Walk-forward analysis — test odporności strategii w 2026

Walk-forward analysis to test, który Robert Pardo sformalizował w wydanej w 2008 roku w Wiley książce The Evaluation and Optimization of Trading Strategies, a fundusze systematyczne od tamtej pory traktują go jako filtr przed wpuszczeniem strategii na rachunek. Pomysł jest prosty: dzielisz historię na powtarzane pary okien in-sample i out-of-sample, a strategia trafia na live dopiero wtedy, gdy zachowuje przewagę poza danymi, na których ją kalibrowałeś.

Skąd się bierze problem curve-fittingu

Zwykły backtest, w którym trader przepuszcza tysiąc kombinacji parametrów i wybiera najlepszą, niemal zawsze produkuje krzywą kapitału ładniejszą od jakiejkolwiek rzeczywistości. Optymalizator widzi szum w historii i traktuje go jak sygnał — średnia 14-okresowa zamiast 12-okresowej dawała lepszy wynik nie dlatego, że jest mądrzejsza, lecz dlatego, że akurat tak zagrała w tych konkretnych miesiącach. Sygnały ostrzegawcze tej choroby opisaliśmy razem ze sposobami ich wykrycia w artykule o poprawnym backteście strategii: zbyt gładka krzywa, skuteczność powyżej 75 procent na 200 transakcjach, profit factor większy niż 3,5 i nadwrażliwość na drobne zmiany parametrów. Walk-forward odbiera optymalizatorowi możliwość uczenia się danych, na których ostatecznie ma być oceniony.

Mechanika toczącego się okna — krok po kroku

Najpierw dzielisz historię — typowo dziesięcioletnią dla par głównych na M30 i wyżej — na sekwencję bloków. Pierwszy in-sample obejmuje na przykład lata 2018–2021, a out-of-sample tuż po nim rok 2022. Na in-sample przepuszczasz pełną optymalizację: niech tester sprawdzi setki kombinacji parametrów i zwróci tę z najlepszym profitem przy akceptowalnym drawdownie. Następnie zamrażasz zwycięski zestaw i uruchamiasz strategię z dokładnie tymi parametrami na out-of-sample 2022 — bez dotykania kodu, bez ponownej optymalizacji. Trzeci krok to przesunięcie okna o długość OOS: nowy in-sample 2019–2022, nowy out-of-sample 2023. Optymalizacja od nowa, zamrożenie, test, przesunięcie. Po pięciu–siedmiu takich iteracjach masz pięć–siedem niezależnych wyników OOS, których średnia jest najuczciwszym przybliżeniem tego, co da konto live. Mechanika praktyczna pod MT5 z opcją włączaną w Strategy Tester żyje w artykule o backtestingu w MT4 i MT5. Jeśli stoisz przed wyborem środowiska testów, porównanie Forex Tester i Strategy Tester w MT pomoże dopasować narzędzie do przepływu pracy.

Kroczący kontra zakotwiczony — dwa warianty

W wariancie kroczącym okno in-sample ma stałą długość i przesuwa się jak gąsienica: cztery lata zawsze, tylko z innym początkiem i końcem. Strategia naturalnie zapomina to, co działo się dawno, i koncentruje się na ostatnich latach — co w praktyce oznacza, że szybciej reaguje na zmianę reżimu. Po skoku zmienności w 2020 roku albo cyklu podwyżek z 2022 strategia kroczącego walk-forwardu po kolejnej iteracji już handluje parametrami dopasowanymi do nowego świata. Wariant zakotwiczony zachowuje stały punkt startu i pozwala oknu IS rosnąć: 2018–2021, potem 2018–2022, potem 2018–2023. Więcej danych zwykle oznacza stabilniejsze parametry między iteracjami, ale strategia adaptuje się wolniej. Praktyczna reguła wygląda tak: dla trend-followingu, breakoutów i strategii momentum wybieraj kroczący; dla stabilnych mean-reversion na głębokich poziomach wsparcia i oporu sprawdza się lepiej zakotwiczony.

Walk-forward efficiency i jak ją czytać

WFE to iloraz zwrotu rocznego z out-of-sample do zwrotu rocznego z in-sample, najczęściej wyrażany w procentach. Wartości bliskie jedności są podejrzane, bo prawie nigdy nie zdarzają się poza najprostszymi systemami trend-following — jeśli OOS równa się IS, najpewniej coś przecieka między oknami. Przedział od 0,5 do 0,75 to typowy obszar solidnych strategii i to on uzasadnia rozważenie wdrożenia. Wartości od 0,3 do 0,5 sygnalizują umiarkowane dopasowanie do szumu: strategia łapie coś realnego, ale logika ma za dużo stopni swobody. Poniżej 0,3 to wyraźny dowód curve-fittingu i metryka mówi to, czego ego nie chce usłyszeć — trzeba uprościć reguły, a nie szukać kolejnego testu, w którym wreszcie wyjdzie ładnie. Oddzielną przyczyną słabego WFE bywa wskaźnik, który przerysowuje historię (repaint) — taki sygnał w ogóle nie nadaje się do walk-forwardu, bo dane in-sample wyglądają lepiej niż kiedykolwiek będą w realu.

