Una estrategia de trading puede parecer muy buena cuando observamos unos pocos ejemplos en un gráfico.
Pero encontrar varias operaciones ganadoras no demuestra que una estrategia tenga una ventaja real.
Para comprobarlo necesitamos analizarla sobre un número suficiente de operaciones y bajo unas reglas concretas.
Aquí es donde aparece el backtesting de una estrategia de trading.
El backtesting consiste en aplicar las reglas de una estrategia sobre datos históricos para comprobar cómo habría funcionado en diferentes situaciones del mercado.
No permite saber qué ocurrirá en el futuro, pero sí puede ayudarnos a descubrir si las reglas que hemos diseñado tienen un comportamiento estadístico razonable.
El objetivo del backtesting no es demostrar que una estrategia funciona, sino descubrir cómo se comporta cuando se aplica de forma sistemática.
¿Qué es el backtesting de una estrategia de trading?
El backtesting consiste en probar una estrategia utilizando datos históricos del mercado.
Imaginemos que tenemos una estrategia con estas reglas:
- Identificar una tendencia.
- Esperar un retroceso.
- Esperar una confirmación.
- Entrar en la dirección de la tendencia.
- Colocar un Stop Loss.
- Establecer un objetivo.
- Cerrar la operación cuando se alcance el Stop Loss o el Take Profit.
En lugar de esperar meses para comprobar cómo funciona, podemos buscar situaciones similares en datos históricos y aplicar las mismas reglas.
De esta forma podemos construir una muestra de operaciones y analizar sus resultados.
CME Group — Technical Analysis Sirve como fuente institucional de referencia para contextualizar el análisis técnico
¿Para qué sirve hacer backtesting?
El backtesting puede ayudarnos a responder preguntas importantes.
Por ejemplo:
- ¿Cuántas operaciones ganadoras produce la estrategia?
- ¿Cuántas operaciones perdedoras?
- ¿Cuál es la ganancia media?
- ¿Cuál es la pérdida media?
- ¿Cuál es la máxima racha de pérdidas?
- ¿Cuál ha sido el drawdown?
- ¿Qué relación riesgo-beneficio presenta?
- ¿En qué condiciones funciona mejor?
- ¿Cuándo suele fallar?
- ¿Qué mercados son más adecuados?
- ¿Qué temporalidades funcionan mejor?
Estas preguntas son mucho más útiles que simplemente mirar el porcentaje de operaciones ganadoras.
Una estrategia no se evalúa solo por el porcentaje de aciertos
Supongamos dos estrategias.
Estrategia A
- 70 % de operaciones ganadoras.
- Ganancia media: 1R.
- Pérdida media: 2R.
Estrategia B
- 45 % de operaciones ganadoras.
- Ganancia media: 2R.
- Pérdida media: 1R.
A primera vista podríamos pensar que la estrategia A es mejor porque gana más operaciones.
Pero el porcentaje de aciertos por sí solo no determina la rentabilidad de un sistema.
Por eso debemos analizar conjuntamente:
Porcentaje de aciertos + ganancia media + pérdida media + frecuencia + costes + drawdown.
SEC — Investor.gov: Risk and Return: Fuente oficial estadounidense que permite reforzar la explicación de que riesgo y rentabilidad deben analizarse conjuntamente
La esperanza matemática
Uno de los conceptos más importantes al analizar una estrategia es la esperanza matemática.
Una fórmula simplificada sería:
Esperanza = (Probabilidad de ganar × Ganancia media) − (Probabilidad de perder × Pérdida media)
Por ejemplo:
- 45 % de operaciones ganadoras.
- Ganancia media = +2R.
- 55 % de operaciones perdedoras.
- Pérdida media = −1R.
La esperanza sería:
(0,45 × 2) − (0,55 × 1) = +0,35R
Esto significa que, bajo esas hipótesis, la estrategia tendría una esperanza matemática positiva de 0,35R por operación, antes de considerar determinados costes y otros factores.
No significa que la próxima operación vaya a ganar.
Significa que, si las condiciones estadísticas se mantienen y la muestra es suficientemente representativa, existe una expectativa matemática positiva.
¿Qué significa 1R?
Utilizar R permite comparar operaciones independientemente del tamaño monetario.
Si decidimos arriesgar 10 € en una operación:
1R = 10 €
Una operación que gana 20 € representa:
+2R
Una operación que pierde 10 € representa:
−1R
Esto resulta especialmente útil durante el backtesting porque permite analizar la estrategia sin depender de un capital concreto.
