Backtesting, vad är det? – Historiska tester och bakåttestning av strategier i trading

Last Updated on 24 March, 2026 by Håkan Samuelsson

https://www.youtube.com/watch?v=eQOA4lyS0Ds

Backtesting, vad är det?

Vad är backtesting? Backtesting är processen att testa en tradingstrategi på historisk data för att se hur den skulle ha presterat. Man simulerar affärer med gamla priser, alltså använder historisk data, för att utvärdera strategins effektivitet innan man använder den i verkligheten.

Backtesting är avgörande för att bedöma om en strategi är hållbar och effektiv utan att riskera verkligt kapital. Det hjälper traders att identifiera styrkor och svagheter i sina strategier, vilket gör det möjligt att fatta mer informerade beslut.

Backtesting är en iterativ process som hjälper till att utvärdera och förbättra strategier baserat på historisk data för att minska risker och öka sannolikheten för framgång i framtiden. Det är viktigt att förstå att backtesting syftar till att utvärdera strategins prestanda, förstå dess styrkor och svagheter samt göra förbättringar. Genom att använda backtesting kan du få insikter om hur din strategi skulle ha presterat under olika perioder och marknadsförhållanden, vilket ger dig möjlighet att förbättra den innan du handlar live.

Det finns ett antal grundläggande tillvägagångssätt för backtesting som du bör vara medveten om.

För det första är det farligaste i din simulering av historiska data, eller backtesting, om du tillåter ditt system att se ”framtida data”. Detta innebär att dina backtester inte får ha tillgång till information som ännu inte fanns tillgänglig vid den tidpunkt som testas. Det kan vara subtilt, svårt att upptäcka och inte särskilt uppenbart. Det bästa sättet att undvika detta problem är att vara disciplinerad i din kodning och att strikt isolera data baserat på dess tidsstämpel.

För det andra, en potentiell risk i din backtest, särskilt om du använder gratis data, är överlevnadsbias. Detta uppstår när aktier som har fallit bort från index över tid inte inkluderas i datasetet, vilket gör att din backtest blir snedvriden till fördel för de som överlevt. Det finns ingen enkel lösning på detta, men med tillräckligt omfattande och noggranna tester behöver det inte vara avgörande. Det är dock viktigt att använda högkvalitativ data, eftersom bristfällig data kan leda till missvisande resultat.

Backtesting kan utföras manuellt med ett demokonto eller med hjälp av specialiserad tradingmjukvara. Att backtesta en strategi kan hjälpa till att identifiera både starka och svaga strategier innan du öppnar en position. Det ger insikter om strategins styrkor och svagheter och möjliggör mer välgrundade beslut.

För det tredje, och kanske viktigast, undvik överanpassning (curve fitting). Om du lägger till många parametrar i din modell är det inte förvånande om du får mycket goda resultat i en backtest. Detta är dock ofta ett tecken på överoptimering snarare än en robust strategi. “Less is more” är ett bra riktmärke vid backtesting.

Du bör sträva efter att minimera antalet parametrar så mycket som möjligt, så att modellen fungerar effektivt över olika marknader och förhållanden. Backtesting kan användas för att testa strategier och analysera hur de presterar i olika scenarier. Ett kännetecken för en robust modell är att den fungerar väl med få och enkla parametrar. Du bör kontinuerligt testa och förenkla din modell tills ytterligare förändringar inte ger någon märkbar effekt på resultaten. Detta är inte alltid enkelt, men avgörande, särskilt för nybörjare.

För det fjärde, var försiktig med ränta på ränta-effekten. Ett vanligt misstag är att låta avkastningen från tidigare affärer finansiera framtida positioner i backtesten. Det kan se attraktivt ut och tydligt visa effekten av kapitaltillväxt, men det är inte optimalt för att utvärdera strategins faktiska effektivitet. För att få en mer rättvis bild bör du initialt exkludera denna effekt när du verifierar strategins parametrar.

