¿Por qué un backtest perfecto falla en real?

Un backtest que se ve impecable suele ser una advertencia, no una luz verde. A menudo significa que la estrategia está sobreajustada: memorizó el ruido aleatorio de los datos pasados en vez de una ventaja real y repetible. Sobre la historia se ve perfecta; en real, donde el mañana no está en la muestra, se desmorona.

¿Por qué le importa a un trader de forex?

El sobreajuste (también llamado curve-fitting) es la forma más común en que los traders —y los modelos de IA en los que confían— se engañan a sí mismos. Es seductor porque la evidencia parece convincentísima: una curva de capital suave y ascendente, casi sin operaciones perdedoras. Pero esa curva describe un pasado que nunca se repetirá igual. Perseguirla te hace perder meses y, peor, te da una falsa confianza para arriesgar dinero real en una estrategia que nunca tuvo ventaja.

¿Cómo funciona en realidad?

Toda serie de precios es en parte señal (comportamiento real y repetible) y en parte ruido (vaivén aleatorio que nunca volverá igual). Cuando optimizas una estrategia —añadiendo reglas, ajustando parámetros, dejando que un modelo pruebe miles de combinaciones— ajustará encantada las dos. Cuantas más perillas giras, más ruido captura y más espectacular se ve el backtest. Esa es la trampa: un backtest más bonito puede significar una estrategia peor. El remedio es una disciplina que ya conoces del machine learning: reservar datos. Prueba sobre una porción que la estrategia nunca vio (out-of-sample), o corrígela hacia adelante con datos nuevos mediante forward testing antes de creértela.

¿Qué límites debes respetar?

Ningún backtest demuestra que una estrategia funciona: solo demuestra que no falló en una porción concreta del pasado. Respeta unas reglas: prefiere menos parámetros (cada uno es una oportunidad de ajustar ruido); desconfía de cualquier resultado demasiado limpio; juzga un sistema por sus resultados out-of-sample y hacia adelante, no por la curva con la que se construyó; y apóyate en métricas robustas y no en una sola línea de capital. Por eso también las "predicciones de IA con 90% de acierto" son una señal de alarma: ese número casi siempre sale de probar con los mismos datos con los que el modelo aprendió, que es la definición de sobreajuste.

¿Cuál es la diferencia entre sobreajuste y una ventaja real?

Una ventaja real sobrevive al contacto con datos que nunca ha visto; un sobreajuste no. Si una estrategia rinde con datos out-of-sample, en otro par o en un periodo posterior más o menos como rindió en el backtest, eso es evidencia de un patrón genuino. Si solo brilla con los datos exactos con los que se afinó, has ajustado el ruido.

¿Cómo puedes evitar sobreajustar tu estrategia?

Mantenla simple, aparta datos y prueba out-of-sample y hacia adelante antes de arriesgar un céntimo. Anota cada operación real en un diario y compara los resultados reales con el backtest: una brecha grande es el sobreajuste enseñando la cara. Recuerda que una estrategia solo buena pero que aguanta en real le gana a una perfecta que solo existió en el pasado.