Interpretar Resultados de Backtest: Guía Cuantitativa de Cada Métrica
Un informe de backtest es una hoja densa de números. Retorno total, ratio de Sharpe, drawdown máximo, factor de beneficio, tasa de acierto — cada métrica responde una pregunta diferente sobre tu estrategia. Léelos mal y desplegarás una estrategia que luce brillante en papel pero desangra capital en mercados reales. Léelos bien y filtrarás configuraciones frágiles antes de que te cuesten un centavo.
Esta guía te proporciona las fórmulas, los puntos de referencia y — lo más importante — el marco de evaluación para distinguir un backtest genuinamente fuerte de uno astutamente sobreajustado.
Key Takeaways
- El Ratio de Sharpe mide el retorno por unidad de riesgo total; valores por encima de 1,0 son buenos, por encima de 2,0 excelentes, por encima de 4,0 sospechosos.
- El Drawdown Máximo revela la peor pérdida de pico a valle — define el techo de dolor psicológico y financiero.
- La tasa de acierto sola es insignificante sin contexto de riesgo-recompensa: 40% de acierto con RR 1:3 es más rentable que 70% con 1:0,5.
- El sobreajuste produce resultados de backtest que solo funcionan en un conjunto de datos específico — detéctalo probando en datos no vistos.
- La forma de la curva de equity revela más sobre la robustez de una estrategia que cualquier métrica individual.
- Las señales de alerta incluyen Sharpe >4, tasa de acierto >98% y cero operaciones perdedoras — casi siempre indican un backtest defectuoso.
Si aún no has ejecutado un backtest, comienza con nuestra guía paso a paso de backtesting antes de leer este artículo.
Los importes en dólares y los porcentajes de esta guía son ejemplos ilustrativos, no recomendaciones. El trading de criptomonedas puede generar pérdidas — dimensione cada bot con fondos que pueda permitirse perder y lea la Divulgación de riesgos completa antes de operar en real.
Métricas Principales de Rendimiento con Fórmulas
Retorno Total vs. CAGR
Retorno Total es la métrica más simple: cuánto ganó o perdió tu portafolio durante todo el período de backtest.
Retorno Total = (Valor Final - Valor Inicial) / Valor Inicial × 100
Si comenzaste con $10.000 y terminaste con $11.850, tu retorno total es 18,5%.
El problema del retorno total es que ignora el tiempo. Un retorno del 18,5% en 3 meses es fenomenal. El mismo 18,5% en 3 años es decepcionante. El CAGR (Tasa de Crecimiento Anual Compuesto) corrige esto normalizando los retornos a base anual:
CAGR = (Valor Final / Valor Inicial)^(365 / días) - 1
Ejemplo: $10.000 → $11.850 en 180 días:
CAGR = (11850 / 10000)^(365/180) - 1 = 1,185^2,028 - 1 = 0,4036 = 40,36%
Ese mismo $10.000 → $11.850 en 730 días (2 años):
CAGR = (11850 / 10000)^(365/730) - 1 = 1,185^0,5 - 1 = 0,0887 = 8,87%
Siempre compara estrategias usando CAGR, no retorno total. Una estrategia que rinde 25% en 6 meses (CAGR ≈ 56%) es muy superior a una que rinde 30% en 14 meses (CAGR ≈ 25%), aunque el retorno total sea menor.
Ratio de Sharpe
El Ratio de Sharpe es el estándar de oro para el rendimiento ajustado al riesgo. Responde: "¿Cuánto retorno gané por cada unidad de volatilidad que soporté?"
Ratio de Sharpe = (Rp - Rf) / σp
Donde:
- Rp = retorno anualizado del portafolio
- Rf = tasa libre de riesgo (típicamente 4–5% para USD, o 0% si comparas solo cripto)
- σp = desviación estándar anualizada de los retornos del portafolio
Ejemplo de cálculo: Tu bot rinde 42% anualizado con una desviación estándar del 18%. La tasa libre de riesgo es 5%.