För att säkerställa att din strategi är robust bör du testa den under olika marknadsförhållanden. Målet med backtesting är att utvärdera prestandan hos dina tradingstrategier och säkerställa att de fungerar i olika scenarier. Backtesting syftar till att analysera strategins styrkor och svagheter samt möjliggöra förbättringar. Det hjälper traders att fatta mer informerade beslut baserat på data.

För det andra, och en potentiell fara i din backtest för de som jobbar med gratis data, är Survivor Bias eller på svenska överlevnadsbias. Det är här aktier har fallit ut ur index under åren och på grund av detta är därför ditt första dataset redan partisk i din backtest till förmån för de som är kvar. Det finns inget enkelt sätt runt detta. Jag tror att om backtesten är noggrann och dina testiterationer är tillräckligt stora så kommer det inte nödvändigtvis att vara ett problem.

Det tredje och det viktigaste i din backtest, undvik curvefitting. Med detta menar jag att om du lägger till många parametrar till din modell, så skall du inte bli förvånad om du får väldigt bra avkastning vid en backtest. Detta är inte nödvändigtvis något bra utan det kan ha skett på grund av överoptimering. Less is more är ett bra motto att ha när man backtestar.

Backtesting kan utföras på flera olika sätt beroende på vilka verktyg och resurser du har tillgång till, samt vilken typ av strategi du vill testa. De två vanligaste typerna är manuell backtesting och automatiserad backtesting.

Vid manuell backtesting går du själv igenom historisk data och applicerar din trading strategy steg för steg, ofta med hjälp av diagram eller kalkylblad. Detta kan vara tidskrävande, men ger dig en djupare förståelse för hur din strategi fungerar i praktiken och hur den reagerar på olika marknadsförhållanden. Manuell backtesting passar särskilt bra om du vill testa enklare strategier eller om du är nybörjare och vill lära dig grunderna i trading.

Automatiserad backtesting innebär att du använder programvara för att simulera din trading strategy på stora mängder historisk data. Med automatiserad backtesting kan du snabbt utvärdera hur din strategi skulle ha presterat över långa tidsperioder och under olika marknadsscenarier. Det minskar risken för mänskliga fel och gör det möjligt att testa mer komplexa strategier och flera parametrar samtidigt. Automatiserad backtesting är särskilt användbart om du vill optimera din strategi eller om du arbetar med algoritmisk trading.

Oavsett vilken metod du väljer är det viktigt att använda korrekt och tillförlitlig data för att få meningsfulla resultat av din backtesting.

Vilka verktyg skall man använda när man backtestar?

Personligen så tycker jag följande programvaror är bäst om man vill backtesta. Backtesting kan utföras manuellt genom att använda ett gratis demokonto eller göras med specialiserad tradingprogramvara.

Tradestation
Multicharts
Amibroker
Ninjatrader

Dessa verktyg är enkla att använda och är ofta de mest populära att använda för att backtesta tradingstrategier. De är också ofta used to analysera historiska resultat och förbättra strategier. Programvarorna allows you to snabbt och effektivt testa olika strategier mot historisk data, vilket ger dig möjlighet att fatta mer informerade beslut. De gör det möjligt för you to optimera och utvärdera dina strategier innan du riskerar riktiga pengar.

Sedan finns det en hel del backtesting man kan göra med Python. Det kan, om man gör det rätt och är duktig på programmering, också bli mycket bra. Här är det viktigt att kombinera data and analysmetoder för att få bästa möjliga resultat. Problemet är du måste kunna extremt mycket för att ens komma upp till nivån som de programvaror jag listar ovan kan göra.

Jag jobbar själv på heltid med algotrading sedan många år tillbaka. Algotrading är detsamma som automatiserad trading och jag har alltid jobbat med de 2 första i min lista ovan. De kan jag rekommendera om du är seriös och vill göra dett på heltid eller är en nybörjare som vill komma igång. Backtesting kommer att vara en mycket viktig del av din trading om börjar med autotrading.

