📐 Optimización cuantitativa
Optimización de parámetros sin sobreajustar: cómo construir estrategias robustas
Optimizar una estrategia de trading puede parecer sencillo: cambiar parámetros, ejecutar un backtest y quedarse con la combinación que ofrece el mejor resultado.
Pero ahí aparece una de las trampas más comunes del trading cuantitativo. Si probamos suficientes combinaciones, es muy probable que alguna funcione extraordinariamente bien sobre los datos históricos. Eso no significa necesariamente que hayamos encontrado una configuración superior — puede significar que hemos ajustado la estrategia al pasado.
Una buena optimización no busca el parámetro perfecto. Busca una configuración que mantenga un comportamiento razonable cuando las condiciones cambian.
⚙️ ¿Qué significa optimizar una estrategia?
Los parámetros son los valores que determinan cómo funciona un sistema: media rápida, media lenta, stop-loss, take profit. Optimizar significa probar diferentes valores para estudiar cómo cambia el comportamiento de la estrategia.
El problema comienza cuando elegimos automáticamente la combinación que obtuvo el mejor resultado histórico. El mejor resultado pasado no es necesariamente el mejor parámetro futuro.
⚠️ El peligro de buscar el número perfecto
A primera vista, 20/50 parece la opción ganadora. Pero ahora ampliamos el análisis alrededor de ese punto:
19/49
30%
20/50
31%
21/51
30%
El resultado de 20/50 ya no parece un pico aislado. Forma parte de una zona relativamente estable — y esa estabilidad es mucho más interesante que encontrar una combinación extraordinaria.
⛰️ Pico aislado vs. zona estable
Para una estrategia cuantitativa, casi siempre preferimos la meseta a la cima puntiaguda.
🚩 Pico aislado
Pequeños cambios destruyen el resultado
✅ Zona estable
Un rango de valores produce resultados similares
🧠 Optimiza alrededor de una hipótesis
Antes de lanzar cientos de pruebas, conviene preguntarse: ¿por qué estoy modificando este parámetro?
“Tengo una hipótesis y quiero comprobarla.”
“Voy a probar todo hasta encontrar algo que funcione.”
El segundo enfoque aumenta considerablemente el riesgo de encontrar patrones fruto del azar.
📏 Utiliza rangos en lugar de puntos exactos
En lugar de preguntar “¿el RSI debe ser exactamente 27?”, podemos analizar “¿la estrategia funciona razonablemente bien con RSI entre 25 y 30?” Lo mismo puede hacerse con medias móviles, stop-loss, take profit, ventanas temporales y umbrales de volatilidad.
🔬 Prueba la sensibilidad de la estrategia
Aquí no existe un valor mágico. Los resultados son relativamente parecidos dentro de un rango amplio — una señal de estabilidad. Si en cambio el Sharpe fuera 1,40 únicamente con 2,5% y cayese a 0,30 con 2,4% o 2,6%, habría motivos para investigar un posible sobreajuste.
🔢 No optimices todo al mismo tiempo
5 entradas × 5 salidas × 5 stops × 5 filtros = 625 combinaciones
Esto no significa que una estrategia compleja sea necesariamente mala. Significa que debemos tener una razón clara para cada componente — un parámetro debería estar ahí porque tiene sentido dentro de la hipótesis, no simplemente porque mejora el backtest.
🔀 Optimiza dentro de una muestra y valida fuera
📚 Datos históricos
↓
🛠️ Periodo de desarrollo
↓
⚙️ Optimización
↓
🎯 Parámetros elegidos
↓
🧪 Periodo fuera de muestra
↓
✅ Evaluación
Si una estrategia funciona muy bien durante la optimización pero se deteriora completamente fuera de muestra, probablemente existe un problema de robustez.
🚶 El walk-forward analysis lleva esta idea más lejos: se optimiza sobre un periodo, se prueba sobre el siguiente y la ventana avanza. No necesitamos que gane siempre la misma configuración — lo importante es que el comportamiento general conserve estabilidad.
🎯 ¿Qué deberías optimizar?
Estrategia A
Rentabilidad: 65%
Drawdown: 42%
Estrategia B
Rentabilidad: 48%
Drawdown: 14%
Si únicamente observamos la rentabilidad, A parece superior. Pero cuando incorporamos el riesgo, la conclusión puede cambiar. Por eso pueden utilizarse métricas como Sharpe, Sortino, Calmar, drawdown máximo, rentabilidad ajustada al riesgo y consistencia.
💸 Los costes también deben entrar en la optimización
Comisiones + spread + slippage + financiación
Si dos configuraciones producen resultados similares, pero una necesita 500 operaciones y otra 100, la primera puede ser mucho más sensible a los costes.
✅ Cinco preguntas antes de aceptar un parámetro
1️⃣ ¿Tiene una razón económica o estadística?
2️⃣ ¿Funciona en un rango o solo en un punto?
3️⃣ ¿Mantiene resultados fuera de muestra?
4️⃣ ¿Resiste pequeños cambios?
5️⃣ ¿Sigue siendo rentable después de costes?
Cuantas más respuestas positivas obtengamos, mayor será nuestra confianza en que el resultado no depende únicamente de una coincidencia histórica.
✨ No se trata de encontrar el número que produjo la mayor rentabilidad en el pasado. Se trata de encontrar una zona de parámetros suficientemente robusta como para que la estrategia no dependa de haber acertado un número exacto.
Este contenido tiene fines educativos y no constituye una recomendación de inversión. El trading conlleva un alto riesgo de pérdida de capital. Analiza siempre tu propia situación financiera antes de operar.