Sharpe = (0,42 - 0,05) / 0,18 = 0,37 / 0,18 = 2,06
| Ratio de Sharpe | Interpretación | Acción |
|---|---|---|
| < 0,5 | Rendimiento ajustado al riesgo pobre | Rediseñar la estrategia |
| 0,5 – 1,0 | Aceptable | Usable pero buscar mejoras |
| 1,0 – 2,0 | Bueno | Candidato fuerte para despliegue en vivo |
| 2,0 – 3,0 | Excelente | Desplegar con confianza, monitorear cambios de régimen |
| > 4,0 | Sospechoso | Casi seguro sobreajustado — investigar |
Un ratio de Sharpe superior a 4,0 en un backtest cripto es una señal de alarma, no un distintivo de honor. Los mercados cripto son inherentemente volátiles — lograr retornos ajustados al riesgo de nivel de hedge fund consistentemente es implausible sin sobreajuste o sesgo de anticipación. Si tu backtest muestra Sharpe > 4, tu primera reacción debería ser sospecha, no celebración.
Ratio de Sortino
El Ratio de Sharpe penaliza toda la volatilidad por igual — pero la volatilidad al alza es buena. Si tu estrategia sube un 5% en un día, el Sharpe lo trata igual que una caída del 5%. El Ratio de Sortino corrige esto penalizando solo la desviación a la baja:
Ratio de Sortino = (Rp - Rf) / σd
Donde σd es la desviación estándar solo de los retornos negativos.
Por qué importa: Una estrategia que captura grandes movimientos al alza pero limita las pérdidas tendrá un Ratio de Sortino significativamente mayor que su Ratio de Sharpe. Esto te indica que la volatilidad es "de la buena".
Ejemplo: Mismo bot con 42% de retorno anualizado y 5% de tasa libre de riesgo, pero desviación a la baja de solo 11%:
Sortino = (0,42 - 0,05) / 0,11 = 3,36
Compara esto con el Sharpe de 2,06. La gran brecha te indica que la mayor parte de la volatilidad de la estrategia proviene de movimientos al alza — una característica deseable.
Drawdown Máximo
El drawdown máximo (MDD) mide la mayor caída de pico a valle en el valor del portafolio. Responde la pregunta más personal del trading: "¿Cuál es el peor dolor que habría soportado?"
MDD = (Valor del Valle - Valor del Pico) / Valor del Pico × 100
Ejemplo: Tu portafolio sube de $10.000 a $13.200 (el pico), luego cae a $10.890 antes de recuperarse:
MDD = (10890 - 13200) / 13200 × 100 = -17,5%
Dos sub-métricas críticas:
- Duración del Drawdown: Cuántos días desde el pico hasta el valle. Un drawdown del -15% que dura 4 días es psicológicamente más fácil que uno del -15% que dura 2 meses.
- Tiempo de Recuperación: Cuántos días desde el valle de vuelta al pico anterior. Recuperación rápida = estrategia resiliente.
| Drawdown Máximo | Nivel de Riesgo | Adecuado Para |
|---|---|---|
| < 5% | Conservador | Traders aversos al riesgo, gran capital |
| 5% – 15% | Moderado | La mayoría de traders con bots |
| 15% – 25% | Agresivo | Traders experimentados con convicción |
| > 25% | Alto riesgo | Solo con asignación pequeña y alto retorno esperado |
Una regla útil: nunca despliegues una estrategia cuyo drawdown máximo supere lo que puedes manejar emocionalmente multiplicado por 1,5×. Si tu backtest muestra -15% de MDD, prepárate para -22,5% en trading real. Los drawdowns reales casi siempre superan a los del backtest debido al slippage, la latencia y condiciones de mercado no presentes en los datos históricos.