Historiska data – Grunden för tillförlitliga tester

För att kunna utvärdera en trading strategy på ett tillförlitligt sätt är det avgörande att använda högkvalitativ historisk data. Data är själva fundamentet för all backtesting, och kvaliteten på din data avgör hur pålitliga dina slutsatser blir. Det är viktigt att datan täcker en tillräckligt lång tidsperiod och inkluderar olika marknadsförhållanden, såsom bull- och bear-marknader, perioder av hög volatilitet och lugnare faser.

När du väljer datakälla bör du säkerställa att datan är korrekt, komplett och justerad för händelser som aktiesplitar och utdelningar. Felaktig eller ofullständig data kan leda till att din strategi optimeras för specifika anomalier, vilket ger missvisande resultat när du senare handlar i live markets. Många professionella traders använder betalda datakällor för att säkerställa hög kvalitet, men det finns även gratisalternativ – var dock extra noggrann med att kontrollera datans integritet om du väljer dessa.

Att använda robust och tillförlitlig historisk data gör att du kan backtesta din strategi under olika marknadsförhållanden och få en bättre förståelse för hur den skulle ha presterat i det förflutna – och därmed öka sannolikheten för framgång i framtiden.

Praktiska Tips för Att Komma Igång med Backtesting

Att börja med backtesting kan kännas överväldigande, men med rätt tillvägagångssätt blir det enklare. Här är en steg-för-steg-guide om how to komma igång:

• Välj en pålitlig datakälla: Använd högkvalitativ historisk data från betrodda leverantörer som Bloomberg, Quandl eller din mäklares plattform. Det är viktigt att välja data to backtest, eftersom dålig datakvalitet kan ge missvisande resultat. Gratisdata kan innehålla fel eller luckor, vilket påverkar resultatet.
• Sätt upp en testmiljö: Om du använder verktyg som Tradestation eller Python, skapa en isolerad miljö där du kan testa utan risk för att blanda in framtida data. För Python, använd bibliotek som pandas och backtrader.
• Börja enkelt: Om du want to förstå grunderna, testa en grundläggande strategi, som ett glidande medelvärde, för att lära dig processen innan du går vidare till komplexa modeller. Syftet är to backtest och to test hur strategin skulle ha fungerat historiskt.
• Dokumentera allt: Notera varje parameter, antagande och resultat. Detta hjälper dig att spåra vad som fungerar och felsöka problem.

If you är nybörjare och want to komma igång snabbt, kan du välja en färdig plattform som Multicharts eller Amibroker innan du går över till egen kodning. You want to säkerställa att du har tydliga mål och rätt data innan du börjar. Undvik att hoppa över grunderna – en solid bas i backtesting-processen sparar tid och pengar i längden.

Hur Man Utvärderar och Tolkar Backtesting-Resultat

En backtest kan ge imponerande siffror, men hur vet du om resultaten är tillförlitliga? Här är några nyckeltal och metoder för att utvärdera din strategi:

• Sharpe Ratio: Mäter riskjusterad avkastning. En Sharpe Ratio över 1 är bra, men var skeptisk till extremt höga värden, då de kan indikera överoptimering.
• Max Drawdown: Visar den största förlusten från topp till botten. En hög drawdown kan signalera hög risk, även om avkastningen är god.
• Win Rate och Risk/Reward: En hög vinstfrekvens är inte alltid bäst om vinsterna är små och förlusterna stora. Balansera vinstfrekvens med risk/reward-förhållandet.
• Statistisk signifikans: Använd metoder som Monte Carlo-simuleringar för att testa om resultaten är slumpmässiga eller robusta.
• Percent Return: The percent return bör ge dig en uppfattning om hur framgångsrik din tradingstrategi kan vara.
• A key component: En viktig del av en tradingstrategi är att förstå sannolikheter och statistiska mått, såsom expected return of a trade eller win/loss ratio.
• Traders often use: Traders often use the win/loss ratio to assess the effectiveness of their trading strategies during backtesting.

