Cómo hacer backtest de una estrategia de trading: métodos, errores y qué significan realmente los resultados

Todos los traders tienen una estrategia que se ve excelente en su mente. Las entradas tienen sentido. La lógica se siente sólida. Luego ponen dinero real en ella y se preguntan por qué los resultados no se parecen en nada a lo que esperaban. El paso que falta, casi siempre, es el backtesting.

Backtesting significa aplicar una estrategia de trading a datos de precios históricos para ver cómo habría funcionado. Es lo más parecido que tienen los traders a un laboratorio. En lugar de arriesgar capital para descubrir si una estrategia funciona, los datos históricos proporcionan un entorno controlado para probar ideas, medir el desempeño e identificar debilidades antes de que un solo dólar esté en juego.

Pero el backtesting también es donde muchos traders se engañan a sí mismos. Hecho mal, produce resultados que se ven espectaculares en papel y colapsan en mercados en vivo. Entender cómo hacer backtesting correctamente, y más importante aún, cómo interpretar los resultados honestamente, es una de las habilidades más valiosas que un trader puede desarrollar.

Backtesting Manual vs. Automatizado

Hay dos enfoques fundamentales para el backtesting, y cada uno tiene compensaciones distintas.

Backtesting Manual

El backtesting manual implica desplazarse a través de gráficos históricos barra por barra, identificando configuraciones que coincidan con las reglas de la estrategia, registrando entradas y salidas, y calculando resultados manualmente o en una hoja de cálculo. Es lento. Un backtesting manual exhaustivo de una sola estrategia en un mercado podría tomar días o incluso semanas.

La ventaja es la profundidad de comprensión. Los traders que hacen backtesting manual aprenden a leer la acción del precio de una manera que los probadores automatizados nunca hacen. Desarrollan intuición sobre cómo se ve realmente una configuración en tiempo real, incluidas las señales confusas y ambiguas que una estrategia codificada maneja con lógica limpia pero que un trader en vivo tiene que interpretar sobre la marcha.

El backtesting manual funciona mejor para estrategias discrecionales, entradas basadas en patrones, y traders que aún están aprendiendo a identificar configuraciones de manera consistente.

Backtesting Automatizado

El backtesting automatizado utiliza software para aplicar una estrategia codificada a datos históricos y generar resultados en segundos. Las plataformas comunes incluyen Strategy Tester de MetaTrader, el probador de Pine Script de TradingView, y scripts personalizados en Python (utilizando librerías como Backtrader o Zipline).

La ventaja es la velocidad y escala. Un backtesting automatizado puede ejecutar una estrategia de cruce de promedio móvil en 20 años de datos en 50 instrumentos en minutos. Elimina la tendencia humana de seleccionar solo las configuraciones favorables u omitir inconscientemente las operaciones perdedoras. Cada señal se toma, cada resultado se registra.

La desventaja es que codificar una estrategia fuerza simplificaciones. Los matices como "la tendencia se ve fuerte" o "el volumen se siente extraño" son difíciles de traducir en reglas. Y la velocidad del testing automatizado hace que sea peligrosamente fácil sobre-optimizar, un problema cubierto en detalle a continuación.

Métricas Clave Que Realmente Importan

Un backtesting genera una pared de números. No todos merecen igual atención. Estas son las métricas que separan resultados útiles del ruido.

Ganancia neta / retorno total. El resultado final. ¿La estrategia ganó dinero? Este es el punto de partida, pero también es la métrica más engañosa en aislamiento. Una estrategia que retornó 200% pero tuvo un drawdown del 70% en el camino no es lo mismo que una que retornó 80% con un drawdown del 15%.

Tasa de ganancia. El porcentaje de operaciones que fueron rentables. Contrario a lo que muchos principiantes asumen, la tasa de ganancia por sí sola dice casi nada sobre la calidad de la estrategia. Una estrategia con una tasa de ganancia del 40% puede ser altamente rentable si los ganadores son significativamente más grandes que los perdedores. Una estrategia con una tasa de ganancia del 80% puede ser un desastre si el 20% de los perdedores son catastróficos. La tasa de ganancia solo tiene sentido en el contexto de ratios de riesgo-recompensa.