Factor de Beneficio
El factor de beneficio es brutalmente simple e inmediatamente accionable:
Factor de Beneficio = Beneficio Bruto / Pérdida Bruta
Ejemplo: Tu bot ganó $4.200 en operaciones ganadoras y perdió $2.100 en operaciones perdedoras:
Factor de Beneficio = 4200 / 2100 = 2,0
| Factor de Beneficio | Interpretación |
|---|---|
| < 1,0 | Estrategia perdedora — las pérdidas brutas exceden los beneficios brutos |
| 1,0 – 1,5 | Marginal — apenas rentable después de comisiones y slippage |
| 1,5 – 2,0 | Bueno — ventaja sólida |
| 2,0 – 3,0 | Excelente — ventaja fuerte y consistente |
| > 3,0 | Verificar cuidadosamente — posible sobreajuste o muy pocas operaciones |
Tasa de Acierto y Expectativa
Tasa de Acierto es el porcentaje de operaciones cerradas con beneficio:
Tasa de Acierto = Operaciones Ganadoras / Operaciones Totales × 100
La tasa de acierto sola es peligrosamente engañosa. Una tasa de acierto del 90% suena increíble — pero si tu ganancia media es $10 y tu pérdida media es $200, estás perdiendo dinero. Aquí es donde entra la expectativa:
Expectativa = (Tasa de Acierto × Ganancia Media) - (Tasa de Pérdida × Pérdida Media)
Ejemplo: Tasa de acierto 62%, ganancia media $85, pérdida media $120:
Expectativa = (0,62 × $85) - (0,38 × $120) = $52,70 - $45,60 = $7,10 por operación
Cada operación tiene una expectativa positiva de $7,10. En 100 operaciones, esperarías ganar ~$710.
Tasa de Acierto vs. Riesgo-Recompensa: La Tabla de Equilibrio
Este es uno de los conceptos más importantes del trading. La tasa de acierto y el ratio riesgo-recompensa (RR) están inversamente relacionados: puedes ser rentable con una baja tasa de acierto si tus ganadoras son lo suficientemente grandes en relación con tus perdedoras.
La tasa de acierto de equilibrio para cualquier ratio riesgo-recompensa es:
Tasa de Acierto de Equilibrio = 1 / (1 + Ratio Riesgo-Recompensa)
| Ratio Riesgo-Recompensa | Tasa de Acierto de Equilibrio | Ejemplo: $100 de Riesgo |
|---|---|---|
| 1:0,5 | 66,7% | Ganar $50, perder $100 — necesitas ganar 2 de 3 |
| 1:1,0 | 50,0% | Ganar $100, perder $100 — necesitas ganar la mitad |
| 1:1,5 | 40,0% | Ganar $150, perder $100 — ganar 2 de 5 |
| 1:2,0 | 33,3% | Ganar $200, perder $100 — ganar 1 de 3 |
| 1:3,0 | 25,0% | Ganar $300, perder $100 — ganar 1 de 4 |
| 1:5,0 | 16,7% | Ganar $500, perder $100 — ganar 1 de 6 |
Ejemplo práctico: Un bot DCA con 40% de tasa de acierto y riesgo-recompensa 1:3:
- De 100 operaciones: 40 ganancias × $300 = $12.000 de beneficio
- 60 pérdidas × $100 = $6.000 de pérdidas
- Beneficio neto = $6.000 (factor de beneficio = 2,0)
Compara esto con un bot con 70% de tasa de acierto y riesgo-recompensa 1:0,5:
- 70 ganancias × $50 = $3.500 de beneficio
- 30 pérdidas × $100 = $3.000 de pérdidas
- Beneficio neto = $500 (factor de beneficio = 1,17)
La estrategia del 40% de acierto produce 12× más beneficio neto. La tasa de acierto es vanidad; la expectativa es cordura.
Al evaluar un backtest, siempre calcula la expectativa antes de tomar cualquier decisión de despliegue. Una alta tasa de acierto con expectativa negativa vaciará tu cuenta lentamente — y el confort psicológico de las ganancias frecuentes te impedirá apagarla hasta que se produzca un daño real.
Análisis de Curva de Equity
La curva de equity grafica el valor de tu portafolio a lo largo del tiempo. Es el elemento visual más denso en información de cualquier informe de backtest.
