Los operadores que están ansiosos por probar una idea de trading en un mercado en vivo a menudo cometen el error de confiar por completo en los resultados de backtesting para determinar si el sistema será rentable. Si bien las pruebas retrospectivas pueden proporcionar a los comerciantes información valiosa, a menudo es engañosa y solo es una parte del proceso de evaluación. Las pruebas fuera de muestra y las pruebas de rendimiento directo proporcionan una confirmación adicional con respecto a la efectividad de un sistema y pueden mostrar los colores verdaderos de un sistema, antes de que haya efectivo real en la línea. Una buena correlación entre los resultados de las pruebas de rendimiento de backtesting, fuera de la muestra y de avance es vital para determinar la viabilidad de un sistema de comercio. (Ofrecemos algunos consejos sobre este proceso que pueden ayudar a refinar sus estrategias comerciales actuales. Para obtener más información, lea Backtesting: Interpreting the Past .)

Backtesting Basics Backtesting se refiere a la aplicación de un sistema de trading a datos históricos para verificar cómo un sistema habría realizado durante el período de tiempo especificado. Muchas de las plataformas comerciales actuales admiten backtesting. Los operadores pueden probar ideas con unas pocas teclas y obtener información sobre la efectividad de una idea sin arriesgar fondos en una cuenta comercial. El backtesting puede evaluar ideas simples, como la forma en que un crossover de promedio móvil funcionaría en datos históricos, o sistemas más complejos con una variedad de entradas y desencadenadores.

Siempre que una idea se pueda cuantificar, se puede realizar una prueba de respaldo. Algunos comerciantes e inversores pueden buscar la experiencia de un programador calificado para desarrollar la idea en una forma comprobable. Por lo general, esto involucra a un programador que codifica la idea en el lenguaje propietario alojado por la plataforma de negociación. El programador puede incorporar variables de entrada definidas por el usuario que le permiten al operador "ajustar" el sistema. Un ejemplo de esto sería en el sistema de cruce de promedio móvil simple anotado arriba: el operador podría ingresar (o cambiar) las longitudes de los dos promedios móviles utilizados en el sistema. El operador podría realizar una prueba de respaldo para determinar qué longitudes de promedios móviles habrían tenido el mejor rendimiento en los datos históricos. (Obtenga más información en el Electronic Trading Tutorial .)

Estudios de optimización
Muchas plataformas de negociación también permiten realizar estudios de optimización. Esto implica ingresar un rango para la entrada especificada y dejar que la computadora "haga los cálculos" para descubrir qué entrada se habría desempeñado mejor. Una optimización multi-variable puede hacer los cálculos para dos o más variables combinadas para determinar qué niveles juntos hubieran logrado el mejor resultado. Por ejemplo, los comerciantes pueden decirle al programa qué entradas les gustaría agregar a su estrategia; estos se optimizarían a sus pesos ideales dados los datos históricos probados.

El backtesting puede ser emocionante, ya que un sistema no rentable a menudo se puede transformar mágicamente en una máquina de hacer dinero con algunas optimizaciones. Desafortunadamente, ajustar un sistema para lograr el mayor nivel de rentabilidad pasada a menudo conduce a un sistema que tendrá un rendimiento bajo en el comercio real. Esta sobre-optimización crea sistemas que se ven bien solo en papel.

El ajuste de curva es el uso de análisis de optimización para crear el mayor número de operaciones ganadoras con el mayor beneficio en los datos históricos utilizados en el período de prueba. Aunque se ve impresionante en los resultados de backtesting, el ajuste de curva conduce a sistemas poco confiables ya que los resultados son esencialmente personalizados para solo ese período de datos y tiempo en particular.

El backtesting y la optimización brindan muchos beneficios a un operador, pero esto es solo una parte del proceso cuando se evalúa un posible sistema de comercio. El próximo paso de un comerciante es aplicar el sistema a datos históricos que no se han utilizado en la fase inicial de pruebas retrospectivas. (La media móvil es fácil de calcular y, una vez graficada en un gráfico, es una poderosa herramienta visual de detección de tendencias. Para obtener más información, lea Promedios móviles simples Haga que las tendencias destaquen .)

In- Muestra versus datos fuera de muestra Al probar una idea en datos históricos, es beneficioso reservar un período de tiempo de datos históricos para fines de prueba. Los datos históricos iniciales sobre los que se prueba y optimiza la idea se denominan datos dentro de la muestra. El conjunto de datos que se ha reservado se conoce como datos fuera de muestra. Esta configuración es una parte importante del proceso de evaluación porque proporciona una forma de probar la idea en datos que no han sido un componente en el modelo de optimización. Como resultado, la idea no se verá influenciada de ninguna manera por los datos fuera de la muestra y los operadores podrán determinar qué tan bien el sistema podría funcionar con los nuevos datos; yo. mi. en el comercio de la vida real.

Antes de iniciar cualquier prueba retrospectiva u optimizar, los operadores pueden reservar un porcentaje de los datos históricos que se reservarán para las pruebas fuera de muestra. Un método es dividir los datos históricos en tercios y segregar un tercio para su uso en las pruebas fuera de muestra. Solo los datos en la muestra se deben usar para la prueba inicial y cualquier optimización. La Figura 1 muestra una línea de tiempo donde un tercio de los datos históricos se reserva para las pruebas fuera de muestra, y dos tercios se usan para las pruebas en la muestra. Aunque la Figura 1 muestra los datos fuera de la muestra al comienzo de la prueba, los procedimientos típicos tendrían la parte fuera de la muestra inmediatamente anterior al rendimiento directo.

