Tienes una idea de estrategia. La programas, la testas con datos históricos y los resultados son espectaculares: 80% de aciertos, drawdown mínimo, curva de equity impecable. La pones en real y en dos semanas estás en negativo. ¿Qué ha pasado? Probablemente un backtesting mal hecho.
El backtesting es la herramienta más poderosa y más peligrosa del trading algorítmico. Bien hecho, te permite validar ideas y descartar las que no funcionan antes de arriesgar dinero real. Mal hecho, te da una falsa confianza que te lleva directo a pérdidas. En este artículo vamos a ver cómo hacerlo bien.
Qué es el backtesting y para qué sirve realmente
El backtesting consiste en aplicar las reglas de tu estrategia a datos históricos del mercado para ver cómo habría funcionado en el pasado. Es una simulación, no una predicción. La diferencia es importante: que una estrategia haya funcionado en el pasado no garantiza que funcione en el futuro, pero si no funciona en el pasado, casi seguro que no funcionará en el futuro.
Un buen backtesting te permite descartar rápidamente ideas que no tienen ventaja estadística, estimar el drawdown máximo y el riesgo real de la estrategia, definir los parámetros óptimos dentro de un rango razonable y comparar variantes de tu estrategia de forma objetiva.
Los errores que invalidan un backtesting
Sobreoptimización: el enemigo número uno
Es el error más común y más peligroso. Consiste en ajustar los parámetros de la estrategia hasta que el backtest sea perfecto. El problema es que al optimizar demasiado, estás adaptando la estrategia al ruido del pasado, no a patrones reales que se repetirán.
Una media móvil de 47 periodos funciona mejor que una de 50 en tu backtest. ¿Es porque 47 captura algo real del mercado o porque casualmente se adapta a los movimientos de los últimos dos años? En la mayoría de casos, es lo segundo.
La regla práctica: si cambiar un parámetro un 10% destruye los resultados, la estrategia no es robusta — está sobreoptimizada.
Sesgo de supervivencia
Si testeas tu estrategia solo con los activos que existen hoy, estás ignorando todos los que quebraron o fueron delisted. Tu backtest solo incluye «los ganadores» y los resultados serán artificialmente buenos. Para índices y Forex es menos problema, pero para acciones y criptomonedas es crítico.
Look-ahead bias
Ocurre cuando tu estrategia usa información que no estaba disponible en el momento de la decisión. Por ejemplo, usar el máximo del día para tomar una decisión de entrada por la mañana. En un backtest con datos OHLC, es fácil cometer este error sin darte cuenta.
Ignorar los costes reales
Spread, comisiones, slippage y swaps. Un sistema que hace 5 operaciones al día con un spread de 1 pip pierde 5 pips diarios solo en costes — 100 pips al mes, 1.200 al año. Si tu beneficio bruto es de 1.500 pips anuales, el 80% se va en costes. Tu backtest sin costes mostraba una estrategia ganadora; con costes reales apenas empata.
Cómo hacer un backtesting correcto
Divide tus datos: in-sample y out-of-sample
Nunca optimices y valides con los mismos datos. Usa el 70% de los datos para optimizar (in-sample) y reserva el 30% para validar (out-of-sample). Si la estrategia funciona en los datos que nunca ha visto, tienes algo. Si solo funciona en los datos de optimización, está sobreoptimizada.
Walk-forward analysis
Un paso más allá: optimiza en una ventana de datos, valida en la siguiente, mueve la ventana hacia adelante y repite. Esto simula cómo funcionaría la estrategia en tiempo real, reoptimizando periódicamente con nuevos datos. Es el test más realista que puedes hacer.
Incluye costes reales desde el inicio
Configura el backtester con el spread medio real de tu broker, las comisiones por operación, un slippage estimado de 0.5-1 pip y los swaps si mantienes posiciones overnight. Los resultados serán menos bonitos pero mucho más realistas.
Métricas que importan (y las que no)
Profit factor — beneficio bruto dividido entre pérdida bruta. Por encima de 1.5 es aceptable, por encima de 2.0 es bueno. Desconfía de profit factors superiores a 3.0 en backtests — probablemente hay sobreoptimización.
Drawdown máximo — la caída máxima desde un pico de equity. Es la métrica más importante para decidir si puedes vivir con la estrategia. Un drawdown del 30% significa que en algún momento perderás un tercio de tu cuenta antes de recuperarte.
Ratio de Sharpe — rentabilidad ajustada por riesgo. Por encima de 1.0 es aceptable, por encima de 2.0 es excelente. Pero cuidado: depende del periodo de análisis y puede ser engañoso con pocas operaciones.
Número de operaciones — un backtest con 30 operaciones no es estadísticamente significativo. Necesitas al menos 200-300 operaciones para que los resultados tengan validez. Si tu estrategia genera pocas señales, necesitas más años de datos.
Siguiente paso
Si estás testeando estrategias y los resultados en real no coinciden con los del backtest, el problema probablemente está en el proceso de testing, no en la estrategia. Revisar tu metodología de backtesting puede ser más valioso que probar una estrategia nueva.
En Innova Investing desarrollamos y optimizamos estrategias de trading con backtesting riguroso para MetaTrader, TradingView y NinjaTrader. Diagnóstico gratuito de tu estrategia para evaluar su robustez.