Escalera Suave (Ideal)
Una curva de equity saludable sube en incrementos consistentes en forma de escalón. Cada escalón representa una operación completada. Las escaleras suben más de lo que bajan, y los drawdowns entre escalones son poco profundos y breves.
Qué te indica: La estrategia genera una ventaja consistente y repetible en distintas condiciones de mercado. Esta es la curva de una estrategia en la que puedes confiar con capital real.
Diente de Sierra (Preocupante)
Movimientos bruscos al alza seguidos de movimientos igualmente bruscos a la baja, creando un patrón en zigzag. La trayectoria general podría ser ascendente, pero el viaje es violento.
Qué te indica: Alta varianza en los retornos. El drawdown máximo probablemente es grande, el ratio de Sharpe probablemente está por debajo de 1,0, y el trading en vivo pondrá a prueba tus límites emocionales. Incluso si el retorno total es positivo, la estrategia es frágil.
Palo de Hockey (Peligroso)
Plana o ligeramente negativa durante la mayor parte del período, luego un repunte repentino que produce la mayor parte del beneficio en unas pocas operaciones.
Qué te indica: La estrategia depende de un evento de mercado específico (un crash, un pump o una sola vela grande). Elimina esas pocas operaciones, y la estrategia no es rentable. Esto no es una ventaja sistemática — es suerte que coincidió con tu ventana de backtest.
Caída en Precipicio (Fatal)
Ascenso constante seguido de una caída repentina y catastrófica que borra la mayoría o todas las ganancias.
Qué te indica: La estrategia no tiene protección a la baja. Típicamente causada por stop losses faltantes, apalancamiento excesivo o una estrategia que está implícitamente corta en volatilidad (cobrando pequeñas primas hasta que un evento de cola lo borra todo).
| Forma de Curva | Sharpe Estimado | Causa Típica | Riesgo en Trading Real |
|---|---|---|---|
| Escalera suave | 1,5 – 2,5 | Ventaja consistente, gestión de riesgo adecuada | Bajo — estrategia robusta |
| Diente de sierra | 0,3 – 0,8 | Alta volatilidad, entradas inconsistentes | Medio — los drawdowns causan salidas de pánico |
| Palo de hockey | Muy variable | Ganancias concentradas en pocas operaciones | Alto — rendimiento no repetible |
| Caída en precipicio | Negativo o cercano a 0 | Sin stop loss, apalancamiento excesivo | Crítico — posible pérdida total de la cuenta |
Detectar Sobreajuste
El sobreajuste es el asesino silencioso de las estrategias de backtest. Una estrategia ajustada a la curva luce fenomenal en los backtests pero falla en los mercados reales porque memorizó el ruido histórico en lugar de capturar un patrón de mercado genuino.
Señales de Sobreajuste
-
Funciona en un par, falla en pares similares. Si tu estrategia BTC/USDT rinde 35% pero los mismos ajustes exactos en ETH/USDT rinden -5%, la estrategia probablemente está ajustada al historial de precios específico de BTC.
-
Funciona solo en un período temporal. Una estrategia que produce 28% en los últimos 6 meses pero -3% en los 6 meses anteriores ha memorizado un régimen específico.
-
Demasiados parámetros optimizados. Cada parámetro adicional le da al optimizador más grados de libertad para ajustar el ruido. Si tu estrategia tiene 8+ parámetros que fueron todos optimizados individualmente, el sobreajuste está casi garantizado.
-
Métricas irrealistas. Sharpe > 4, tasa de acierto > 98%, cero operaciones perdedoras, o factor de beneficio > 5 en 50+ operaciones — todo apunta a una estrategia que ha sido torturada para ajustarse a los datos.
-
El rendimiento se degrada con cambios menores de configuración. Las estrategias robustas muestran cambios graduales de rendimiento cuando ajustas ligeramente los parámetros. Las estrategias sobreajustadas colapsan si mueves el RSI de 27 a 28 o el take profit de 1,87% a 1,90%.