När du analyserar resultaten, titta på statistiska mått som expected return of a trade och win/loss ratio för att få en djupare förståelse av en strategis prestanda. Jämför gärna the same nyckeltal mellan olika strategier för att se vilken som är mest konsekvent.

För att validera resultaten, kör out-of-sample-tester och jämför med en benchmark, som OMXS30 för svenska marknaden. Om strategin konsekvent överträffar index under olika förhållanden, är det ett gott tecken. Var alltid skeptisk och testa flera scenarier.

Optimering av Strategier genom Testning på Historical Data

Att genomföra historisk testning är avgörande för att förfina en tradingstrategi innan den används i live trading. Genom simulering av historiska data kan du identifiera styrkor och svagheter i din strategi, särskilt på marknader som Stockholmsbörsen, där sektorer som industri och finans dominerar. Bakåttestning gör det möjligt att analysera hur en strategi hade hanterat specifika händelser, som volatiliteten under pandemin 2020.

För att optimera strategier bör du:

• Använda retrospektiv testning för att validera regler för entry, exit och stop-loss under olika marknadsförhållanden, som bull- och bear-marknader.
• Testa strategin på flera tidsramar (t.ex. daglig eller veckovis) för att säkerställa att den är robust.
• Minimera antalet parametrar för att undvika överoptimering, vilket är ett vanligt problem vid simulering av historiska data.

Ett praktiskt exempel för svenska traders är att utföra historisk testning på OMXS30-data för att se hur en trendföljande strategi presterar under perioder med hög volatilitet. Genom att noggrant dokumentera resultaten från bakåttestning kan du finjustera din strategi för att bättre passa den svenska marknadens unika egenskaper.

Hantering av Risker vid Retrospektiv Testning

Riskhantering är en kritisk komponent i all retrospektiv testning och simulering av historiska data. Utan att ta hänsyn till risker kan resultaten från bakåttestning ge en falsk känsla av trygghet. På den svenska börsen, där vissa aktier kan påverkas av globala ekonomiska svängningar, är det särskilt viktigt att integrera riskhantering i din historisk testning.

Här är några sätt att hantera risker:

• Inkludera transaktionskostnader (spreadar, courtage) i din bakåttestning för att få realistiska resultat.
• Simulera extrema marknadshändelser, som börskrascher, genom simulering av historiska data för att bedöma strategins motståndskraft.
• Använd position sizing-metoder, som att riskera 1–2 % per trade, och testa dessa i din retrospektiv testning för att minimera drawdowns.

Ett exempel är att utföra historisk testning på en strategi för svenska aktier under 2008 års finanskris för att se hur den hanterar stora nedgångar. Genom att konsekvent använda bakåttestning för att utvärdera riskhanteringsregler kan du bygga en strategi som är både lönsam och hållbar i verklig handel.

Bygga Robusta Algotrading-System med Bakåttestning

För den som vill skapa en algotrading-strategi är bakåttestning och simulering av historiska data ovärderliga verktyg för att säkerställa robusthet. På den svenska börsen, där antalet aktier är begränsat jämfört med globala marknader, blir historisk testning ännu viktigare för att undvika överoptimering och överlevnadsbias. Genom att använda verktyg som Tradestation eller Python-bibliotek som backtrader kan du skapa automatiserade system som är anpassade för lokala förhållanden.

Så här bygger du ett robust algotrading-system:

• Använd retrospektiv testning för att verifiera att strategin fungerar på olika tillgångar, som aktier i OMXS30 eller mindre bolag på First North.
• Testa strategin mot olika marknadsförhållanden (trending, sidledes) genom simulering av historiska data för att säkerställa att den är mångsidig.
• Undvik curvefitting genom att hålla parametrarna enkla och validera med out-of-sample-data i din bakåttestning.

