Cómo hacer backtesting de una estrategia de trading sin engañarte

Respuesta corta: Para hacer backtesting de una estrategia de trading sin engañarte a ti mismo, escribe las reglas antes de mirar los resultados, pruébalas con datos posteriores que no usaste para desarrollarlas e incluye costos de trading realistas. Después comprueba si el resultado resiste divisiones repetidas del periodo y el paper trading. Una curva histórica rentable es una evidencia que hay que investigar, no una promesa sobre las operaciones futuras.

Cómo hacer backtesting de una estrategia de trading en la práctica

Empieza por escribir una versión de las reglas que otra persona pueda seguir sin tomar decisiones a su criterio. Indica el mercado y el símbolo, el marco temporal, el disparador de entrada, el tipo de orden, el tamaño de la posición, el stop y la salida, y qué ocurre si llega una señal mientras hay una posición abierta. Define en qué momento la señal pasa a ser conocida. Por ejemplo, si una regla usa el precio de cierre de una vela, no puede entrar en ese mismo cierre salvo que la ejecución que supones pudiera ocurrir realmente entonces.

Mantén esta hoja de reglas sin cambios durante la primera prueba. Guarda la fecha, la fuente de los datos, la versión del código o de la hoja de cálculo y cada parámetro que elegiste. Así resulta más difícil cambiar una regla en silencio después de ver una operación perdedora.

Después, selecciona datos que correspondan al instrumento que piensas operar. Los precios de spot y los de futuros perpetuos no son intercambiables. Revisa los timestamps, las velas faltantes, los cambios de símbolo y si la prueba solo puede ver la información que existía en ese momento. Una señal calculada con el máximo final de una vela, por ejemplo, no debe actuar antes de que esa vela haya terminado.

Usa el mismo saldo inicial, la misma regla de tamaño de posición y las mismas suposiciones de ejecución en todo el proceso. Registra cada operación, incluidas las pérdidas y las señales sin ejecución. No omitas una señal válida porque la vela siguiente parezca desfavorable en el gráfico.

¿Cómo deberías dividir los datos para un análisis walk-forward?

Mantén los datos de desarrollo separados de los datos usados para juzgar la regla final. Los datos in-sample son el historial anterior que usas para definir o ajustar una estrategia. Los datos out-of-sample son el historial posterior que se deja aparte para evaluar la versión congelada. Si inspeccionas los resultados de la prueba y cambias la estrategia, ese periodo ha pasado a formar parte del desarrollo; ya no es una prueba out-of-sample limpia. Los investigadores describen este problema del retesteo out-of-sample repetido (Harvey & Liu, 2015).

Para la optimización walk-forward, ajusta o elige la configuración usando una ventana pasada y después aplícala sin cambios a la ventana siguiente. Avanza y repite. La tabla es un calendario ilustrativo, no un tamaño de ventana universal recomendado:

Ronda	Datos usados para elegir la configuración	Ventana de prueba congelada
1	Enero–junio	Julio–agosto
2	Marzo–agosto	Septiembre–octubre
3	Mayo–octubre	Noviembre–diciembre

Une solo los resultados de las ventanas de prueba para ver cómo se habría comportado el proceso a medida que avanzaba el tiempo. Mantén intacto un periodo posterior hasta que las reglas y el calendario estén fijados, si hay datos suficientes. No elijas la longitud de las ventanas porque hagan que los resultados se vean mejor. Una ventana de prueba corta puede contener demasiadas pocas operaciones; una larga puede mezclar condiciones de mercado que ya no corresponden a la estrategia.

No existe una división que elimine la incertidumbre. Incluso un resultado reservado puede deberse al azar, y revisar una estrategia después de ver la prueba debilita la prueba (Harvey & Liu, 2015). Informa el resultado y el número de operaciones de cada ventana, no solo la curva combinada. Una brecha grande entre los resultados de desarrollo y los de prueba es un motivo para cuestionar la regla.

¿Qué costos entran en el backtesting de cripto?

Resta los costos de cada ejecución: comisiones del exchange, slippage y, en futuros perpetuos, pagos de funding. El slippage es la diferencia entre el precio que supone tu prueba y el precio que una orden podría recibir realmente. Una orden límite puede no ejecutarse aunque el mercado haya tocado su precio.

Para una operación completa de ida y vuelta, estima las comisiones de trading así:

entry notional × entry fee rate + exit notional × exit fee rate

Por ejemplo, supón una posición ilustrativa de $1,000 que se abre y se cierra con un nocional de $1,000 cada vez, con una tasa taker del 0.05% en ambas ejecuciones. La comisión de entrada es de $0.50 y la de salida, de $0.50, o $1.00 en total. Si la ganancia bruta fue de $8, quedan $7 antes de slippage o funding. Son cifras supuestas, no una tasa publicada por Binance. Las comisiones de Binance dependen del instrumento, de la ejecución maker/taker y del nivel de la cuenta; consulta la página de comisiones vigente de la cuenta que vayas a usar (Binance, 2026).

