Métricas de backtest: cuáles mirar y cómo leer un sistema con criterio
Un backtest no se interpreta con una cifra final ni con una curva visualmente atractiva. Se interpreta como una lectura estructurada del sistema: cómo gana, cómo pierde, qué exige y dónde muestra fragilidad.
Esa es la idea central de este artículo: las métricas no sirven para impresionar con resultados, sino para entender el sistema con criterio. Y entenderlo es imprescindible antes de decidir si merece seguir avanzando dentro de un proceso serio de validación de sistemas de trading.
Aquí no vas a encontrar una lista enciclopédica. Vas a encontrar un orden de lectura: qué mirar primero, cómo agrupar métricas por función y cómo evitar conclusiones pobres basadas sólo en beneficio, porcentaje de acierto o una curva final.
Qué papel cumplen las métricas dentro de un backtest
Las métricas son una herramienta de lectura. Ayudan a ordenar lo que ha hecho el sistema y a separar intuiciones de hechos.
Medir no es lo mismo que validar
Medir es cuantificar lo que ocurrió en la prueba. Validar es decidir, con condiciones previas, si el sistema merece pasar de fase.
Por eso conviene separar con claridad tres cosas:
- muestra: si los datos sobre los que trabajas son suficientes y representativos
- métricas: qué te dicen esos datos sobre el comportamiento del sistema
- criterios: con qué condiciones decides si el sistema avanza o no
Si la base es débil, las métricas pueden estar bien calculadas y aun así no aportar una lectura útil.
Por qué un backtest no debe leerse sólo por beneficio o acierto
El beneficio final y el porcentaje de acierto son dos cifras fáciles de entender, y por eso atraen tanto. El problema es que, por sí solas, simplifican demasiado:
- no explican el coste de llegar al resultado
- no muestran si el sistema depende de pocas operaciones
- no aclaran qué nivel de disciplina y desgaste exige
Un sistema puede ganar dinero y seguir siendo débil. También puede mostrar un acierto alto y, aun así, esconder una estructura poco sostenible.
Las métricas como herramienta para entender el sistema
Una métrica aislada casi nunca explica un sistema. Lo que importa es la lectura conjunta.
Una forma práctica de ordenar esa lectura es dividir las métricas en tres bloques:
- resultado global: qué produjo el sistema
- comportamiento operativo: cómo produjo ese resultado
- desgaste y estabilidad: qué coste exigió para conseguirlo
Cuando las lees así, dejan de ser números sueltos y pasan a describir el funcionamiento real del sistema.
Qué métricas merece la pena mirar primero
No hace falta empezar por veinte ratios. Hace falta empezar por pocas métricas, bien agrupadas y en un orden que tenga sentido.
Métricas de resultado global
Este primer bloque responde a la pregunta más básica: qué produjo el sistema en la muestra analizada.
Aquí suelen entrar:
- beneficio neto
- número de operaciones
- retorno medio por operación, con cautela
- beneficio bruto frente a pérdida bruta
Estas métricas sirven como portada del test, no como veredicto final. Son útiles para orientarte, pero todavía dicen poco sobre la calidad interna del sistema.
Métricas de comportamiento de la operativa
Aquí empieza la lectura realmente útil. Este bloque te ayuda a ver de dónde sale el resultado.
Las métricas más prácticas suelen ser:
- porcentaje de acierto y porcentaje de fallo
- ganancia media frente a pérdida media
- estructura de resultados
- rachas de pérdidas y de ganancias
- frecuencia operativa
Este bloque te permite ver si el sistema gana por volumen de aciertos, por asimetría entre ganancias y pérdidas, o por una combinación de ambas cosas.
Métricas de estabilidad y desgaste
El tercer bloque responde a una pregunta menos cómoda, pero imprescindible: qué has tenido que soportar para conseguir el resultado.
Aquí conviene fijarse en:
- drawdown y su profundidad
- duración del drawdown
- estabilidad por tramos
- variación del comportamiento a lo largo del tiempo
Muchos sistemas parecen buenos en rentabilidad y flojean precisamente aquí: no por lo que ganan, sino por el desgaste que exigen para sostener ese resultado.
Por qué conviene ordenarlas antes de interpretarlas
El orden te protege de dos errores frecuentes:
- enamorarte de una cifra favorable y justificar el resto
- descartar un sistema por una métrica aislada sin entender la estructura completa
Leer por bloques ayuda a detectar incoherencias: por ejemplo, un beneficio alto con una dependencia excesiva de pocas operaciones, o un acierto alto con pérdidas medias demasiado costosas.
Cómo leer un backtest con criterio y no como una colección de números
Leer métricas con criterio no exige ser estadístico. Exige saber qué preguntas haces y en qué orden las haces.
