Qué significa la práctica de backtesting
La práctica de backtesting es el proceso de aplicar un conjunto de reglas de decisión a datos históricos de precios para ver cómo se habrían comportado en el pasado. La palabra clave es simular: el backtesting reproduce lo que habría sucedido según una metodología elegida, no lo que realmente sucedió en condiciones en vivo.
Un principiante debe separar tres ideas:
- Mecánica del método: cómo conviertes las reglas en acciones simuladas (momento de entrada/salida, tamaño de la posición, período de mantenimiento y si las reglas pueden cambiar a mitad de la operación).
- Entradas y supuestos: qué datos de precios utilizaste, cómo manejaste los datos faltantes y qué supusiste para los costos de transacción y la ejecución.
- Interpretación: qué pueden y qué no pueden decirte los resultados del backtest sobre los resultados futuros.
Cómo funciona el proceso (las partes que deben definirse)
El backtesting solo es significativo cuando puedes explicar la cadena completa desde las entradas hasta los resultados.
- Reglas: lógica clara de entrada y salida. La ambigüedad aquí crea un comportamiento inconsistente entre ejecuciones.
- Marco temporal y datos: qué período histórico, marco temporal (por ejemplo, barras de minutos vs. barras diarias) y si usas solo barras completadas.
- Momento de los eventos: cómo decides que una condición se cumplió y cuándo se ejecutaría una orden (en la apertura de la siguiente barra, a un precio específico, etc.). Esto importa porque la simulación puede asumir implícitamente una sincronización perfecta.
- Costos y ejecución: supuestos sobre spreads, comisiones, deslizamiento y probabilidad de ejecución de la orden. Incluso las diferencias de costos “pequeñas” pueden dominar los resultados en muchas operaciones.
- Riesgo y efectos de cartera: si la simulación asume que siempre operas con el mismo tamaño, si limitas la exposición y cómo tratas las posiciones superpuestas.
Una forma práctica de mantener la precisión es registrar los supuestos con cada ejecución. Si no puedes enumerar los supuestos, no puedes verificar si otra persona reproduciría el mismo resultado.
Evidencia y ejemplos: de dónde suelen provenir las conclusiones
Los backtests a menudo producen métricas como retorno, reducción, tasa de aciertos o resultado promedio por operación. Sin embargo, los principiantes deben tratarlas como descripciones de una historia simulada.
Un escenario realista es una regla que parece rentable en un período pero que depende de un comportamiento específico del mercado. Si luego ejecutas las mismas reglas en un período histórico o marco temporal diferente, el rendimiento puede cambiar. Esto no es prueba de que la idea no tenga valor; es prueba de que los resultados dependen de la relación entre las reglas y las condiciones del mercado durante la muestra probada.
Una limitación material: el sobreajuste
El sobreajuste es un modo de fallo en el que las reglas se ajustan demasiado a los datos pasados. Los signos comunes incluyen:
- Los resultados mejoran después de muchos ajustes de parámetros.
- El rendimiento cae cuando cambias la ventana de tiempo.
- La regla se vuelve compleja en relación con la idea original.
El sobreajuste reduce la probabilidad de que la lógica se comporte de manera similar fuera de la muestra de entrenamiento. Un principiante debe entender que los “buenos números de backtest” pueden reflejar memorización en lugar de un efecto estable.
Limitaciones y riesgos a verificar de forma independiente
Las relaciones históricas no establecen resultados futuros. Los resultados del backtesting pueden fallar de múltiples maneras:
- Sesgo de datos: el conjunto de datos históricos puede diferir de las condiciones de trading futuras (liquidez, régimen de volatilidad o microestructura).
- Ejecución poco realista: asumir ejecuciones a precios ideales puede sobreestimar el rendimiento.
- Efectos de supervivencia y selección: seleccionar solo los períodos que se ven bien puede inducir a error.
- Dependencia del régimen: una regla puede funcionar solo durante ciertas condiciones de volatilidad o tendencia.
Puntos de control y verificación
Para verificar las afirmaciones del backtesting, concéntrate en la reproducibilidad:
- ¿Puede otra persona ejecutar la misma lógica con los mismos datos y obtener resultados similares?
- ¿Los supuestos de costos y ejecución están claramente establecidos?
- ¿El rendimiento se mantiene similar en diferentes ventanas de tiempo no superpuestas?
Si alguna de estas preguntas no puede responderse, trata el backtest como evidencia incompleta.
Qué preguntar a continuación
Un principiante puede mejorar su comprensión haciendo preguntas específicas: ¿Qué reglas exactas se probaron? ¿Qué supuestos se hicieron sobre la ejecución y los costos? ¿Qué modo de fallo es más probable para esa regla (realismo de ejecución, sesgo de datos o sobreajuste)? Estas preguntas no garantizan el éxito, pero hacen que la evaluación sea más honesta y verificable de forma independiente.