Antes de hacer backtesting hay que definir las reglas
Uno de los mayores errores consiste en modificar la estrategia mientras estamos realizando la prueba.
Por ejemplo:
“Aquí habría entrado porque la vela parecía muy buena.”
Ese tipo de interpretación subjetiva puede distorsionar los resultados.
Antes de empezar debemos definir exactamente:
Entrada
¿Qué condiciones deben cumplirse?
Stop Loss
¿Dónde se coloca?
Take Profit
¿Cómo se determina?
Gestión de la posición
¿Se mueve el Stop Loss?
¿Se utiliza Break Even?
¿Se realiza una salida parcial?
Horarios
¿En qué sesiones se puede operar?
Mercado
¿Qué instrumentos están incluidos?
Temporalidad
¿Qué gráficos se utilizan?
Cuanto más objetivas sean las reglas, más reproducible será el backtesting.
Ejemplo de estrategia preparada para backtesting
Supongamos una estrategia sencilla de retrocesos.
Condición 1
La tendencia en H1 debe ser alcista.
Condición 2
En M15 aparece un impulso alcista.
Condición 3
El precio realiza un retroceso.
Condición 4
El retroceso llega a una zona previamente definida.
Condición 5
En M5 aparece una confirmación alcista.
Entrada
Se abre una posición después de la confirmación.
Stop Loss
Se coloca por debajo del mínimo relevante.
Take Profit
Se establece a 2R.
Ahora sí tenemos unas reglas suficientemente concretas como para comenzar una prueba.
Backtesting manual
El método más sencillo es realizar el backtesting manualmente sobre un gráfico histórico.
El proceso puede ser:
- Seleccionar un mercado.
- Elegir una temporalidad.
- Ir a una fecha pasada.
- Ocultar las velas posteriores.
- Avanzar vela a vela.
- Aplicar las reglas.
- Registrar cada operación.
- Continuar hasta completar la muestra.
Es importante evitar mirar el futuro del gráfico mientras tomamos la decisión.
Si conocemos lo que ocurrirá después, podemos caer en el llamado sesgo de anticipación o look-ahead bias.
Backtesting automático
También existen herramientas y plataformas capaces de ejecutar automáticamente determinadas reglas sobre datos históricos.
Esto puede ahorrar mucho tiempo cuando la estrategia está completamente definida.
Sin embargo, automatizar una estrategia no elimina los problemas metodológicos.
Hay que comprobar:
- Calidad de los datos.
- Spread.
- Comisiones.
- Slippage.
- Horarios.
- Ejecución.
- Reglas de entrada y salida.
- Datos utilizados.
- Diferencias entre el histórico y las condiciones reales.
Un resultado espectacular en una simulación no significa automáticamente que vaya a reproducirse en una cuenta real.
¿Cuántas operaciones hacen falta?
No existe un número mágico válido para todas las estrategias.
Una muestra de 10 o 20 operaciones puede ser demasiado pequeña para extraer conclusiones sólidas.
Cuantas más operaciones y diferentes condiciones de mercado podamos analizar, mejor podremos evaluar la estabilidad del sistema.
Por ejemplo, sería interesante incluir:
- Tendencias alcistas.
- Tendencias bajistas.
- Rangos.
- Alta volatilidad.
- Baja volatilidad.
- Diferentes sesiones.
- Diferentes periodos de mercado.
El objetivo es evitar construir una conclusión basada únicamente en una situación concreta.
Divide los datos: entrenamiento y validación
Una forma más rigurosa de realizar el proceso es separar los datos históricos.
Podemos dividirlos en:
Datos de desarrollo
Se utilizan para diseñar y ajustar la estrategia.
Datos de validación
Se utilizan posteriormente para comprobar si las reglas mantienen un comportamiento razonable sobre datos que no se utilizaron para diseñarlas.
Esto ayuda a reducir el riesgo de adaptar excesivamente la estrategia al histórico utilizado.
El problema del sobreajuste
Uno de los mayores peligros del backtesting es el sobreajuste, también conocido como overfitting.
Supongamos que probamos una estrategia y modificamos continuamente:
- Indicadores.
- Periodos.
- Horarios.
- Stop Loss.
- Take Profit.
- Filtros.
- Condiciones de entrada.
Finalmente conseguimos un histórico excelente.
El problema es que quizá no hemos encontrado una estrategia robusta.
Podríamos simplemente haber creado unas reglas que se adaptan demasiado bien a ese conjunto concreto de datos.