Qué preguntas debe responder cada bloque de métricas
Un marco simple de lectura puede ser este:
Resultado global
- ¿el sistema produce un resultado reconocible?
- ¿ese resultado depende demasiado de pocos trades?
Comportamiento operativo
- ¿de dónde sale el resultado?
- ¿cómo se comporta en rachas?
- ¿qué nivel de exigencia práctica impone?
Desgaste y estabilidad
- ¿qué coste tuvo el resultado?
- ¿cuánto dura ese coste?
- ¿el comportamiento cambia demasiado según el tramo?
Si el test no responde de forma razonable a estas preguntas, todavía no estás leyendo bien el sistema: sólo estás mirando números.
Cómo evitar conclusiones simplistas
Hay tres conclusiones típicas que conviene evitar:
- “gana, así que sirve”
- “acierta mucho, así que será fácil de ejecutar”
- “el drawdown no es grande, así que el sistema es sólido”
Una forma práctica de protegerte es esta: cualquier conclusión importante debería apoyarse en más de un bloque de métricas, no en una sola cifra.
Por qué una métrica buena no compensa automáticamente otras débiles
Porque cada métrica describe una dimensión distinta del sistema.
Un sistema puede tener un beneficio atractivo y, al mismo tiempo, una estructura de resultados demasiado concentrada. También puede mostrar un acierto alto y seguir teniendo una relación ganancia/pérdida poco saludable.
La lectura útil no busca una cifra brillante. Busca coherencia entre varias señales.
Métricas especialmente útiles para entender un sistema
Beneficio neto y lectura contextual
El beneficio neto te dice si el sistema produce resultado en la muestra. Pero para que ese dato sea útil hay que situarlo en contexto:
- cuántas operaciones lo generan
- qué parte depende de pocas operaciones
- qué desgaste exigió
- cómo se reparte a lo largo del test
Sin ese contexto, el beneficio neto funciona más como titular que como análisis.
Ratio de acierto y sus límites
El porcentaje de acierto parece intuitivo, pero engaña con facilidad si se lee solo.
Un acierto alto puede convivir con pérdidas muy costosas. Y un acierto bajo puede seguir siendo perfectamente válido si las ganancias medias compensan con claridad.
Por eso conviene leer el acierto junto a:
- ganancia media frente a pérdida media
- rachas de pérdidas
- drawdown y duración
Relación beneficio/pérdida o estructura de resultados
Aquí no se trata de perseguir un ratio mágico, sino de entender cómo está construida la ventaja del sistema.
Preguntas útiles:
- ¿las ganancias medias superan con claridad a las pérdidas medias?
- ¿el sistema gana por frecuencia o por asimetría?
- ¿los días malos son raros pero muy costosos, o frecuentes pero contenidos?
Este bloque se acerca mucho a la sensación operativa real del sistema, incluso antes de pasar a la fase del backtest al real.
Expectativa: qué aporta y qué no resuelve por sí sola
La expectativa en trading es útil porque resume el rendimiento medio esperado por operación teniendo en cuenta probabilidad y tamaño de ganancias y pérdidas. Ayuda a responder si existe una ventaja estadística reconocible en la estructura del sistema.
Pero no resuelve por sí sola:
- la estabilidad por tramos
- el coste del drawdown
- la dependencia de pocas operaciones
- la ejecutabilidad del sistema
Es una métrica importante, sí, pero sólo dentro de una lectura conjunta. Convertirla en atajo para “aprobar” un sistema suele llevar a errores de criterio.
Drawdown esperado: qué ayuda a anticipar
El drawdown esperado sirve para aterrizar una pregunta muy práctica: qué deterioro puedes vivir sin concluir demasiado pronto que el sistema ha dejado de funcionar.
Conviene leerlo no sólo como máximo drawdown, sino también como:
- magnitud típica del deterioro
- duración razonable antes de recuperación
- coste operativo y psicológico de sostener el proceso
Aquí suele mejorar mucho el criterio: dejas de preguntar sólo “cuál fue el peor caso” y empiezas a preguntar “qué deterioro es razonable y sostenible para este sistema”.
Frecuencia operativa y exigencia práctica del sistema
La frecuencia no es un detalle menor. Define:
- cuántas decisiones exige el sistema
- qué ritmo de ejecución impone
- qué volumen de evidencia necesitas para que el test tenga valor
Además, conecta de forma natural con el backtesting manual: un sistema de baja frecuencia tarda más en darte evidencia, y eso cambia cómo organizas el proceso.
Errores frecuentes al interpretar métricas de backtest
Quedarse sólo con la curva final
La curva final resume un agregado, pero no explica:
- cuántas veces el sistema estuvo cerca de deteriorarse
- qué rachas tuvo que soportar
- si el resultado depende de un periodo concreto
Mirar solo la curva es mirar el efecto sin entender la causa.
