dette er avgjørende for finansielle tidsserier, der markedsforhold endrer seg over tid og det finnes seriekorrelasjon.

Valget av vindusstørrelse er kritisk. Et for kort treningsvindu gir for få observasjoner til å trene en robust modell, mens et for langt vindu kan fange opp utdaterte mønstre. Testvinduet bør være langt nok til å gi statistisk signifikante resultater, men kort nok til å fange opp regimeendringer. En vanlig tommelfingerregel er å bruke 70 % av dataene til trening og 30 % til testing, men mange praktikere velger faste tidsintervaller som to års trening og seks måneders testing.

Hvordan fungerer walk-forward analysis?

Prosessen kan deles inn i fire trinn. Først velger man en handelsstrategi med definerte parametere – for eksempel en kjøpsregel når 50-dagers glidende gjennomsnitt krysser over 200-dagers glidende gjennomsnitt. Deretter deler man de historiske kursdataene inn i overlappende vinduer. Hvert vindu består av en treningsperiode og en påfølgende testperiode. For eksempel: treningsperiode 1. januar 2010 til 31. desember 2012, testperiode 1. januar 2013 til 30. juni 2013.

I andre trinn trenes eller optimaliseres strategien på treningsdataene. Dette kan innebære å finne de beste parameterne, for eksempel hvilke perioder for glidende gjennomsnitt som gir best Sharpe-ratio i treningsvinduet. I tredje trinn testes den optimaliserte strategien på testvinduet uten noen endringer. Man registrerer avkastning, maksimalt tap, antall handler og andre relevante måltall.

I fjerde trinn flyttes vinduet fremover – for eksempel med seks måneder – slik at treningsperioden nå blir 1. juli 2010 til 30. juni 2013, og testperioden blir 1. juli 2013 til 31. desember 2013. Prosessen gjentas til man har dekket hele den tilgjengelige historien. Til slutt aggregeres resultatene fra alle testvinduene for å beregne gjennomsnittlig avkastning, treffprosent og risikomål. En graf som viser kumulativ avkastning over testperiodene, sammenlignet med en passiv indeks, gir et visuelt bilde av strategiens stabilitet.

Historisk bakgrunn

Konseptet med å teste modeller på sekvensielle data har røtter i tidsserieanalyse og maskinlæring, men ble for alvor tatt i bruk i finans på 1990-tallet. En av de tidlige forkjemperne var Robert Pardo, som i boken «The Evaluation and Optimization of Trading Strategies» (1992) beskrev walk-forward analysis som en metode for å unngå overfitting. Samtidig førte økende datakraft og tilgang til historiske kursdata til at metoden ble praktisk gjennomførbar for flere.

I Norge har walk-forward analysis blitt mer kjent i takt med veksten i algoritmisk trading og kvantitative fond. For eksempel bruker flere norske hedgefond metoden for å validere sine modeller før de settes i produksjon. Også private investorer som benytter plattformer som MetaTrader eller Python-biblioteket backtrader, har fått tilgang til verktøy som forenkler walk-forward testing.

Selv om metoden i dag er standard i mange kvantitative miljøer, er den fortsatt mindre utbredt blant tradisjonelle fundamentalinvestorer. Likevel kan prinsippene overføres til testing av aksjeutvalgsmodeller basert på nøkkeltall som P/E eller bokført verdi. En norsk investor kan for eksempel teste en strategi som kjøper de 10 billigste aksjene på Oslo Børs basert på forward P/E, og bruke walk-forward for å se om strategien holder seg over tid.

Praktisk eksempel

La oss ta et konkret eksempel med Equinor-aksjen (ticker EQNR) fra 2010 til 2023. Vi tester en enkel strategi: kjøp når 50-dagers glidende gjennomsnitt krysser over 200-dagers glidende gjennomsnitt, og selg når det motsatte skjer. Vi bruker walk-forward analysis med 3 års trening og 1 års testing, og flytter vinduet 1 år av gangen. Dette gir 10 testperioder (2013–2023).

