Qué es un buen profit factor y qué métricas mirar en un backtest, con números

¿Qué es un buen profit factor?

Actualizado el 19 de octubre de 2026 · Por Federico Ferreres, economista

El profit factor (PF) es lo que ganas por cada euro que pierdes, y no existe una cifra buena para todos los sistemas. Como orientación, entre 1,3 y 2, neto de costes y medido en unas 250 operaciones, indica una ventaja que ya se distingue del azar. Por encima de 3 con menos de 100 operaciones, sospecha de sobreoptimización.

Dato clave: un sistema del 40 % de acierto que gana 2R y pierde 1R tiene un profit factor real de 1,33. En backtests de 30 operaciones sale entre 0,73 y 2,29 nueve de cada diez veces, y da pérdidas en el 17,6 % de ellos. — Fuente: «cálculo propio» con el script del artículo.

El profit factor resume en una cifra cómo se reparten tus ganancias y tus pérdidas, pero no dice de dónde sale. Con la misma esperanza de +0,20R por operación, un sistema del 30 % de acierto marca 1,29 y uno del 70 %, 1,67. Por eso no lo leas nunca solo: necesita al lado el acierto, la esperanza, los costes y el número de operaciones.

Cómo se calcula el profit factor

Suma todas las ganancias, suma todas las pérdidas en valor absoluto y divide la primera cifra entre la segunda, siempre después de comisiones. En el ejemplo de este artículo, 10.465,63 € de ganancias netas entre 6.425,80 € de pérdidas netas dan un profit factor de 1,63.

PF = suma de las ganancias / suma de las pérdidas, en valor absoluto

Escrito con el acierto y los resultados medios, el profit factor solo depende de cuántas veces aciertas y de tu ratio ganancia/pérdida. Con la notación de Cuánto arriesgar por operación, p es el acierto y G y P son la ganancia y la pérdida medias. Las dos se miden en R, múltiplos del riesgo inicial de cada operación:

PF = (p × G) / ((1 − p) × P)

Profit factor según el acierto y la relación entre ganancia media y pérdida media (cálculo propio con esa fórmula):

Acierto	0,5 a 1	1 a 1	1,5 a 1	2 a 1	2,5 a 1	3 a 1
30 %	0,21	0,43	0,64	0,86	1,07	1,29
40 %	0,33	0,67	1,00	1,33	1,67	2,00
50 %	0,50	1,00	1,50	2,00	2,50	3,00
60 %	0,75	1,50	2,25	3,00	3,75	4,50
70 %	1,17	2,33	3,50	4,67	5,83	7,00

Un PF de 1,00 marca el acierto de equilibrio, P/(G + P). Es el 40 % con una ratio de 1,5 a 1, o el 50 % con una de 1 a 1. Por debajo de 1 pierdes dinero por mucho que aciertes: con una ratio de 0,5 a 1, ni el 60 % basta.

El profit factor y la esperanza, E = p × G − (1 − p) × P, están atados por una cuenta sencilla. Despejando:

E = (1 − p) × P × (PF − 1)

Con un 40 % de acierto y pérdidas de 1R, cada décima de profit factor por encima de 1 añade 0,06R de esperanza. En el ejemplo, (1 − 0,433) × 0,94R × (1,63 − 1) da +0,34R. Así que, entre un sistema del 35 % de acierto y otro del 65 %, compara la esperanza en R, no el PF.

Lo que los costes le quitan al profit factor

Un coste fijo por operación le resta lo mismo a la esperanza de cualquier sistema, pero al profit factor le quita más cuanto más pequeñas son tus ganancias. Con 0,1R de costes, el sistema del 30 % de acierto que gana 3R baja de un PF de 1,29 a 1,13; el del 70 % que gana 0,71R, de 1,67 a 1,30. Los cinco de la tabla tienen la misma esperanza bruta, +0,20R, y el coste se resta de cada ganancia y se suma a cada pérdida (cálculo propio):

Sistema (pérdida media de 1R)	Sin costes	Con 0,05R	Con 0,1R
30 % de acierto, gana 3R	1,29	1,20	1,13
40 % de acierto, gana 2R	1,33	1,24	1,15
50 % de acierto, gana 1,4R	1,40	1,29	1,18
60 % de acierto, gana 1R	1,50	1,36	1,23
70 % de acierto, gana 0,71R	1,67	1,48	1,30
Esperanza de los cinco	+0,20R	+0,15R	+0,10R

En esperanza, los cinco pierden lo mismo: la mitad de su ventaja con 0,1R. Peor le va al sistema del 70 % que gana 0,5R y pierde 1R. Con 0,05R de costes, su PF baja de 1,17 a 1,00 y la ventaja desaparece.

