Análisis walk-forward: el único método de backtest que no miente

Un backtest estándar mide si tu estrategia funcionó sobre los datos que usaste para diseñarla. El análisis walk-forward mide si tu estrategia habría funcionado en tiempo real, contra datos que aún no habías visto. Los dos números suelen ser muy distintos. El primero es lo que reporta la mayoría de los track records publicados. El segundo es lo que realmente habrías ganado. La distancia entre ambos es el overfitting, y es la razón por la que la mayoría de las estrategias que lucen genial sobre el papel pierden dinero operando en real.

El problema que resuelve el walk-forward

Imagina que construyes una estrategia crypto en mayo. La backtesteas sobre datos de enero a abril, ajustas los parámetros para que luzcan bien, y la curva de equity es preciosa. La despliegas en junio y la ves perder dinero tres meses seguidos. ¿Qué pasó?

Diseñaste contra los datos que ya tenías. Tus parámetros encajaron con la estructura de mercado de ese periodo concreto: su régimen de volatilidad, sus movimientos específicos, su ruido. Cuando junio y julio llegaron con otra estructura, tus parámetros finamente ajustados ya no eran óptimos. Estaban afinados para un mercado que ya no existía.

Este es el problema central del desarrollo de estrategias. Los datos que puedes backtestear son el pasado. Los datos sobre los que realmente vas a operar son el futuro. Los dos están relacionados estadísticamente pero no son idénticos. Optimizar sobre el pasado no se transfiere automáticamente.

El análisis walk-forward es la metodología diseñada para medir esa distancia con honestidad. Bien hecho, el resultado walk-forward es la aproximación más cercana que tenemos a lo que una estrategia habría hecho operando en real, sin el beneficio de la retrospectiva.

La mecánica

El procedimiento tiene tres pasos que se repiten a lo largo del dataset:

1. Ventana in-sample (IS): — un bloque de datos, digamos 90 días. Lo usas para ajustar parámetros, elegir filtros, calibrar umbrales o entrenar modelos.
2. Ventana out-of-sample (OOS): — el siguiente bloque, digamos 30 días, que nunca has tocado. Aplicas tu estrategia optimizada en IS, sin cambios, a esta ventana OOS y registras los resultados.
3. Roll forward: — desplaza todo una ventana hacia delante. El OOS anterior pasa a formar parte del siguiente pool de IS. Re-optimizas, re-evalúas sobre el siguiente bloque OOS.

Repites esto a lo largo de todo el dataset. Al final, la concatenación de todos los resultados OOS es la curva de equity walk-forward. Ese es el número que aproxima el despliegue en tiempo real.

Visualmente:

Day 0────90────120────210────240────330────360
        IS-1   OOS-1
                IS-2          OOS-2
                                IS-3   OOS-3
                                         ...

Walk-forward curve = OOS-1 + OOS-2 + OOS-3 + ...

Cada bloque OOS es dato "futuro" respecto a los parámetros que se usan. Nunca miras hacia delante. Nunca re-afinas una estrategia sobre datos en los que ya la has evaluado.

La proporción IS/OOS

¿Cuánto debe durar cada ventana? Convenciones prácticas:

• IS:OOS = 3:1 — es un punto de partida común. 90 días para ajustar, 30 días para evaluar. Da datos suficientes para ajustar con fiabilidad y aun así produce muchos bloques OOS a lo largo del año.
• Mínimo 6 rolls walk-forward. — menos significa que el ruido de muestra pequeña domina la curva de equity walk-forward. Quieres 6+ bloques OOS independientes para sacar conclusiones.
• Cada OOS debe contener al menos 30-50 trades. — menos, y la suerte individual domina. El objetivo mismo del walk-forward es promediar la suerte.

Para estrategias de alta frecuencia con muchos trades al día, IS-30d/OOS-10d funciona. Para estrategias de baja frecuencia guiadas por eventos, con 5 trades al mes, necesitas ventanas mucho más largas: IS-180d/OOS-60d o más. El principio es constante: suficiente IS para ajustar, suficiente OOS para medir con honestidad.

Qué revela el walk-forward

Cuando corres walk-forward sobre una estrategia típica de "luce genial en backtest", emergen tres patrones:

1. Degradación fuerte de IS a OOS. Sharpe IS 2,5, Sharpe OOS 0,4. Esta es la firma del overfitting. Tu estrategia se ajustó al ruido del IS; no tiene edge predictivo real. Los edges reales se degradan un ~30-50% de IS a OOS por ruido honesto. Una degradación mayor suele ser overfitting.

