Define la mecánica y los datos (antes de probar)
El Rango Estocástico es una idea basada en rangos que utiliza el concepto del oscilador estocástico para evaluar dónde se sitúa el precio dentro de un rango reciente. El backtesting responsable comienza por declarar, por escrito, la mecánica exacta que vas a probar: la configuración del estocástico (como la longitud de %K y cualquier suavizado), cómo se construye el “rango” (por ejemplo, qué ventana de retroceso define el mínimo/máximo) y cómo la regla convierte esos valores en resultados.
A continuación, especifica los datos que utilizarás. Decide qué serie de precios usarás (por ejemplo, cierre de vela frente a aproximaciones intrabarra), la frecuencia de muestreo (minutal, horaria, diaria) y la alineación de marcas de tiempo (para evitar lookahead accidental). Si utilizas marcos temporales superiores para definir el “rango”, indica el método de mapeo exacto.
Dado que el objetivo es la educación y la verificación independiente, trata cada backtest como un experimento reproducible: enumera las entradas, la lógica del código y los supuestos que los conectan.
Incluye costos y supuestos de ejecución (kostensoorten y factores variables)
Los backtests a menudo sobreestiman los resultados al ignorar los costos. Un enfoque responsable modela al menos los siguientes kostensoorten (categorías de costos):
- Spread y comisiones (conviértelos en deducciones explícitas por operación o por ida y vuelta)
- Deslizamiento (cuánto peores son las ejecuciones en comparación con lo que supone el backtest)
- Momento/latencia dentro de la vela (si tu regla puede activarse de manera realista al precio modelado)
La ejecución es un factor variable. Para la lógica relacionada con rangos, pequeñas diferencias de momento pueden cambiar si una condición se cumple dentro de una barra. Si tu regla utiliza umbrales (por ejemplo, un nivel de estocástico), debes indicar si asumes:
- Que las órdenes se ejecutan en la apertura de la siguiente barra, en el cierre de la barra o a un precio modelado dentro de la barra
- Que los stops/objetivos (si los hay) se evalúan una vez por barra o mediante una aproximación intrabarra
Dado que es posible que no tengas datos tick reales, haz explícita esta limitación y mantén el modelo consistente entre experimentos.
Controla el sesgo (aannames, fuga de datos y sobreajuste)
El backtesting puede volverse poco fiable cuando el experimento se ajusta al pasado. Los controles de sesgo comunes incluyen:
Congelación de parámetros. Elige la configuración del estocástico y los parámetros de rango antes de ver los resultados. Si los ajustas después de ver el rendimiento, tu estimación se vuelve optimista.
Evita la fuga de datos. Asegúrate de que cualquier cálculo de “mínimo/máximo reciente” o de rango utilice únicamente información disponible en el momento de la decisión. Esto es especialmente importante al fusionar conjuntos de datos o calcular características en múltiples marcos temporales.
Múltiples ventanas de evaluación. Prueba en diferentes segmentos históricos (por ejemplo, distintos regímenes de mercado) sin reajustar las reglas. Si el rendimiento existe solo en un período limitado, trátalo como una señal de advertencia.
Walk-forward o fuera de muestra móvil. En lugar de entrenar con un historial continuo, entrena (o establece parámetros) repetidamente en una ventana y evalúa en la siguiente. La clave es que el período de evaluación no debe influir en la definición de la regla.
Utiliza comprobaciones fuera de muestra y pruebas de robustez
Una responsabilidad central es separar lo que tu backtest explica de lo que predice. Las relaciones históricas no establecen resultados futuros. Para verificar hechos relevantes sobre tu método, utiliza comprobaciones fuera de muestra:
- Rendimiento fuera de muestra: Compara los resultados con datos no utilizados para definir la regla.
- Análisis de sensibilidad: Vuelve a ejecutar con supuestos ligeramente diferentes y preespecificados (por ejemplo, un cambio en la ventana de rango dentro de una banda pequeña, o algunos niveles de deslizamiento) para ver si las conclusiones se mantienen.
- Estabilidad de métricas: Verifica que las conclusiones sean consistentes en múltiples medidas de evaluación razonables (no solo una estadística principal).
Incluso sin una precisión prometedora, estos pasos te ayudan a identificar si los resultados provienen de la mecánica subyacente o de un ajuste accidental.
Limitaciones y modos de fallo probables
Al menos una limitación material debe formar parte de cualquier proceso responsable:
- Riesgo de sobreajuste: La lógica de rango vinculada a umbrales específicos puede ajustarse al comportamiento pasado y fallar cuando la dinámica cambia.
- Sensibilidad a los costos: Si los resultados mejoran drásticamente al reducir el spread o el deslizamiento, la ventaja de la estrategia puede depender en gran medida de las fricciones.
- Desajuste de momento de barra: Los supuestos de ejecución basados en velas pueden representar incorrectamente cuándo se cruzan realmente los umbrales.
- Cambios de régimen: Las condiciones de trading en rango dependen del carácter del mercado. Cuando el mercado se vuelve menos “similar a un rango”, las mismas señales pueden comportarse de manera diferente.
Declara estas limitaciones junto con tus resultados para que un lector independiente pueda entender qué tendría que cambiar para que las conclusiones sigan siendo válidas.