Lo que pagas en euros depende de tus comisiones; lo que pesa en R depende de tu stop. En el ejemplo de 60 operaciones, 11,39 € de media son 0,057R con 200 € de riesgo, pero serían 0,114R si arriesgaras 100 €. El deslizamiento también es un coste, y cómo registrarlo lo tienes en slippage en trading.

Juntando estas cuentas con las de los apartados siguientes sale una orientación para el PF neto, con aciertos del 40 % al 60 %. Tómala como punto de partida y no como regla: el listón para aprobar un sistema lo fijas tú antes del test, como se explica en criterios de validación de un sistema.

PF neto de costes	Lectura	La cuenta que lo respalda
Menos de 1	Pierdes dinero	Las pérdidas suman más que las ganancias
De 1 a 1,3	Ventaja fina: un error en los costes la borra	Con PF 1,2 hacen falta unas 500 operaciones para distinguirla del azar (de 486 a 523), y 0,1R más de costes deja la esperanza entre +0,02R y −0,02R
De 1,3 a 2	Ventaja medible con una muestra razonable	Para llegar a t = 2 bastan unas 250 operaciones con PF 1,3 (de 232 a 258) y unas 40 con PF 2 (de 33 a 43)
De 2 a 3	Ventaja grande, o la mejor de muchas variantes	Con 60 operaciones, la mejor de 1.000 variantes sin ventaja marca un PF mediano de 2,33
Más de 3 con menos de 100 operaciones	Sospecha de sobreoptimización	Con 30 operaciones, la mejor de 1.000 variantes sin ventaja marca un PF mediano de 4,00; con 60, llega a 3 o más en el 6,5 % de los casos

Las operaciones necesarias salen de un sistema que gana siempre lo mismo y pierde 1R. Con resultados más dispersos y la misma esperanza, hacen falta más.

Con más de 100 operaciones, en estas cuentas, un PF de 3 ya no se explica por quedarte con la mejor variante. Si aparece, busca antes un sesgo de anticipación o unos costes mal puestos.

¿Qué métricas hay que mirar en un backtest?

Mira primero siete cifras: número de operaciones, acierto, ganancia media, pérdida media, ratio, profit factor neto y esperanza. Después, el drawdown máximo, el factor de recuperación, la racha más larga de pérdidas y el estadístico t de la operación media. Si tu backtest tiene calendario, suma el Sharpe, el Sortino, la rentabilidad anual compuesta (CAGR) y la ratio MAR.

Cómo leerlas por bloques, sin quedarte con una sola, lo tienes en métricas de backtest. Aquí van la fórmula y la lectura de cada una:

Métrica	Cómo se calcula	Qué te dice
Número de operaciones	Todas las de la muestra	Si las demás cifras significan algo
Acierto	Ganadoras ÷ total	Nada por sí solo: se lee con la ratio
Ganancia y pérdida medias	Suma de ganancias ÷ ganadoras; suma de pérdidas ÷ perdedoras	Si las pérdidas se quedan en 1R o el stop resbala
Ratio ganancia/pérdida	Ganancia media ÷ pérdida media	El acierto que necesitas para no perder: P/(G + P)
Profit factor	Suma de ganancias ÷ suma de pérdidas	Cuánto ganas por cada euro perdido
Esperanza	Resultado neto ÷ número de operaciones	Lo que deja cada operación, en euros y en R
Drawdown máximo	Mayor caída de la curva desde un máximo anterior	Lo que tendrás que aguantar, en euros y en %
Factor de recuperación	Resultado neto ÷ drawdown máximo	Cuántas veces cubre el beneficio la peor caída
Racha máxima de pérdidas	Pérdidas seguidas más larga	Si encaja con tu acierto (tabla de rachas)
Estadístico t	Esperanza ÷ (desviación típica ÷ raíz de n)	Si la ventaja se distingue del azar
Sharpe y Sortino	Exceso de rentabilidad ÷ volatilidad total o a la baja	Rentabilidad por unidad de riesgo, para comparar
CAGR y ratio MAR	Crecimiento anual compuesto; CAGR ÷ drawdown máximo en %	Cuánto creces al año por cada punto de caída

Cómo se lee la esperanza

La esperanza, que en la entrada de métricas de backtest aparece como expectativa, es lo que gana o pierde de media cada operación. Se lee mejor en R: la del ejemplo, +0,34R, quiere decir que cada 200 € arriesgados dejaron 67,33 € netos de media. Si sale negativa después de costes, no hay sistema que gestionar, por mucho que acierte.