Pruebas In-Sample vs. Out-of-Sample
El método estándar para detectar el sobreajuste:
-
Divide tus datos. Toma tu historial total disponible (p. ej., 12 meses) y divídelo: primeros 8 meses = in-sample (entrenamiento), últimos 4 meses = out-of-sample (validación).
-
Optimiza solo en in-sample. Encuentra tus mejores parámetros usando solo los primeros 8 meses.
-
Prueba en out-of-sample sin cambios. Aplica esos parámetros exactos a los últimos 4 meses. No ajustes nada.
-
Compara resultados. Si el rendimiento out-of-sample está dentro del 30-40% del rendimiento in-sample, la estrategia probablemente tiene una ventaja genuina. Si el rendimiento out-of-sample es negativo o dramáticamente peor, la estrategia está sobreajustada.
Ejemplo:
- In-sample (Ene–Ago): 24% de retorno, Sharpe 1,8, 67% de acierto
- Out-of-sample (Sep–Dic): 11% de retorno, Sharpe 1,2, 61% de acierto
- Veredicto: El rendimiento disminuyó pero permaneció sólidamente positivo. Esta es una estrategia legítima.
Compara con un resultado sobreajustado:
- In-sample (Ene–Ago): 42% de retorno, Sharpe 3,1, 88% de acierto
- Out-of-sample (Sep–Dic): -4% de retorno, Sharpe -0,3, 43% de acierto
- Veredicto: Colapso completo. La estrategia memorizó los datos de entrenamiento.
Nunca optimices en tus datos out-of-sample. Una vez que miras los resultados out-of-sample y ajustas los parámetros en consecuencia, has contaminado la prueba. Esos datos están quemados — necesitas un conjunto de datos fresco y no visto. Esta es la regla más comúnmente violada en el desarrollo de estrategias.
Análisis Walk-Forward
Un enfoque más riguroso que una sola división in/out:
- Optimiza en los meses 1–6, prueba en el mes 7
- Optimiza en los meses 2–7, prueba en el mes 8
- Optimiza en los meses 3–8, prueba en el mes 9
- Continúa avanzando
Cada período out-of-sample se prueba con parámetros optimizados en una ventana diferente. Si la estrategia rinde consistentemente bien en todos los períodos out-of-sample, ha superado la prueba de sobreajuste más fuerte disponible.
Señales de Alarma en Resultados de Backtest
Ciertos patrones en un informe de backtest deberían activar un escepticismo inmediato:
| Señal de Alarma | Por Qué es Sospechosa | Qué Investigar |
|---|---|---|
| Ratio de Sharpe > 4,0 | Supera a los hedge funds de primer nivel. Irrealista para cripto. | Verificar sesgo de anticipación o sobreajuste |
| Tasa de acierto > 98% | Casi cero pérdidas = probablemente no cierra operaciones perdedoras | Verificar si falta el stop loss o está establecido irrealmente amplio |
| Cero operaciones perdedoras | Imposible en mercados reales con una muestra significativa | Verificar si el bot mantiene perdedores indefinidamente (pérdidas no realizadas) |
| Factor de beneficio > 5,0 | En 50+ operaciones, esto es estadísticamente improbable | Reducir la optimización y probar out-of-sample |
| Drawdown máximo < 1% | Sugiere que la estrategia nunca enfrentó adversidad | Verificar si el período de backtest incluyó alguna caída significativa |
| Duración media de operación < 1 minuto | Probablemente explota peculiaridades del motor de backtesting | Verificar la resolución de velas y la lógica de ejecución |
| Operaciones totales < 10 | Tamaño de muestra insuficiente para cualquier conclusión estadística | Extender el período de backtest o aceptar los resultados como poco fiables |
Ejemplo Real: Estrategia A vs. Estrategia B
Comparemos dos resultados reales de backtest en BTC/USDT durante 6 meses (Ene–Jun) con $10.000 de capital inicial.
