Definir Trix y el objetivo del backtesting
Antes de hablar del backtesting, defina qué es Trix y qué está probando. Trix normalmente se refiere a un indicador de seguimiento de tendencia construido a partir de una media móvil suavizada y luego transformado en una medida de tasa de cambio. En un backtest, el indicador se convierte en una entrada para una regla que usted define (por ejemplo, una regla de decisión basada en la dirección del indicador o en cruces de umbrales). El punto clave es que no está probando “Trix” de forma aislada—está probando su proceso de decisión completo que utiliza los valores de Trix.
Una configuración responsable comienza con definiciones explícitas:
- Opciones de cálculo del indicador: longitud del suavizado, el tipo de suavizado utilizado (si aplica) y cualquier escala.
- Lógica de la regla de trading: qué desencadena un “cambio de estado” (entrada/salida, mantener/no mantener), y cómo se manejan las múltiples señales.
- Objetivo de evaluación: qué métrica desea (por ejemplo, si se centra en la consistencia o en los drawdowns).
Utilice datos, supuestos y costes realistas consistentes
La precisión del backtesting depende más de la integridad de los datos y de los supuestos que de la sofisticación del indicador.
- Consistencia de los datos
- Utilice una única fuente de tiempo y una única definición de barra (por ejemplo, el mismo marco temporal de velas y el manejo de la sesión).
- Asegúrese de que los valores del indicador se calculen únicamente a partir de los datos disponibles hasta el momento de la decisión de la barra (sin lookahead).
- Si vuelve a muestrear o agrega, documente el método de remuestreo.
- Supuestos para cada cálculo Incluso si no opera en vivo, debe simular las partes prácticas de la ejecución. Indique supuestos tales como:
- Modelo de costes de transacción: comisiones y honorarios, más una estimación del spread (o manejo de bid/ask).
- Regla de ejecución de órdenes: si asume que las órdenes se ejecutan al cierre de la barra, a un precio promedio, o con un término de deslizamiento fijo.
- Tamaño de la posición: tamaño fijo versus tamaño proporcional, ya que cambia la exposición.
- Costes como parte del modelo, no como una idea secundaria Muchos backtesting de indicadores se ven sólidos antes de los costes. Un enfoque responsable modela los costes desde el principio y luego comprueba la sensibilidad (por ejemplo, aumentando el deslizamiento o las comisiones asumidas para ver si los resultados cambian materialmente). Esto no predice el futuro, pero reduce el riesgo de confundir el “rendimiento en papel” con un rendimiento implementable.
Controle el sesgo con un manejo estricto de parámetros y comprobaciones fuera de muestra
Un modo de fallo importante en el backtesting de indicadores es el “sobreajuste”: ajustar la configuración del indicador y los umbrales de la regla hasta que el rendimiento histórico se vea bien, sin garantía de que se generalice.
Utilice controles de sesgo tales como:
- Conjuntos de parámetros fijos: elija la longitud del suavizado y los valores de umbral utilizando solo un segmento de entrenamiento, y luego fíjelos.
- Validación fuera de muestra: evalúe en datos posteriores no utilizados para el ajuste.
- Pruebas walk-forward: entrene repetidamente en una ventana móvil y pruebe en el siguiente segmento, actualizando solo lo que su proceso permita.
Considere también los efectos de las pruebas múltiples. Si prueba muchas versiones de una estrategia y solo informa de la mejor, sus resultados pueden convertirse en un artefacto. Un informe responsable limita el número de variantes probadas o informa de cuántas fueron evaluadas.
Evidencia mediante reproducibilidad y pruebas de estrés
Debido a que no hay garantías en vivo, la “evidencia” en el backtesting responsable se trata principalmente de si otros pueden reproducir su lógica y si sus resultados sobreviven a condiciones de estrés plausibles.
Los pasos de evidencia práctica incluyen:
- Especificación reproducible: enumere las opciones de la fórmula del indicador, la lógica de la regla, los supuestos de costes y deslizamiento, y el manejo exacto del período de datos.
- Transparencia sobre la sensibilidad al régimen: pruebe en diferentes condiciones de mercado (tendencia, rango, alta/baja volatilidad) utilizando segmentos separados en el tiempo.
- Comprobaciones de robustez: varíe los supuestos de modelado no críticos dentro de rangos razonables (por ejemplo, cambios modestos en el deslizamiento asumido) y observe si las conclusiones cambian.
No reclame poder predictivo. Las relaciones históricas pueden romperse cuando cambian la microestructura del mercado, los patrones de volatilidad o las condiciones de liquidez.
Limitaciones y modos de fallo comunes a tener en cuenta
Al menos una limitación material debe ser parte de su análisis:
- No estacionariedad: las relaciones que funcionaron históricamente pueden dejar de funcionar cuando cambia el régimen del mercado.
- Desajuste de ejecución: los supuestos basados en barras pueden diferir de las ejecuciones reales, especialmente cuando los spreads y la liquidez varían.
- Lookahead y fuga de datos: incluso un pequeño error en la alineación de las marcas de tiempo puede inflar los resultados.
- Inestabilidad de parámetros: pequeños cambios en la longitud del suavizado o en los umbrales pueden conducir a grandes cambios en los resultados.
Estas limitaciones son la razón por la que los backtesting deben tratarse como una comprobación de hipótesis, no como una prueba.