Léela siempre junto a otros dos números, el de operaciones y su dispersión. Una esperanza de +0,34R en 60 operaciones no pesa lo mismo que en 600, y el estadístico t es la cuenta que lo mide.

Sharpe y Sortino, mejor por meses que por operaciones

El Sharpe divide el exceso de rentabilidad sobre el tipo libre de riesgo entre su volatilidad. El Sortino solo cuenta la volatilidad a la baja. Los dos se calculan sobre rendimientos de periodos regulares, meses o días, y se anualizan después:

Sharpe anual = [media(r_m − r_f) ÷ σ(r_m − r_f)] × √12

Sortino anual = [media(r_m − r_f) ÷ √((1/T) × Σ min(0, r_m − r_f)²)] × √12

Aquí, r_m es el rendimiento de cada mes; r_f, el tipo libre de riesgo mensual, y T, el número de meses (la suma Σ recorre los T meses). Sharpe (1994) ya advertía que su ratio depende del periodo de medida, y aconsejaba medir en periodos cortos, como meses, y anualizar después.

Anualizar un Sharpe calculado por operación, multiplicándolo por la raíz de las operaciones de un año, es un atajo tentador. Falla porque las operaciones no duran lo mismo, no caen a intervalos regulares y no dejan restar bien el tipo libre de riesgo.

Ejemplo con números

Sesenta operaciones inventadas sobre una cuenta de 20.000 € dan un profit factor neto de 1,63 y una esperanza de +0,34R. Parece un buen sistema, pero su estadístico t es de solo 1,59. Es un ejemplo ilustrativo, no un sistema real ni un historial de resultados: sirve para ver cómo sale cada métrica.

Supuestos del ejemplo:

• Riesgo fijo de 200 € por operación (1R, el 1 % del capital inicial), el mismo de Cuánto arriesgar por operación.
• Comisiones de ida y vuelta de entre 8,40 € y 14,00 € por operación.
• Un calendario de 18 meses, con entre dos y cuatro operaciones al mes.
• Pérdidas de stop algo por debajo de 200 €, porque el tamaño se redondea hacia abajo.
• Dos huecos que saltan el stop y llevan la pérdida bruta a 243,65 € y 278,59 €.

Métrica	Valor neto de comisiones	De dónde sale
Operaciones	60	18 meses de calendario
Acierto	43,3 % (26 de 60)	45,0 % en bruto: la operación 58 ganaba 8,84 € y sus 11,90 € de comisiones la dejan en −3,06 €
Ganancia media	402,52 € (2,01R)	26 operaciones ganadoras
Pérdida media	188,99 € (0,94R)	34 operaciones perdedoras
Ratio ganancia/pérdida	2,13	Acierto de equilibrio: 32,0 %
Profit factor	1,63	1,78 en bruto
Resultado	+4.039,83 € (+20,2 %)	4.723,03 € brutos menos 683,20 € de comisiones
Esperanza	+67,33 € (+0,34R) por operación	+78,72 € (+0,39R) en bruto
Drawdown máximo	1.330,90 € (6,4 %; 6,65R)	Del máximo tras la operación 14 al mínimo tras la 21
Factor de recuperación	3,04	Resultado neto ÷ drawdown máximo
Racha máxima de pérdidas	7	De la operación 15 a la 21
CAGR	13,0 %	24.039,83 € al cabo de 1,5 años
Ratio MAR	2,04	CAGR ÷ drawdown máximo en %
Sharpe anual	1,27	Mensual, restando un 2,999 % anual; 1,66 sin restarlo
Sortino anual	2,73	Mismo objetivo; 7 de los 18 meses quedan por debajo
Estadístico t	1,59	Por debajo de 2: lo explica el apartado siguiente

El tipo libre de riesgo es un 2,999 % anual. Es el tipo medio de la Letra del Tesoro a 12 meses en la subasta del 6 de octubre de 2026 (Banco de España). Simplificación: los rendimientos mensuales salen de las operaciones cerradas en cada mes, sin valorar a mercado las que siguen abiertas.

