Definición: qué significa la prueba de algoritmos
La prueba de algoritmos es el proceso de evaluar un sistema automatizado basado en reglas utilizando datos y métricas definidos para comprender cómo se habría comportado bajo supuestos específicos. En un contexto de forex, un “algoritmo” generalmente significa un conjunto determinista de reglas para tomar decisiones (por ejemplo, cuándo entrar/salir y cómo se establece el tamaño de la posición). El punto clave es que probar no es lo mismo que pronosticar: describe el comportamiento pasado o simulado dado un escenario particular.
Ejemplo de escenario práctico (con supuestos explícitos)
A continuación se muestra un ejemplo práctico utilizando números simplificados. Intencionalmente no se basa en datos de mercado en tiempo real.
Objetivo y período de prueba
Suponga que desea probar un algoritmo que abre y cierra operaciones utilizando estas mecánicas fijas:
- Solo puede haber una posición abierta a la vez.
- Cuando se abre una operación, se cierra después de exactamente 5 pasos de precio.
- La ganancia/pérdida se calcula a partir de un único precio de entrada y un único precio de salida.
- El tamaño de la posición es constante: 10 unidades por operación.
Supuestos (declárelos explícitamente):
- Datos de prueba: 3 “operaciones” independientes de muestras similares a las históricas, con precios de entrada y salida conocidos.
- Manejo de spread/deslizamiento: modela los costos de transacción utilizando un costo constante por operación de 0.50 (en sus unidades de G/P elegidas).
- No se incluyen financiamiento, rollover ni impuestos.
- Todos los precios se tratan como perfectamente conocidos en el momento de la decisión (sin mirar hacia el futuro).
Datos de entrada
Suponga que las tres operaciones tienen los siguientes precios de entrada y salida (el movimiento del precio determina el G/P bruto):
- Operación A: entrada 100.0 → salida 101.0 (movimiento +1.0)
- Operación B: entrada 200.0 → salida 198.5 (movimiento −1.5)
- Operación C: entrada 50.0 → salida 50.2 (movimiento +0.2)
Para convertir el movimiento en G/P bruto, suponga una conversión lineal simple:
- G/P bruto = movimiento × tamaño de la posición
- Tamaño de la posición = 10 unidades
Entonces:
- G/P bruto de la Operación A = (+1.0) × 10 = +10.0
- G/P bruto de la Operación B = (−1.5) × 10 = −15.0
- G/P bruto de la Operación C = (+0.2) × 10 = +2.0
Aplicar costos de transacción
Suponga un costo de transacción fijo por operación cerrada de 0.50.
- G/P neto por operación = G/P bruto − 0.50
Resultados:
- Operación A neto = 10.0 − 0.50 = 9.5
- Operación B neto = −15.0 − 0.50 = −15.5
- Operación C neto = 2.0 − 0.50 = 1.5
G/P neto total en la prueba de 3 operaciones = 9.5 + (−15.5) + 1.5 = −4.5
Métricas que puede verificar
A partir de los mismos supuestos, puede calcular:
- Tasa de aciertos = 2 operaciones ganadoras de 3 = 66.7%
- G/P neto promedio por operación = (−4.5) / 3 = −1.5
- Ganancia bruta (suma de ganadoras) = 9.5 + 1.5 = 11.0
- Pérdida bruta (suma absoluta de perdedoras) = 15.5
- Factor de beneficio = ganancia bruta / pérdida bruta = 11.0 / 15.5 ≈ 0.71
Este es un ejemplo “práctico” porque otra persona puede reproducir cada número utilizando las mismas entradas y fórmulas. Si no pueden, la configuración de la prueba no es clara.
Cómo la mecánica difiere de la variabilidad del mercado/proveedor
En el uso real, varios elementos suelen variar y pueden cambiar los resultados incluso si las reglas del algoritmo permanecen iguales:
- Comportamiento del mercado: regímenes de volatilidad, correlaciones y cambios de tendencia.
- Detalles de ejecución: calidad de la ejecución de órdenes, sincronización y costos realizados.
- Calidad de los datos: si los precios similares a los históricos reflejan lo que se podría haber observado sin mirar hacia el futuro.
El ejemplo anterior separó la mecánica fija (mantenimiento de 5 pasos, tamaño constante, modelo de costos) de las partes variables (los movimientos de precios). Esa separación es central para una buena prueba porque le indica qué está determinado por su algoritmo versus qué está determinado por sus supuestos.
Limitaciones materiales y modos de fallo
Al menos una limitación importante es que la prueba puede producir conclusiones engañosas si los supuestos no coinciden con la realidad. Los modos de fallo comunes incluyen:
- Sobreajuste: ajustar las reglas o parámetros del algoritmo hasta que coincidan con una muestra histórica particular, reduciendo el rendimiento en datos nuevos.
- Desajuste de ejecución: los fills simulados y los modelos de costos pueden ser demasiado optimistas en comparación con la ejecución real.
- Costos y condiciones ocultos: el trading real puede implicar efectos no representados en el modelo de costos simplificado (por ejemplo, spreads variables u otras comisiones).
- Fuga de datos: usar información en la prueba que no habría estado disponible en el momento de la decisión infla los resultados.