Es parecido a estudiar de memoria las preguntas exactas de un examen en lugar de aprender la materia.
QuantConnect — Overfitting: El sobreajuste es uno de los principales riesgos metodológicos al optimizar una estrategia con datos históricos.
¿Cómo evitar el sobreajuste?
Algunas prácticas pueden ayudar:
Mantener las reglas sencillas
Cuantas más condiciones añadimos, mayor puede ser el riesgo de ajustar el sistema al pasado.
Utilizar datos diferentes
No debemos evaluar la estrategia únicamente sobre el mismo periodo utilizado para desarrollarla.
Realizar pruebas fuera de muestra
Los datos que no se utilizaron durante el desarrollo proporcionan una prueba más exigente.
Probar diferentes mercados
Una estrategia que solamente funciona en un activo y periodo concreto puede ser menos robusta.
Evitar optimizaciones excesivas
No necesitamos encontrar el parámetro “perfecto”.
Buscamos reglas razonablemente estables.
Backtesting y costes reales
Una de las diferencias más importantes entre una simulación y el trading real son los costes.
Debemos considerar, cuando corresponda:
- Spread.
- Comisiones.
- Swap.
- Slippage.
- Diferencias de ejecución.
- Costes de financiación.
- Latencia.
Por ejemplo, una estrategia de scalping que obtiene una pequeña ventaja por operación puede verse muy afectada por los costes de ejecución.
Por eso, cuanto más frecuente sea la operativa, más importante resulta incluir estos factores en el análisis.
CNMV — CFD: Permite enlazar la parte educativa del backtesting con la realidad del riesgo cuando se utilizan productos apalancados.
El spread también importa
Supongamos que una estrategia tiene operaciones con objetivos muy pequeños.
Si el spread representa una parte importante del movimiento esperado, los resultados del backtesting pueden ser demasiado optimistas si no se incluye correctamente.
Esto es especialmente importante en:
- Scalping.
- Operativa intradía.
- Noticias.
- Mercados muy volátiles.
El histórico debe aproximarse lo máximo posible a las condiciones reales de ejecución.
Drawdown: una de las métricas más importantes
Una estrategia puede ser rentable y, aun así, experimentar periodos importantes de pérdidas.
El drawdown mide la caída desde un máximo de capital hasta un mínimo posterior antes de recuperar ese máximo.
Por ejemplo:
Capital máximo:
10.000 €
Capital posterior:
8.000 €
Drawdown:
−20 %
Esta información es fundamental porque nos ayuda a entender qué tipo de retrocesos debemos ser capaces de soportar psicológica y financieramente.
Una estrategia no debería evaluarse solamente por cuánto gana.
También debemos saber cuánto puede llegar a perder durante sus peores periodos históricos.
Rachas de pérdidas
Otra métrica importante es la máxima racha de operaciones perdedoras.
Por ejemplo:
Pérdida → pérdida → pérdida → pérdida → pérdida
Si el backtesting muestra que históricamente han aparecido rachas de 7 operaciones perdedoras, debemos estar preparados para que algo parecido pueda ocurrir en el futuro.
Esto no significa que vaya a repetirse exactamente.
Pero sí proporciona una referencia importante para la gestión del riesgo.
Por eso conviene relacionar el backtesting con el análisis de las rachas de pérdidas y el tamaño de riesgo por operación.
Profit Factor
Otra métrica muy utilizada es el Profit Factor.
La fórmula es:
Profit Factor = beneficios brutos / pérdidas brutas
Por ejemplo:
Beneficios brutos:
5.000 €
Pérdidas brutas:
3.000 €
Profit Factor:
1,67
Un valor superior a 1 indica que los beneficios brutos superan a las pérdidas brutas dentro de la muestra analizada.
Pero tampoco debemos utilizar el Profit Factor de forma aislada.
Hay que analizarlo junto con el número de operaciones, drawdown, costes y estabilidad de los resultados.
Otras métricas importantes
Un buen registro de backtesting puede incluir:
| Métrica | Qué nos indica |
|---|---|
| Número de operaciones | Tamaño de la muestra |
| Win Rate | Porcentaje de operaciones ganadoras |
| Ganancia media | Beneficio medio |
| Pérdida media | Pérdida media |
| Esperanza matemática | Resultado esperado por operación |
| Profit Factor | Relación entre beneficios y pérdidas |
| Drawdown máximo | Peor caída histórica |
| Racha máxima de pérdidas | Número máximo de pérdidas consecutivas |
| R medio | Relación riesgo-beneficio |
| Resultado en R | Resultado normalizado |
| Costes | Impacto de spreads y comisiones |
Cuantas más métricas podamos analizar, mejor podremos comprender el comportamiento de la estrategia.
