Backtesting de Tu Estrategia de Trading

En resumen: Aprende cómo probar tus estrategias de trading en datos históricos para validar la ventaja y evitar errores costosos en mercados en vivo. Aanpak: Pero NO puedes ganar con un 40% de win rate Y un R:R de 1:1 —la matemática no funciona.

Por qué el backtesting te salva de errores caros

El backtesting es tu máquina del tiempo. Prueba estrategias sobre años de datos en horas en lugar de perder dinero real durante meses. Todos los traders rentables hacen backtesting. Los traders arruinados improvisaron.

La historia de Michael Park

Michael Park desarrolló en su cabeza una estrategia de breakout “perfecta”. Sonaba brillante: comprar acciones que rompieran por encima de los máximos de 20 días con volumen. Arriesgó 10.000 € en ella durante 3 meses y perdió 2.400 €. Luego hizo el backtesting sobre 3 años de datos: 158 trades en total, 42% de win rate, ganancia media de 180 €, pérdida media de 220 €. Profit Factor de 0,74 —estrategia perdedora. Rentabilidad total: −26%. La estrategia estaba matemáticamente garantizada para perder dinero, pero solo lo descubrió DESPUÉS de perder capital real. El backtesting le habría costado 0 € y 4 horas de trabajo.

Qué revela el backtesting

• ¿Tiene tu estrategia expectativa positiva? (¿Ganas más de lo que pierdes en 100+ trades?)
• ¿Cuál es el dolor máximo? (Mayor drawdown que experimentarás)
• ¿Con qué frecuencia ganarás? (Crucial para la psicología —¿puedes soportar un 35% de win rate?)
• ¿Qué condiciones de mercado la destrozan? (Crisis de 2008, pandemia de 2020, bear market de 2022)
• ¿Qué tan sensible es al timing de entrada? (¿Un 1% de diferencia en el precio de entrada mata los beneficios?)

El factor confianza

La trader profesional Amanda López cuenta: “Hice backtesting de mi estrategia de divergencia RSI sobre 5 años de datos — 243 trades, 58% de win rate, Profit Factor 1,8, rentabilidad anual del 18%. Cuando empecé a operar en vivo y sufrí una racha de pérdidas (7 perdedores en 10 trades), no entré en pánico. Mi backtest mostraba que esto ocurriría 3-4 veces al año. Seguí operando el sistema. Esos 7 perdedores fueron seguidos por 11 ganadores en los siguientes 14 trades. Acabé el año con un 57% de win rate —exactamente lo que mostraba el backtest. Sin esos datos, habría abandonado la estrategia durante el drawdown.” Los datos del backtest te dan la convicción de mantener tu sistema durante los inevitables baches.

El proceso de backtesting: de las reglas de la estrategia a los resultados estadísticos

El backtesting no es hacer clic en botones de un software y confiar en el resultado. Es un proceso científico riguroso que requiere precisión y honestidad.

Paso 1: define las reglas sin ninguna ambigüedad

Tu estrategia debe ser tan precisa que un robot pudiera operarla.

Malo: “Compra cuando el RSI esté sobrevendido y la acción tenga buena pinta.”

Bueno: “Compra cuando: (1) RSI(14) cruza por encima de 30; (2) el precio cierra por encima de la MA de 50 días; (3) el volumen supera 1,5× la media de 20 días; (4) entrada en la apertura del siguiente día; (5) stop-loss 8% por debajo de la entrada; (6) salida cuando RSI supera 70 O han pasado 14 días.”

Escribe CADA detalle: activadores de entrada, cálculo exacto del stop-loss, objetivo de beneficio o salida por tiempo, fórmula de tamaño de posición, condiciones de mercado requeridas (¿solo tendencia alcista?), instrumentos (¿solo acciones? ¿Con qué precio mínimo/volumen mínimo?).

