{"id":13320,"date":"2026-06-22T19:46:52","date_gmt":"2026-06-22T19:46:52","guid":{"rendered":"https:\/\/bjftradinggroup.com\/?p=13320"},"modified":"2026-10-17T22:37:49","modified_gmt":"2026-10-17T22:37:49","slug":"latency-arbitrage-optimization-live-test","status":"publish","type":"post","link":"https:\/\/bjftradinggroup.com\/it\/latency-arbitrage-optimization-live-test\/","title":{"rendered":"Stessa strategia, due conti: arbitraggio di latenza ottimizzato vs predefinito su XAUUSD"},"content":{"rendered":"

<\/p>\n

\n


\n
\n<\/p>\n

\n

BJF TRADING GROUP \u00b7 SHARPTRADER OPTIMIZER<\/span><\/p>\n

Stessa strategia, due conti: cosa hanno cambiato davvero i parametri ottimizzati di arbitraggio di latenza su XAUUSD<\/span><\/h2>\n

Abbiamo eseguito la stessa logica di arbitraggio di latenza su due conti reali contemporaneamente, con la stessa dimensione di 0.1 lotti, la stessa coppia sull’oro e lo stesso saldo iniziale. Un conto utilizzava parametri ottimizzati nel SharpTrader Optimizer<\/strong>. L’altro utilizzava quelli predefiniti. In circa 5,700 operazioni il conto ottimizzato non ha solo guadagnato di pi\u00f9. Ha ridotto la perdita media di due terzi e raddoppiato il profit factor. Ecco l’analisi completa.<\/p>\n

Strumento:<\/strong> XAUUSD
\nPeriodo:<\/strong> 19\u201322 giugno 2026
\nDimensione lotto:<\/strong> 0.1 (fissa)
\nSaldo iniziale:<\/strong> $5,000 ciascuno<\/div>\n<\/div>\n


\n
\n<\/p>\n

\n

Risposta breve:<\/strong> ottimizzare i parametri di arbitraggio di latenza non ha inseguito un profitto maggiore per operazione. Ha ridotto il costo delle operazioni in perdita. La perdita media del conto ottimizzato \u00e8 scesa da \u2212$6.20 a \u2212$2.04<\/strong>, l’operazione in perdita media \u00e8 passata da \u22126.2 pip a \u22122.0 pip<\/strong> e il profit factor \u00e8 salito da 5.41 a 11.3<\/strong>. Risultato netto del test: $14,576 contro $11,041<\/strong> di profitto chiuso su una base di $5,000, con un drawdown massimo inferiore.<\/p>\n<\/div>\n


\n
\n<\/p>\n

Il risultato in una riga<\/h2>\n

Entrambi i conti sono partiti da $5,000 e hanno operato con la stessa identica logica di ingresso di arbitraggio di latenza sull’oro. L’unica differenza era il set di parametri: uno proveniva da una griglia di ottimizzazione nel SharpTrader Optimizer, l’altro utilizzava i valori predefiniti. Ecco il divario principale.<\/p>\n

\n
+$14,576<\/span>Netto ottimizzato<\/span><\/div>\n
+$11,041<\/span>Netto predefinito<\/span><\/div>\n
11.3<\/span>PF ottimizzato<\/span><\/div>\n
5.41<\/span>PF predefinito<\/span><\/div>\n<\/div>\n

Il divario di profitto \u00e8 reale, ma \u00e8 il numero meno interessante della pagina. Un totale netto superiore del 32% in tre sessioni potrebbe essere rumore. Ci\u00f2 che non \u00e8 rumore \u00e8 come<\/em> il conto ottimizzato ci \u00e8 arrivato, ed \u00e8 questa la parte che vale la pena leggere.<\/p>\n


\n
\n<\/p>\n

Due curve di equity a confronto<\/h2>\n

Tracciate rispetto all’avanzamento del test (da 0 al 100% delle operazioni chiuse), entrambe le curve salgono in modo costante, come ci si aspetta da un vantaggio di arbitraggio funzionante. La linea ottimizzata si porta gradualmente in vantaggio e chiude pi\u00f9 in alto, con flessioni meno numerose e meno profonde lungo il percorso.<\/p>\n


\n\"Confronto<\/p>\n

Equity delle operazioni chiuse da una base di $5,000, normalizzata sull’avanzamento del test in modo che i due numeri di operazioni (3,588 contro 2,149) siano allineati per il confronto.<\/p>\n<\/div>\n


