¿Qué es el backtesting de EAs?
El backtesting de EAs es el proceso de ejecutar una estrategia de trading automatizada—a menudo llamada Asesor Experto (EA)—contra datos históricos del mercado para ver cómo se habría comportado el conjunto de reglas de la estrategia en el pasado. El objetivo no es pronosticar el futuro, sino aprender si la lógica es internamente consistente y qué tan sensible puede ser a los supuestos clave del modelo.
Un EA normalmente sigue reglas predefinidas (por ejemplo, cuándo entrar, cómo dimensionar una posición y cuándo salir). El backtesting aplica esas reglas repetidamente a lo largo de series de precios pasadas, produciendo métricas resumidas como la secuencia de operaciones hipotéticas y cifras generales de rendimiento.
¿Cómo funciona el backtesting de EAs?
Un modelo simplificado es: tomar precios históricos → aplicar las reglas del EA paso a paso → simular ejecuciones y actualizaciones de cuenta → informar resultados. Varios insumos influyen fuertemente en el resultado:
- Calidad de los datos históricos: Ticks faltantes, precios ajustados o diferentes tipos de fuentes pueden cambiar las señales.
- Supuestos de ejecución: Los backtesting a menudo aproximan las ejecuciones de órdenes utilizando supuestos para el spread, el deslizamiento, la latencia de la orden y las reglas de ejecución.
- Costos y restricciones: Comisiones, swap/financiamiento y límites en el momento de la orden pueden afectar materialmente los resultados.
- Manejo del tiempo: La lógica basada en barras frente a la lógica basada en ticks cambia qué precios “ve” el EA cuando decide.
Los supuestos importan: Si el backtesting supone spreads más ajustados o una mejor ejecución de la que realmente ocurre, el rendimiento simulado puede parecer mejor que la realidad.
Escenario de ejemplo (con supuestos explícitos): Supongamos que un EA entra al cierre de una barra de precios y sale después de un número fijo de barras. Si asumes un spread constante y sin deslizamiento, la rentabilidad de la operación simulada puede diferir de una ejecución que incluya spreads variables y ejecución adversa ocasional. La comparación ayuda a comprender la sensibilidad, no la certeza.
¿Qué limitaciones y modos de fallo deberías esperar?
El backtesting es inherentemente incierto porque intenta comprimir la complejidad del trading en vivo en una simulación. Las limitaciones comunes incluyen:
- Sobreajuste: Ajustar los parámetros de las reglas para que coincidan con un período histórico puede reducir el rendimiento en otros períodos.
- Cambio de régimen: Las estrategias que funcionan en un entorno de mercado pueden fallar cuando cambian la volatilidad, las tendencias o las condiciones de liquidez.
- Brechas entre simulación y realidad: La ejecución real de órdenes puede diferir del modelado del backtesting, especialmente en movimientos rápidos de precios.
- Sesgo de anticipación: Si la prueba utiliza inadvertidamente información que no habría estado disponible en el momento de la decisión, los resultados se vuelven engañosos.
- Sesgo de supervivencia y problemas de selección de datos: Diferentes historiales de datos u opciones de selección pueden cambiar las conclusiones.
Una limitación material es que las relaciones históricas no garantizan el comportamiento futuro. Incluso un backtesting cuidadosamente ejecutado estima el rendimiento bajo los supuestos y datos exactos utilizados.
¿Cómo puedes verificar lo que te dice un backtesting?
La verificación independiente se centra en si los resultados son sólidos ante cambios en supuestos razonables y períodos de tiempo. Las comprobaciones útiles incluyen:
- Utiliza múltiples períodos de prueba: Compara el rendimiento en diferentes ventanas históricas.
- Separa los períodos dentro de la muestra y fuera de la muestra: Evalúa la estrategia en datos no utilizados para ajustarla.
- Prueba los supuestos clave: Vuelve a ejecutar con costos más altos (spread/deslizamiento), diferentes modelos de momento de ejecución y restricciones realistas.
- Inspecciona la distribución de las operaciones, no solo los totales: Revisa reducciones, frecuencia de operaciones y variabilidad en lugar de depender de una sola métrica principal.
Si los resultados dependen en gran medida de supuestos finamente ajustados o solo aparecen en un segmento estrecho de la historia, la confianza debe seguir siendo limitada.
Siguiente pregunta a realizar
Cuando alguien dice “resultados de backtesting de EAs”, la pregunta de seguimiento más importante es: ¿Qué datos y supuestos de ejecución exactos se utilizaron, y qué tan sensibles son los resultados cuando los varías?