Qué significa el backtesting en la práctica
En esencia, un backtest responde una pregunta simple: si hubiera seguido estas reglas en el pasado, ¿qué habría pasado? Las reglas pueden ser pautas discrecionales que practicas vela a vela, o lógica codificada precisa que un motor ejecuta automáticamente.
El valor no es nostalgia. Es evidencia. Quieres estructura suficiente para saber si una idea tiene apoyo histórico antes de arriesgar capital real.
Cómo funciona un backtest
Defines reglas de entradas, salidas, tamaño de posición y riesgo. El software recorre datos históricos, simula las operaciones que esas reglas habrían generado y registra resultados: equity, drawdowns, lista de trades y estadísticas resumidas.
En herramientas manuales, tú eres el motor de decisión: reproduces gráficos, colocas órdenes simuladas y registras resultados en el diario. En herramientas automatizadas, el motor aplica reglas codificadas o sin código en miles de velas sin que pulses cada operación.
- Elige mercado, timeframe y ventana de historial
- Define reglas de entrada, salida y riesgo lo más claro posible
- Simula operaciones hacia adelante en el historial (sin mirar el futuro)
- Revisa métricas, calidad de trades y si la idea sobrevive costes
Backtesting manual vs automatizado
El backtesting manual significa reproducir gráficos y registrar operaciones a mano o en un diario de replay. Es más lento, pero excelente para traders de gráficos que necesitan practicar ejecución, emoción y lecturas discrecionales.
El backtesting automatizado usa código o un constructor de reglas para probar muchas operaciones rápido. Es mejor para reglas sistemáticas, optimización y muestras grandes. Muchos traders usan ambos: automatizan la investigación de reglas y practican manualmente las partes discrecionales de su proceso.
Métricas clave a revisar
Ningún número solo cuenta toda la historia. Un win rate alto con reward-to-risk terrible puede seguir perdiendo dinero. Un beneficio neto fuerte con drawdown insoportable puede ser intradeable para un humano.
Mira varias métricas juntas y siempre léelas junto a los supuestos que las produjeron (costes, fills, tamaño de muestra).
- Beneficio neto y tasa de crecimiento anual compuesta (CAGR)
- Drawdown máximo y cuánto duraron los drawdowns
- Win rate, ganancia media y pérdida media
- Profit factor y expectativa por operación
- Retornos ajustados al riesgo como Sharpe o Sortino
- Número de operaciones y si abarcan distintos regímenes de mercado
Cómo son buenos datos históricos
Un backtest es tan bueno como sus datos. Comprueba hasta dónde llega el historial, si el detalle intradía o tick encaja con tu estrategia y si se modelan costes. En acciones, pregunta por splits, dividendos y símbolos delistados.
Más historial no es automáticamente mejor si cambió la estructura del mercado, pero poco historial facilita engañarte con una ventana corta afortunada.
Qué no puede decirte un backtest
Un backtest describe el pasado bajo supuestos concretos. No puede prometer que el mismo edge persistirá. Los mercados cambian, la liquidez cambia y tu psicología en vivo no está en la simulación.
La ejecución también difiere del modelo: slippage, fills parciales, latencia y rarezas de plataforma aparecen en vivo. Trata los backtests como evidencia, no garantías, y síguelos con forward testing en demo o tamaño pequeño.
Un siguiente paso sensato
Si eres nuevo, empieza definiendo por escrito una estrategia simple, haz backtest manual o con una herramienta amigable para principiantes, y revisa las métricas anteriores sin optimizar aún. Aprende primero los modos de fallo.
Cuando elijas software, usa un marco claro: realismo, coste real, cobertura de mercados, interfaz, fiabilidad, herramientas nucleares, extras y soporte. Compara opciones lado a lado y elige la herramienta que realmente abrirás cada semana.