\n
\n<\/p>\n

I numeri completi<\/h2>\n

Leggi questa tabella dall’alto verso il basso. La storia non \u00e8 nella riga del profitto. \u00c8 nelle righe delle perdite.<\/p>\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n
Metrica<\/th>\nOttimizzato<\/th>\nPredefinito<\/th>\n<\/tr>\n<\/thead>\n
Posizioni chiuse<\/td>\n3,588<\/td>\n2,149<\/td>\n<\/tr>\n
Profitto netto chiuso<\/td>\n+$14,576<\/td>\n+$11,041<\/td>\n<\/tr>\n
Percentuale di vincita<\/td>\n79.4%<\/td>\n81.2%<\/td>\n<\/tr>\n
Profit factor<\/td>\n11.3<\/td>\n5.41<\/td>\n<\/tr>\n
Vincita media<\/td>\n+$5.61<\/td>\n+$7.76<\/td>\n<\/tr>\n
Perdita media<\/td>\n\u2212$2.04<\/td>\n\u2212$6.20<\/td>\n<\/tr>\n
Operazione in perdita media (pip)<\/td>\n\u22122.0<\/td>\n\u22126.2<\/td>\n<\/tr>\n
Drawdown massimo<\/td>\n0.42%<\/td>\n0.62%<\/td>\n<\/tr>\n
Perdite consecutive massime<\/td>\n4<\/td>\n5<\/td>\n<\/tr>\n
Dev. std. del profitto netto per operazione<\/td>\n$5.83<\/td>\n$7.12<\/td>\n<\/tr>\n
Durata media dell’operazione<\/td>\n1.4 sec<\/td>\n3.7 sec<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n
\n

La parte controintuitiva<\/h3>\n

Il conto ottimizzato aveva una percentuale di vincita inferiore<\/strong> (79.4% contro 81.2%) e una vincita media pi\u00f9 piccola<\/strong> ($5.61 contro $7.76). Su una valutazione superficiale sembra peggiore. Eppure ha guadagnato di pi\u00f9 con meno rischio. Perch\u00e9? Perch\u00e9 le sue operazioni in perdita costavano tre volte meno. Nell’arbitraggio di latenza il vantaggio per operazione \u00e8 minimo e il tuo nemico \u00e8 il fill sfavorevole. Riduci la coda delle perdite e tutto il resto migliora.<\/p>\n<\/div>\n


\n
\n<\/p>\n

Perch\u00e9 nell’arbitraggio di latenza la coda delle perdite \u00e8 tutto<\/h2>\n

Un segnale di arbitraggio di latenza vive per millisecondi. Agisci su un prezzo che una sede di negoziazione ha gi\u00e0 raggiunto e che un’altra non ha ancora recuperato. Quando il fill \u00e8 pulito, incassi qualche pip. Quando il fill \u00e8 in ritardo, il prezzo che volevi non c’\u00e8 pi\u00f9 e ti ritrovi dalla parte sbagliata di un movimento gi\u00e0 avvenuto. Questo \u00e8 un ingresso con slippage, ed \u00e8 dagli ingressi con slippage che il denaro fuoriesce.<\/p>\n

Guarda l’operazione in perdita media del conto predefinito: \u22126.2 pip<\/strong>. Non si tratta di una strategia che sbaglia la direzione. La percentuale di vincita dimostra che la lettura della direzione \u00e8 corretta: l’81% delle operazioni \u00e8 stato vincente. I \u22126.2 pip sono costo di esecuzione: la differenza tra il prezzo su cui \u00e8 scattato il segnale e il prezzo effettivamente ottenuto dal conto, pi\u00f9 lo spread variabile pagato attraversando il book. Il conto ottimizzato ha pagato solo \u22122.0 pip<\/strong> per lo stesso tipo di operazione in perdita. Stesso vantaggio, un terzo della dispersione.<\/p>\n

\n

Cosa ha significato “ottimizzazione” in questo caso<\/h3>\n
    \n
  • Budget di latenza di ingresso pi\u00f9 stretto.<\/strong> Il set ottimizzato agisce solo quando il tempo di esecuzione round-trip modellato rientra nella finestra in cui l’arbitraggio \u00e8 ancora attivo. I segnali obsoleti vengono saltati invece di essere presi in ritardo.<\/li>\n
  • Attivazione basata sullo spread.<\/strong> Gli ingressi sono filtrati in base allo spread variabile in tempo reale, non a un valore fisso presunto, cos\u00ec il conto smette di pagare per attraversare un book temporaneamente ampio.<\/li>\n
  • Gestione delle uscite pi\u00f9 rapida.<\/strong> La durata media delle operazioni \u00e8 scesa da 3.7 a 1.4 secondi. Le posizioni vengono chiuse mentre la dislocazione \u00e8 ancora a tuo favore, invece di essere mantenute un attimo di troppo.<\/li>\n
  • Maggiore selettivit\u00e0, non maggiore aggressivit\u00e0.<\/strong> Il conto ottimizzato ha effettuato pi\u00f9 operazioni in totale, ma ciascuna ha superato una soglia di qualit\u00e0 di esecuzione pi\u00f9 rigorosa. La quantit\u00e0 \u00e8 aumentata perch\u00e9 i segnali economici e puliti sono abbondanti una volta che smetti di prendere quelli costosi.<\/li>\n<\/ul>\n<\/div>\n


