Los backtests son la base de cualquier sistema de trading sólido. Sin pruebas sobre datos históricos, no es posible valorar de forma objetiva la eficacia de una estrategia antes de arriesgar capital real. Los traders profesionales y los sistemas algorítmicos usan el backtesting como paso obligado para desarrollar y optimizar estrategias.

En el artículo se explica qué es el backtesting, cómo hacerlo bien, qué herramientas usar y qué errores evitar. También se aborda por qué los resultados de un backtest no garantizan beneficios futuros, pero siguen siendo fundamentales para cualquier trader serio.

Qué es un backtest

Un backtest es una simulación de una estrategia de trading sobre datos históricos del mercado. Muestra cómo se habría comportado un algoritmo o un sistema discrecional en el pasado: qué drawdowns podrían haberse dado y qué rentabilidad cabría esperar.

Las pruebas ayudan a identificar fortalezas y debilidades y a optimizar parámetros (p. ej. niveles de stop loss y take profit) antes de operar en vivo.

Objetivos principales del backtesting

1. Evaluar el rendimiento — ¿La estrategia fue rentable en el pasado? ¿Qué tan estable fue?
2. Optimizar parámetros — Encontrar mejores ajustes para indicadores, stops y objetivos. Por ejemplo, con el indicador RSI se pueden probar distintos periodos y niveles de sobrecompra/sobreventa.
3. Valorar el riesgo — Drawdown máximo, rachas perdedoras y volatilidad de la rentabilidad. Clave para la gestión de capital.
4. Comprobar robustez — ¿Funciona en mercados en tendencia, laterales, volátiles y tranquilos?
5. Comparar estrategias — Comparar de forma objetiva distintos enfoques.

Tipos de backtests

• Histórico — Probar en un periodo pasado fijo (p. ej. 2–3 años).
• Walk‑forward — Optimizar en una ventana, probar en la siguiente; reduce el overfitting.
• Monte Carlo — Barajar operaciones históricas para estimar distribuciones de resultados.
• Estrés — Probar en condiciones extremas (caídas, subidas fuertes).

Cómo hacer backtesting

1. TradingView

TradingView usa Pine Script para definir la lógica de entrada/salida. El Strategy Tester calcula rentabilidad, drawdown máximo, profit factor y número de operaciones. Útil para pruebas rápidas y visuales. Se pueden probar estrategias basadas en patrones de velas como el doji junto con otras señales.

2. Python (Backtrader, VectorBT, etc.)

Bibliotecas como Backtrader o VectorBT permiten análisis estadístico más profundo y pruebas sobre grandes conjuntos de datos o carteras. Más flexibles pero requieren programación.

3. Backtesting manual

Avanzar barra a barra en el gráfico hacia atrás y anotar cada operación. Útil para aprendizaje e intuición, pero lento y propenso a sesgos.

Importancia de la optimización

Los parámetros se ajustan según los resultados de las pruebas. El objetivo no es solo maximizar beneficios, sino equilibrar rentabilidad y riesgo.

Riesgo de overfitting

El overfitting consiste en adaptar demasiado la estrategia al pasado, de modo que falla en vivo. Evítalo con: walk‑forward, pruebas en distintos periodos y activos, no optimizar demasiados parámetros a la vez y validar con datos out‑of‑sample. En estrategias basadas en el indicador MFI, conviene probar distintos periodos y niveles de sobrecompra/sobreventa.

Limitaciones de los backtests

Los resultados pasados no garantizan rendimiento futuro. Los backtests no incluyen:

• Slippage — Precio de ejecución vs esperado, sobre todo en mercados rápidos o poco líquidos.
• Cambios de liquidez — Las crisis pueden reducir la liquidez.
• Psicología — Miedo y codicia en el trading real.
• Comisiones y spreads — Cada operación tiene coste.
• Cambios de estructura del mercado — Regulación, tecnología, nuevos participantes.
• Errores en datos — Huecos, datos erróneos, sobre todo en series antiguas.

Aun así, operar sin ningún backtest es operar a ciegas. Los backtests dan una referencia, una expectativa aproximada y filtran ideas claramente malas.

Buenas prácticas

1. Datos suficientes — Al menos 1–2 años para temporalidades diarias, 6–12 meses para intradía.
2. Múltiples regímenes — Probar en mercados alcistas, bajistas, laterales, alta y baja volatilidad.
3. Costes realistas — Incluir comisiones (p. ej. 0,1 % en cripto) y slippage en el backtester.
4. Walk‑forward — Optimizar en un periodo, probar en el siguiente; repetir desplazando la ventana.
5. Significación estadística — Suficientes operaciones (p. ej. 30–50+), métricas estables, profit factor y drawdown razonables.
6. Varios activos — Si solo funciona en uno, puede ser casualidad.
7. Mantener un registro — Parámetros, resultados, cambios y observaciones.
8. Aprender de los malos resultados — Las pérdidas en ciertas condiciones son información valiosa.

FAQ

¿Cuántos datos necesito? Para temporalidades diarias, al menos 1–2 años; para intradía, 6–12 meses. Más es mejor si cubre distintos regímenes.

¿Puedo confiar en los resultados del backtest? Son una guía, no una garantía. Prueba siempre en cuenta demo antes de usar dinero real.

El backtest es rentable, en vivo no. ¿Por qué? Causas habituales: overfitting, comisiones/slippage subestimados, cambio de régimen, psicología. Revisa parámetros, usa costes realistas y vuelve a probar en otros periodos.

¿Cada cuánto debo repetir las pruebas? Tras cambios grandes de parámetros, cuando cambie el régimen o de forma periódica (p. ej. trimestral). También cuando el rendimiento en vivo se aparte mucho del backtest.

¿El backtesting vale para todas las estrategias? Funciona mejor con estrategias sistemáticas y basadas en reglas (p. ej. indicadores, algos). Menos con enfoques discrecionales o dependientes de noticias sin datos históricos de noticias.

¿Rentabilidad o estabilidad? Para la mayoría, la estabilidad importa más: un ~15 % anual estable puede ser mejor que un 50 % errático. Menor drawdown y previsibilidad suelen vencer a picos de rentabilidad.

¿Debo hacer backtest aunque mi estrategia ya funcione? Sí. Ayuda a entender en qué condiciones rinde mejor, optimizar parámetros, valorar el riesgo y documentar la lógica.

Resumen

El backtesting no es una panacea, pero es una herramienta esencial. Bien hecho, ayuda a evitar errores costosos y mejora las opciones de éxito. El backtest refleja el pasado; el mercado vive en el presente. Combina siempre backtesting con trading en demo y tamaño pequeño en vivo.