Estrategia de trading sostenible vs una racha de suerte: 6 filtros estadísticos

Un +180% en 12 meses impresiona. Y es exactamente el perfil de retorno de una estrategia que tuvo suerte durante 12 meses. La verdad honesta sobre la mayoría de los track records de trading publicados es que no puedes distinguirlos de resultados aleatorios sin correr filtros estadísticos que el vendedor rara vez te enseña. Aquí están los seis tests que aplican los investigadores profesionales, con las matemáticas detrás de cada uno.

Por qué esto importa

Dos estrategias entran al mercado público con el mismo retorno a 12 meses. Una es genuinamente repetible; la otra es una muestra afortunada. El cliente que financia la estrategia con suerte con capital serio pierde dinero durante los siguientes 12 meses, a medida que la varianza revierte a la media. El cliente que financia la estrategia genuinamente repetible compone.

El track record visible es idéntico. La huella estadística, cuando la buscas, no lo es. Distinguir las dos lleva unos 30 minutos de análisis, pero la mayoría de los traders minoristas nunca lo hace.

Filtro 1: tamaño de muestra frente a la tasa de acierto

Una estrategia con 60% de acierto necesita en torno a 100 operaciones antes de que puedas distinguirla estadísticamente, con una confianza razonable, de una estrategia con 50% de acierto. Una con 70% de acierto necesita unas 50 operaciones. Una con 90% de acierto puede identificarse estadísticamente en 25 operaciones.

La regla general: 4 / (p − 0.5)² operaciones, donde p es la tasa de acierto reclamada. Así que:

• afirmar 55% → hacen falta 1.600 operaciones
• afirmar 60% → hacen falta 400 operaciones
• afirmar 70% → hacen falta 100 operaciones
• afirmar 80% → hacen falta 44 operaciones

Si alguien te enseña un 65% de acierto sobre 50 operaciones, estadísticamente no puedes distinguir eso de un 50% de acierto. La muestra es demasiado pequeña. Puede que tengan un edge real, o puede que estén en una ventana afortunada. El track record por sí solo no te lo puede decir.

Qué hacer: pide el tiempo de funcionamiento de la estrategia y el número de operaciones. Si el número está por debajo del umbral para la tasa de acierto reclamada, el resultado es no concluyente por muy impresionante que se vea.

Filtro 2: ratio de Sharpe DESPUÉS de una fricción realista

El Sharpe es la métrica resumen más limpia. Tiene en cuenta el riesgo, no solo el retorno. Un Sharpe de 1,5+ en trading de cripto fuera de muestra es genuinamente impresionante. Un Sharpe por encima de 3,0 es raro y casi siempre indica o fraude o un modelado de fricción irrealista.

La trampa: la mayoría de los Sharpes publicados ignoran la fricción real. Un slippage del 0,2%, comisiones del 0,08% y funding del 0,05% por periodo suman un lastre real. Un backtest que reclama Sharpe 2,5 con cero fricción a menudo se convierte en Sharpe 1,0 con fricción realista: sigue siendo bueno, pero es otra historia de venta.

Qué hacer: pregunta "¿qué supuesto de fricción usas?". Si la respuesta es "usamos slippage realista" sin concretar, la fricción probablemente está infravalorada. Insiste en el número de coste por operación.

Filtro 3: drawdown máximo frente al drawdown esperado

Para cualquier estrategia con un Sharpe dado, la teoría estadística predice un drawdown máximo esperado. Una estrategia Sharpe-1,5 con 12 meses de historia debería esperar un drawdown máximo de en torno al 25-35% en ese periodo. Si un track record publicado muestra un drawdown máximo de solo el 5%, o bien (a) la estrategia es genuinamente mejor de lo que implica un Sharpe-1,5, (b) el periodo fue inusualmente benigno, o (c) los datos han sido suavizados/curados.

El diagnóstico: calcula "Sharpe × multiplicador de DD esperado" y compáralo con el max DD reclamado. Si el DD reclamado está dramáticamente por debajo de lo esperado, indaga más antes de confiar.

Filtro 4: estabilidad walk-forward

Toma el periodo completo del backtest y divídelo en 5 ventanas iguales. Calcula el retorno de la estrategia en cada ventana por separado. Cinco ventanas ganadoras es un backtest "estable". Tres ganadoras y dos perdedoras es "sensible al régimen". Una ventana ganadora enorme y cuatro marginales es "dependiente de una ventana afortunada".

