Define el concepto del indicador antes de medirlo
El ciclo de tendencia de Schaff (a menudo abreviado como STC) es un indicador de seguimiento de tendencia que convierte el movimiento del precio en una serie de estilo oscilador acotado. Un backtest responsable comienza separando la mecánica estable de las condiciones variables:
- Mecánica estable: cómo se calcula el indicador a partir de sus entradas (medias móviles, suavizado y cualquier mapeo de oscilador).
- Condiciones variables: el período de mercado, la fuente de precios, el método de ejecución y el entorno de negociación.
Incluso si solo te interesa el indicador, el backtesting aún necesita una definición precisa de lo que cuenta como un “resultado”. Por ejemplo, podrías evaluar si un nivel o cambio de dirección particular del STC se alinea con el movimiento posterior del precio. Esa elección debe establecerse de antemano, porque diferentes reglas de evaluación pueden producir resultados diferentes.
Establece explícitamente los supuestos de datos y de costos
Un backtest cuidadoso depende del proceso de datos. Declara estos supuestos antes de cualquier cálculo:
- Datos de precios: qué serie utilizas (por ejemplo, bid/ask vs. mid/last) y cómo se manejan las marcas de tiempo faltantes.
- Alineación temporal: si los valores del indicador en el momento t se calculan utilizando solo la información disponible en t.
- Remuestreo: si utilizas barras de tiempo nativas o remuestreas, y cómo se alinean los límites.
Los costos importan porque las evaluaciones basadas en indicadores pueden parecer rentables cuando se ignoran los costos. Utiliza supuestos explícitos para:
- Costos de transacción: comisión, spreads, o ambos (expresados de manera consistente con la serie de precios elegida).
- Deslizamiento: cómo se desvía el precio de ejecución del precio de referencia utilizado para el backtest.
- Latencia: si asumes que las órdenes se ejecutan en la apertura de la siguiente barra, en el cierre, o con otra regla.
Para controlar la incertidumbre, ejecuta el mismo backtest bajo múltiples escenarios de costos plausibles (por ejemplo, deslizamiento bajo/medio/alto). Si las conclusiones cambian drásticamente, eso es una señal de advertencia sobre la robustez.
Controla el sesgo con pruebas fuera de muestra y comprobaciones de estabilidad de parámetros
Un modo de fallo común en los backtests de indicadores es el sobreajuste: ajustar parámetros y reglas de selección hasta que el período histórico se vea bien, sin garantizar el rendimiento en otros lugares. Puedes reducir esto separando las etapas del flujo de trabajo:
- Define una vez: decide la regla de evaluación (qué evento desencadena la métrica) y los límites del conjunto de parámetros antes de mirar los resultados.
- Ajusta con una ventana de entrenamiento: si ajustas algún parámetro, hazlo solo en un segmento de entrenamiento.
- Valida fuera de muestra: prueba la configuración elegida en datos posteriores que no se utilizaron para el ajuste.
- Repite con múltiples divisiones: utiliza varios segmentos móviles o walk-forward para reducir la posibilidad de que los resultados provengan de un solo período afortunado.
Un control de sesgo práctico es la estabilidad de parámetros: verifica que pequeños cambios en los parámetros no inviertan la conclusión. Por ejemplo, si los resultados dependen de un rango de parámetros estrecho, es probable que la relación sea inestable.
Evalúa al menos una limitación material o modo de fallo
El éxito histórico del backtest no establece resultados futuros. Trata las métricas de rendimiento como condicionadas al régimen y a los supuestos de ejecución. Como mínimo, prueba un modo de fallo material, como:
- Cambio de régimen: los indicadores de tendencia a menudo se comportan de manera diferente en períodos de rango que en tendencias sostenidas.
- Retraso del indicador: el suavizado puede causar respuestas tardías; evalúa si la regla de evaluación mide los resultados después del desfase informativo del indicador.
- Sensibilidad a costos/ejecución: si el indicador solo “funciona” después de eliminar los spreads o asumir ejecuciones poco realistas, la conclusión es frágil.
También verifica si hay fuga de datos: asegúrate de que los valores de tu indicador se calculen utilizando solo los datos disponibles en el momento de la decisión. La fuga puede hacer que los backtests de osciladores parezcan precisos incluso cuando la mecánica no habría estado disponible en vivo.
Verificación y la siguiente pregunta que deberías hacerte
Un proceso de verificación responsable responde dos preguntas de forma independiente:
- Reproducibilidad: ¿Puedes volver a ejecutar el backtest con las mismas definiciones de datos y obtener los mismos resultados?
- Validez externa: ¿Persisten las conclusiones en diferentes ventanas fuera de muestra y escenarios de costos?
Como siguiente paso, aclara tu regla de evaluación y tus métricas. Por ejemplo, decide si estás midiendo la alineación de la dirección, la precisión temporal basada en eventos, o la rentabilidad de una regla hipotética. Luego repite el proceso fuera de muestra cambiando solo un elemento a la vez. Si los resultados solo se mantienen bajo una configuración estrecha, tu conclusión debe expresarse como “condicionada a los supuestos”, no como una promesa general.
Vincular la página del concepto también puede ayudarte a mantener la coherencia entre el cálculo y la regla de prueba.