De la hipótesis a reglas comprobables
Una estrategia de trading comienza con una hipótesis de mercado falsable, no con una combinación de indicadores. Una hipótesis útil explica por qué podría existir un comportamiento repetible. Por ejemplo: tras un periodo de volatilidad inusualmente baja, una ruptura de alto volumen alineada con la tendencia a largo plazo tiende a continuar porque se activan órdenes en reposo y los traders que están por debajo de la posición entran tarde. Esta afirmación puede ser probada. En cambio, “comprar monedas fuertes cuando el gráfico parece alcista” no puede probarse de manera consistente porque forte y alcista no están definidos.
Traduzca la hipótesis en una decisión que dos traders independientes ejecutarían de forma idéntica a partir de las mismas velas. Especifique el universo de instrumentos, marco temporal, convención de sesión, configuración, entrada, stop inicial, salida de ganancia, salida de tiempo y condición de invalidez. Defina también si las decisiones usan cierres de vela o precios intrabara. Cada cálculo debe usar información disponible en el timestamp de la decisión; de lo contrario, la prueba contiene sesgo de anticipación.
Considere una estrategia de momento BTC-USDT de cuatro horas usando velas UTC. Una configuración válida requiere que el cierre esté por encima de la media móvil exponencial de 200 periodos, ATR sobre 14 velas completas dividido por el precio sea como máximo el 1,8%, y el cierre actual supere el máximo más alto de las 20 velas completas anteriores. el volumen de breakout debe ser al menos 1,3 veces la mediana del volumen de las 20 velas anteriores. Estos umbrales son ejemplos para validar, no constantes universales.
Entrada, salida e invalidez del diseño
La entrada ocurre en la apertura de la próxima vela de cuatro horas después de una señal calificante. Esto evita el supuesto poco realista de que se pueda colocar una orden al mismo precio de cierre que confirma la configuración. El stop inicial es 1,5 ATR por debajo de la entrada real. Una unidad de riesgo, o 1R, equivale a la diferencia entre el precio de entrada y el precio de stop para una operación en largo. El objetivo de beneficio es 2R por encima de la entrada, y cualquier posición todavía abierta después de 12 velas se cierra al próximo precio disponible.
Un stop y una invalidez de la estrategia están relacionados pero son distintos. El stop controla la pérdida en una operación. La invalidez de la estrategia determina cuándo la evidencia deja de respaldar desplegar el sistema. Un stop-out individual no invalida una estrategia de expectativa positiva. Una regla operativa razonable podría pausar la estrategia si los resultados en vivo generan una caída de 12R, si el costo medio de ejecución supera en un 50% la suposición del backtest, o si 30 señales elegibles consecutivas muestran expectativa por debajo de menos 0,10R. Estos umbrales deben ser seleccionados antes de observar el resultado en vivo.
El tamaño de la posición debe hacer que las pérdidas sean comparables entre regímenes de volatilidad. Con un patrimonio de 20,000 USDT y un riesgo por operación de 0,5%, el presupuesto de riesgo es 20,000 × 0,005 = 100 USDT. Si la entrada es 60,000 y el stop es 58,800, la distancia bruta es de 1,200 USDT por BTC. Ignorando costos, el tamaño es 100 dividido por 1,200, o 0,0833 BTC. Si las tarifas estimadas de ida y vuelta y deslizamiento son 0,16% del precio de entrada, el costo de ejecución es aproximadamente 96 USDT por BTC. El tamaño ajustado por costo es 100 dividido por 1,296, o 0,0772 BTC. El apalancamiento cambia el margen requerido, no la distancia de pérdida definida.

Construyendo una Backtest creíble
Utilice velas históricas limpias de lugares que coincidan con el entorno de ejecución previsto. Los precios de criptomonedas, volúmenes, comisiones, tasas de financiación y liquidez difieren entre exchanges. registre el símbolo, el exchange, el tipo de contrato, el marco temporal, el rango de fechas, el nivel de comisiones, el tipo de orden, el deslizamiento asumido y el tratamiento de la financiación. Para los futuros perpetual, excluir la financiación puede sobrerrepresentar de forma significativa los rendimientos cuando las posiciones permanecen abiertas a lo largo de las marcas de financiación.
Procese las señales de forma cronológica y evite superposiciones de posiciones a menos que la estrategia en vivo lo permita. Aplique comisiones de trading en la entrada y la salida, deslizamiento adverso y ejecuciones realistas. Si tanto el stop como el objetivo caen dentro de la misma vela, los datos de la vela por sí solos no pueden revelar cuál ocurrió primero. Resuélvalo usando datos de marcos de tiempo más bajos o una regla conservadora que registre primero el stop. Seleccionar silenciosamente el objetivo introduce sesgo favorable.
Dividir los datos cronológicamente en lugar de al azar. Una estructura práctica es 60% desarrollo, 20% validación y 20% pruebas finales no alteradas. Los parámetros se diseñan en el primer segmento, se comparan en el segundo y se evalúan una vez en el segmento final. Un enfoque más sólido utiliza pruebas de walk-forward: optimizar o seleccionar reglas en una ventana histórica fija, probar en el período siguiente y luego desplazar ambas ventanas hacia adelante. Esto expone la estrategia a la variabilidad de la volatilidad y a regímenes de tendencia cambiantes.
