Qué significa el backtesting “responsable” de HMA
El backtesting responsable significa evaluar una regla basada en la Media Móvil de Hull (HMA) utilizando una preparación de datos transparente, supuestos explícitos y pasos de validación que reduzcan resultados engañosos. La HMA es una media móvil diseñada para suavizar el precio mientras reacciona con relativa rapidez; es un cálculo determinista dado un precio de entrada y una configuración elegida. Por lo tanto, el backtesting debe centrarse en si tu regla para interpretar la HMA (por ejemplo, cómo decides cuándo se utiliza la media) se habría comportado de manera plausible bajo restricciones conocidas.
“Responsable” también implica que no trates el rendimiento histórico como prueba de resultados futuros. Los mercados cambian y los backtests pueden sobreajustar patrones que existieron solo en ciertos períodos.
Mecanismo: qué estás probando realmente
Define el cálculo de la HMA y sus entradas
Antes de probar, define qué serie introduces en la HMA (por ejemplo, una serie de precios de cierre) y qué configuración utilizas (comúnmente una longitud de ventana). Debido a que la HMA es una transformación matemática de valores pasados, diferentes opciones de preprocesamiento cambian el resultado.
Una fuente común de errores es mezclar la alineación temporal: si tu decisión en el momento t utiliza información del momento t o posterior, la prueba se vuelve poco fiable. Asegúrate de que cada valor utilizado para tomar una decisión hubiera estado disponible en ese momento.
Separa la mecánica estable de las condiciones variables
El cálculo de la HMA en sí es estable. Los resultados del backtest dependen de factores variables como:
- Calidad de los datos (barras faltantes, ajustes por acciones corporativas, muestreo inconsistente).
- Costos y fricciones (comisiones, spreads, deslizamiento).
- Supuestos de ejecución (momento de la orden, lógica de llenado).
- Régimen de mercado (períodos de tendencia vs. de rango).
Para mantener el experimento justo, trata estos elementos como supuestos explícitos y, cuando sea posible, prueba la sensibilidad en lugar de depender de una única configuración.
Evidencia o ejemplo: un flujo de trabajo práctico basado en supuestos
A continuación se presenta una plantilla que puedes utilizar sin asumir ninguna ventaja garantizada.
1) Declara los supuestos y mantenlos consistentes
Documenta:
- el marco temporal y la construcción de las barras,
- el campo de precio utilizado para la HMA,
- las opciones de parámetros de la HMA,
- cómo se ejecutarían las operaciones o decisiones (incluso si la ejecución es simulada).
Si calculas el rendimiento, define la métrica con claridad (por ejemplo, si mides el retorno porcentual, medidas ajustadas al riesgo o la precisión de clasificación para una regla de decisión). Utiliza la misma definición en todo momento.
2) Modela los costos y la ejecución de forma conservadora (como supuestos)
Una diferencia clave entre “gráficos bonitos” y backtests es que el trading real enfrenta fricciones. Incluso una evaluación simple debe incluir un supuesto para costos como penalizaciones similares al spread y retrasos similares al deslizamiento. No necesitas números en vivo; sí necesitas una regla declarada sobre cómo los costos afectan los resultados.
3) Utiliza controles de sesgo
Los modos de fallo comunes incluyen:
- Sesgo de look-ahead: usar datos futuros al calcular la HMA o la regla de decisión.
- Sesgo de supervivencia: si pruebas sobre un conjunto seleccionado que cambió con el tiempo.
- Sesgo de sobreajuste: elegir parámetros basados en el rendimiento en los mismos datos utilizados para reportar resultados.
Para reducirlos, mantén fija tu lógica de decisión, evita “ajustar repetidamente hasta que se vea bien” y utiliza procedimientos de validación.
4) Valida fuera de muestra
Una prueba responsable incluye al menos un período fuera de muestra que no se utilice para la selección de parámetros. Utiliza uno de estos enfoques:
- Validación walk-forward: entrena o ajusta en una ventana anterior, luego evalúa en la siguiente ventana, repitiendo.
- División de holdout: elige parámetros en un período de entrenamiento y luego evalúa una vez en un período de holdout posterior.
Si el rendimiento colapsa fuera de muestra, es una fuerte evidencia de que el ajuste aparente dentro de la muestra no era robusto.
5) Verifica la sensibilidad a factores variables
En lugar de una sola ejecución, varía los supuestos dentro de rangos razonables (por ejemplo, diferentes niveles de costos o valores de parámetros ligeramente diferentes). La estabilidad entre variaciones es más informativa que un único mejor resultado.
Limitaciones y riesgos: por qué los backtests pueden engañar
El comportamiento histórico de la HMA no garantiza nada sobre el rendimiento futuro. Incluso con controles cuidadosos, los resultados pueden fallar debido a:
- Cambios en la volatilidad y la liquidez que hacen que los mismos supuestos de costos no sean realistas más adelante.
- Cambios de régimen donde los métodos de suavizado se comportan de manera diferente en condiciones de tendencia vs. de rango.
- Problemas de datos como barras faltantes o marcas de tiempo inconsistentes.
- Riesgo de modelo: podrías evaluar una regla de interpretación que no se generaliza.
Una limitación importante es que las medias móviles pueden parecer efectivas dentro de la muestra porque muchos mercados están autocorrelacionados en ciertos horizontes. Ese efecto puede debilitarse, especialmente después de los costos de transacción.