Estrategia A: "Alta Tasa de Acierto"
| Métrica | Valor |
|---|---|
| Retorno Total | 8,2% ($820) |
| Tasa de Acierto | 95,3% (82/86 operaciones) |
| Ganancia Media | $18,40 (0,184%) |
| Pérdida Media | $142,00 (1,42%) |
| Drawdown Máximo | -6,8% |
| Ratio de Sharpe | 0,72 |
| Factor de Beneficio | 1,38 |
| Duración Media de Operación | 3,2 horas |
| Expectativa | $18,40 × 0,953 - $142 × 0,047 = $10,86 |
Estrategia B: "Cazador de Tendencias"
| Métrica | Valor |
|---|---|
| Retorno Total | 22,7% ($2.270) |
| Tasa de Acierto | 55,4% (36/65 operaciones) |
| Ganancia Media | $112,00 (1,12%) |
| Pérdida Media | $48,50 (0,485%) |
| Drawdown Máximo | -11,3% |
| Ratio de Sharpe | 1,64 |
| Factor de Beneficio | 2,48 |
| Duración Media de Operación | 18,6 horas |
| Expectativa | $112 × 0,554 - $48,50 × 0,446 = $40,42 |
Análisis
La Estrategia A tiene una seductora tasa de acierto del 95%, pero lo logra tomando ganancias diminutas y manteniendo perdedoras. Cada ganancia promedia $18,40 mientras cada pérdida promedia $142 — un ratio riesgo-recompensa de aproximadamente 1:0,13. Cuatro operaciones malas pueden borrar 31 operaciones ganadoras. El factor de beneficio de 1,38 deja casi ningún margen para el slippage y las comisiones en el trading en vivo. El bajo Sharpe (0,72) confirma un débil rendimiento ajustado al riesgo.
La Estrategia B gana solo el 55% de las veces, pero las ganadoras son 2,3× más grandes que las perdedoras. La expectativa por operación ($40,42) es casi 4× mayor que la de la Estrategia A ($10,86). El Sharpe de 1,64 y el factor de beneficio de 2,48 muestran fuertes retornos ajustados al riesgo. El mayor drawdown máximo (-11,3% vs -6,8%) es el precio de una estrategia que realmente toma posiciones significativas.
La Estrategia B es objetivamente superior a pesar de la menor tasa de acierto. En el mismo período, generó 2,77× más beneficio con un ratio de Sharpe más del doble que el de la Estrategia A. Al elegir entre estrategias, enfócate en la expectativa, el factor de beneficio y el ratio de Sharpe — no en la tasa de acierto.
¿Qué Sucede en Escenarios de Estrés?
Imagina un crash repentino del 12% de BTC durante el período de backtest:
- Estrategia A: El crash activa 4 stop losses simultáneamente (tiene muchas micro-operaciones abiertas). Pérdida: 4 × $142 = $568, borrando 31 operaciones ganadoras por valor de $570. Un solo evento de crash borra un mes de ganancias.
- Estrategia B: El crash activa 2 stop losses. Pérdida: 2 × $48,50 = $97. Dos operaciones ganadoras ($224) cubren las pérdidas con margen de sobra. La estrategia es estructuralmente resiliente.
Juntándolo Todo: El Marco de Evaluación
Cuando recibas un informe de backtest, evalúa las métricas en este orden:
- Expectativa — ¿Es positiva? ¿Cuánto por operación?
- Factor de Beneficio — ¿Está por encima de 1,5? ¿Por encima de 2,0?
- Drawdown Máximo — ¿Puedes manejar psicológica y financieramente 1,5× este número?
- Ratio de Sharpe — ¿Está por encima de 1,0? Si está por encima de 3,0, investigar sobreajuste.
- Curva de Equity — ¿Es una escalera suave o un zigzag caótico?
- Rendimiento Out-of-Sample — ¿La estrategia se mantiene en datos no vistos?
- Tasa de Acierto — Solo relevante en el contexto de la ganancia media vs. la pérdida media.
