Define primero el MACD y luego define qué significa “backtesting”
El MACD (Moving Average Convergence Divergence) es un oscilador de seguimiento de tendencia construido a partir de medias móviles. En el backtesting, no estás probando “el MACD en sí mismo” como una garantía de dirección futura; estás probando una regla que convierte los valores del MACD en resultados medibles sobre datos históricos.
Para hacer backtesting de forma responsable, comienza por escribir exactamente la mecánica que utilizarás:
- El tipo de media móvil y los parámetros utilizados para calcular el MACD (por ejemplo, las longitudes de las dos medias móviles y la línea de señal).
- Cómo calculas la línea MACD y la línea de señal a partir de la misma serie de precios.
- Si pruebas con valores de cierre de la vela o con aproximaciones dentro de la vela.
- Cómo manejas las marcas de tiempo, los datos faltantes y los ajustes similares a acciones corporativas (si corresponde a tu fuente de datos).
Una definición práctica de “backtesting” es: aplicar tu regla de decisión a datos pasados para producir una secuencia de operaciones hipotéticas o pagos hipotéticos, y luego evaluarlos con métricas que tengan en cuenta los costes y los supuestos de ejecución.
Especifica los datos y los supuestos (lo que más puede cambiar los resultados)
La mayoría de los errores evitables provienen de un manejo de datos inconsistente o poco realista. Debido a que los resultados del mercado varían, trata lo siguiente como supuestos explícitos:
Alcance y muestreo de datos
- Elige un rango de tiempo y una frecuencia de muestreo fija (por ejemplo, barras diarias). Mezclar frecuencias o re-agregar los datos de manera diferente entre ejecuciones puede distorsionar los resultados.
- Decide si los indicadores se calculan utilizando el mismo cierre de precio que luego usas para las decisiones de trading.
Mirar hacia adelante y alineación
- Asegúrate de que los valores de los indicadores estén disponibles en el momento de la decisión. Si calculas un indicador utilizando información de la misma barra en la que “entras”, podrías introducir accidentalmente un sesgo de mirar hacia adelante.
- Utiliza una regla consistente para desplazar las señales: si tu decisión se basa en el indicador al final de la barra t, tu acción simulada debe ocurrir después de la barra t.
Integridad de los datos
- Comprueba si hay huecos, marcas de tiempo duplicadas, cambios repentinos en los feeds de precios y barras faltantes.
- Si calculas indicadores a partir de precios ajustados o transformados, registra los pasos de la transformación.
Estas elecciones no son cosméticas; cambian los valores del MACD que introduces en tu regla, lo que cambia toda la trayectoria del backtest.
Incluye costes y supuestos de ejecución (las fricciones importan)
Incluso una implementación correcta del MACD puede parecer rentable en un backtest que ignora las fricciones. Un backtesting responsable incluye al menos tres capas de costes y un comportamiento de ejecución claramente definido:
Tipos de costes
- Costes de transacción (comisiones, tarifas).
- Aproximaciones de spread/impacto de precio (cómo modelas la diferencia entre el precio de decisión teórico y el precio de ejecución real).
- Deslizamiento (cómo se desvía la ejecución del precio supuesto).
Supuestos de ejecución
- Decide si las operaciones se ejecutan al precio de decisión, a la apertura de la siguiente barra o con alguna otra convención. Documéntalo.
- Decide si se ignoran las ejecuciones parciales, los efectos de la cartera de órdenes o la latencia.
Debido a que es posible que no conozcas la ejecución exacta en el mundo real, modela la incertidumbre mediante comprobaciones de sensibilidad (varía los supuestos de deslizamiento/spread en rangos razonables que justifiques con tus datos y tu conocimiento de la microestructura del mercado). El objetivo no es “predecir el futuro”, sino ver si las conclusiones sobreviven a supuestos más realistas.
Añade controles de sesgo para reducir el sobreajuste a la historia
Las elecciones de parámetros del MACD y las variantes de reglas pueden “ajustarse” accidentalmente al ruido. Los controles de sesgo te ayudan a detectarlo.
Separación fuera de muestra
- Divide los datos en al menos dos partes: una para la selección de parámetros o el diseño de la regla, y otra separada para la evaluación.
- Si ajustas los parámetros utilizando el período de evaluación, tus resultados pueden ser engañosos.
Pruebas walk-forward
- En lugar de utilizar un conjunto de parámetros estático para toda la historia, utiliza un procedimiento móvil o por pasos: ajusta en una ventana, prueba en la siguiente ventana y luego avanza.
- Esto puede reducir la probabilidad de que un conjunto de parámetros solo funcione en un período histórico.
Evita las miradas repetidas
- Si iteras muchos cambios de reglas después de ver el rendimiento, efectivamente estás buscando la mejor respuesta dentro de tu conjunto de evaluación.
- Controla esto fijando el proceso antes de una evaluación extensa y utilizando el conjunto de evaluación solo una vez por versión.
Transparencia de parámetros
- Mantén un registro de exactamente qué parámetros y umbrales probaste y por qué seleccionaste el final.
Comprueba al menos una limitación material y un modo de fallo
Un backtest responsable debe reconocer explícitamente lo que puede fallar.