¿Una estrategia rentable en backtesting funcionará en real?
No necesariamente.
Este es uno de los puntos más importantes.
Un buen backtest no garantiza resultados futuros.
Existen diferencias entre:
Mercado histórico → simulación → mercado real
En el mercado real aparecen factores como:
- Slippage.
- Ejecución.
- Cambios de liquidez.
- Spreads variables.
- Errores humanos.
- Emociones.
- Cambios de comportamiento del mercado.
Por eso, el backtesting debe considerarse una herramienta de investigación, no una garantía.
Del backtesting al forward testing
Después del backtesting podemos realizar un forward testing.
Consiste en aplicar la estrategia sobre datos nuevos y operaciones simuladas o bajo condiciones controladas, sin haber utilizado previamente esos datos para diseñar las reglas.
El objetivo es comprobar si el comportamiento observado en el histórico se mantiene en un entorno diferente.
Una posible secuencia sería:
Diseño → Backtesting → Validación → Forward testing → Operativa controlada
Este proceso puede proporcionar más información que pasar directamente del gráfico histórico a una cuenta real.
¿Qué hacer cuando una estrategia pierde?
Encontrar pérdidas durante el backtesting no significa necesariamente que la estrategia sea mala.
Todas las estrategias tienen operaciones perdedoras.
Lo importante es determinar:
- ¿Las pérdidas están dentro de lo esperado?
- ¿La racha máxima es asumible?
- ¿El drawdown es aceptable?
- ¿La esperanza matemática sigue siendo positiva?
- ¿Los resultados son consistentes?
- ¿La estrategia sigue funcionando cuando se incluyen los costes?
Si el sistema pierde de forma constante, entonces debemos analizar sus reglas.
Pero debemos evitar cambiar las condiciones después de cada operación perdedora.
Cómo crear una hoja de backtesting
Una hoja sencilla puede contener:
| Nº | Fecha | Mercado | Dirección | Entrada | SL | TP | Resultado | R | Motivo |
|---|---|---|---|---|---|---|---|---|---|
| 1 | — | XAUUSD | BUY | — | — | — | Ganadora | +2R | Retroceso |
| 2 | — | XAUUSD | SELL | — | — | — | Perdora | −1R | Reversión |
| 3 | — | XAUUSD | BUY | — | — | — | Ganadora | +2R | Ruptura |
Con el tiempo podemos añadir más información:
- Sesión.
- Temporalidad.
- Volatilidad.
- Tipo de entrada.
- Confirmación.
- Zona.
- Captura del gráfico.
- Comentarios.
Esto permite descubrir patrones que no son evidentes al observar únicamente el resultado final.
Backtesting de una estrategia de Price Action
El backtesting no está limitado a estrategias basadas en indicadores.
También podemos comprobar estrategias basadas en Price Action.
Por ejemplo:
Tendencia → retroceso → soporte → rechazo → confirmación → entrada
Cada elemento debe estar definido de manera suficientemente objetiva.
Si escribimos:
“Entrar cuando el precio parezca estar preparado para subir.”
No tenemos una regla adecuada para hacer backtesting.
Pero si definimos:
“Entrar cuando el precio forme un mínimo creciente y cierre por encima del máximo de la vela de confirmación.”
Tenemos una condición mucho más reproducible.
Backtesting de una estrategia de rupturas
También podemos probar estrategias de breakout.
Por ejemplo:
- Identificar una resistencia.
- Esperar cierre por encima.
- Esperar retesteo.
- Buscar confirmación.
- Entrar.
- Stop Loss bajo la estructura.
- Take Profit de 2R.
Después podemos comprobar cuántas veces la ruptura fue válida y cuántas terminó siendo una falsa ruptura.
De esta forma, el backtesting puede ayudarnos a comparar diferentes filtros.
Backtesting de una estrategia de reversión
Las estrategias de reversión también pueden someterse a pruebas.
Por ejemplo:
Zona importante → barrido → rechazo → ruptura de estructura → retroceso → entrada
Podemos registrar cada escenario y posteriormente analizar:
- Cuántas reversiones se produjeron.
- Cuántas señales fueron falsas.
- Qué zonas funcionaron mejor.