Ett exempel är att utföra historisk testning på en momentumstrategi för svenska aktier, där du analyserar hur strategin presterar under olika sektordominanser (t.ex. finans eller teknologi). Genom att konsekvent använda retrospektiv testning kan du bygga ett algotrading-system som är redo för live trading på Stockholmsbörsen.

Backtesting för olika marknadssituationer och Tidsramar

Inte alla strategier fungerar lika bra på alla marknader eller tidsramar. Här är några tips för att anpassa din backtesting:

• Aktier vs. Forex vs. Råvaror: Aktiemarknader tenderar att ha tydligare trender, medan forex ofta är mer volatil. Justera dina parametrar, som stop-loss, efter marknadens egenskaper. Till exempel kräver råvaror ofta större marginaler på grund av prissvängningar.
• Tidsramar: Dagshandel kräver snäva stoppar och snabb exekvering, medan långsiktiga strategier kan tolerera större svängningar. Testa din strategi på flera tidsramar (t.ex. 1 timme, daglig, veckovis) för att hitta den optimala. Det är viktigt att välja en lämplig time period för backtesting som matchar strategitypen – kortsiktiga strategier bör testas på kortare perioder och långsiktiga på längre, för att resultaten ska bli relevanta och tillförlitliga.
• Marknadsförhållanden: En trendföljande strategi kan fungera utmärkt i en bullmarknad men misslyckas i en sidledes marknad. Testa din modell under olika förhållanden – bull, bear och konsolidering – för att säkerställa robusthet.
• Svenska börsen: Stockholmsbörsen har färre aktier än t.ex. NYSE, vilket kan påverka diversifiering. Använd OMXS30 eller OMX Stockholm All-Share som benchmark och var medveten om sektordominans (t.ex. industri och finans).

För att maximera framgången, skräddarsy din strategi efter den marknad och tidsram du handlar. Använd backtesting för att identifiera vilka förhållanden din modell presterar bäst under och undvik att tillämpa den universellt.

Paper trading – Simulera utan risk

Paper trading, eller simulerad trading, är ett effektivt sätt att testa din trading strategy i realtid utan att riskera riktiga pengar. Genom att använda ett demo-konto eller en simulerad handelsmiljö kan du följa marknaden och utföra affärer enligt din strategi, precis som om du handlade med riktiga pengar – men utan den ekonomiska risken.

Paper trading är ett viktigt steg mellan backtesting på historisk data och att gå över till live trading. Det låter dig se hur din strategi fungerar under aktuella marknadsförhållanden, identifiera eventuella brister eller problem i utförandet, och vänja dig vid att fatta beslut i realtid. Många plattformar erbjuder paper trading-funktioner där du kan logga och analysera dina affärer, vilket ger dig värdefull feedback för att justera och förbättra din strategi innan du satsar riktiga pengar.

Genom att använda paper trading kan du bygga självförtroende i din strategi och säkerställa att den fungerar som förväntat i praktiken, vilket minskar risken för oväntade förluster när du väl börjar handla på riktigt.

Vikten av Riskhantering i Backtesting

Riskhantering är en central del av all trading, och det börjar redan i backtestingfasen. Utan en tydlig riskhanteringsstrategi kan även den bästa backtesten ge vilseledande resultat. Här är några nyckelpunkter för att integrera riskhantering i din backtesting:

• Definiera risk per trade: Bestäm hur mycket av ditt kapital du är villig att riskera per affär, t.ex. 1–2 % av portföljen. Testa olika nivåer i din backtest för att se hur de påverkar drawdowns och total avkastning.
• Stop-loss och take-profit: Inkludera tydliga regler för stop-loss och vinsthemtagning. Testa hur olika nivåer påverkar strategins prestation, särskilt under volatila perioder.
• Position sizing: Använd modeller som fast procent, Kelly-kriteriet eller volatilitetsbaserad storlek för att optimera dina positioner. Backtesta olika metoder för att hitta den som passar din strategi bäst.
• Scenariotester: Simulera extrema marknadshändelser, som en börskrasch, för att se hur din strategi klarar stress. Detta är särskilt viktigt på den svenska börsen, där vissa sektorer kan vara känsliga för globala svängningar.