Para un contrato perpetuo, incluye cada liquidación de funding que ocurra mientras la posición esté abierta. El funding es un pago entre las posiciones largas y cortas. Su dirección y su tamaño dependen de la tasa y de la posición, y el exchange puede ajustar el intervalo. Usa la tasa de funding histórica de cada liquidación en tu prueba, en lugar de aplicar la tasa de hoy a operaciones antiguas. Binance calcula el importe de funding como el valor nominal de la posición multiplicado por la tasa de funding (Binance, 2026).

Si no tienes datos del libro de órdenes para estimar el slippage, anota una suposición conservadora y repite la prueba con costos más altos. Trátalo como una comprobación de sensibilidad, no como un pronóstico. Una estrategia que solo funciona con ejecuciones perfectas o funding cero no está lista para una prueba en vivo. Para la distinción entre comisiones, consulta nuestra guía de comisiones maker y taker.

¿Qué puede hacer engañoso el backtesting de una estrategia de trading?

Usa esta lista de comprobación antes de confiar en un resultado.

Error	Cómo puede aparecer en los resultados	Solución
Cambiar las reglas después de cada ejecución	Se informa la versión con mejor aspecto, pero se oculta el número de intentos.	Lleva un registro fechado de cada regla y parámetro probados. Vuelve a comprobar la versión elegida con datos intactos.
Reutilizar el holdout	El rendimiento “out-of-sample” mejora después de ediciones repetidas.	Una vez que inspeccionas ese periodo y revisas la estrategia, muévelo a desarrollo. Reserva datos posteriores para una nueva comprobación final.
Mirar hacia adelante dentro de una vela	Las entradas ocurren a un máximo, un mínimo o un cierre que aún no se conocía cuando apareció la señal.	Haz que las señales estén disponibles solo después de que sus datos de entrada estén completos; usa un precio y un momento de ejecución que pudieran darse después.
Ignorar las monedas deslistadas	La prueba incluye los activos que sobreviven hoy, pero omite los que fueron deslistados o eliminados después.	Reconstruye el universo operable tal como existía en cada fecha, incluidos los activos deslistados cuando haya datos. Un working paper de 2022 con 3,904 criptomonedas de 2014–2021 reporta efectos de supervivencia en los retornos de cartera; su muestra es evidencia del problema, no un pronóstico para tu estrategia (Ammann et al., 2022).
Omitir los costos o suponer que toda orden límite se ejecuta	Los retornos brutos se ven sólidos mientras los netos se reducen o desaparecen.	Aplica el nivel real de comisiones y el tipo de orden, modela el slippage e incluye el funding histórico en los perpetuos.
Elegir un resultado entre muchas variantes sin contarlas	Un conjunto de parámetros afortunado parece una ventaja repetible.	Informa el número de pruebas. Más tests crean más oportunidades de ajustarse al ruido; la investigación sobre overfitting en backtesting describe configuraciones que capturan ruido pasado en lugar de señal futura (Bailey et al., 2014).

Mantén las medidas de rendimiento habituales en su contexto. La tasa de aciertos por sí sola ignora el tamaño de las ganancias y de las pérdidas. El retorno neto por sí solo oculta el camino recorrido y la mayor caída desde un máximo anterior. Comprueba el drawdown por periodo (qué significa el drawdown en trading), compara las ganancias con las pérdidas (ratio riesgo-beneficio) y lee el Sharpe como un resumen ajustado por riesgo, no como una prueba completa (qué hace bueno a un ratio de Sharpe).

¿Qué deberías hacer después de que un backtest pase?

Congela las reglas y haz paper trading hacia adelante, sin cambiar la configuración a mitad de la prueba. El paper trading comprueba si las señales llegan como se espera y si las órdenes parecen ejecutables; aun así, puede no reproducir las ejecuciones, las comisiones ni el impacto de mercado de las órdenes reales. Si más adelante pruebas el trading en vivo, usa una cantidad lo bastante pequeña para que una pérdida no dañe tus finanzas, y compara las ejecuciones y los costos reales con las suposiciones de tu registro antes de decidir si continúas.

Usa una regla de decisión simple: rechaza o revisa la estrategia si sus resultados netos de prueba dependen de una única ventana favorable o desaparecen al agregar costos realistas. Si los resultados son razonablemente consistentes entre las ventanas de prueba, haz paper trading con las reglas congeladas y registra dónde difieren los precios y las ejecuciones reales de la simulación. Una prueba en vivo pequeña es una comprobación posterior, no la conclusión de que la estrategia seguirá funcionando.

Empezamos con nuestro propio dinero en julio de 2025 y eliminamos reglas que funcionaban en los datos históricos pero fallaban en el trading real. Gestionamos Cointrapper, un pool privado de trading en Binance. Esa experiencia es una razón por la que tratamos un backtest como un filtro, no como una prueba de que una estrategia vaya a funcionar. Puedes hacer estas comprobaciones tú mismo con datos históricos y una hoja de cálculo o un programa de backtesting.

El trading de cripto es de alto riesgo: puedes perder toda tu inversión. El rendimiento pasado no garantiza resultados futuros y este artículo no constituye asesoramiento de inversión individual.