- Qué confirmaciones fueron más eficaces.
- Cuál fue el drawdown.
- Qué relación riesgo-beneficio presentó la estrategia.
El backtesting no debe convertirse en una búsqueda de la estrategia perfecta
Este es otro error frecuente.
Podemos pasar semanas modificando parámetros para conseguir un gráfico de resultados perfecto.
Pero los mercados cambian.
Una estrategia demasiado optimizada puede funcionar muy bien en el pasado y mucho peor cuando cambien las condiciones.
El objetivo debería ser encontrar un sistema simple, comprensible y razonablemente robusto.
No necesitamos una estrategia perfecta.
Necesitamos conocer sus fortalezas y debilidades.
Checklist para hacer un buen backtesting
Antes de considerar terminado nuestro análisis podemos comprobar:
☐ ¿Las reglas están completamente definidas?
☐ ¿Las entradas son objetivas?
☐ ¿El Stop Loss está definido?
☐ ¿El Take Profit está definido?
☐ ¿El riesgo por operación está definido?
☐ ¿Hemos incluido suficientes operaciones?
☐ ¿Hemos probado diferentes condiciones de mercado?
☐ ¿Hemos tenido en cuenta spread y comisiones?
☐ ¿Hemos analizado el drawdown?
☐ ¿Hemos calculado las rachas de pérdidas?
☐ ¿Hemos calculado la esperanza matemática?
☐ ¿Hemos analizado el Profit Factor?
☐ ¿Hemos separado datos de desarrollo y validación?
☐ ¿Hemos evitado sobreoptimizar?
☐ ¿Hemos probado la estrategia con datos que no utilizamos para desarrollarla?
Si la respuesta es sí en la mayoría de estos puntos, tendremos una base mucho más sólida para evaluar la estrategia.
Conclusión
El backtesting de una estrategia de trading es una herramienta fundamental para estudiar cómo se habría comportado un sistema bajo determinadas condiciones históricas.
Permite analizar mucho más que el porcentaje de operaciones ganadoras.
Podemos estudiar:
Esperanza matemática → Profit Factor → drawdown → rachas de pérdidas → riesgo-beneficio → costes → estabilidad.
La clave está en utilizar reglas objetivas y evitar modificar la estrategia continuamente para conseguir un resultado histórico perfecto.
Un buen backtest no demuestra que una estrategia vaya a ganar dinero en el futuro.
Lo que hace es proporcionar información que nos ayuda a determinar si merece la pena seguir investigándola y ponerla a prueba bajo condiciones nuevas.
Antes de preguntarnos cuánto puede ganar una estrategia, deberíamos saber cómo se comporta cuando pierde.anticiparlo.terminado.
📚 Continúa aprendiendo
Si quieres seguir profundizando en estrategias relacionadas, puedes consultar:
👉 Estrategia de Price Action: cómo operar utilizando la acción del precio
👉 Trading con tendencia: cómo identificarla y operar a su favor
👉Trading de rupturas: cómo identificar breakouts y evitar falsas señales
👉Trading de retrocesos: cómo encontrar entradas a favor de la tendencia
👉 Trading de reversión: cómo detectar cambios de tendencia sin anticiparse
👉 Trading en rangos: cómo operar mercados laterales y zonas de soporte y resistencia
👉 Rachas de pérdidas en trading: cómo calcularlas y cuánto puedes soportar
👉 Riesgo por operación: cuánto dinero arriesgar en cada trade
👉 También puedes consultar nuestra categoría Estrategias y sistemas de trading para conocer diferentes metodologías y formas de analizar el mercado.
Ver todas las entradas del blog
⚠️ Aviso importante
El contenido de este artículo tiene carácter exclusivamente educativo e informativo y no constituye asesoramiento financiero, recomendación de inversión ni una señal de compra o venta.
Ninguna estrategia de trading garantiza beneficios ni elimina el riesgo de pérdidas. Antes de operar con dinero real, es recomendable comprender los riesgos, realizar backtesting y practicar en una cuenta demo.
⚠️ Aviso de riesgo
Este artículo tiene carácter exclusivamente educativo y no constituye asesoramiento financiero ni una recomendación de inversión. El backtesting utiliza datos históricos y sus resultados no garantizan resultados futuros. El trading implica riesgo de pérdida de capital. Antes de operar con dinero real, es importante comprender el funcionamiento del mercado, utilizar una gestión adecuada del riesgo y valorar si el producto es apropiado para cada inversor.