Las estrategias que pasan las siete verificaciones son raras — y vale la pena desplegarlas. Las estrategias que fallan en los puntos 1–3 deberían descartarse o rediseñarse fundamentalmente, independientemente de cómo se vean las otras métricas.
Para orientación sobre optimización de estrategias que pasan este marco, consulta nuestra guía de optimización de bots.
Preguntas Frecuentes
¿Qué ratio de Sharpe es bueno para un bot de trading cripto?
Un ratio de Sharpe entre 1,0 y 2,0 se considera bueno para estrategias cripto. Los mercados cripto son más volátiles que las acciones tradicionales, por lo que lograr un Sharpe por encima de 2,0 consistentemente es genuinamente difícil. Valores por encima de 3,0 deben examinarse por sobreajuste. Para contexto, muchos hedge funds cuantitativos exitosos apuntan a ratios de Sharpe entre 1,5 y 2,5. Si tu bot cripto logra un Sharpe de 1,5 en un backtest que cubre múltiples regímenes de mercado, ese es un resultado fuerte.
¿Cómo calculo el drawdown máximo si tengo múltiples posiciones abiertas?
El drawdown máximo debe calcularse sobre el equity total del portafolio, no sobre operaciones individuales. En cualquier momento dado, el valor de tu portafolio equivale a efectivo + P&L no realizado de todas las posiciones abiertas. Rastrea este valor combinado a lo largo del tiempo, identifica el pico más alto y el valle posterior más bajo, y calcula la caída porcentual. Muchos traders cometen el error de mirar solo el P&L realizado, lo que ignora el riesgo de drawdown de las posiciones abiertas.
¿Por qué mi estrategia tiene un buen Sharpe pero un mal factor de beneficio?
Esto puede ocurrir cuando una estrategia hace muchas operaciones pequeñas rentables (creando retornos consistentes con baja volatilidad → alto Sharpe) pero las pocas operaciones perdedoras son grandes en relación con las ganancias individuales (arrastrando a la baja el ratio beneficio bruto / pérdida bruta → bajo factor de beneficio). Sugiere que la estrategia tiene un riesgo de cola gruesa: rinde bien la mayor parte del tiempo pero es vulnerable a pérdidas grandes ocasionales. Ajustar los stop losses suele corregir el factor de beneficio a costa de una menor tasa de acierto.
¿Debo usar el ratio de Sharpe o de Sortino?
Usa ambos, pero pondera más el Sortino para estrategias con perfiles de retorno asimétricos. Si tu estrategia captura grandes movimientos al alza mientras limita la baja, el Sortino será significativamente mayor que el Sharpe, reflejando el hecho de que la volatilidad al alza es beneficiosa. Si el Sharpe y el Sortino son similares, la volatilidad de tu estrategia es aproximadamente simétrica — los movimientos al alza y a la baja son de magnitud similar.
¿Cuántas operaciones necesito para métricas estadísticamente fiables?
Como mínimo, 30 operaciones proporcionan fiabilidad estadística básica. Para que el ratio de Sharpe y el factor de beneficio sean significativamente diferentes del ruido aleatorio, son preferibles 50+ operaciones. Para que la tasa de acierto se estabilice dentro de ±5% del valor real, típicamente necesitas 100+ operaciones. Si tu backtest muestra solo 15 operaciones, trata todas las métricas como estimaciones aproximadas, no como predictores fiables. Extiende el período de backtest o usa una estrategia de mayor frecuencia para generar más puntos de datos.
¿Pueden dos estrategias con el mismo retorno total ser muy diferentes en calidad?
Absolutamente. La Estrategia X podría rendir 20% con un Sharpe de 0,6, un drawdown máximo del -25% y una curva de equity en caída en precipicio. La Estrategia Y podría rendir 20% con un Sharpe de 1,8, un drawdown máximo del -8% y una curva en escalera suave. Mismo destino, viajes radicalmente diferentes. La Estrategia Y es superior en cada dimensión ajustada al riesgo. El retorno total es la métrica menos útil para comparar estrategias con diferentes perfiles de riesgo.