Una estrategia con una curva de equity casi perfecta en el histórico y pérdidas constantes en real es el síntoma clásico del sobreajuste. No es un fallo del programa, sino de la forma de buscar: si pruebas suficientes combinaciones, alguna encajará con el pasado por pura casualidad. Esta guía explica por qué ocurre, cómo reconocerlo y qué hábitos lo reducen.
Qué es el sobreajuste
Los datos de mercado contienen una parte repetible (si existe) y mucho ruido aleatorio. Una estrategia sobreajustada ha aprendido el ruido: sus reglas y parámetros están ajustados a coincidencias de ese tramo concreto del histórico que no volverán a ocurrir. Por eso rinde de maravilla en el pasado y decepciona cuando llegan datos nuevos.
El problema no se limita a los sistemas automáticos. Un trader discrecional que añade filtros hasta “explicar” todas sus pérdidas pasadas también sobreajusta. La diferencia es que el algoritmo lo hace de forma más rápida, más amplia y con apariencia de rigor.
Por qué optimizar parámetros engaña
Un optimizador está diseñado para encontrar el mejor resultado en los datos que le das. Eso no es lo mismo que encontrar la mejor estrategia. Si la ventaja real es pequeña, el máximo de la tabla de resultados casi siempre será una mezcla de ventaja y buena suerte, y la parte de suerte desaparece al operar en real. A esto se le llama a veces “maldición del ganador”: cuanto más se optimiza, más optimista es el resultado esperado.
Un caso ilustrativo: una media móvil rápida con valores de 5 a 50 en pasos de 5 (10 valores), una lenta de 20 a 200 en pasos de 10 (19 valores), 5 niveles de stop y 5 de objetivo dan 10 × 19 × 5 × 5 = 4.750 combinaciones. Aunque la estrategia no tuviera ninguna ventaja, es previsible que muchas de esas combinaciones parezcan rentables simplemente por azar.
Parámetros frente a número de operaciones
Cada parámetro libre (periodos, umbrales, filtros horarios, niveles de stop) es una palanca con la que ajustar la curva a los datos. Cuantas más palancas y menos operaciones, mayor es la libertad para ajustarse al ruido. Una regla orientativa, no un teorema, es exigir al menos 30 a 50 operaciones por parámetro libre, y preferir estrategias con pocas reglas y una lógica económica clara.
Por ejemplo, un sistema con 8 parámetros probado sobre 120 operaciones tiene solo 15 operaciones por parámetro: el resultado dice muy poco. El mismo sistema con 2 parámetros y 120 operaciones tiene 60 por parámetro, una situación bastante más sólida. Cuidado con los parámetros ocultos: elegir el activo, el marco temporal, el periodo del histórico o el horario de operación también cuenta.
La curva de equity “perfecta” como señal de alarma
Una línea casi recta, sin meses perdedores y con drawdowns mínimos es muy atractiva, pero en mercados reales es poco creíble. Las ventajas reales son ruidosas: tienen rachas malas, años mediocres y periodos en los que el mercado no favorece la idea. Si tu backtest tiene un profit factor superior a 3 con miles de combinaciones probadas, o una curva sin ninguna caída apreciable, sospecha antes de celebrar.
También debe alertarte un resultado que depende de unas pocas operaciones: si quitas las tres mejores y el beneficio desaparece, no tienes una estrategia, sino tres golpes de suerte. Revisa cuánto aporta cada año y cada mes y comprueba si la ventaja es consistente.
Sensibilidad de parámetros: mesetas y picos
Un test sencillo y muy revelador consiste en mover cada parámetro un poco y ver qué ocurre. Supón que el optimizador elige un stop de 37 pips con profit factor 2,4. Si con 35 pips baja a 1,2 y con 39 pips a 0,9, has encontrado un pico estrecho, es decir, un accidente del histórico. Si, por el contrario, entre 30 y 50 pips el profit factor oscila entre 1,33 y 1,40, hay una meseta: la idea es robusta frente a pequeños cambios.
En la práctica, elige parámetros en el centro de una zona amplia y rentable, no en el punto más alto. Acepta un resultado algo peor en el histórico a cambio de una estrategia que no depende de un valor exacto. Esto vale también para las horas de operación o los umbrales de volatilidad.
Un experimento que puedes reproducir
Genera una serie de precios puramente aleatoria, un paseo aleatorio sin ninguna ventaja por construcción. Pasa por ella las 4.750 combinaciones del ejemplo anterior y quédate con la mejor. Verás una curva ascendente y un profit factor llamativo, por ejemplo 2,1. Aplica esos mismos parámetros a otra serie aleatoria nueva y el resultado oscilará alrededor de un profit factor de 1 antes de costes y por debajo de 1 después de ellos, por ejemplo 0,95.
Ese salto de 2,1 a 0,95 es el sobreajuste en estado puro: no había nada que encontrar, y aun así el proceso de búsqueda encontró algo. Con datos reales la situación es menos extrema porque puede haber una ventaja auténtica, pero el mecanismo es el mismo, y la parte de resultado que se debe a la selección se pierde al pasar a datos nuevos.