El backtesting en trading permite analizar cómo se habría comportado una estrategia si la hubiéramos utilizado en el pasado. En lugar de empezar a operar con dinero real basándonos únicamente en una idea que parece funcionar, podemos recurrir a datos históricos para comprobar qué habría ocurrido al aplicar exactamente las mismas reglas decenas o incluso cientos de veces.
¿Cuál habría sido el porcentaje de operaciones ganadoras? ¿Qué drawdown habría soportado la cuenta? ¿Cuántas pérdidas consecutivas se habrían producido? ¿La relación riesgo/beneficio habría sido suficiente?
El pasado no permite saber qué ocurrirá mañana, pero analizarlo puede ayudarnos a detectar problemas antes de arriesgar nuestro capital.
¿Qué es el backtesting en trading?
El backtesting en trading consiste en aplicar las reglas de una estrategia sobre datos históricos del mercado y registrar los resultados que habría obtenido.
Imaginemos una estrategia que establece una entrada cuando coinciden determinadas condiciones técnicas, coloca el Stop Loss por debajo del último mínimo relevante y busca un beneficio equivalente al doble del riesgo asumido.
Podemos revisar gráficos anteriores y localizar todas las situaciones en las que se habrían cumplido esas reglas. Después anotamos qué habría ocurrido en cada operación.
También existen herramientas que automatizan buena parte del proceso. En esta guía de Admirals sobre cómo hacer backtesting en MetaTrader se explica cómo utilizar datos históricos para evaluar una estrategia y analizar aspectos como su consistencia, riesgo y comportamiento en diferentes condiciones de mercado.
El objetivo no debería ser demostrar que nuestra estrategia es buena, sino someterla a prueba.
1. Define exactamente las reglas de tu estrategia
Para realizar un backtest necesitamos criterios que puedan repetirse.
Una regla como “comprar cuando el mercado parezca que va a subir” no sirve porque depende de una interpretación subjetiva.
En cambio, podemos establecer condiciones concretas para determinar:
- cuándo entrar;
- dónde colocar el Stop Loss;
- cuándo obtener beneficios;
- cuánto arriesgar por operación;
- qué condiciones invalidan la entrada.
Esto permite analizar todas las oportunidades utilizando los mismos criterios.
No cambies las reglas al conocer el resultado
Cuando observamos un gráfico histórico tenemos una ventaja peligrosa: ya sabemos qué ocurrió después.
Es fácil pensar que “esa operación no la habríamos hecho” justo cuando vemos que terminó en pérdidas.
Por eso, durante el backtesting en trading debemos aplicar nuestras reglas incluso cuando el resultado que vemos a continuación no nos gusta.
De lo contrario estaremos adaptando la estrategia al pasado.
2. Trabaja con una muestra suficientemente amplia
Supongamos que analizamos diez operaciones y ocho terminan con beneficios.
Un 80 % de acierto parece espectacular.
Pero diez operaciones representan una muestra demasiado pequeña para saber si estamos ante una estrategia consistente o simplemente ante una buena racha.
Es preferible analizar muchas más operaciones y, siempre que sea posible, diferentes situaciones de mercado.
Una estrategia debería enfrentarse a periodos alcistas, bajistas, laterales y de distinta volatilidad.
Esto es especialmente importante porque determinadas metodologías funcionan muy bien cuando existe una tendencia clara y pueden acumular pérdidas cuando el mercado entra en lateralidad.
Por eso no debemos preguntarnos únicamente cuánto habría ganado, sino también en qué condiciones habría funcionado.
3. Registra mucho más que ganancias y pérdidas
El resultado total es importante, pero por sí solo ofrece muy poca información.
Imaginemos dos estrategias:
La primera gana el 70 % de sus operaciones.
La segunda solamente gana el 45 %.
A primera vista podríamos pensar que la primera es claramente superior. Pero ¿qué ocurre si cada operación perdedora de la primera estrategia elimina el beneficio obtenido con tres operaciones ganadoras?
Necesitamos analizar otras métricas.
En un backtesting en trading conviene registrar aspectos como:
Porcentaje de acierto: cuántas operaciones terminan positivamente.
Beneficio medio: cuánto ganamos de media cuando acertamos.
Pérdida media: cuánto perdemos cuando una operación falla.
Relación riesgo/beneficio: cuánto estamos arriesgando respecto al beneficio potencial.
Drawdown máximo: cuál habría sido la mayor caída de la cuenta.
Rachas de pérdidas: cuántas operaciones negativas consecutivas deberíamos haber soportado.
Una estrategia puede ser rentable sobre el papel y, sin embargo, presentar un drawdown tan elevado que resulte difícil de ejecutar en la práctica.
4. Vigila el sobreajuste
Este es uno de los grandes peligros del proceso.
Realizamos un backtest y el resultado no nos convence.
Cambiamos el periodo de una media móvil.
Volvemos a probar.
Modificamos el Stop Loss.
Probamos otra vez.
Cambiamos el horario.
Volvemos a analizar los resultados.
Después de suficientes ajustes quizá consigamos encontrar una combinación que haya funcionado extraordinariamente bien con esos datos concretos.