Genom att inkludera riskhantering i din backtesting säkerställer du att din strategi inte bara är lönsam utan också hållbar i verkliga handelsförhållanden. En robust strategi balanserar avkastning med risk och är redo för oväntade händelser.

Verktyg och Resurser för Backtesting på Svenska Marknaden

Att backtesta strategier för den svenska börsen kräver rätt verktyg och data. Här är några rekommendationer för verktyg och resurser som är särskilt användbara för Stockholmsbörsen:

• Datakällor: Använd plattformar som Nasdaq Nordic eller Avanza för historisk data från OMXS30 och andra svenska aktier. Kontrollera att datan är ren och justerad för splitar och utdelningar.
• Programvaror: Förutom Tradestation och Multicharts, som nämns i artikeln, kan svenska traders dra nytta av Quantower eller Interactive Brokers API för realtidsdata och backtesting.
• Python-bibliotek: För den som föredrar att koda själv är bibliotek som backtrader, zipline och pyfolio utmärkta för att analysera svenska aktier. Kombinera med yfinance för att hämta data direkt från Yahoo Finance.
• Lokala resurser: Gå med i svenska tradingcommunities, som forum på Börssnack eller Discord-grupper, för att utbyta tips om datakällor och strategier specifika för Stockholmsbörsen.

Att välja rätt verktyg och datakällor är avgörande för att skapa tillförlitliga backtester. För den svenska marknaden är det extra viktigt att använda justerad data och testa strategier mot lokala index som OMXS30 för att få relevanta resultat.

Backtesting vs Forward Testing och Live Trading

Att utveckla och validera en trading strategy kräver flera steg, där både backtesting, forward testing och live trading har sin plats. Backtesting innebär att du testar din strategi på historisk data för att se hur den skulle ha presterat under olika marknadsförhållanden. Detta ger en första indikation på om strategin är lovande.

Forward testing, även kallat “walk-forward testing”, innebär att du testar strategin i realtid på live-marknader, men utan att riskera riktiga pengar – ofta genom paper trading eller med ett mycket litet kapital. Här får du möjlighet att se hur strategin presterar när nya data och oväntade händelser inträffar, och om den klarar av att anpassa sig till förändrade marknadsförhållanden.

Live trading är det slutliga steget, där du implementerar din strategi med riktiga pengar i marknaden. Det är viktigt att din strategi har visat goda resultat både i backtesting och forward testing innan du tar steget till live trading. På så sätt minimerar du risken för oväntade förluster och ökar chansen att din strategi är robust nog att hantera verkliga marknadsförhållanden.

Genom att kombinera backtesting, forward testing och paper trading får du en komplett bild av hur din strategi fungerar – från historiska tester till verklig handel – och kan fatta välgrundade beslut om när och hur du ska använda den i live markets.

Hur Man Går Från Backtesting och Paper Trading till Live Trading

En lyckad backtest är bara första steget. Att gå från simulering till live trading kräver noggrann planering och anpassning. Här är några steg för att göra PLEASED_WITH_SAME_PAGE göra övergången smidig:

• Papperstrading: Innan du handlar med riktiga pengar, testa strategin i en simulerad miljö hos din mäklare. Detta avslöjar eventuella brister i utförandet, som latens eller slippage.
• Starta smått: Börja med små positioner för att minimera risken medan du validerar strategin i verkligheten. Öka gradvis när du bygger förtroende.
• Övervaka och justera: Spåra resultat i realtid och jämför med backtesten. Marknadsförhållanden förändras, så var beredd att anpassa parametrar om det behövs.
• Logga allt: Dokumentera varje trade och dess utfall. Detta hjälper dig att identifiera avvikelser från backtestresultaten och förbättra strategin.