For hvert testår optimaliserer vi strategien på treningsdataene ved å finne den kombinasjonen av glidende gjennomsnitt som gir høyest Sharpe-ratio. Deretter måler vi avkastningen i teståret. Tabellen under viser resultatene sammenlignet med en buy-and-hold-strategi i Equinor:

Fordeler og ulemper

Den største fordelen med walk-forward analysis er at den gir et mer realistisk bilde av hvordan en strategi vil prestere i fremtiden. Ved å teste på flere uavhengige perioder reduseres faren for overfitting betydelig. Metoden tvinger også investoren til å være disiplinert og dokumentere valg av parametere, noe som kan avsløre skjulte svakheter.

En annen fordel er fleksibiliteten. Walk-forward analysis kan brukes på alle typer strategier – fra enkle glidende gjennomsnitt til komplekse maskinlæringsmodeller. Den kan også kombineres med parameteroptimalisering, der man finner de beste innstillingene for hvert treningsvindu. Dette kalles walk-forward optimization og er spesielt populært blant algoritmiske tradere.

Ulempene inkluderer tidsforbruk og kompleksitet. Å kjøre walk-forward analysis manuelt kan være tidkrevende, spesielt med mange parametere og lange tidsserier. Det krever også god datakvalitet og riktig håndtering av korporative hendelser som utbytter og splitt. I tillegg kan valget av vindusstørrelse i seg selv være en kilde til overfitting – hvis man prøver mange ulike vinduslengder, kan man ende opp med å tilpasse seg støy.

Endelig er walk-forward analysis ingen garanti. Selv om strategien presterer godt i alle testvinduer, kan fremtidige markedsforhold være helt annerledes. Metoden er et verktøy for å øke sannsynligheten for suksess, ikke en spåkule.

Vanlige misforståelser

En utbredt misforståelse er at walk-forward analysis eliminerer all risiko for overfitting. Det gjør den ikke. Hvis man optimaliserer parametere i hvert enkelt treningsvindu, kan man fortsatt overfitte til støy i testvinduene, spesielt hvis testperiodene er korte. Metoden reduserer risikoen, men fjerner den ikke helt.

En annen misforståelse er at man må bruke samme parametere i alle vinduer. I walk-forward optimization er det faktisk vanlig å la parameterne variere mellom vinduer, fordi markedsforholdene endrer seg. Men da må man være forsiktig med å tolke resultatene – en strategi som stadig skifter parametere kan være ustabil.

Noen tror også at walk-forward analysis er det samme som kryssvalidering. Forskjellen er at kryssvalidering blander rekkefølgen på dataene, noe som er uegnet for tidsserier fordi det lekker informasjon fra fremtiden. Walk-forward analysis bevarer derimot den kronologiske rekkefølgen, noe som gjør den mer egnet for finansielle data.

Til slutt: walk-forward analysis krever ikke nødvendigvis dyr programvare. Mange gratisverktøy som Python-biblioteket backtrader eller R-pakken quantstrat støtter metoden. For norske investorer finnes det også tilpassede løsninger i Excel for enklere strategier.

Oppsummering

Walk-forward analysis er en robust metode for å validere handelsstrategier ved å teste dem på flere sekvensielle perioder. Metoden reduserer overfitting, gir et mer realistisk bilde av forventet ytelse, og tvinger investoren til å være systematisk. Den er spesielt nyttig for kvantitative strategier, men kan også anvendes av private investorer med tilgang til historiske data.

For å lykkes med walk-forward analysis er det viktig å velge riktig vindusstørrelse, være bevisst på farene ved overoptimalisering, og alltid tolke resultatene i lys av markedsforholdene. Metoden bør sees på som et supplement til annen analyse, ikke som en fasit.

Enten du tester en enkel glidende gjennomsnittsstrategi på Oslo Børs eller en avansert maskinlæringsmodell, kan walk-forward analysis hjelpe deg med å skille mellom tilfeldig støy og ekte edge. I en verden der historisk avkastning sjelden gjentar seg, er det et uvurderlig verktøy for den seriøse investoren.