Paso 2: elige el período de datos históricos

Mínimo 2-3 años cubriendo diferentes entornos de mercado. Prueba en:

• 2008-2009 (crisis financiera — bear market extremo)
• 2010-2014 (bull market lento)
• 2017-2018 (euforia y luego corrección)
• 2020 (crash por pandemia + recuperación en V)
• 2022 (bear market por alta inflación)

Si tu estrategia solo funciona en mercados alcistas, no tienes una estrategia —tienes un billete de lotería que caduca durante los bear markets.

Paso 3: aplica las reglas de forma consistente, sin cherry-picking

Aquí es donde el 90% de los traders hace trampa. Ves un trade en el backtest que “obviamente no habría ocurrido en la vida real” y lo omites. ERROR. Si tus reglas se activaron, lo cuentas. Sin excepciones.

Kevin Chen lo aprendió a las malas: “Mi backtest de estrategia momentum mostró 87 trades en 3 años. Excluí mentalmente 12 trades que parecían ‘dudosos’ —quizás habría notado que el setup era débil. Después de excluirlos, el Profit Factor era 2,1 (¡excelente!). Cuando lo repetí incluyendo los 87 trades completos (sin cherry-picking), el Profit Factor cayó a 1,3 (apenas rentable). Me estaba mintiendo a mí mismo. El backtest honesto me ahorró arriesgar 50.000 € en una estrategia mediocre.”

Paso 4: registra todo y calcula las métricas clave

Para cada trade anota: fecha de entrada, precio de entrada, fecha de salida, precio de salida, P&L en euros, P&L en porcentaje, motivo de entrada (¿qué regla se activó?), motivo de salida (stop, objetivo, tiempo).

Luego calcula:

• Rentabilidad total (capital final ÷ capital inicial)
• Win Rate (ganadores ÷ total de trades)
• Ganancia media en € y %
• Pérdida media en € y %
• Profit Factor (ganancia bruta ÷ pérdida bruta)
• Maximum Drawdown % (peor caída desde pico al valle)
• Duración media de las operaciones (días mantenidas)

Trampas críticas del backtesting que destruyen resultados

La razón número 1 por la que los backtests fallan en el trading en vivo: estás probando una fantasía, no la realidad.

Curve-fitting (sobre-optimización)

Ajustas los parámetros hasta que los resultados del backtest parecen perfectos. Estás ajustando una estrategia al pasado, no descubriendo una ventaja real.

Ejemplo: pruebas un cruce de medias móviles con todas las combinaciones posibles: 5/10, 5/15, 5/20… hasta 50/200. Descubres que el cruce 23/47 tiene el mayor retorno (34%) en el período de prueba. Pero es suerte aleatoria. En el trading en vivo, esa combinación “mágica” 23/47 fracasa porque estaba optimizada para el ruido, no para una señal real.

La solución: prueba fuera de la muestra. Divide tus datos en 70/30. Optimiza en el 70%, luego valida en el 30% que no tocaste. Si los resultados son similares, tu estrategia podría ser real.

Sesgo de supervivencia

Solo probar con acciones que existen hoy. Ejemplo: probar una estrategia de momentum en small caps de 2000 a 2024 usando las acciones actuales del S&P 600. Problema: el S&P 600 de hoy no incluye las 300+ small caps que quebraron (Enron, Lehman, etc.). Tu backtest solo capturó a los supervivientes, inflando los resultados 2-3 veces. En el trading real habrías golpeado esas quiebras.

La solución: usa conjuntos de datos sin sesgo de supervivencia (caros) o añade un “filtro de quiebra” (excluye acciones que luego fueron eliminadas de la bolsa).

Sesgo de look-ahead (mirada al futuro)

Usar información que no tendrías disponible en el momento real de la operación. La trader Jessica Wang cometió este error: “Hice backtesting de una estrategia que compraba acciones tras superar las estimaciones de resultados. Usé datos históricos de Yahoo Finance que muestran los resultados finales reportados. El problema: las empresas revisan sus resultados semanas después del informe inicial. Estaba comprando basándome en el número REVISADO (final), que no habría conocido en la fecha real del trade. Mi backtest mostraba un 68% de win rate. En el trading en vivo fue del 49% porque operaba con los datos preliminares.”

