Respuesta directa
Hacer backtesting del Rango de Bollinger de forma responsable significa definir con precisión los datos de entrada del indicador y la regla que se está probando, utilizar supuestos realistas para costos y ejecución, controlar el sesgo (especialmente el ajuste de parámetros y la mirada hacia el futuro) y validar los resultados fuera de muestra con múltiples ventanas de tiempo. También requiere reconocer que los vínculos entre el indicador y el rendimiento pueden romperse cuando cambian la volatilidad, la liquidez o la microestructura del mercado.
Mecanismo y definiciones (qué estás probando)
El Rango de Bollinger es una medida basada en la volatilidad construida a partir de las Bandas de Bollinger, que comúnmente se forman utilizando una media móvil más/menos un múltiplo de una desviación estándar móvil. “Rango” en este contexto se refiere típicamente a la distancia entre la banda superior y la inferior (o una expresión equivalente). Para hacer backtesting, debes decidir exactamente qué cantidad calcularás en cada barra (por ejemplo, la anchura de la banda) y cómo se calcula.
A continuación, separa el indicador de la lógica de decisión. Un backtest no puede evaluar el “Rango de Bollinger” por sí solo; evalúa una regla completa que mapea el indicador a una medida de resultado. Ejemplos de resultados que podrías registrar (sin asumir rentabilidad) incluyen la tasa de acierto de una condición, la distribución de rendimientos después de un evento del indicador o estadísticas de drawdown bajo un enfoque específico de dimensionamiento de posición.
Declara los supuestos explícitamente:
- Frecuencia de los datos (por ejemplo, cierres de barra) y alineación de la zona horaria.
- Longitud(es) de la ventana móvil utilizada(s) para la media móvil y la desviación estándar.
- Multiplicador de banda utilizado en la construcción de las bandas.
- Cómo y cuándo se toman las decisiones dentro de una barra (fin de barra vs intrabarra). Si solo tienes datos de barras, asume que las decisiones ocurren en la apertura/cierre de la siguiente barra, no en la misma barra donde calculas el indicador.
Evidencia y flujo de trabajo de ejemplo (datos, costos, supuestos)
Un flujo de trabajo responsable utiliza datos de entrada consistentes y minimiza los grados de libertad ocultos.
1) Datos y supuestos de supervivencia
Elige datos históricos de precios que reflejen el período de tiempo que estás probando. Evita conjuntos de datos “limpiados” que eliminen ticks malos, cotizaciones faltantes o ajustes conocidos posteriormente sin documentarlos. Asegúrate de que los datos incluyan el rango de tiempo donde ocurren las condiciones de tu indicador.
Si estás probando múltiples instrumentos, sé explícito sobre si todos los instrumentos existieron durante toda la muestra y si la serie es comparable.
2) Modelado de costos y ejecución
Muchos backtests fallan porque ignoran los costos prácticos que varían con el tiempo. Incluso sin afirmar costos exactos, incluye un modelo de costos que sea consistente con tus supuestos:
- Una aproximación del spread (constante o variable en el tiempo si tus datos lo permiten).
- Comisiones y costos de financiación/funding si tu posición se mantiene a lo largo del tiempo.
- Supuestos de deslizamiento (slippage) para entradas y salidas.
Trátalos como variables que probarás. Por ejemplo, ejecuta el backtest bajo varios niveles de costos plausibles para ver qué tan sensible es la medida de resultado.
3) Controles de sesgo
Modos de fallo comunes:
- Sesgo de mirar hacia el futuro (look-ahead bias): usar información no disponible en el momento de la decisión.
- Fuga de datos (data leakage): calcular indicadores con barras futuras o mezclar datos de entrenamiento y prueba.
- Sobreajuste (overfitting): ajustar longitudes de ventana, multiplicadores o umbrales hasta que los resultados pasados se vean bien.
Mitigaciones:
- Fija los parámetros del indicador antes de mirar los resultados de la prueba.
- Utiliza un enfoque walk-forward (móvil): calibra en un segmento y luego evalúa en el siguiente segmento no visto.
- Mantén un período final de reserva (holdout) que no utilices para cambios de parámetros.
4) Comprobaciones fuera de muestra
Valida más de una vez. Como mínimo:
- Utiliza al menos dos ventanas fuera de muestra (por ejemplo, períodos tempranos vs tardíos).
- Compara el rendimiento entre regímenes de volatilidad (alta vs baja volatilidad) porque las medidas basadas en Bollinger están diseñadas para reaccionar a la volatilidad.
También debes verificar la estabilidad ejecutando pruebas de sensibilidad:
- Varía ligeramente la longitud de la ventana móvil.
- Varía ligeramente el multiplicador de banda.
- Cambia la definición de “rango” que mides (anchura de banda vs anchura normalizada) manteniendo el resto fijo.
Si los resultados colapsan bajo cambios pequeños, eso es evidencia de que la regla es frágil en lugar de robusta.
Limitaciones y riesgos (qué puede fallar)
Incluso con una metodología cuidadosa, los backtests basados en indicadores tienen límites:
- Las relaciones históricas de los indicadores no son garantía de comportamiento futuro.
- La estructura del mercado puede cambiar (liquidez, agrupamiento de volatilidad y cambios de régimen).
- Los supuestos de ejecución (fills, spreads, deslizamiento) pueden dominar los resultados.
- Las elecciones de parámetros pueden codificar inadvertidamente ruido.
Un modo de fallo material es confundir patrones estadísticos en el backtest con una relación confiable. Si la ventaja de la regla depende de una ventana estrecha o de un régimen de volatilidad específico, puede que no se generalice.