Backtesting en trading: qué es y cómo hacerlo correctamente
Actualizado el 2026-11-16 · 10 min de lectura
El backtesting en trading consiste en aplicar las reglas de una estrategia a datos históricos para ver cómo se habría comportado antes de arriesgar dinero real. Bien hecho, te muestra si una idea tiene una ventaja estadística, cuánto puede perder en sus peores rachas y si eres capaz de soportarlo. Mal hecho, solo produce una ilusión de seguridad.
Qué es el backtesting en trading
El backtesting en trading es una simulación: tomas una estrategia con reglas concretas de entrada, salida y gestión del riesgo, y la aplicas sobre precios del pasado como si estuvieras operando en ese momento. El resultado es un registro de operaciones hipotéticas que puedes analizar con métricas objetivas.
La idea de fondo es sencilla. Si una estrategia no funcionó en el pasado, en condiciones que se pueden medir, hay pocos motivos para creer que funcionará en el futuro. Y si funcionó, el backtest no garantiza nada, pero te da una base para seguir evaluándola con datos en lugar de intuiciones.
Para que un backtest tenga sentido, la estrategia debe poder escribirse como un conjunto de reglas sin ambigüedad. Frases como entrar cuando el mercado parezca fuerte no sirven. Reglas como comprar cuando el cierre diario supere la media móvil de 50 sesiones y colocar el stop bajo el último mínimo relevante sí se pueden probar.
Para qué sirve hacer backtesting
Un buen backtest responde a varias preguntas prácticas:
- ¿Tiene la estrategia una ventaja positiva? Es decir, ¿gana más de lo que pierde a lo largo de muchas operaciones?
- ¿Cómo son sus peores momentos? Cuánto puede caer la cuenta y cuántas pérdidas seguidas pueden aparecer.
- ¿En qué condiciones funciona y en cuáles no? Por ejemplo, mercados con tendencia frente a mercados laterales.
- ¿Encaja contigo? Una estrategia rentable sobre el papel no sirve si no eres capaz de seguirla durante una mala racha.
Este último punto suele subestimarse. Gran parte de los errores en trading no vienen de una mala estrategia, sino de abandonar una estrategia razonable justo en el peor momento.
Backtesting manual vs automatizado
Hay dos formas principales de hacer backtesting, y cada una tiene su lugar.
Backtesting manual
Consiste en recorrer el gráfico vela a vela, ocultando el futuro, y anotar en una hoja de cálculo cada operación que habrías tomado según tus reglas. Es lento, pero obliga a entender a fondo cómo se comporta la estrategia y es útil cuando las reglas incluyen cierto criterio visual difícil de programar.
Backtesting automatizado
Consiste en programar las reglas en una plataforma o lenguaje de programación para que el software ejecute la simulación sobre años de datos en segundos o minutos. Permite probar muestras grandes y muchas variantes, pero exige que las reglas sean totalmente objetivas y abre la puerta a un riesgo serio: ajustar los parámetros hasta que el pasado se vea perfecto.
| Aspecto | Backtesting manual | Backtesting automatizado |
|---|---|---|
| Velocidad | Lenta, horas o días | Muy rápida |
| Tamaño de muestra | Limitado por el tiempo | Cientos o miles de operaciones |
| Requisitos | Hoja de cálculo y disciplina | Conocimientos de programación o plataforma específica |
| Riesgo principal | Errores humanos y sesgo de ver el futuro | Sobreoptimización y errores de código |
| Aprendizaje | Alto, desarrollas intuición sobre la estrategia | Menor si no revisas las operaciones una a una |
| Uso recomendado | Validar ideas y reglas con componente visual | Estrategias totalmente sistemáticas |
Muchos traders combinan ambos: empiezan con un backtest manual para entender la idea y después la automatizan para ampliar la muestra.
Cómo hacer un backtest paso a paso
- Define las reglas por escrito. Mercado, marco temporal, condiciones de entrada, stop loss, objetivo o regla de salida, tamaño de posición y horario de operación.
- Elige datos de calidad. Datos limpios, del mismo tipo que vas a operar y, si es posible, con spreads realistas.
- Separa los datos. Reserva una parte del histórico que no tocarás hasta el final, para validar la estrategia fuera de la muestra en la que la diseñaste.
- Ejecuta la simulación sin saltarte operaciones que no te gusten. Si la regla dice entrar, entras.
- Incluye costes: comisiones, spread, deslizamiento y, si aplica, costes de financiación por mantener posiciones.
- Registra cada operación con fecha, dirección, entrada, stop, salida y resultado en R.
- Analiza las métricas y revisa los periodos malos con la misma atención que los buenos.
- Valida fuera de muestra y después en demo o con un tamaño muy pequeño en real.
Tamaño de muestra: por qué necesitas 100 o más operaciones
Con pocas operaciones, el azar domina. Imagina una estrategia cuya tasa de acierto real es del 50 %. En una muestra de solo 20 operaciones, por pura variabilidad estadística, es perfectamente posible observar un 35 % o un 65 % de aciertos. Sacarías conclusiones opuestas de la misma estrategia.
