Respuesta directa: definición y propósito
La práctica de backtesting es el proceso de comprobar cómo un conjunto definido de reglas de trading se habría comportado en datos de mercado pasados. Se utiliza para aprender si esas reglas son consistentes con ciertos comportamientos y si el enfoque es lo suficientemente plausible como para investigarlo más a fondo. En contextos de forex, el backtesting se realiza típicamente sobre series de precios históricas para estimar resultados bajo supuestos sobre la ejecución.
La práctica de backtesting no es lo mismo que predecir el futuro. Las relaciones históricas pueden romperse, y el trading real implica factores (como cambios en el spread, diferencias en la ejecución de órdenes y deslizamiento) que pueden no capturarse completamente con simulaciones históricas simples.
Mecánica: cómo funciona el backtesting
Un backtest necesita un modelo claro y repetible. Los elementos centrales son:
- Reglas de trading: condiciones de entrada/salida, tamaño de la posición y controles de riesgo escritos para que puedan aplicarse de la misma manera cada vez.
- Datos y ventana de tiempo: qué período histórico se utiliza y en qué marco temporal (por ejemplo, barras de minutos vs. barras horarias).
- Supuestos de ejecución: cómo se llenan las operaciones en la simulación (precios, costos y si las órdenes pueden llenarse en la siguiente barra o a un precio especificado).
- Métricas de evaluación: qué se mide, como retorno total, reducciones (drawdowns), tasa de aciertos o variabilidad.
Un ejemplo simplificado de modelo es: “Cuando una regla se activa en la barra t, abrir al precio de ejecución supuesto, cerrar cuando la regla de salida se active, y luego repetir a lo largo del conjunto de datos.” Cualquier cálculo depende de supuestos, por lo que esos supuestos deben declararse explícitamente antes de interpretar los resultados.
Conceptos adyacentes y cómo difiere la práctica de backtesting
El backtesting se menciona a menudo junto con otros enfoques de evaluación, pero no son idénticos:
- Pruebas hacia adelante (simulación en papel o en vivo) comprueban las reglas en datos posteriores al período de backtesting, reduciendo la dependencia de la ventana histórica exacta.
- Análisis walk-forward reentrena o re-evalúa repetidamente utilizando ventanas móviles, con el objetivo de imitar cómo se comportarían las reglas a medida que llegan nuevos datos.
- Revisión de gráficos o “mirar hacia atrás manualmente” puede parecer similar, pero suele ser menos estructurada: las reglas pueden ser vagas, puede ocurrir sesgo de selección y los supuestos de ejecución pueden no estar claros.
La práctica de backtesting se entiende mejor como un método estructurado y comprobable para aplicar reglas explícitas a datos históricos, no como evidencia de que un resultado futuro específico sea probable.
Evidencia y ejemplo: una configuración concreta y comprobable
Para mantener un backtest comprobable, define tus supuestos de antemano.
Por ejemplo, supongamos una entrada basada en reglas y una salida basada en reglas, y luego ejecuta la simulación a lo largo de una ventana histórica elegida utilizando un supuesto de ejecución consistente (como usar el precio de una barra específica como el llenado). Registra los resultados y el comportamiento de las reglas a lo largo del tiempo.
Una práctica útil es comparar dos backtests que difieran solo en un aspecto deliberado (por ejemplo, el período de tiempo) para ver si el comportamiento aparente depende fuertemente de esa elección. Si los resultados cambian drásticamente al ajustar configuraciones razonables, eso es una señal de advertencia.
Limitaciones y riesgos: qué puede fallar
El backtesting a menudo falla por razones predecibles:
- No estacionariedad: las condiciones del mercado cambian, por lo que los patrones que funcionaron en una era pueden no persistir.
- Desajuste de ejecución: los precios históricos pueden no reflejar llenados realistas, especialmente si la ejecución de órdenes difiere del modelo de simulación.
- Costos de transacción y liquidez: los costos y la capacidad de entrar/salir pueden afectar materialmente los resultados; ignorarlos puede exagerar el rendimiento.
- Sobreajuste: ajustar las reglas demasiado al ruido histórico puede hacer que los resultados se vean fuertes dentro de la muestra pero funcionen mal con datos nuevos.
- Problemas de calidad de datos: series históricas faltantes, ajustadas o inconsistentes pueden distorsionar los resultados.
Estas limitaciones significan que un backtest de buen aspecto no es suficiente por sí solo. Muestra que las reglas podrían haber tenido cierto comportamiento en ese contexto histórico específico bajo esos supuestos específicos.
Verificación y siguiente pregunta: cómo evaluar de forma independiente
La verificación independiente debe centrarse en si las conclusiones sobreviven al cambiar los datos y los supuestos. Las comprobaciones comunes incluyen:
- Pruebas fuera de muestra: evaluar las reglas en un período separado no utilizado para desarrollarlas o ajustarlas.
- Análisis de sensibilidad: variar supuestos clave (como costos o momento de ejecución) dentro de un rango razonable y observar si las conclusiones cambian.
- Transparencia de las reglas: asegurarse de que las reglas estén completamente especificadas para que el backtest pueda reproducirse.
- Evaluación repetida: ejecutar el proceso a lo largo de múltiples ventanas históricas para reducir la posibilidad de que los resultados estén impulsados por un período afortunado.