Backtesting

El backtesting es una técnica utilizada para medir la efectividad de una estrategia de trading. Para ello, se hace una simulación, probando la estrategia analizada en datos históricos.

El backtesting se emplea observando indicadores estadísticos que revelan información importante sobre las pérdidas y ganancias de la cartera.

La idea detrás de esta herramienta es que, si la estrategia pudo funcionar bien en el pasado, también podría hacerlo en el futuro. Igualmente, en sentido inverso.

Para un análisis de este tipo, pueden hacerse cálculos de forma manual. Sin embargo, hoy existen diferentes programas informáticos que automáticamente arrojan los resultados que se requieren observar.

Esta herramienta la podemos usar para verificar el rendimiento de nuestro método o sistema de trading.

Estadísticos de un backtesting

Los estadísticos más utilizados para llevar a cabo el backtesting son:

Número de operaciones
Número de operaciones con ganancias
Número de operaciones con pérdidas
Ganancia media por operación
Pérdida media por operación
Ganancia media
Beneficio máximo
Pérdida máxima
Profit Factor = (ganancia/pérdida) de las operaciones
Operación con mayor ganancia
Operación con mayor pérdida
Ratio de Sharpe = Divide el beneficio neto (descontando interés libre de riesgo) entre la desviación típica de los retornos
Máximo Drawdown = Pérdida acumulada máxima

Ventajas y desventajas del backtesting

Entre las ventajas del backtesting podemos destacar:

Pueden compararse diferentes estrategias de trading. Esto, sin llevar a cabo efectivamente la inversión, es decir, sin tomar ningún riesgo real.
Puede ser útil, en conjunto con otras herramientas, para tener un indicio de qué tan eficiente puede ser una estrategia de trading.
Podría ser una buena herramienta si se enmarca en una estrategia para un entorno determinado, asumiendo que este continuará o que se repetirá. Por ejemplo, la inversión en el sector salud en el marco de una pandemia como la del Covid-19.

Sin embargo, también deben tomarse en cuenta las siguientes desventajas:

No siempre las estrategias que hubiesen tenido éxito en el pasado, también lo tendrían en el futuro. Esto es, principalmente, porque existen factores o circunstancias que pueden cambiar con el tiempo.
Los datos históricos pueden ser anómalos, es decir, pueden estar condicionados por un evento que afectó positiva o negativamente al mercado y que no se volverá a repetir.
Una estrategia con un buen resultado para un mercado, podría fallar en otro. Por ejemplo, lo que funciona para el mercado de derivados podría no ser útil para el mercado de bonos.
Se debe tomar en cuenta que el resultado de una estrategia puede verse influenciado por el ciclo por el que está atravesando el mercado, ya sea alcista o bajista.
Se puede caer en sesgos. Por ejemplo, aplicando más de una estrategia sobre el mismo conjunto de datos. Finalmente, si encontramos una estrategia con buenos resultados, luego de aplicar otras varias, quizás es porque, de tantos intentos, alguna táctica fue exitosa solo por casualidad.
Si se aplica el backtesting en periodos largos, los resultados no serán certeros si en realidad se planea operar a corto plazo.

Claves para realizar un buen backtesting

Datos históricos de alta calidad
- Relevancia de los datos: Los datos deben cubrir un periodo suficientemente largo y representar diversas condiciones de mercado (alcista, bajista, lateral).
- Precisión: Es fundamental que los datos sean precisos y estén libres de errores. Datos de mala calidad pueden llevar a resultados engañosos.
Periodo de prueba adecuado
- Diversidad de condiciones: El periodo seleccionado para el backtesting debe incluir diferentes fases del mercado (volatilidad alta, volatilidad baja, etc.).
- Evitar el sobreajuste: No se debe elegir un periodo específico que solo favorezca la estrategia. El objetivo es verificar su robustez en diversas condiciones.
Consideración de costes y deslizamientos
- Costos de transacción: Incluir los costos de transacción (comisiones, spreads) en el backtesting es esencial para obtener una imagen realista de la rentabilidad.
- Deslizamientos: Simular el deslizamiento, especialmente en mercados con alta volatilidad, puede ayudar a reflejar los posibles desafíos operativos.
Validación cruzada
- División de datos: Una práctica efectiva es dividir los datos en conjuntos de entrenamiento y prueba. Primero se optimiza la estrategia con el conjunto de entrenamiento, luego se valida con el conjunto de prueba.
- Walk-forward testing: Es una técnica avanzada que permite recalibrar la estrategia a intervalos regulares, asegurando que se adapta a las condiciones cambiantes del mercado.
Evitar el overfitting (Sobreoptimización)
- Simple es mejor: Una estrategia demasiado compleja puede estar ajustada a las particularidades de los datos históricos y no ser efectiva en el futuro.
- Pruebas en diferentes periodos: Es recomendable probar la estrategia en diferentes periodos para verificar su consistencia y evitar el sobreajuste.
Análisis de resultados
- Medidas de rendimiento: Más allá del retorno total, es importante analizar métricas como el ratio de Sharpe, drawdown máximo, tasa de aciertos, y relación riesgo/beneficio.
- Simulación de escenarios: Probar cómo la estrategia responde ante eventos extremos o "cisnes negros" puede ofrecer una idea de su resiliencia.
Documentación y revisión continua
- Registro detallado: Documentar cada paso del proceso de backtesting es vital para poder revisar y mejorar la estrategia en el futuro.
- Revisión periódica: Incluso después de implementar la estrategia, es crucial revisarla regularmente para adaptarse a nuevas condiciones de mercado.