La robustez de los parámetros importa más que el único mejor resultado. Si una parada de 1.50 ATR es rentable pero 1.40 y 1.60 son profundamente negativas, la supuesta ventaja puede ser ruido. Pruebe un vecindario de valores plausibles y prefiera una meseta estable. Evite probar cientos de variaciones y reportar solo el ganador. Cada variación adicional aumenta la probabilidad de descubrir una coincidencia histórica.
Lectura del rendimiento de forma cuantitativa
Comience con rendimientos por operación expresados en R porque R normaliza las operaciones por su riesgo inicial. Suponga que una prueba contiene 120 operaciones: 54 ganancias y 66 pérdidas. La tasa de ganancia es 54 dividido por 120, o 45%. Si la ganancia media es 1.65R y la pérdida media es de -1.00R, la expectativa bruta es 0.45 × 1.65 menos 0.55 × 1.00 = 0.1925R por operación. Por lo tanto, una estrategia puede ser rentable a pesar de perder más a menudo de lo que gana.
El factor de ganancia compara las ganancias brutas con las pérdidas brutas. Las ganancias brutas equivalen a 54 × 1.65R = 89.1R, mientras que las pérdidas brutas equivalen a 66 × 1.00R = 66R. El factor de ganancia es 89.1 dividido por 66, o 1.35. Si las comisiones promedio, el deslizamiento y la financiación suman 0.08R por operación, la expectativa neta se convierte en 0.1925R menos 0.08R = 0.1125R. Con un riesgo de cuenta del 0.5% por operación, la expectativa aritmética aproximada es 0.1125 × 0.5% = 0.05625% del capital por operación antes del interés compuesto.
No juzgue el sistema solo por el beneficio neto. Registre la máxima caída (drawdown) histórica, la secuencia más larga de pérdidas, la exposición, el tiempo medio de mantenimiento, la frecuencia de operaciones y el rendimiento por régimen de mercado. Una rentabilidad del 30% con una caída del 28% tiene implicaciones de carrera diferentes a una rentabilidad del 22% con una caída del 8%. Las razones de Sharpe y Sortino pueden ayudar, pero sus valores dependen de la frecuencia de muestreo y de las suposiciones sobre las distribuciones de rendimiento. Para un sistema impulsado por eventos, la curva de equity, la duración de la caída y la distribución de R a menudo comunican el riesgo de forma más directa.

Pruebas hacia adelante y criterios de aceptación
Las pruebas históricas establecen la plausibilidad histórica; las pruebas hacia adelante verifican si las reglas, los datos y la ejecución sobreviven a condiciones en tiempo real. Ejecute el proceso completo sobre señales entrantes no vistas utilizando simulación de operaciones o capital mínimo. Las órdenes deben registrarse cuando ocurre la señal, no reconstruirse más tarde. Capture el precio previsto, la ejecución real, el spread, el deslizamiento, las comisiones, la financiación, la marca de tiempo, el tamaño de la posición, cambios de stop, razón de salida y cualquier orden omitida o rechazada.
Choose acceptance criteria before forward testing. For example, continue until at least 40 eligible signals or 12 weeks have passed, whichever is longer. The strategy proceeds to limited deployment only if net expectancy remains above zero, realized profit factor is at least 1.15, maximum drawdown stays below 10R, and median slippage does not exceed the modeled value by more than 25%. These are governance thresholds, not proof that future profits are guaranteed.
Compare forward results with a range, not an exact backtest average. With only 40 trades, sampling uncertainty is large. Inspect whether win rate, average win, average loss, costs, and signal frequency are directionally consistent. A lower win rate may be harmless if winners are larger; a similar gross expectancy may still be unacceptable if execution costs doubled. Investigate deviations before changing rules.
Avoiding False Confidence
The main threats are look-ahead bias, survivorship bias, overfitting, incomplete costs, and discretionary overrides. Survivorship bias appears when today’s liquid token list is tested in earlier years, excluding assets that failed or were delisted. Overfitting appears when rules are repeatedly adjusted to repair every losing period. Discretionary overrides make the tested strategy different from the strategy actually traded.
Maintain a versioned strategy specification and change only one justified component at a time. A revised rule creates a new strategy version that requires fresh validation; it does not rewrite the old test. Keep the final test segment untouched until the complete rule set is frozen. If it is repeatedly consulted during development, it becomes part of the training data and a new out-of-sample period is required.
A validated strategy is not one with the highest historical return. It is one with an explicit economic hypothesis, reproducible rules, realistic execution assumptions, positive net expectancy, tolerable drawdowns, robustness across nearby parameters and regimes, and forward behavior consistent with historical uncertainty. Sustainable trading comes from controlling the testing process and risk exposure, not from eliminating losing trades.
Punto de control de la lección
Repasa lo aprendido y recibe comentarios sobre tu trabajo.