Fíjate en el Sharpe: sin restar el tipo libre de riesgo, sale 1,66 con rendimientos mensuales. Si anualizas el Sharpe por operación con la raíz de 40, las operaciones de un año, sale 1,30. Con 18 meses de datos ninguna de las dos cifras es precisa, pero la mensual al menos se puede comparar con otras inversiones.

Los 60 resultados netos, en euros y en orden, por si quieres rehacer las cuentas:

-210,35; 409,31; -203,75; -126,81; 262,86; -212,08; 626,32; -205,47; -209,53; 148,85; -110,77; 469,51; -208,23; 362,58; -208,26; -255,55; -203,31; -151,47; -212,80; -208,98; -90,53; 504,34; 202,31; -207,80; 847,23; -207,38; 304,65; 294,76; -173,92; 388,38; -209,65; 112,09; -208,95; 445,04; 552,78; -109,30; 328,08; -208,00; -208,18; -211,54; 430,06; -290,49; 183,91; -205,94; 1.005,53; -208,21; -190,68; 245,01; -207,64; 483,68; -128,44; -213,42; 171,04; 347,21; -209,37; 524,97; 590,61; -3,06; 224,52; -205,94

Prueba la calculadora de métricas de backtest: pega esta lista con 20.000 € de capital y 200 € de riesgo, o los resultados de tu propio backtest.

¿Cuántas operaciones hacen falta para fiarse de un backtest?

Depende de lo grande que sea tu ventaja frente a lo que varían tus resultados. Un sistema del 40 % de acierto que gana 2R y pierde 1R necesita unas 216 operaciones para distinguirse del azar. Con la mitad de ventaja y la misma dispersión, cuatro veces más.

La cuenta es el estadístico t de la operación media: la esperanza dividida entre su error estándar.

t = E ÷ (s ÷ √n) ⇒ n_mínimo = (2 × s ÷ E)²

Aquí s es la desviación típica de los resultados por operación y n, el número de operaciones.

En una prueba única, un t de 2 equivale a un p-valor de 0,05 (Harvey y Liu). Dicho de otro modo: si no hubiera ventaja, verías algo así de extremo un 5 % de las veces. Si has probado muchas variantes, el listón sube.

Operaciones necesarias para llegar a t = 2 en un sistema que gana siempre lo mismo y pierde siempre 1R (cálculo propio):

PF real	Con un 40 % de acierto	Con un 60 % de acierto
1,1	1.873 (E = +0,06R)	1.803 (E = +0,04R)
1,2	523 (E = +0,12R)	486 (E = +0,08R)
1,3	258 (E = +0,18R)	232 (E = +0,12R)
1,33	216 (E = +0,20R)	193 (E = +0,13R)
1,5	113 (E = +0,30R)	96 (E = +0,20R)
2	43 (E = +0,60R)	33 (E = +0,40R)
3	20 (E = +1,20R)	13 (E = +0,80R)

Con pocas operaciones, además, el profit factor baila. Esto muestra el sistema del 40 % con +2R y −1R (PF real 1,33) según el tamaño del backtest, en cálculo binomial exacto:

Operaciones	PF observado nueve de cada diez veces	Backtests que dan pérdidas
30	De 0,73 a 2,29	17,6 %
60	De 0,86 a 2,00	11,7 %
100	De 0,94 a 1,85	9,1 %
200	De 1,05 a 1,67	2,5 %
500	De 1,14 a 1,55	0,1 %

Treinta operaciones son el mínimo para empezar a sacar conclusiones en un backtesting manual, pero no bastan para medir el profit factor. Y el número no lo es todo: la muestra debe cubrir los contextos en que vas a operar, como explica muestra en backtesting.

En el ejemplo de 60 operaciones, la esperanza es de +67,33 € con una desviación típica de 328,09 € (1,64R), y t = 1,59. La ventaja todavía no se distingue del azar. Con esa media y esa dispersión, harían falta unas 95 operaciones para llegar a t = 2, y unas 214 para t = 3.