A medida que crece la muestra, el margen de error se reduce. Como referencia aproximada, con 20 operaciones la incertidumbre sobre la tasa de acierto ronda los 20 puntos porcentuales arriba o abajo; con 100 operaciones baja a unos 10 puntos, y con 400 a unos 5. Por eso 100 operaciones se considera un mínimo razonable para empezar a confiar en los números, no un número mágico.
Además del número de operaciones, importa la variedad de condiciones. Cien operaciones tomadas en tres meses de tendencia fuerte dicen poco sobre cómo se comportará la estrategia en un mercado lateral. Lo ideal es cubrir distintos regímenes: tendencias alcistas, bajistas, rangos, periodos de alta y baja volatilidad.
Métricas clave que debes registrar en tu backtest
Un backtest no es solo saber si el saldo final subió. Estas son las métricas mínimas que conviene anotar.
Tasa de acierto (win rate)
Porcentaje de operaciones ganadoras sobre el total. Por sí sola no dice casi nada: una estrategia puede acertar el 30 % y ser rentable, o acertar el 80 % y perder dinero, según el tamaño de las ganancias y las pérdidas.
R medio
R es el riesgo inicial de cada operación, la distancia entre la entrada y el stop expresada en dinero. Medir resultados en R permite comparar operaciones de distinto tamaño. Si arriesgas 100 y ganas 200, esa operación es +2R. Anota el R medio de las ganadoras y el de las perdedoras.
Esperanza matemática (expectancy)
Es lo que, en promedio, ganas o pierdes por operación, medido en R. Se calcula así:
Esperanza = (tasa de acierto × ganancia media) − (tasa de fallo × pérdida media)
Ejemplo hipotético: una estrategia acierta el 40 % de las veces, gana de media 2R y pierde de media 1R. La esperanza es 0,40 × 2 − 0,60 × 1 = 0,20R por operación. Si los costes reales suponen 0,10R por operación, la esperanza neta queda en 0,10R: la mitad. Este ejemplo muestra por qué ignorar los costes puede convertir una estrategia aparentemente buena en una mediocre o perdedora.
Drawdown máximo
Es la mayor caída desde un máximo de la curva de capital hasta el mínimo posterior. Si la cuenta pasó de 10.000 a 8.500 antes de recuperarse, el drawdown fue del 15 %. Es una de las métricas más importantes porque mide el dolor que tendrás que soportar. Conviene asumir que en real el drawdown puede ser mayor que el del backtest.
Rachas de pérdidas
Anota la racha más larga de operaciones perdedoras consecutivas. Con una tasa de acierto del 40 %, no es raro encontrar rachas de 7, 8 o más pérdidas seguidas a lo largo de unos cientos de operaciones, aunque la estrategia tenga esperanza positiva. Saberlo de antemano evita entrar en pánico cuando ocurra.
Otras métricas útiles
- Factor de beneficio: ganancias brutas divididas entre pérdidas brutas.
- Número de operaciones por mes: para saber cuánto tarda la ventaja en manifestarse.
- Tiempo de recuperación: cuánto tardó la cuenta en volver a máximos tras el peor drawdown.
Sesgos comunes que invalidan un backtest
La mayoría de los backtests demasiado buenos para ser verdad lo son por alguno de estos errores.
Sobreoptimización (overfitting)
Ocurre cuando ajustas tantos parámetros que la estrategia acaba describiendo el ruido del pasado en lugar de un patrón real. Una señal de alarma es que pequeños cambios en los parámetros, por ejemplo pasar de una media de 50 a una de 55, destruyan los resultados. Las estrategias robustas suelen tener pocas reglas y funcionar razonablemente bien en un rango amplio de valores.
Sesgo de anticipación (look-ahead bias)
Usar información que no estaba disponible en el momento de la decisión. Ejemplos típicos: entrar al precio de apertura usando una señal calculada con el cierre de esa misma vela, o usar indicadores que se recalculan con datos posteriores. En el backtesting manual aparece cuando miras el gráfico completo y, sin querer, eliges las entradas que sabes que salieron bien.
Sesgo de supervivencia
Aparece al probar estrategias sobre activos que existen hoy, ignorando los que desaparecieron. Si pruebas una estrategia de acciones solo con las empresas que hoy forman parte de un índice, excluyes las que quebraron o fueron eliminadas, y los resultados se ven mejores de lo que habrían sido.
Ignorar costes y ejecución
Comisiones, spread, deslizamiento y swaps parecen pequeños en una operación, pero se acumulan. Afectan especialmente a estrategias de muchas operaciones con objetivos pequeños. Un backtest sin costes realistas casi siempre sobreestima el resultado.
Sesgo de selección del periodo
Elegir un periodo histórico que casualmente favorece a la estrategia. Prueba siempre en varios periodos y reserva datos que no hayas utilizado al diseñarla.