Factor de ganancia. Ganancias brutas divididas por pérdidas brutas. Un factor de ganancia por encima de 1.0 significa que la estrategia ganó dinero. Por encima de 1.5 se considera generalmente sólido. Por encima de 3.0 en una muestra grande debe desencadenar escepticismo, no celebración.

Drawdown máximo. La mayor caída de pico a valle en la curva de equidad. Esta es argumentablemente la métrica más importante para la viabilidad en el mundo real porque responde la pregunta: ¿cuánto dolor inflige esta estrategia antes de recuperarse? Una estrategia con un drawdown máximo del 50% requiere una ganancia del 100% solo para empatar, y la mayoría de los traders la abandonarán mucho antes de que ocurra esa recuperación.

Razón de Sharpe. Retorno ajustado al riesgo, calculado como retorno promedio dividido por la desviación estándar de los retornos. Mayor es mejor. Una razón de Sharpe por encima de 1.0 es aceptable, por encima de 2.0 es fuerte. Penaliza estrategias que logran retornos a través de volatilidad excesiva.

Número de operaciones (tamaño de muestra). Esta es la métrica que la mayoría de los traders ignoran y la que determina si cualquiera de las otras métricas significa algo en absoluto.

El Problema del Tamaño de Muestra

Si una estrategia produce 15 operaciones y 12 de ellas son ganadoras, la tasa de ganancia es del 80%. Eso suena genial. También significa casi nada.

Con 15 operaciones, el azar puede fácilmente producir una tasa de ganancia del 80% de una estrategia sin ventaja real. Lanza una moneda justa 15 veces y hay aproximadamente un 3% de probabilidad de obtener 12 o más caras. Eso no es astronómico. Ejecuta 30 estrategias diferentes y una de ellas probablemente alcanzará esos números por pura suerte.

La significancia estadística requiere volumen. Como guía aproximada:

• Menos de 30 operaciones: Los resultados son esencialmente sin sentido. Demasiado pequeño para distinguir habilidad de aleatoriedad.
• 30-100 operaciones: Solo indicación direccional. La estrategia podría tener una ventaja, pero la confianza es baja.
• 100-200 operaciones: Los resultados comienzan a ser informativos. Los patrones en el desempeño comienzan a estabilizarse.
• 200+ operaciones: Umbral mínimo para confianza razonable. Cuanto mayor sea la muestra, más convergen las métricas hacia el verdadero desempeño de la estrategia.

Por eso las estrategias de alta frecuencia son más fáciles de validar estadísticamente. Un sistema de scalping que genera 20 operaciones por día puede acumular 1,000 puntos de datos en dos meses. Una estrategia de swing trading que toma 2-3 operaciones por mes necesita años de datos para alcanzar el mismo nivel de confianza.

Ajuste de Curva: La Trampa Que Atrapa a Todos

El ajuste de curva, también llamado sobreajuste, es la razón única más común por la que los backtests producen resultados que no se traducen en trading en vivo. También es la trampa más difícil de reconocer cuando eres tú quien está cayendo en ella.

El ajuste de curva ocurre cuando un trader sigue agregando reglas, filtros o ajustes de parámetros hasta que el backtest se ve perfecto. El umbral de entrada RSI se ajusta de 30 a 27. Un filtro de volatilidad elimina los tres meses de peor desempeño. Una restricción de hora del día elimina las sesiones perdedoras. Cada ajuste mejora los números del backtesting. Cada ajuste también hace la estrategia más específica a los datos históricos en los que fue probada y menos probable que funcione en datos que nunca ha visto.

El problema central es este: los datos históricos contienen tanto señal (patrones de mercado reales y repetitivos) como ruido (eventos aleatorios y únicos). Una estrategia robusta captura la señal. Una estrategia sobreajustada memoriza el ruido.