2. OOS inconsistente entre rolls. OOS-1 es +5%, OOS-2 es -3%, OOS-3 es +8%, OOS-4 es -2%. Los bloques OOS rebotan salvajemente. No hay un edge estable; hay sensibilidad de parámetros al cambio de régimen. Un edge real produce bloques OOS a grandes rasgos consistentes.

3. La re-optimización cambia los parámetros drásticamente. En IS-1 tu mejor conjunto de parámetros es RSI 14, umbral 0,6. En IS-2 es RSI 8, umbral 0,4. Los parámetros saltan porque los "mejores" parámetros encajan con el ruido específico del IS. Las estrategias estables tienen parámetros óptimos estables entre ventanas IS.

Cualquiera de estos es una advertencia. Dos presentes significan que tu estrategia está overfitteada. Tres significan que no hay edge real: solo has construido un ajustador de curvas.

El flujo de trabajo honesto

Si quieres validar una estrategia crypto con honestidad, el orden de operaciones:

1. Hipótesis primero. Escribe lo que crees que funcionará y POR QUÉ, antes de mirar los datos. "Creo que los tokens con open interest creciente y funding negativo revertirán a la media porque los shorts se ven exprimidos."
2. Comprométete con los parámetros de antemano. Elige umbral de OI 5%, corte de funding -0,05%, hold de 8 horas. No optimices todavía.
3. Test histórico de una sola pasada. Corre esos parámetros exactos sobre 6+ meses de datos históricos. Si la estrategia no tiene valor esperado positivo con los parámetros iniciales, tu hipótesis es errónea. No afines.
4. Si es positivo, walk-forward. Ahora sí puedes barrer parámetros en IS, evaluar en OOS, hacer roll forward. El resultado walk-forward es lo que realistamente capturarías.
5. Paper en real con los mismos parámetros. Corre los parámetros elegidos por el walk-forward en paper durante 30-60 días. Compara con la expectativa OOS. Si coincide → considera ir a real con tamaño pequeño. Si se desvía → hay algo que el walk-forward no capturó (slippage, cambios de microestructura).

El primer paso es el más importante y el que más gente se salta. Si empiezas explorando datos y encontrando patrones, ya has overfitteado. El "patrón" que encuentras es en parte edge real y en parte ruido aleatorio que la muestra histórica resultó contener. No puedes des-ver lo que ya viste.

Errores comunes de walk-forward

Hasta los investigadores que usan metodología walk-forward pueden hacerlo mal:

1. Look-ahead en las features. Tu feature incluye un valor calculado usando datos futuros. Ejemplo: un indicador de "tendencia" que usa una media móvil de 200 periodos centrada en la barra actual. La media usa 100 barras antes Y 100 después, así que el valor del indicador en la barra actual depende de barras futuras. En OOS, creerías que funciona porque la tendencia luce genial. En tiempo real, el indicador está indefinido.

2. Sesgo de supervivencia en el universo. Tus datos IS están filtrados a monedas actualmente líquidas en Binance. Pero se listaron y deslistaron monedas a lo largo del periodo. Tu OOS solo evalúa monedas que sobrevivieron. El despliegue en tiempo real habría incluido monedas que luego se deslistaron. IS y OOS tienen el mismo sesgo, así que el resultado walk-forward luce bien, pero subestima el riesgo real.

3. Walk-forward repetido. Corres walk-forward, ves un Sharpe OOS de 0,7. Retocas la estrategia "para manejar los fallos" y vuelves a correr. Ahora el Sharpe OOS es 1,1. Retocas otra vez. OOS 1,5. Tras 20 iteraciones tienes una "estrategia" que produce un Sharpe walk-forward de 2,5. Pero has usado los datos OOS como señal de ajuste: ya no son OOS. Has overfitteado a nivel meta.

4. Un solo dataset. Tu resultado walk-forward es sobre acciones de EE. UU. 2010-2024. Luce genial. Lo despliegas sobre acciones europeas. No funciona. El walk-forward midió la generalización a lo largo del TIEMPO, pero no a través del MERCADO. Valida siempre sobre varios datasets cuando sea posible.

5. Sin modelar costes de ejecución. Un walk-forward al 0% de slippage y 0% de comisiones da resultados distintos que uno al 0,2% de slippage y 0,08% de comisiones. Muchas estrategias que lucen rentables al 0% pierden dinero con costes realistas. Modela siempre los costes.

Por qué la mayoría de los backtests publicados se saltan el walk-forward

Tres razones:

1. Perjudica el número de titular. Un Sharpe in-sample de 2,8 se convierte en un Sharpe walk-forward de 0,9. El resultado honesto no vende newsletters. El exagerado sí.