    \n
    \n<\/p>\n

    Come \u00e8 stato condotto il test<\/h2>\n
    \n

    Struttura:<\/strong> due conti reali, eseguiti in parallelo nelle stesse sessioni di mercato, in modo che entrambi vedessero un’identica azione dei prezzi e identiche condizioni di liquidit\u00e0.<\/p>\n

    Variabili controllate:<\/strong> stesso strumento (XAUUSD), stessa dimensione fissa del lotto (0.1), stesso saldo iniziale ($5,000), stesse condizioni del broker, stessa logica di base di arbitraggio di latenza.<\/p>\n

    L’unica variabile modificata:<\/strong> il set di parametri. Il conto A utilizzava valori selezionati da una griglia di parametri nel SharpTrader Optimizer. Il conto B utilizzava i valori predefiniti.<\/p>\n

    Finestra:<\/strong> dal 19 al 22 giugno 2026. 3,588 posizioni chiuse sul conto ottimizzato, 2,149 sul conto predefinito.<\/p>\n<\/div>\n

    Eseguire entrambi i conti contemporaneamente \u00e8 ci\u00f2 che rende il confronto equo. Se ottimizzi il luned\u00ec ed esegui i valori predefiniti il marted\u00ec, qualsiasi differenza potrebbe essere semplicemente luned\u00ec contro marted\u00ec. Affiancandoli, il mercato \u00e8 una costante e i parametri sono l’unica cosa che pu\u00f2 spiegare il divario.<\/p>\n


    \n
    \n<\/p>\n

    Come l’optimizer ha trovato questi parametri<\/h2>\n

    I parametri non sono frutto di supposizioni n\u00e9 di un curve-fitting per ottenere una bella linea di equity. Provengono da una ricerca a griglia nel SharpTrader Optimizer, progettato per valutare le strategie sensibili all’esecuzione nel modo in cui il mercato reale le tratta effettivamente. Quattro elementi rendono questa ricerca affidabile per una strategia di latenza:<\/p>\n

    \n
    \n
    01<\/div>\n

    Dati tick reali<\/h3>\n

    La ricerca viene eseguita su flussi di tick storici reali, non su approssimazioni a barre. Per una strategia che vive all’interno di una dislocazione della durata di un singolo tick, i dati a barre nascondono proprio ci\u00f2 che stai cercando di catturare.<\/p>\n<\/div>\n

    \n
    02<\/div>\n

    Modellazione del tempo di esecuzione<\/h3>\n

    Imposti una latenza di esecuzione degli ordini realistica in millisecondi e l’optimizer mostra come cambia i risultati. I backtester standard presuppongono fill a latenza zero, ed \u00e8 proprio questa ipotesi che fa sembrare le strategie di latenza migliori sulla carta che in produzione.<\/p>\n<\/div>\n

    \n
    03<\/div>\n

    Spread variabile per tick<\/h3>\n

    Lo spread storico viene applicato tick per tick, non come valore fisso predefinito del broker. Ingresso e uscita vengono addebitati ciascuno con lo spread effettivamente presente in quel momento, cos\u00ec la differenza tra \u22126.2 e \u22122.0 pip emerge nei test prima di costarti nel trading reale.<\/p>\n<\/div>\n

    \n
    04<\/div>\n

    Slippage su entrambe le gambe<\/h3>\n

    Apertura e chiusura sono modellate in modo indipendente per lo slippage. Una strategia di latenza pu\u00f2 subire slippage in entrata o in uscita, e l’optimizer tiene conto di entrambi invece di presumere che l’uscita sia gratuita.<\/p>\n<\/div>\n<\/div>\n

    Inoltre, la griglia viene eseguita su tutti i core della CPU con un elevato utilizzo, quindi una ricerca su oltre 100,000 combinazioni di parametri si completa in ore anzich\u00e9 giorni, e una heatmap delle prestazioni sulle 24 ore mostra quali orari di trading offrono davvero il vantaggio sull’oro. I parametri di questo test sono semplicemente il set con il punteggio migliore una volta addebitati onestamente tempo di esecuzione, spread variabile e slippage su entrambe le gambe.<\/p>\n