Señales de advertencia de una estrategia sobreajustada:

• La estrategia tiene más de 5-6 reglas o filtros
• Los parámetros son extrañamente específicos (entrada a las 14:37, RSI a 27.3, stop a 1.7 ATR)
• La curva de equidad es sospechosamente suave sin casi ningún drawdown
• Tasas de ganancia superiores al 80-85%
• El desempeño se degrada significativamente cuando cualquier parámetro se cambia ligeramente
• La estrategia solo funciona en un instrumento o un período de tiempo

Una regla útil: si una estrategia no puede sobrevivir a un cambio del 10-20% en sus parámetros clave sin colapsar, probablemente está sobreajustada. Las estrategias robustas son insensibles a parámetros. Un cruce SMA que funciona con períodos 48/198 también debería funcionar razonablemente con 50/200 y 52/205. Si solo funciona con una combinación exacta, los resultados son un artefacto de los datos, no un reflejo de una ventaja real.

Testing In-Sample vs. Out-of-Sample

La defensa estándar contra el ajuste de curva es dividir los datos históricos en dos segmentos.

Datos in-sample se usan para desarrollar y optimizar la estrategia. Este es el área de pruebas donde se prueban reglas, se ajustan parámetros y la estrategia toma forma.

Datos out-of-sample se mantienen, sin tocar, hasta que la estrategia se finaliza. Una vez que la estrategia se bloquea, se prueba en estos datos reservados. Si el desempeño se mantiene, hay razón para una confianza cautelosa. Si colapsa, la estrategia probablemente fue sobreajustada al período in-sample.

Una división común es 70/30: desarrollar en el 70% de los datos, validar en el 30%. Algunos traders usan análisis walk-forward, que optimiza repetidamente en una ventana in-sample móvil y prueba en el siguiente segmento, proporcionando múltiples resultados out-of-sample en diferentes condiciones de mercado.

La regla crítica: los datos out-of-sample pueden usarse solo una vez. En el momento en que un trader ve los resultados out-of-sample y vuelve a ajustar la estrategia, esos datos ya no son out-of-sample. Han sido contaminados. Este es un error sutil pero devastador, y sucede constantemente.

Sesgos de Datos Que Inflan Resultados

Incluso un backtesting correctamente estructurado puede producir resultados engañosos si los datos subyacentes son defectuosos.

Sesgo de Supervivencia

La mayoría de las bases de datos de acciones contienen solo empresas que actualmente existen. Los cientos de empresas que quebraron, fueron deslistadas o fueron adquiridas a precios de fuego están faltando. Un backtesting en "acciones del S&P 500" usando los constituyentes actuales no está probando el S&P 500 tal como existía históricamente. Está probando una lista curada de ganadores. Esto infla sistemáticamente los retornos y hace que las estrategias se vean mejor de lo que habrían funcionado en tiempo real.

Sesgo de Anticipación

El sesgo de anticipación ocurre cuando un backtesting usa información que no habría estado disponible en el momento de la operación. Los ejemplos incluyen usar datos económicos revisados (las cifras de PIB se revisan regularmente meses después), aplicar indicadores calculados en el conjunto de datos completo, o ingresar operaciones basadas en el precio de cierre del día cuando ese precio no se conocía hasta que finalizó la sesión.

En backtesting automatizado, el sesgo de anticipación a menudo se cuela a través de errores de codificación. Un script que calcula una señal usando datos de la barra N e ingresa una operación en la barra N (en lugar de la barra N+1) tiene sesgo de anticipación integrado en cada señal.

Descuido de Spreads y Comisiones

Un número sorprendente de backtests asumen costos de transacción cero. Para swing traders que toman 3-4 operaciones por mes, esto podría no cambiar materialmente los resultados. Para scalpers que toman 20 operaciones por día, incluso un spread de 1 pip por operación puede convertir un sistema rentable en uno perdedor. Siempre incluye spreads realistas, comisiones y estimaciones de slippage. Cuando tengas dudas, sobrestima los costos en lugar de subestimarlos.

Forward Testing: El Puente al Trading en Vivo

Una estrategia que pasa el backtesting y la validación out-of-sample aún tiene un obstáculo más antes de merecer capital real: el forward testing, también conocido como paper trading.

Forward testing significa operar la estrategia en tiempo real en una cuenta demo o con llenados simulados. A diferencia del backtesting, el forward testing ocurre en datos que la estrategia nunca ha visto, en condiciones de mercado que se están desarrollando en vivo. Prueba no solo la lógica de la estrategia sino también realidades de ejecución: ¿puede el trader realmente identificar señales en tiempo real? ¿Son los llenados realistas? ¿La estrategia sigue funcionando cuando no hay habilidad de desplazarse hacia adelante y echar un vistazo a lo que sucede después?