Forward testing y cuenta demo antes del dinero real
El backtest mira hacia atrás. El siguiente paso es el forward testing: aplicar la estrategia en tiempo real, sobre datos que todavía no existían cuando la diseñaste, normalmente en una cuenta demo o con un tamaño de posición muy pequeño.
Esta fase revela cosas que el histórico no muestra: problemas de ejecución, diferencias de spread en ciertos horarios, errores al aplicar las reglas y, sobre todo, tu reacción emocional ante operaciones reales. Si los resultados en forward se alejan mucho del backtest, toca investigar por qué antes de aumentar el riesgo.
Un criterio práctico es no pasar a real hasta que el comportamiento en demo sea coherente con el backtest en métricas como tasa de acierto, R medio y frecuencia de operaciones, aceptando que nunca serán idénticos.
Backtest frente a resultados reales: la importancia de separarlos
Un resultado simulado y un resultado real no tienen el mismo valor. El simulado no sufre deslizamiento real, interrupciones ni errores humanos, y puede haberse construido conociendo ya el pasado. Por eso, cuando evalúes cualquier estrategia o servicio, comprueba si separa claramente qué parte del historial procede de datos históricos y qué parte de operaciones en cuentas reales.
Como ejemplo de presentación transparente, Cortex Automation distingue en su historial los meses obtenidos con pruebas sobre datos históricos de los meses operados en cuenta real. Esa separación no garantiza resultados, pero permite al lector valorar cada dato por lo que es. Desconfía de cualquier historial que mezcle ambos sin indicarlo.
Cómo un backtest te ayuda a ejecutar sin dudar
El beneficio menos visible del backtesting es psicológico. Cuando has visto con tus propios datos que la estrategia tiene esperanza positiva, que sufre rachas de ocho pérdidas y que aun así se recupera, una racha de cinco pérdidas en real deja de parecer una catástrofe. Es algo que ya esperabas.
Esa confianza basada en datos te ayuda a:
- Tomar todas las señales, sin saltarte la siguiente justo después de varias pérdidas, que a veces es la que compensa la racha.
- No mover el stop ni cerrar antes de tiempo por miedo.
- Dimensionar el riesgo de forma coherente con el drawdown que puedes tolerar.
- Distinguir entre una mala racha normal y una estrategia que ha dejado de funcionar, comparando el comportamiento real con los rangos del backtest.
Eso sí, la confianza debe ser proporcional a la calidad del backtest. Un test con 30 operaciones, sin costes y sobreoptimizado genera una seguridad falsa que puede salir cara.
Riesgos y límites del backtesting
Incluso un backtest bien hecho tiene limitaciones importantes:
- Los mercados cambian. Una ventaja que existió puede reducirse o desaparecer.
- Los datos históricos no capturan del todo la liquidez, los huecos de precio ni los eventos extremos que pueden aparecer en el futuro.
- El drawdown real puede superar el máximo histórico observado.
- Operar con apalancamiento amplifica tanto las ganancias como las pérdidas, y puedes perder parte o la totalidad del capital invertido.
El backtesting es una herramienta para filtrar malas ideas y conocer mejor las buenas, no una predicción. Úsalo junto con el forward testing, una gestión del riesgo prudente y una revisión periódica de los resultados.
Este artículo ofrece información general con fines educativos y no constituye asesoramiento financiero. Los resultados pasados, simulados o reales, no garantizan resultados futuros. Operar en los mercados financieros conlleva riesgo de pérdida de capital.
Preguntas frecuentes
¿Qué es el backtesting en trading?
Es la simulación de una estrategia con reglas definidas sobre datos históricos de precios para estimar cómo se habría comportado, medir su rentabilidad, su drawdown y sus rachas de pérdidas antes de usar dinero real.
¿Cuántas operaciones necesita un backtest para ser fiable?
Se suele considerar 100 operaciones como mínimo razonable, porque con muestras pequeñas el azar distorsiona mucho métricas como la tasa de acierto. Más operaciones y distintos tipos de mercado aumentan la fiabilidad.
¿Es mejor el backtesting manual o el automatizado?
Depende. El manual es lento pero ayuda a entender la estrategia y sirve para reglas con componente visual. El automatizado permite muestras grandes, pero exige reglas totalmente objetivas y aumenta el riesgo de sobreoptimización.
¿Qué es el overfitting en un backtest?
Es ajustar demasiado los parámetros de una estrategia a los datos históricos, de modo que describe el ruido del pasado en lugar de un patrón real. Suele funcionar muy bien en el backtest y mal en tiempo real.
¿Un buen backtest garantiza ganancias en real?
No. Los mercados cambian y la ejecución real incluye costes, deslizamiento y factores emocionales. Por eso conviene validar la estrategia con forward testing en demo o con tamaño pequeño antes de aumentar el riesgo.
¿Qué es el forward testing?
Es aplicar la estrategia en tiempo real, sobre datos nuevos, normalmente en una cuenta demo o con poco capital, para comprobar si su comportamiento es coherente con lo observado en el backtest.
¿Quiere ver cómo funciona un sistema automático, con el dinero en su propia cuenta? Ver resultados y simulador →