En el Instituto de Física y Tecnología de Moscú (MFTI) presentaron un sistema en el que la verificación de estrategias comerciales de criptomonedas se basa no en un historial de precios idealizado, sino en la simulación de condiciones cercanas al comercio real. El desarrollo tiene en cuenta comisiones, deslizamiento, liquidez, costo de financiamiento de contratos perpetuos y otros factores, debido a los cuales una estrategia rentable en el papel puede resultar débil después de su lanzamiento.
Ficha de desarrollo
- Desarrollador: Instituto de Física y Tecnología de Moscú (MFTI).
- Fecha de presentación del sistema: 30 de julio de 2026.
- Sector: servicios financieros, inversión y auditoría.
- Tecnologías: Minería de Datos (Data Mining).
El sistema pertenece a las herramientas de análisis de datos y está destinado a una evaluación más rigurosa de estrategias de criptomonedas. Su tarea es mostrar cómo se comportaría el algoritmo no en condiciones de laboratorio, sino en un entorno donde las transacciones se ejecutan con costos, demoras y limitaciones del mercado.
Qué es el backtesting y para qué sirve
El backtesting es la verificación de una estrategia comercial con datos históricos. En términos simples, es como si el algoritmo reviviera un período pasado del mercado: recibe precios, abre y cierra operaciones según reglas establecidas, y luego muestra cuál podría haber sido el resultado.
Esta verificación es necesaria para evaluar de antemano la lógica de la estrategia: si generaba ganancias, cuánto se reducía el capital, con qué frecuencia ocurrían períodos de pérdidas y si la idea resiste diferentes fases del mercado. Para un robot comercial, el backtesting es especialmente importante: ayuda a encontrar puntos débiles antes de operar con dinero real.
Cómo realizar un backtest de una estrategia o robot
Generalmente, la verificación sigue un algoritmo comprensible:
- Preparar datos históricos: precios, volúmenes, comisiones y otros parámetros del mercado.
- Configurar las reglas de la estrategia: condiciones de entrada, salida, tamaño de la posición y límites de riesgo.
- Establecer condiciones comerciales reales: comisiones, deslizamiento, liquidez y costo de financiamiento para contratos perpetuos.
- Ejecutar la prueba para que el algoritmo no utilice datos del futuro.
- Analizar los resultados mediante informes, gráficos y tablas de operaciones.
Para el backtesting, a menudo se utilizan plataformas como MetaTrader, TradingView, Amibroker y similares. Si se necesita un sistema de prueba propio, generalmente se programa en Python, C++ o R.
La optimización de un robot comercial se reduce a probar y comparar parámetros: por ejemplo, el período del indicador, las reglas de salida o el tamaño de la posición. Pero elegir solo la variante con la mayor rentabilidad es peligroso; es importante observar cuán estable es el resultado en diferentes segmentos del mercado.
Existen métodos de verificación adicionales. Las pruebas de avance (forward-testing) ejecutan la estrategia en datos nuevos después de la configuración, para evaluarla fuera del período histórico utilizado para ajustar parámetros. Las pruebas visuales muestran las operaciones directamente en el gráfico, paso a paso, facilitando ver dónde el algoritmo entra, sale y se equivoca.
Métricas, factores y errores comunes del backtest
El resultado del backtest no se evalúa solo por la ganancia. Generalmente se analizan varios indicadores a la vez:
- Rentabilidad: muestra cuánto ganó la estrategia en el período seleccionado.
- Pérdida máxima (Drawdown): muestra cuánto disminuyó el capital desde su punto máximo al mínimo.
- Ratio de Sharpe: ayuda a evaluar la rentabilidad ajustada al riesgo.
- Volatilidad: muestra cuán bruscamente cambiaron los resultados de la estrategia.
- Relación riesgo/beneficio: ayuda a comprender si la ganancia potencial vale las posibles pérdidas.
El éxito de la verificación depende principalmente de la calidad de los datos, la contabilización de comisiones, liquidez, deslizamiento, realismo de la simulación, duración del período de prueba y el riesgo de sobreajuste.
Los errores más comunes son el uso de datos futuros, el sobreajuste a un segmento histórico afortunado, ignorar los costos comerciales y períodos de prueba demasiado cortos. Precisamente por estos errores, una estrategia puede parecer fuerte en el gráfico pero perder efectividad rápidamente después del lanzamiento.
Qué verificaron exactamente los científicos del MFTI
El centro de la investigación fueron las estrategias de momento, uno de los enfoques populares en el comercio algorítmico. Su idea es simple: si el precio de un activo ya se mueve en cierta dirección, puede continuar ese movimiento durante algún tiempo. En los mercados financieros tradicionales, tales enfoques se aplican desde hace tiempo, pero en criptomonedas a menudo se prueban de manera demasiado simplificada.
En el mercado criptográfico existen diferentes tipos de estrategias:
- Momento: apuesta a la continuación del movimiento de precio ya iniciado.
- Arbitraje: búsqueda de diferencias de precios entre plataformas o instrumentos.
- Scalping: operaciones frecuentes a corto plazo con un objetivo de ganancia pequeño.