Sobrevalorar el porcentaje de acierto
El acierto alto puede ocultar una mala estructura de resultados, pérdidas raras pero costosas o fragilidad ante cambios de condiciones. El sistema no se entiende por su acierto, sino por la combinación entre acierto, tamaño de resultados y desgaste.
Leer expectativa o drawdown sin contexto
La expectativa sin estabilidad puede ser una media engañosa. El drawdown sin duración es una foto incompleta. Ambas métricas son útiles, pero sólo dentro de una lectura conjunta.
Confundir lectura de métricas con decisión final de validación
Interpretar métricas es entender el sistema. Decidir si avanza de fase es otra cosa. Ahí entran los criterios de validación de un sistema, que se apoyan en métricas, pero no se sustituyen por ellas.
Qué relación tienen las métricas con la muestra y con la validación posterior
Sin muestra útil, las métricas valen poco
Si la muestra en backtesting es insuficiente o poco representativa, las métricas pueden parecer precisas y aun así no ser fiables. Antes de interpretar, conviene confirmar que la base sobre la que mides permite concluir algo con cierto criterio.
Las métricas ayudan a entender; los criterios deciden
Las métricas describen el comportamiento del sistema. Los criterios deciden si ese comportamiento es suficiente para avanzar. Por eso esta pieza no sustituye a la de criterios. La complementa.
Qué enlaza esta fase con robustez, OOS y forward sin invadirlas
Una buena lectura de métricas suele abrir preguntas que pertenecen a fases posteriores:
- ¿el sistema depende demasiado de un tramo concreto?
- ¿se sostendrá fuera de la muestra?
- ¿será ejecutable sin degradarse?
Aquí no toca resolver esas preguntas en profundidad. Toca detectarlas. Por eso el siguiente paso natural suele ser trabajar la robustez de un sistema de trading y, más adelante, ordenar el paso del backtest al real.
Cómo ordenar las métricas para revisar un sistema de forma práctica
Empezar por bloques, no por cifras aisladas
Un orden útil de revisión puede ser este:
- resultado global
- estructura del resultado
- coste y desgaste
- estabilidad por tramos
Ese orden obliga a ver el sistema completo y reduce el riesgo de fijarte sólo en el dato más llamativo.
Qué conviene registrar y comparar entre tests
Para comparar sin autoengaño, conviene registrar de forma consistente:
- número de operaciones y periodo
- beneficio neto y concentración del resultado
- acierto y ganancia media frente a pérdida media
- drawdown y duración aproximada
- rachas de pérdidas relevantes
- frecuencia operativa
No necesitas cuarenta métricas. Necesitas las mismas pocas métricas, siempre, para que la comparación tenga sentido.
Cómo dejar una lectura útil para la revisión posterior
Una práctica simple, pero muy eficaz, es cerrar cada test con unas pocas frases de lectura, no de opinión.
Busca formulaciones como:
- “resultado concentrado en pocas operaciones”
- “drawdown razonable, pero duración exigente”
- “acierto alto con relación beneficio/pérdida débil”
Eso te permite revisar más adelante sin reinterpretar el pasado y deja una base mucho más limpia para el resto del proceso de validación.
FAQs
¿Qué métricas hay que mirar en un backtest?
Las que ayudan a entender el sistema por bloques: resultado global, comportamiento operativo y desgaste. No basta con una sola cifra.
¿Cómo se interpreta un backtest con criterio?
Agrupando métricas por función y leyendo el conjunto: qué produce, cómo lo produce y qué coste exige.
¿La rentabilidad es la métrica más importante?
Es importante, pero no suficiente. Sin estructura de resultados, drawdown y estabilidad, la rentabilidad final puede ser engañosa.
¿Qué significa la expectativa en trading?
Es una medida del rendimiento medio esperado por operación. Ayuda a ver si existe ventaja estadística, pero no sustituye al resto de métricas.
¿Qué es el drawdown esperado?
Es una referencia del deterioro razonable que puedes vivir sin concluir demasiado pronto que el sistema ha dejado de funcionar.
¿Por qué no basta con mirar el porcentaje de acierto?
Porque puede ocultar una mala estructura de pérdidas, dependencia de pocas operaciones o fragilidad operativa.
¿Cuál es la diferencia entre métricas y criterios de validación?
Las métricas describen lo ocurrido. Los criterios de validación deciden si lo ocurrido es suficiente para avanzar.
En TNT Bolsa trabajamos para que no leas un backtest sólo por sensaciones o cifras sueltas, sino con un criterio que te permita entender de verdad el sistema.
