Backtesting: lo que puede mostrar y cómo induce a error

Un backtest toma un conjunto fijo de reglas —por ejemplo, una condición de entrada, una condición de salida y un tamaño de posición— y lo reproduce sobre un conjunto de datos históricos como los precios pasados de Bitcoin (BTC). Registra qué operaciones habría generado la regla y produce estadísticas como la rentabilidad total, la tasa de aciertos, la máxima caída (drawdown) y el número de operaciones.

La idea central es sencilla: si una regla no tuviera ninguna estructura útil, no debería comportarse mejor que el azar sobre los datos pasados. El backtesting es una forma de examinar el comportamiento histórico de una regla de manera medible y repetible, en lugar de basarse en la memoria o la intuición sobre «lo que suele ocurrir».

Un backtest es más fiable como herramienta descriptiva y de diagnóstico que como herramienta predictiva. Puede revelar con qué frecuencia habría operado una regla, cuán grande fue su peor caída histórica, cuán sensibles son los resultados a los costes y si la lógica siquiera funciona sin errores.

También es útil para descartar. Una regla que rindió mal a lo largo de una historia larga y variada —o que solo funcionó en un período estrecho— claramente no ha demostrado robustez. Descartar ideas suele ser un uso más honesto del backtesting que intentar confirmar que una idea preferida «funciona».

El sobreajuste ocurre cuando una estrategia se ajusta tan estrechamente a las peculiaridades de un único conjunto de datos históricos que capta ruido en lugar de un patrón duradero. Si prueba cientos de combinaciones de parámetros y se queda con la que tiene la mejor rentabilidad pasada, es muy probable que haya seleccionado suerte, no habilidad: alguna combinación siempre iba a parecer buena por azar.

Las señales de alerta son conocidas: muchos parámetros ajustables, resultados que se desmoronan cuando se modifica ligeramente un ajuste, un rendimiento espectacular concentrado en unas pocas operaciones y reglas que se ajustaron repetidamente hasta que la curva de capital resultó atractiva. Una estrategia sobreajustada tiende a rendir mucho peor fuera de la muestra —sobre datos a los que no se ajustó— y aún peor en el trading en tiempo real.

El sobreajuste no es el único problema. El sesgo de anticipación (look-ahead) utiliza información que no habría estado disponible en el momento de la operación. El sesgo de supervivencia solo prueba activos que aún existen, ignorando los que fracasaron. El sesgo de indagación de datos (data-snooping) se acumula cuando muchas personas prueban muchas ideas sobre la misma historia y solo se reportan las ganadoras.

Las fricciones prácticas también se omiten con facilidad. Los costes de trading, las comisiones, el deslizamiento (slippage), los diferenciales (spreads), la financiación y la dificultad de ejecutar órdenes grandes en mercados poco líquidos pueden convertir una regla rentable sobre el papel en una perdedora. Un backtest que asume ejecuciones perfectas a precios ideales está midiendo un mercado que no existe.

Incluso un backtest cuidadosamente construido y con sesgos controlados describe el pasado bajo un conjunto particular de condiciones. Los mercados cambian: la liquidez, la volatilidad, los participantes y la regulación se desplazan con el tiempo, y una regla que se adaptaba a un régimen puede fallar en otro. El rendimiento pasado no ofrece ninguna garantía sobre el futuro, y los backtests se exageran con frecuencia.

Por eso los métodos de trading predictivos en general —patrones de gráficos, ondas de Elliott, niveles de Fibonacci e indicadores técnicos como el RSI o el MACD— son discutidos y subjetivos. Someterlos a backtesting puede hacerlos parecer precisos, pero no puede lograr que predigan los precios de forma fiable. El trading es de alto riesgo, y la investigación indica de forma constante que la mayoría de los operadores minoristas pierden dinero con el tiempo.

Como los backtests pueden favorecer a una estrategia, algunas personas prefieren observar también el contexto más amplio de los datos del mercado en lugar del precio por sí solo. BIKENZO es un terminal de datos y análisis de Bitcoin que muestra información como la liquidez en relación con el precio de BTC; ese contexto puede ayudarle a interpretar si un movimiento histórico ocurrió en un mercado profundo y líquido o en uno poco líquido.

Esto es contexto, no una señal ni una predicción. BIKENZO no le dice lo que ocurrirá, no genera operaciones y no es un lugar para operar: es una lente para comprender los datos que hay detrás del precio. Cualquier decisión, y cualquier riesgo, siguen siendo enteramente suyos.