La solución: usa solo datos point-in-time. Si pruebas una estrategia de resultados empresariales, usa los datos tal como existían el día del anuncio, no los datos revisados posteriormente.

Ignorar comisiones y slippage

Tu backtest asume ejecuciones perfectas al precio de mercado con comisiones cero. La realidad: pagas 5-10 € por trade (comisiones) y 0,05-0,2% de slippage (diferencia entre el precio esperado y el precio real de ejecución). En una posición de 10.000 €, eso son 50 € por operación de ida y vuelta. Haz 50 trades al año = 2.500 € en costes. Inclúyelos en tu backtest. Muchas estrategias “rentables” se convierten en perdedoras tras los costes reales.

Interpretar los resultados: qué hace que un backtest merezca ser operado

Has hecho el backtest de 100+ trades. ¿Ahora qué? No todos los retornos positivos son operables. Necesitas estándares mínimos antes de arriesgar capital.

Profit Factor mínimo de 1,5

Profit Factor = Ganancia bruta ÷ Pérdida bruta. Cualquier cosa por debajo de 1,5 es demasiado frágil. ¿Por qué? El trading en vivo introduce costes y errores que el backtest no capta. Si tu Profit Factor en backtest es 1,3, el trading real podría ser 1,0-1,1 (break-even). Objetivos:

• 1,5-2,0 para swing trading
• 1,3-1,5 para day trading (los stops más ajustados hacen que un Profit Factor menor sea aceptable)

El tamaño de la muestra importa: necesitas 100+ trades

Con 10 trades ganadores no demuestras nada. Fue suerte. 50 trades es orientativo. 100+ trades se acerca a la significación estadística. Si tu estrategia solo genera 20 señales en 3 años de backtest, no tienes suficientes datos. Amplía el período de prueba o el universo de instrumentos (prueba en 50 acciones, no en 5).

Maximum Drawdown inferior al 25%

Este es el peor descenso desde el pico al valle que has experimentado. Si tu backtest muestra un drawdown máximo del 35%, en el trading en vivo probablemente verás el 40-50% (la Ley de Murphy). ¿Puedes aguantar emocionalmente ver tu cuenta caída un 40%? La mayoría no puede. Abandonarán la estrategia en el peor momento.

Objetivo: max drawdown inferior al 20% para traders conservadores, inferior al 25% para traders agresivos.

Equilibrio win rate / riesgo-recompensa

Puedes ganar con un 35% de win rate si la ganancia media es 3 veces la pérdida media (3:1 R:R). Puedes ganar con un 65% de win rate si el R:R es 1:1. Pero NO puedes ganar con un 40% de win rate Y un R:R de 1:1 —la matemática no funciona.

Comprueba: (Win Rate × Ganancia media) > (Loss Rate × Pérdida media).

Ejemplo: 45% win rate, 300 € ganancia media, 55% loss rate, 180 € pérdida media → (0,45 × 300 €) frente a (0,55 × 180 €) → 135 € frente a 99 € → Rentable.

La prueba final: forward testing (paper trading)

Incluso si el backtest parece perfecto, haz paper trading con dinero virtual durante 20-30 operaciones antes de pasar al dinero real. El forward testing detecta: reglas que olvidaste definir (ambigüedad en el timing de entrada); factores psicológicos (¿puedes realmente seguir las reglas?); slippage en las condiciones actuales del mercado; errores en tu proceso de ejecución.

Marcus Chen lo vivió: “Mi backtest mostraba un Profit Factor de 1,9. El forward test mostró 1,1. Descubrí que mi regla de entrada era ambigua —“compra al cierre si se cumplen los criterios” a veces significaba que compraba en el pre-market del día siguiente (peores ejecuciones). Afiné la regla, rehíce el backtest y el forward test. El Profit Factor se estabilizó en 1,6. Luego fui al trading real y repliqué ese resultado exactamente.”