Lo sensato es decidir antes de mirar resultados cuántas operaciones vas a exigir, y no parar el backtest cuando la curva te gusta.

Cómo validar un backtest antes de creértelo

Separa los datos de diseño de los de comprobación y cuenta las variantes que has probado. Después, pon el resultado a prueba con más costes, parámetros vecinos y otro orden de operaciones. El orden de las fases lo tienes en validación de sistemas de trading; aquí, las cuentas.

Fuera de muestra y walk-forward

Reserva un tramo de datos que no toques al diseñar y úsalo solo para comprobar. El walk-forward repite esa separación en ventanas que avanzan: optimizas con un bloque, pruebas con el siguiente y desplazas las dos un bloque. Así, cada tramo de prueba se mide con parámetros elegidos solo con el pasado, como te pasará en real.

Qué degradación fuera de muestra es asumible y cuál es un derrumbe lo trata out of sample en trading.

Cuántas variantes has probado

Cada parámetro que ajustas es una ocasión más de encajar el ruido, y tres parámetros con diez valores cada uno ya son 1.000 combinaciones. Esto marca la mejor variante de un sistema sin ventaja (50 % de acierto, +1R y −1R) según cuántas pruebes. Es el PF mediano, con cálculo binomial exacto:

Operaciones por variante	Mejor de 20	Mejor de 100	Mejor de 1.000
30	2,00	2,75	4,00
60	1,61	1,86	2,33
100	1,44	1,63	1,94
300	1,24	1,33	1,46

La tabla supone variantes independientes. Las de una misma rejilla se parecen entre sí, así que el efecto por variante es menor. La conclusión no cambia: con pocas operaciones y muchas pruebas, un PF alto es lo esperable aunque no haya nada detrás.

Por eso conviene mirar los vecinos. Si el PF se hunde al mover un parámetro un par de valores, el sistema depende de un punto concreto del histórico. Cómo comprobarlo sin deformar el sistema lo explica robustez de un sistema de trading.

Bailey, Borwein, López de Prado y Zhu proponen estimar la probabilidad de que el backtest elegido esté sobreajustado con una validación cruzada combinatoria simétrica (CSCV). Bailey y López de Prado, con el Sharpe deflactado, corrigen el Sharpe por el número de pruebas y por rendimientos no normales.

Harvey y Liu ponen un caso: un Sharpe anual de 0,75 medido en 240 meses. Si es el mejor de 200 pruebas independientes, una vez corregido se queda en 0,32. Descartan la regla de recortarlo a la mitad: se queda corta con Sharpe menores de 0,4 y se pasa con los mayores de 1.

El orden de las operaciones también cuenta

Barajar el orden de tus operaciones no cambia el resultado final, pero sí el camino. Con las 60 del ejemplo y 10.000 órdenes al azar, el drawdown máximo mediano es de 1.355,00 €. En el orden original fue de 1.330,90 €.

Pero uno de cada veinte órdenes supera los 2.214,69 € de caída, y en el 9,2 % la racha llega a 9 pérdidas o más. Planifica tu riesgo con ese percentil alto, no con el drawdown que te tocó.

La simulación de drawdowns según el riesgo por operación la tienes en Cuánto arriesgar por operación.

Costes, deslizamiento y dos sesgos que inflan el resultado

Mete en el backtest las comisiones reales y una estimación prudente del deslizamiento; después, dobla los costes y mira qué queda. En el ejemplo, con el doble de comisiones el PF neto baja de 1,63 a 1,49 y la esperanza, de +0,34R a +0,28R. Cuando pases a real, compara lo estimado con lo que pagas, como propone del backtest al real.

El sesgo de supervivencia aparece si pruebas solo con los valores que hoy siguen cotizando. Los que quebraron o salieron del índice ya no están, y el pasado parece mejor de lo que fue.

El de anticipación (look-ahead) aparece cuando el sistema usa un dato que en su momento aún no existía. Ocurre, por ejemplo, si entras al cierre de la misma vela que da la señal o usas indicadores recalculados con datos posteriores. También, si el backtest opera con resultados empresariales antes de que se publiquen.

Los sesgos de lectura e interpretación están en sesgos en backtesting.