El problema es que podemos haber creado una estrategia perfecta para explicar el pasado, pero incapaz de funcionar cuando aparecen datos nuevos.
Este fenómeno se conoce como sobreajuste u overfitting.
En lugar de buscar la configuración que produce el resultado histórico más espectacular, interesa comprobar si unas reglas relativamente estables mantienen un comportamiento razonable en diferentes periodos y escenarios.
5. Haz que la prueba se parezca a la realidad
Un error frecuente consiste en realizar un backtesting en trading en unas condiciones demasiado perfectas.
En el mercado real existen spreads, comisiones y diferencias entre el precio al que queremos ejecutar una operación y aquel al que finalmente se ejecuta.
Estos elementos pueden parecer pequeños, pero adquieren mucha importancia cuando una estrategia realiza numerosas operaciones.
Una metodología que obtiene un beneficio medio muy reducido por operación puede parecer rentable antes de costes y cambiar completamente cuando los incorporamos.
Las plataformas especializadas permiten introducir parte de estas variables. Por ejemplo, ProRealTime explica en su documentación de ProBacktest que su herramienta permite configurar capital inicial, comisiones, spreads y otros parámetros antes de ejecutar una simulación sobre datos históricos.
Cuanto más realista sea la simulación, más útil será la información obtenida.
6. Después del backtest, prueba la estrategia hacia adelante
Un resultado histórico positivo no significa que debamos pasar directamente a operar con dinero real.
Existe otro paso especialmente útil: el forward testing.
Consiste en aplicar las mismas reglas sobre datos nuevos que no hemos utilizado durante el desarrollo de la estrategia.
Podemos hacerlo utilizando una cuenta demo o mediante paper trading mientras el mercado se desarrolla en tiempo real.
De esta forma comprobamos si el comportamiento observado durante el backtest continúa apareciendo fuera de la muestra histórica utilizada inicialmente.
ProRealTime, por ejemplo, diferencia entre ProBacktest, que utiliza datos pasados, y PaperTrading, destinado a probar el sistema día a día bajo condiciones actuales del mercado. ProRealTime
Esta segunda fase puede ayudar a detectar estrategias excesivamente adaptadas al pasado.
¿Necesitas programar para hacer backtesting?
No necesariamente.
El backtesting en trading puede realizarse manualmente.
Puedes abrir un gráfico histórico, retroceder hasta una fecha concreta y avanzar vela por vela buscando las señales definidas por tu estrategia.
Cada vez que aparezca una oportunidad registras:
fecha, entrada, Stop Loss, objetivo, resultado y cualquier otra información relevante.
Una hoja de cálculo puede ser suficiente para empezar.
De hecho, hacerlo manualmente tiene una ventaja para quien está aprendiendo: obliga a observar una gran cantidad de situaciones de mercado.
A medida que la estrategia se vuelve más sistemática o aumenta el número de operaciones analizadas, automatizar el proceso puede ahorrar muchísimo tiempo. Herramientas como MetaTrader o ProRealTime permiten realizar este tipo de simulaciones mediante sistemas automatizados.
¿Cuántas operaciones necesitas analizar?
No existe un número universal.
Una estrategia que genera varias oportunidades diarias puede acumular cientos de operaciones rápidamente, mientras que otra basada en gráficos semanales necesitará mucho más tiempo para obtener una muestra similar.
Lo importante es evitar sacar conclusiones basándonos en unas pocas operaciones.
También interesa que la muestra abarque distintos contextos.
Cien operaciones realizadas durante un único periodo excepcionalmente alcista pueden aportar menos información que una muestra distribuida entre diferentes etapas del mercado.
Lo que el backtesting no puede hacer
El backtesting en trading tiene una limitación fundamental: utiliza información del pasado.
Una estrategia que funcionó anteriormente no tiene por qué seguir comportándose igual.
Las condiciones de mercado cambian, la volatilidad aumenta o disminuye, aparecen nuevos participantes y algunas ineficiencias pueden desaparecer.
Por eso los buenos resultados históricos no deben interpretarse como una promesa de rentabilidad futura. Las propias guías especializadas sobre backtesting insisten en que se trata de una herramienta para evaluar una estrategia, no de una garantía sobre su comportamiento posterior. IG
De una buena idea a una estrategia medible
Tener una idea para operar es relativamente sencillo. Saber si esa idea posee alguna consistencia requiere bastante más trabajo.
Ahí es donde el backtesting en trading adquiere verdadero valor.
Permite pasar de frases como “creo que este patrón funciona” a preguntas mucho más útiles: ¿cuántas veces ha funcionado?, ¿cuánto habría perdido durante una mala racha?, ¿qué relación riesgo/beneficio habría obtenido?, ¿cómo responde cuando cambia el mercado?
En MDTAcademy entendemos que una estrategia debe analizarse mediante datos y no únicamente mediante intuición. El backtesting, combinado posteriormente con pruebas en demo y una adecuada gestión del riesgo, permite construir una metodología mucho más estructurada.
No puede decirnos qué hará el mercado mañana. Pero sí puede ayudarnos a decidir si una estrategia merece seguir siendo estudiada antes de poner nuestro dinero en juego.