- Estrategias de tendencia: operar siguiendo la dirección principal del mercado.
- Estrategias contrarias: intentar ganar con las correcciones en contra del movimiento actual.
- Market-making: colocar órdenes de compra y venta para ganar con el spread.
El principal problema de estas pruebas es la desconexión de la realidad. La cotización en el gráfico histórico muestra el precio, pero no revela todas las condiciones de la operación: cómo era la liquidez, cuánto costó la ejecución, cuál fue el deslizamiento y cómo cambiaban los ciclos del mercado. Debido a esto, una estrategia puede parecer fuerte en datos pasados, pero perder rápidamente la rentabilidad esperada tras el lanzamiento.
El equipo del departamento "Blockchain" del MFTI decidió verificar cuán resistentes son las estrategias de momento con un enfoque más realista. Para ello, el trabajo se dividió en varios pasos prácticos:
- Creación de un sistema de prueba.
- Recopilación de datos horarios del mercado spot.
- Recopilación de datos horarios de futuros perpetuos durante 8 años.
Cómo funciona el sistema de prueba
El desarrollo simula paso a paso el funcionamiento de una estrategia comercial, como si se ejecutara en tiempo real. En cada paso, el sistema verifica varias condiciones:
- El algoritmo recibe solo los datos del mercado que podrían estar disponibles en el momento de tomar la decisión.
- El resultado de la operación se calcula considerando comisiones.
- Se añade deslizamiento al cálculo.
- Se considera la liquidez disponible.
- Para contratos perpetuos, se considera el costo de financiamiento.
Después de calcular un período de tiempo, el algoritmo pasa al siguiente y repite el procedimiento con los datos actualizados. Este enfoque ayuda a evitar el error común de utilizar información del futuro. Como resultado, la prueba muestra no una rentabilidad abstracta en el historial, sino una imagen más plausible del comportamiento de la estrategia en el comercio real.
El sistema reproduce el funcionamiento de la estrategia paso a paso: utiliza solo datos disponibles en ese momento, considera costos comerciales reales y luego pasa al siguiente período. Este método permite evaluar cómo podría comportarse la estrategia en condiciones de mercado reales, explicó Maxim Egorov, graduado del departamento "Blockchain" del MFTI.
Para un mercado donde los traders a menudo prueban ideas en MetaTrader, escriben sus propios modelos en Python o trasladan algoritmos de alta carga a C++, no solo es importante la lógica de entrada y salida de posiciones. La calidad de la verificación se basa en tres aspectos:
- Considerar los costos que surgen al ejecutar operaciones.
- Considerar las limitaciones de ejecución, incluida liquidez y deslizamiento.
- Comparar la evaluación final con cómo podría haber funcionado la estrategia en el comercio real.
Resultados: la rentabilidad no fue la principal ventaja
Los resultados obtenidos se verificaron adicionalmente con métodos estadísticos. Esto era necesario para separar el efecto sostenible de la coincidencia aleatoria de parámetros con un segmento afortunado del mercado. Este control mostró: muchas estrategias que parecen buenas en pruebas estándar pierden notablemente efectividad después de considerar condiciones comerciales reales.
La conclusión principal no fue que las estrategias de momento ofrecen la máxima ganancia. Su ventaja más importante resultó ser la capacidad de limitar pérdidas en períodos de fuertes caídas del mercado. Con la verificación realista, la protección del capital durante los desplomes pasó a primer plano.
Se probaron 132 variantes de estrategias. La investigación mostró que no se puede basar solo en la variante que mejor se desempeñó en datos históricos. Después de ajustar por selección aleatoria, su resultado ya no difería estadísticamente de la suerte. Sin embargo, el efecto de momento en sí no desapareció.
Si se evalúa la estrategia no por el escenario más exitoso, sino en promedio, y se forma una cartera con varias variantes, mantiene una rentabilidad estable. Su propiedad clave es la reducción de la pérdida máxima en períodos de crisis. Según los cálculos del MFTI, la pérdida máxima se redujo más de 2 veces: del 67% al 29%.
Para qué sirve tal verificación en el mercado criptográfico
Los autores del desarrollo consideran que el sistema puede convertirse en la base para evaluar y crear nuevos productos de inversión en el mercado de criptomonedas. Su valor radica en que el producto puede probarse de antemano en condiciones cercanas al comercio real, y entender cuán capaz es de proteger el capital durante fuertes caídas.
Tal sistema puede ser la base para evaluar nuevos productos de inversión para el mercado de criptomonedas. Permite ver de antemano cómo la estrategia atraviesa períodos de fuerte caída y cuán controlado sigue siendo el riesgo. En el contexto de la formación de una base normativa para activos financieros digitales en Rusia, tales herramientas pueden ser especialmente demandadas, señaló Maxim Egorov.
El siguiente paso que planean los científicos del MFTI es verificar otras clases de estrategias comerciales. También quieren ampliar la investigación a nuevos tipos de criptoactivos, para evaluar cuánto cambia la prueba realista la percepción del riesgo y la rentabilidad en diferentes segmentos del mercado.