Att gå från backtesting till live trading är en kritisk fas. Genom att följa dessa steg kan du minska risken för oväntade förluster och säkerställa att din strategi fungerar som förväntat på den svenska börsen eller andra marknader.

Backtesting på svenska börsen

Backtesta teknisk analys med historiska data. Vill du backtesta olika formationer och setuper på Stockholmsbörsen och se hur de har avkastat historiskt? Något av det viktigaste som finns inom trading är att själv ta reda på statistik och varför olika saker sker och inte sker på börsen. Detta gör du genom att backtesta dina ideér. Nu har du möjlighet att backtesta själv. I tidigare inlägg kan du läsa om hur en mycket enkel strategi har slagit index i USA.

Algotrading – Vad är det?

Vad är algotrading? Du har kanske stött på ordet förut några gånger och undrat vad nu detta är för något. Algo trading är när någon skriver ett datorprogram för att göra affärer på börsen och som är baserat på vissa regler. Reglerna är algoritmiska. En algoritm har inget fast värde till skillnad mot en logaritm är där det finns ett initialt fast tal som ska beräknas utifrån. Värdet beräknas i stället utifrån pris från de finansiella marknaderna.

Algo traders kan hålla sin algostrategi aktiverad 24 timmar om dygnet och 7 dagar i veckan om man så vill och programvaror och börsen tillåter det. Det krävs en del programmeringsskicklighet och framförallt engagemang för att göra en sådan algoritm. Transaktionerna sker mycket snabbare än en person kan utföra. Det finns idag programvaror som man kan använda för att underlätta programmeringen av strategier och den automatiska handeln.

Vad krävs för att komma igång med algo trading

Så här gör vi det här, jag kommer att lista ned alla saker som krävs för att du ska starta din egen algoritmiska handel och robothandel och kommer att ge resurser för att täcka var och en av följande saker.

• Tradingstrategi: en testad lönsam strategi, helst baserat på kvantitativa analyser och kvantitativ trading och framtagen med en form av backtesting. 100% av all min trading och portföljhandel är baserad på kvantitativa analyser.
• Programmeringskunskap: Programmering av din egen strategi med hjälp av backtesting bland annat
• Programvara: som förbinder dig till mäklaren och skickar ordrar för dig
• Kursdata: data för realtidstrading och historiska data för att to backtest din strategi innan du implementerar den live
• Infrastruktur: server, datorer, backup strömförsörjning, internetanslutning etc.

Mer information:

Fler bra källor som förklarar vad backtesting är:

Backtesting in Algorithmic Trading

Are your backtest results fooling you?

Tradingstrategi – Vad är en Trading Strategy?

Detta är den viktigaste delen av algotrading och robothandel. Jag lägger mest tid här. Har jag 10 timmar att jobba så lägger jag 8-9 på att skapa robothandel strategier. Det är den klart svåraste biten av algotrading och robothandel men samtidigt den mest roliga. Marknaden är i ständig förändring och det gör det till en utmaning att hitta algoritmer som klarar olika marknadsförhållanden. Det är absolut inte omöjligt men heller inte lätt. Se till att din tradingstrategi är robust samt klar och redo att köras – the strategy is robust, tydlig och redo att implementeras innan du går live. Här är en checklista som jag använder i min algoutbildning och min egen trading:

• Tydligt definierade regler för entry, exit, stopp och profittargets
• Har du testat den under en period för att se om den verkligen fungerar?
• Portfolio management – vilka marknader som ska handlas
• Risk management – ge dig själv svar på följande frågor. – Hur mycket skall jag riskera per trade och varför vill jag ha det så? När det gäller algoritmisk trading så finns det en också en stor mängd med risk som man utsätts för genom bland annat tekniken man använder. Teknik kan gå sönder och det är bra att ha koll på vad.
• Sätt av lite pengar för oförutsedda händelser utifall något går snett och framförallt för att betala för dina misstag som du med stor säkerhet kommer att göra i början.
• Säkerställ att the strategy is robust, tydlig och redo att implementeras innan du går live.