Figura 1: Una línea de tiempo que representa la longitud relativa de los datos dentro de la muestra y fuera de la muestra utilizados en el proceso de backtesting.

Una vez que se ha desarrollado un sistema de comercio utilizando datos en la muestra, está listo para ser aplicado a los datos fuera de la muestra. Los operadores pueden evaluar y comparar los resultados de rendimiento entre los datos dentro de la muestra y fuera de la muestra.

La correlación se refiere a las similitudes entre los rendimientos y las tendencias generales de los dos conjuntos de datos.Las métricas de correlación se pueden usar para evaluar los informes de rendimiento de estrategia creados durante el período de prueba (una característica que ofrecen la mayoría de las plataformas de negociación). Cuanto más fuerte sea la correlación entre los dos, mejor será la probabilidad de que un sistema tenga un buen rendimiento en las pruebas de rendimiento progresivas y en las operaciones en vivo. La Figura 2 ilustra dos sistemas diferentes que fueron probados y optimizados en datos dentro de la muestra, y luego aplicados a datos fuera de la muestra. El cuadro de la izquierda muestra un sistema que fue claramente adaptable a la curva para que funcione bien en los datos de la muestra y falló completamente en los datos fuera de la muestra. El cuadro de la derecha muestra un sistema que tuvo un buen desempeño tanto en datos dentro como fuera de la muestra.

Figura 2: Dos curvas de capital. Los datos comerciales antes de cada flecha amarilla representan las pruebas en la muestra. Los intercambios generados entre las flechas amarillas y rojas indican pruebas fuera de muestra. Los intercambios después de las flechas rojas son de las fases de prueba de rendimiento hacia adelante.

Si hay poca correlación entre las pruebas dentro y fuera de la muestra, como el gráfico de la izquierda en la Figura 2, es probable que el sistema haya sido sobreimpulpido y no tenga un buen rendimiento en las operaciones en vivo. Si hay una fuerte correlación en el rendimiento, como se ve en el cuadro de la derecha en la Figura 2, la siguiente fase de evaluación implica un tipo adicional de prueba fuera de muestra conocida como prueba de rendimiento directo. (Para obtener más información sobre pronósticos, consulte Financial Forecasting: The Bayesian Method .)

Forward Performance Testing Basics Forward performance testing, también conocido como paper trading, ofrece a los operadores otro conjunto de out datos de muestra para evaluar un sistema. Las pruebas de rendimiento directo son una simulación del comercio real e implican seguir la lógica del sistema en un mercado en vivo. También se llama comercio de papel ya que todas las operaciones se ejecutan solo en papel; es decir, las entradas y salidas comerciales se documentan junto con cualquier ganancia o pérdida para el sistema, pero no se realizan transacciones reales. Un aspecto importante de las pruebas de rendimiento directo es seguir exactamente la lógica del sistema; de lo contrario, es difícil, si no imposible, evaluar con precisión este paso del proceso. Los operadores deben ser honestos acerca de las entradas y salidas de operaciones y evitar comportamientos como comercios de selección de cerezas o no incluir una transacción en papel que justifique que "nunca habría aceptado ese intercambio". Si la operación hubiera tenido lugar siguiendo la lógica del sistema, debería documentarse y evaluarse.

Muchos corredores ofrecen una cuenta de operaciones simulada donde se pueden realizar intercambios y se calculan las ganancias y pérdidas correspondientes. El uso de una cuenta comercial simulada puede crear una atmósfera semirrealista sobre la cual practicar el comercio y evaluar más el sistema.

La Figura 2 también muestra los resultados de las pruebas de rendimiento directo en dos sistemas. De nuevo, el sistema representado en el gráfico de la izquierda no funciona bien más allá de la prueba inicial en los datos de la muestra. Sin embargo, el sistema que se muestra en el gráfico de la derecha continúa funcionando bien en todas las fases, incluidas las pruebas de rendimiento directo.Un sistema que muestra resultados positivos con una buena correlación entre las pruebas de rendimiento en la muestra, fuera de la muestra y hacia adelante está listo para implementarse en un mercado en vivo.

The Bottom Line Backtesting es una herramienta valiosa disponible en la mayoría de las plataformas de negociación. Dividir los datos históricos en conjuntos múltiples para proporcionar pruebas en la muestra y fuera de la muestra puede proporcionar a los comerciantes un medio práctico y eficiente para evaluar una idea y un sistema de negociación. Dado que la mayoría de los comerciantes emplean técnicas de optimización en backtesting, es importante evaluar el sistema sobre datos limpios para determinar su viabilidad. Continuar con las pruebas fuera de muestra con las pruebas de rendimiento a futuro proporciona otra capa de seguridad antes de poner un sistema en el mercado y poner en riesgo el efectivo real. Los resultados positivos y la buena correlación entre el backtesting dentro de la muestra y fuera de la muestra y las pruebas de rendimiento progresivo aumentan la probabilidad de que un sistema tenga un buen rendimiento en la negociación real. (Para obtener una descripción general completa del análisis técnico, consulte Análisis técnico: Introducción .)