Un número sorprendente de track records publicados resultan ser "un trimestre ganador enorme, tres trimestres planos" cuando los descompones. El retorno global parece impresionante; la distribución por ventanas revela que es un único evento afortunado.

Qué hacer: pide la descomposición walk-forward. Si la estrategia es real, cada ventana (o casi todas) debería ser positiva. Si solo una es positiva, estás mirando un artefacto de muestreo, no una estrategia.

Filtro 5: intervalo de confianza bootstrap sobre el retorno

El bootstrap estadístico toma los retornos operación a operación reales y los remuestrea con reemplazo muchas veces (típicamente 2000-5000) para estimar la distribución de retornos plausibles del mismo edge. El intervalo de confianza del 95% te dice: "dado este registro de operaciones, ¿cuál es el rango plausible de retornos verdaderos?".

Ejemplo: un backtest produce un retorno del +180%. Un CI bootstrap de [+45%, +320%] te dice que la estrategia es probablemente positiva, pero que el retorno esperado verdadero es mucho menos seguro de lo que sugiere la estimación puntual. Un CI bootstrap de [−25%, +180%] te dice que la estrategia podría ni siquiera ser positiva una vez tenida en cuenta la varianza.

El titular +180% es el mismo en ambos casos. El mensaje honesto es muy distinto.

Filtro 6: decaimiento de la estrategia a lo largo del periodo fuera de muestra

Una estrategia que funcionaba al +20%/mes en 2024 pero al +5%/mes en 2025 está decayendo. El decaimiento te dice que el edge de la estrategia es competido: otra gente ha encontrado una ineficiencia similar y la está explotando. Al final, el edge → 0.

Para un investigador serio, el decaimiento es la señal más importante. Una estrategia con edge estable a lo largo de 12 meses es mucho más valiosa que una estrategia con un edge aplastante en el mes 1 y un edge mínimo en el mes 12, aunque el retorno total de la segunda sea mayor.

Qué hacer: mira los retornos mensuales a lo largo de toda la historia de la estrategia. Represéntalos en un gráfico. ¿Hay tendencia? ¿Estable? ¿Creciente? Cada patrón tiene implicaciones distintas sobre si el futuro se parecerá al pasado.

El diagnóstico combinado

Una estrategia que pasa los seis filtros es rara. La mayoría de las estrategias reclamadas falla al menos uno. Las que pasan merecen atención seria; las que fallan normalmente no.

En nuestra propia investigación, cada estrategia que publicamos (NEVA, CATALYST, VENUE, PHOENIX) ha pasado por esta batería exacta. Hemos descartado más estrategias de las que hemos publicado. Algunos ejemplos sobre los que hemos escrito abiertamente: BURST lució bien durante meses antes de que la descomposición walk-forward revelara un edge dependiente del régimen que ya estaba desapareciendo. ORACLE de copia por espejo tenía un backtest precioso que colapsó bajo el CI bootstrap. Ambas fueron descartadas en la fase de investigación. Las que sobreviven son lo que reciben los suscriptores.

Leer nuestro propio track record con honestidad

Para los traders que evalúan nuestro servicio: publicamos curvas de equity tanto de los meses de backtest como de los meses en vivo. La metodología es path-dependent (dinámica real intra-operación), la fricción es realista (slippage + comisiones + funding) y los datos en vivo son lo que de verdad pasó en una cuenta real de Binance. Sin operaciones rellenadas a posteriori, sin suavizado, sin perdedores eliminados.

La valoración honesta de nuestro propio track record: NEVA está pasando actualmente los seis filtros a lo largo de una ventana de varios meses, siendo la mayor contribución de una sola operación que hemos publicado la captura de un pump de una memecoin que produjo una subida asimétrica. Sin esa única operación, la estrategia sigue siendo positiva pero la magnitud se ve distinta. Lo revelamos abiertamente en nuestros materiales públicos porque es la lectura honesta.

Deberías aplicar estos mismos seis filtros a cualquier track record antes de financiar una estrategia con dinero real. Si el proveedor no puede responder a las seis preguntas diagnósticas en lenguaje claro, el track record no es tan bueno como parece.