Trading Cuantitativo

Validar Backtest sin Auto-Engañarse

Cómo evaluar un backtest: sesgo de selección, límites del DSR y la PBO, datos fuera de muestra y costos de simulación.

Trading CuantitativoActualizado: 5 de noviembre de 2026Tiempo de lectura: ~7 min

Mahdi GoodarziPor Mahdi Goodarzi · Fundador & Product Builder de Gueta Quant

Un backtest simula una estrategia con datos históricos. Un resultado favorable no demuestra que la estrategia funcionará en el futuro. La selección entre muchos ensayos, los datos futuros usados por error y los costos omitidos pueden distorsionar el resultado. Esta guía presenta herramientas de revisión y sus límites; no publica cálculos de DSR ni de PBO.

Sesgo de selección y registro de pruebas

Cuando se prueban muchas variantes y se destaca la mejor, su resultado puede reflejar tanto azar como una posible señal. Guarde todas las variantes, parámetros, datos, costos y resultados, incluidos los desfavorables. Los ensayos similares pueden estar correlacionados: el número de filas del registro no equivale necesariamente al número efectivo de pruebas independientes. El riesgo no se determina con un número universal de ensayos. Fuente: Bailey y López de Prado, DSR.

DSR: qué mide y qué necesita

El Deflated Sharpe Ratio (DSR) es una extensión del Probabilistic Sharpe Ratio que utiliza un umbral de referencia relacionado con el máximo Sharpe esperado de la búsqueda y considera características de la distribución de retornos. Es una medida estadística bajo supuestos; no es la probabilidad de que una estrategia sea rentable ni una garantía de desempeño futuro. Su aplicación requiere, entre otros insumos, el Sharpe observado, el tamaño de muestra, asimetría, curtosis y una estimación defendible de la selección y dependencia entre ensayos. Una lista de valores de Sharpe por sí sola no basta. Fórmula y supuestos en el artículo original.

Antes de publicar una cifra, documente la fórmula y su fuente, la frecuencia y convención de Sharpe, la curtosis utilizada, las regiones donde el cálculo no está definido y la sensibilidad a las hipótesis y entradas. Una hoja de cálculo puede reproducir una fórmula solo si incorpora correctamente esos insumos y se verifica de forma independiente.

PBO mediante CSCV: interpretación y límites

La Probabilidad de Backtest Overfitting (PBO) estima, en el marco descrito por Bailey y sus coautores, con qué frecuencia la variante elegida como mejor dentro de muestra queda por debajo de la mediana de las variantes fuera de muestra. CSCV es un procedimiento para estimarla mediante particiones simétricas de los datos y la comparación de rangos. La convención de rangos y el tratamiento de empates deben quedar explícitos. Fuente: artículo original de PBO y CSCV.

La PBO no mide directamente la probabilidad de perder dinero, ni la probabilidad de que una estrategia específica sea falsa. Un valor de 0,50 tampoco demuestra por sí solo que la selección equivalga a lanzar una moneda. La estimación depende del conjunto de variantes y observaciones, la métrica y el procedimiento; registrar solo la variante ganadora omite información esencial.

Separación temporal, solapamiento y costos

Reserve datos que no participen en el diseño ni en la selección. Un análisis walk-forward optimiza con una ventana histórica y evalúa en una ventana posterior; documente la secuencia y evite usar información aún no disponible. Si las etiquetas o características comparten intervalos con la muestra de evaluación, revise explícitamente los solapamientos y elimine la fuga cuando corresponda. La duración promedio de las operaciones no demuestra por sí sola que un búfer sea suficiente.

Modele comisiones, spread y deslizamiento con supuestos documentados. Un resultado fuera de muestra inferior puede reflejar sobreajuste, cambios de régimen, variación de muestreo o costos; no identifica una causa por sí solo. El artículo original de PBO advierte que un único holdout también tiene limitaciones. PBO; limitaciones de estrategias simuladas de TradingView.

Lista de revisión

  1. Documente fuentes, periodo, calidad de datos, instrumento y moneda.
  2. Registre cada variante y los costos supuestos antes de interpretar la seleccionada.
  3. Defina las particiones y compruebe que no haya información futura ni solapamientos indebidos.
  4. Evalúe en datos reservados, informe resultados completos y sus límites; no ajuste después de mirar el holdout y lo describa como una prueba intacta.
  5. Si utiliza DSR o PBO, documente sus convenciones e insumos y compruebe los cálculos con la fuente primaria. Ningún tamaño fijo de muestra demuestra por sí solo que una estrategia sea válida.

Para revisar el simulador y sus límites, consulte la guía de backtesting en TradingView y la guía de backtesting en MetaTrader 5. La guía de optimización walk-forward aborda las ventanas temporales; sus cifras y código requieren una revisión independiente antes de usarlos como evidencia.

Para revisar la configuración y los límites del simulador, consulte la guía de backtesting en TradingView.

Preguntas frecuentes

¿Un Sharpe alto prueba que una estrategia es buena?

No. Su interpretación depende de la frecuencia, la muestra, los costos, las pruebas realizadas y los supuestos. Un valor alto puede surgir de la selección o de condiciones particulares; no identifica por sí solo la causa.

¿La validación garantiza resultados futuros?

No. Las pruebas ayudan a identificar limitaciones y errores, pero los mercados y las condiciones de ejecución pueden cambiar. TradingView: limitaciones de estrategias.

¿Una caída en el holdout demuestra sobreajuste?

No por sí sola. Es una señal para investigar; puede tener varias explicaciones y una muestra reservada también tiene incertidumbre.

Descargo de responsabilidad

Este artículo tiene fines estrictamente académicos y educativos. No constituye asesoría financiera personalizada, recomendación de inversión, intermediación de valores ni oferta de servicios de gestión de capital. En Colombia, la captación de recursos del público y la intermediación de valores están reservadas a entidades vigiladas por la Superintendencia Financiera de Colombia (SFC), conforme al Decreto 2555 de 2010. Gueta Quant mantiene una política de cero señales: no vendemos señales de trading, no gestionamos capital de terceros y no prometemos ganancias. El trading con apalancamiento implica un alto riesgo de pérdida, incluso con las técnicas de validación descritas: ninguna de ellas garantiza resultados futuros, y los resultados de otros traders no garantizan los suyos. Verifique siempre los datos históricos, los costos y la documentación de cada herramienta antes de usarla con capital real.

🗂️ Valide con herramientas auditables, no con promesas

Descargue el código fuente abierto de Gueta Quant: indicadores y EAs para MQL4/MQL5, Pine Script v6 y cBots para cTrader, 100% auditables y gratuitos. Úselos como punto de partida de su trial log y aplíqueles el mismo protocolo de validación de este artículo.

Ver el repositorio de herramientas →

⚠️ Herramientas educativas de código abierto. No constituyen asesoría de inversión ni intermediación de valores (Decreto 2555 de 2010).


Lecturas relacionadas


🔗 Herramientas relacionadas

Descargue el código fuente completo de todas las herramientas de Gueta Quant en nuestro repositorio público de GitHub:

Todos los códigos son 100% auditables, gratuitos y distribuidos bajo licencia AGPLv3.

Mahdi Goodarzi — Fundador y Product Builder de Gueta Quant

Sobre el Autor: Mahdi Goodarzi

Fundador de Gueta Quant y profesional de marketing y growth con experiencia en fintech y mercados financieros. MBA en Marketing Digital de la Universidad de Teherán y formación en ingeniería. Actualmente desarrolla herramientas educativas para trading cuantitativo: programación en Pine Script v6 (TradingView), gestión de riesgo basada en datos (MQL5) y automatización.