Preguntas frecuentes

¿Qué es el profit factor? La suma de las ganancias dividida entre la suma de las pérdidas, en valor absoluto. Un PF de 1,63 quiere decir que ganaste 1,63 € por cada euro perdido.

¿Cómo se calcula el profit factor con el acierto y la ratio? Multiplica el acierto por la ganancia media y divídelo entre el porcentaje de fallos por la pérdida media. Con un 40 % de acierto y una ratio de 2 a 1, sale 0,4 × 2 ÷ (0,6 × 1) = 1,33.

¿Qué profit factor es bueno? No hay una cifra universal, porque depende del acierto, de los costes y del número de operaciones. Como orientación, de 1,3 a 2 neto de costes: con PF 1,3 hacen falta unas 250 operaciones para que la ventaja se distinga del azar, y con PF 2, unas 40. Por debajo de 1,3 la ventaja es fina, y por encima de 3 con menos de 100 operaciones apunta a sobreoptimización.

¿Cuántas operaciones necesita un backtest para ser fiable? Las suficientes para que el estadístico t de la operación media llegue a 2. Con un 40 % de acierto, +2R y −1R, son unas 216; con un PF real de 1,2 y el mismo acierto, 523.

¿Cómo afectan las comisiones al profit factor? Lo bajan más cuanto más pequeña es tu ganancia media. Con 0,1R de coste por operación, un sistema del 70 % de acierto que gana 0,71R pasa de un PF de 1,67 a 1,30. En el ejemplo de este artículo, 11,39 € de comisión media por operación lo dejan en 1,63, cuando en bruto era de 1,78.

¿Qué es la esperanza de un sistema y cómo se interpreta? Es el resultado medio por operación, E = p × G − (1 − p) × P, y se lee mejor en múltiplos del riesgo (R). Una esperanza de +0,34R significa que cada 200 € arriesgados dejaron 67,33 € de media. Si es negativa después de costes, no hay ventaja que gestionar.

¿Por qué no conviene anualizar el Sharpe por operación? Porque una operación puede durar un día y la siguiente, tres semanas. Multiplicar por la raíz de las operaciones del año da por hecho que todas pesan igual en el tiempo. En el ejemplo, el atajo da 1,30 y el cálculo mensual, 1,66, los dos sin restar el tipo libre de riesgo.

¿Qué es el factor de recuperación? El resultado neto dividido entre el drawdown máximo. En el ejemplo, 4.039,83 € de beneficio y 1.330,90 € de caída dan 3,04.

¿Un profit factor alto garantiza que el sistema funcione en real? No. Con 30 operaciones, la mejor de 1.000 variantes de un sistema sin ventaja muestra un PF mediano de 4,00. Antes de arriesgar dinero, valídalo fuera de muestra, con costes reales y con más operaciones.

Fuentes

• Bailey, D. H.; Borwein, J.; López de Prado, M., y Zhu, Q. J. (2017): «The Probability of Backtest Overfitting», Journal of Computational Finance, 20 (4), págs. 39-69 (ficha en SSRN).
• Bailey, D. H., y López de Prado, M. (2014): «The Deflated Sharpe Ratio: Correcting for Selection Bias, Backtest Overfitting and Non-Normality», Journal of Portfolio Management, 40 (5), págs. 94-107 (ficha en SSRN).
• Harvey, C. R., y Liu, Y. (2015): «Backtesting», The Journal of Portfolio Management, otoño de 2015 (copia del autor en la Universidad de Duke).
• Sharpe, W. F. (1994): «The Sharpe Ratio», The Journal of Portfolio Management, otoño de 1994 (copia del autor en la Universidad de Stanford).
• Banco de España: anuncio de la subasta de Letras del Tesoro a 6 y 12 meses de noviembre de 2026, con el resultado de la subasta del 6 de octubre de 2026.
• TNT Bolsa: backtesting manual, para el mínimo de 30 casos, y las demás entradas enlazadas en el texto.
• Cálculos propios con el script metricas-backtest-tntbolsa.py (Python 3.9+ con numpy). Profit factor, costes y operaciones necesarias salen de fórmulas cerradas; el ruido del PF y la mejor de k variantes, de la distribución binomial exacta; el Monte Carlo, de 10.000 permutaciones con la semilla 20261019.

Contenido informativo y educativo. No constituye asesoramiento financiero ni recomendación de inversión.