    \n
    \n<\/p>\n

    Cosa trarre da tutto questo se fai arbitraggio di latenza<\/h2>\n
      \n
    • Smetti di ottimizzare per la percentuale di vincita.<\/strong> Il conto che sembrava peggiore per percentuale di vincita ha guadagnato di pi\u00f9. Ottimizza invece per profit factor e dimensione della perdita media.<\/li>\n
    • Le tue perdite sono una metrica di esecuzione, non di direzione.<\/strong> Quando l’80% delle operazioni \u00e8 vincente, una perdita media di \u22126 pip ti parla di fill e spread, non del tuo segnale. Correggila a livello di esecuzione.<\/li>\n
    • I valori predefiniti sono un punto di partenza, mai un traguardo.<\/strong> Il set predefinito era redditizio. Ma lasciava sul tavolo circa un terzo del netto e, per farlo, sopportava un drawdown maggiore.<\/li>\n
    • Esegui i test con latenza e spread variabile attivati.<\/strong> Qualsiasi backtest che presuppone fill a latenza zero e spread fisso sopravvaluter\u00e0 una strategia di latenza e nasconder\u00e0 proprio il parametro pi\u00f9 importante.<\/li>\n<\/ul>\n


      \n
      \n<\/p>\n

      Domande frequenti<\/h2>\n
      \n
      Un profit factor pi\u00f9 alto significa solo meno operazioni?<\/div>\n
      \n

      No. In questo test il conto ottimizzato ha effettuato pi\u00f9<\/strong> operazioni (3,588 contro 2,149) e ha comunque registrato il profit factor pi\u00f9 alto (11.3 contro 5.41). Il miglioramento \u00e8 venuto da operazioni in perdita meno costose, non dal fare meno trading.<\/p>\n<\/div>\n

      Perch\u00e9 il conto ottimizzato aveva una percentuale di vincita pi\u00f9 bassa ma pi\u00f9 profitto?<\/div>\n
      \n

      Perch\u00e9 il profitto \u00e8 la percentuale di vincita moltiplicata per la vincita media, meno la percentuale di perdita moltiplicata per la perdita media. Ridurre la perdita media da \u2212$6.20 a \u2212$2.04 ha pi\u00f9 che compensato una percentuale di vincita leggermente inferiore e una vincita media pi\u00f9 piccola. La matematica premia il controllo delle perdite pi\u00f9 di un’alta percentuale di successo.<\/p>\n<\/div>\n

      Un test di tre giorni \u00e8 abbastanza lungo per dimostrare qualcosa?<\/div>\n
      \n

      Tre giorni sono pochi per giudicare i rendimenti assoluti, ed \u00e8 per questo che mettiamo in primo piano le metriche strutturali, non il totale in dollari. Su circa 5,700 operazioni, le differenze di perdita media, profit factor e costo in pip per operazione in perdita sono molto pi\u00f9 stabili del dato netto principale. Il divario in dollari potrebbe ridursi. Il divario nella coda delle perdite \u00e8 una propriet\u00e0 dei parametri.<\/p>\n<\/div>\n

      Lo stesso approccio pu\u00f2 funzionare su coppie diverse dall’oro?<\/div>\n
      \n

      Il metodo \u00e8 trasferibile, i parametri no. Ogni strumento ha il proprio comportamento dello spread, la propria volatilit\u00e0 e il proprio profilo di esecuzione, quindi la ricerca a griglia va ripetuta per ogni strumento. L’oro \u00e8 stato scelto qui perch\u00e9 il suo spread e il comportamento dei tick rendono il costo di esecuzione facile da vedere.<\/p>\n<\/div>\n

      Cosa \u00e8 stato ottimizzato esattamente?<\/div>\n
      \n

      Le soglie di latenza e di spread che filtrano ingressi e uscite, calibrate su una griglia di parametri valutata con dati tick reali, tempo di esecuzione modellato, spread variabile per tick e slippage su entrambe le gambe. La logica di base della strategia era identica su entrambi i conti.<\/p>\n<\/div>\n<\/div>\n


      \n
      \n<\/p>\n

      \n

      Iscriviti alle ricerche di trading di BJF<\/h3>\n

      Nuovi studi sull’esecuzione, guide all’optimizer e rilasci di prodotti, inviati non appena li pubblichiamo.<\/p>\n

      <\/div>