Przykład hipotetyczny — dwie strategie pod lupą

Załóżmy dwie strategie na EUR/USD testowane na M30 z lat 2018–2023 w wariancie kroczącym, z IS cztery lata i OOS rok. Strategia breakoutowa daje w pierwszej iteracji IS skuteczność 70 procent i 30 procent zwrotu rocznego; w OOS spada do 55 procent i 12 procent rocznie. WFE wynosi 12 dzielone przez 30, czyli 0,4. Po pięciu iteracjach średnia utrzymuje się w przedziale 0,38–0,45 — strategia łapie realny ruch, ale logika wejść jest nadmiernie wyspecyfikowana. Druga strategia, trend-following na średnich kroczących, daje w IS 60 procent skuteczności i 25 procent rocznego zwrotu, w OOS 58 procent i 20 procent. WFE 0,8, parametry między iteracjami zmieniają się o mniej niż 20 procent. To kandydat do dalszego forward testingu na demie. Wszystkie liczby są ilustracyjne — pokazują interpretację, nie obietnicę.

„The whole purpose of walk-forward analysis is to reveal the real-time, real-money performance of a trading strategy without actually trading it with real money in real time." — Robert Pardo, The Evaluation and Optimization of Trading Strategies, Wiley, 2008

Czego walk-forward nie potrafi

Nawet czysty walk-forward z WFE powyżej 0,5 nie obiecuje, że strategia zarobi na żywo. Test milcząco zakłada, że reżim z okien out-of-sample będzie wystarczająco podobny do reżimu live, w którym strategia ostatecznie pracuje. Jeśli historia obejmuje okres dwóch dużych szoków zmienności i dwóch cykli stóp, a strategia trafia w długi range z niską zmiennością i niewielką liczbą publikacji ruszających rynkiem, średnia OOS może nie odzwierciedlać tego, co dzieje się w realu. Dlatego rzemiosło polega na łączeniu trzech filtrów: walk-forward z WFE w bezpiecznym przedziale, forward testing na koncie demo przez trzy do sześciu miesięcy oraz symulacja Monte Carlo, która tasuje kolejność transakcji i pokazuje rozkład możliwych krzywych kapitału. Sam walk-forward to bardzo dobre sito, ale nie wyrocznia — żaden test historyczny nie jest. Tło o tym, jak w ogóle wypreparować przewagę, którą walk-forward sprawdza, omawiamy w artykule o odkrywaniu przewagi rynkowej; szerszy kontekst metodyki — w sekcji backtesting i forward testing na MyBank.pl.

Co zrobić jutro

1. Otwórz historię cen dla pary, którą faktycznie handlujesz, i wytnij ostatnie pięć lat danych M30 lub M15; podziel je na pięć par okien — cztery lata in-sample plus rok out-of-sample — z punktem startu przesuwanym o rok między iteracjami, żebyś mógł porównać wyniki OOS z różnych reżimów i mieć przynajmniej pięć niezależnych obserwacji.
2. Uruchom pełną optymalizację parametrów strategii wyłącznie na pierwszym oknie in-sample 2018–2021, zapisz najlepszy zestaw, zamroź go całkowicie i odpal jeden backtest na out-of-sample 2022 — bez kolejnej optymalizacji; powtórz cykl dla wszystkich pięciu par okien i zapisz roczne zwroty oraz drawdowny z każdego OOS w arkuszu kalkulacyjnym.
3. Policz WFE dla każdej iteracji jako iloraz zwrotu OOS i zwrotu IS, wyciągnij średnią i medianę; jeśli mediana spada poniżej 0,5 lub parametry skaczą o więcej niż 50 procent między iteracjami, strategia jest dopasowana do szumu i trzeba uprościć logikę wejść, a nie próbować lepszej optymalizacji.
4. Dla strategii, która przeszła walk-forward z WFE powyżej 0,5, dorzuć dwa dodatkowe filtry przed wdrożeniem na rachunek live: trzy do sześciu miesięcy forward testingu na koncie demo z parametrami zamrożonymi po ostatniej iteracji oraz test Monte Carlo z losową permutacją kolejności transakcji, którego 95. percentyl drawdownu powinien zmieścić się w twoim limicie ryzyka.