Un período mínimo de forward testing depende del marco de tiempo de la estrategia. Una estrategia de day trading debe ser probada hacia adelante durante al menos 1-2 meses. Una estrategia de swing trading necesita 3-6 meses para acumular suficientes operaciones. El objetivo no es replicar exactamente los resultados del backtesting sino confirmar que la estrategia funciona dentro de un rango razonable de las expectativas probadas por backtesting, contabilizando variaciones normales en dimensionamiento de posiciones y ejecución.

Cómo Se Ven los Resultados Realistas

Una de las cosas más útiles que el backtesting enseña es la calibración. Los traders que nunca han hecho backtesting tienden a tener expectativas wildly poco realistas. Los traders que han hecho backtesting extensivamente saben cómo se ve una ventaja real, y usualmente es modesta.

Una estrategia con una tasa de ganancia del 50-60% y un factor de ganancia entre 1.3 y 2.0 es genuinamente sólida. Eso puede no sonar emocionante, pero compuesto durante cientos de operaciones con gestión de riesgo disciplinada, produce retornos significativos. Las estrategias con tasas de ganancia de 90%+ casi siempre tienen un riesgo oculto: ganan pequeñas cantidades frecuentemente y luego devuelven todo (y más) en pérdidas raras pero catastróficas. Las estrategias de venta de opciones son un ejemplo clásico de este patrón.

Un buen backtesting no prueba que una estrategia funcionará. Prueba que la estrategia vale la pena probar más a fondo. El objetivo no es certeza; es confianza informada basada en evidencia.

Errores Comunes en Backtesting

Más allá de los principales escollos cubiertos anteriormente, estos errores regularmente socavan la calidad del backtesting:

• Probar en un período demasiado corto. Una estrategia probada solo en un mercado alcista nunca ha sido probada bajo estrés. Usa datos que incluyan al menos un ciclo de mercado completo: alcista, bajista y lateral.
• Optimizar a la perfección. El conjunto de parámetros mejor en un backtesting casi nunca es el mejor conjunto de parámetros en el futuro. Apunta a robusto, no óptimo.
• Ignorar cambios de régimen. Una estrategia de seguimiento de tendencia probada durante un mercado de tendencia se verá brillante. La pregunta es cómo funciona durante condiciones de rango. Prueba en diferentes entornos de mercado.
• Asumir llenados instantáneos. En trading en vivo, las órdenes limitadas se pierden y las órdenes de mercado se deslizan. Incorpora suposiciones de llenado realistas, especialmente durante períodos volátiles.
• Backtesting sin una hipótesis. Probar aleatoriamente combinaciones de indicadores y parámetros hasta que algo funcione es minería de datos, no desarrollo de estrategia. Comienza con una tesis lógica sobre por qué una estrategia debería funcionar, luego prueba si los datos la apoyan.

Conclusiones Clave

El backtesting no es un atajo para el trading rentable. Es un proceso para separar estrategias que merecen más pruebas de estrategias que deberían descartarse. Hecho correctamente, ahorra a los traders de desperdiciar meses y capital significativo en ideas que no resisten el escrutinio.

• El backtesting manual construye intuición; el backtesting automatizado construye confianza estadística. La mayoría de los traders serios usan ambos.
• El tamaño de muestra lo es todo. Los resultados de menos de 30 operaciones son ruido. Apunta a 200+ operaciones para datos significativos.
• El ajuste de curva es el resultado predeterminado de la optimización descontrolada. Lucha contra él con testing out-of-sample, análisis de sensibilidad de parámetros, y autoevaluación honesta.
• El forward testing no es opcional. Es el paso de validación final antes de arriesgar capital real.
• La ventaja realista es modesta. Una tasa de ganancia del 55% con un factor de ganancia de 1.5 es una estrategia que vale la pena operar. Una tasa de ganancia del 95% con un factor de ganancia de 5.0 casi seguramente es demasiado buena para ser verdad.

Disclaimer: Este contenido es solo para propósitos educativos y no constituye asesoramiento financiero. El trading implica riesgo sustancial de pérdida. El desempeño pasado no garantiza resultados futuros.