2. Cuesta 10 veces más trabajo. Un backtest normal corre una vez. Un walk-forward con 12 rolls corre 12 veces, con re-optimización en cada paso. Para una estrategia con cientos de parámetros, esto es caro computacional y operativamente. También es la única forma de saber si tu estrategia funciona.

3. La mayoría de las estrategias no lo pasa. El sesgo de selección en las publicaciones es severo: las estrategias que fallan el walk-forward nunca se publican. Las que se publican, o pasaron el walk-forward o se lo saltaron. Si un track record no describe explícitamente su metodología walk-forward, asume que se la saltó.

Las red flags de walk-forward que debes preguntar

Si alguien te enseña un backtest, aquí están las preguntas de diagnóstico:

1. "¿Cuál es la división IS/OOS?" Si no hay división, no es walk-forward, es un único ajuste in-sample. Casi con seguridad overfitteado.
2. "¿Cuántos rolls walk-forward?" Menos de 6 significa que el ruido de muestra pequeña domina. El número de Sharpe OOS no es fiable.
3. "¿Cuánto cambiaron los parámetros entre ventanas IS?" Las estrategias estables tienen óptimos estables. Los saltos salvajes de parámetros significan que la estrategia es sensible al régimen.
4. "¿Cuál es el Sharpe OOS frente al Sharpe IS?" Degradación por debajo del 30% = fuerte. 30-60% = aceptable. Por encima del 60% = el resultado IS es sobre todo ruido de ajuste.
5. "¿Cuál es el número medio de trades por bloque OOS?" Menos de 30 trades por bloque OOS significa que la suerte de trades individuales domina los resultados.
6. "¿Qué slippage y comisiones se modelaron?" Si es cero o irreal, el backtest es ficción.

Respuestas honestas a estas preguntas son la diferencia entre una estrategia que ha sido validada y una que solo ha sido ajustada.

Walk-forward en crypto en concreto

Tres consideraciones específicas de crypto:

Los cambios de régimen son rápidos. Las acciones tienen estructura de régimen de varios años. Los regímenes de crypto pueden girar en semanas. Un walk-forward de 12 meses en crypto cruza varios regímenes (bull/bear/chop/guiado por eventos). Esto es en realidad una ventaja: pone a prueba si tu estrategia sobrevive al cambio de régimen. Los walk-forwards estilo acciones a 5 años suavizan demasiado. Los walk-forwards de crypto deben preservar la variación a nivel de régimen.

La microestructura importa más. Los fills de crypto pueden tener un slippage del 0,5-2% en small caps durante eventos de noticias. Los walk-forwards que usan salidas a precio medio sin fills realistas sobrestiman los retornos. Usa un simulador path-dependent que modele el spread bid-ask y el coste de cruzarlo.

El sesgo de supervivencia es severo. Cientos de monedas crypto se listaron y deslistaron en los últimos cinco años. Un walk-forward sobre monedas actualmente listadas está sesgado. Usa un dataset libre de sesgo de supervivencia (que incluya símbolos deslistados a su precio de deslistado), o acepta que tus resultados sobrestiman entre un 10-30%.

Nuestra metodología, en breve

Corremos walk-forward en cada estrategia que desplegamos. Nuestra configuración estándar para estrategias direccionales tipo NEVA sobre perps margen USDT:

• IS: 30 días rolling
• OOS: 10 días
• Cadencia de roll: semanal
• Slippage: 0,2% RT (round-trip)
• Comisiones: 0,08% RT (media maker/taker de Binance)
• Funding: 0,005% por cada 8h de hold
• Sizing: 2% de equity × 5× de apalancamiento = 10% de nocional por trade
• Límite de concurrencia: 2 posiciones simultáneas
• Simulación path-dependent: resolución de klines de 1 minuto, SL y TP comprobados dentro de la barra

Esto produce curvas de equity walk-forward que reflejan aproximadamente lo que el despliegue en real habría capturado, salvo la varianza de ejecución no modelada. Cuando el rendimiento en real luego coincide con el walk-forward dentro de ±30%, tratamos la estrategia como validada. Cuando no, investigamos qué se le escapó al walk-forward.

En resumen

Un backtest estándar mide si sabes ajustar datos del pasado. El análisis walk-forward mide si has encontrado algo real. Lo primero es fácil y no significa nada. Lo segundo es caro e informativo. La mayoría de las estrategias crypto publicadas reportan lo primero y pretenden que es lo segundo.

Si estás construyendo o evaluando una estrategia, haz walk-forward. Si alguien te enseña un track record, pregunta por la metodología walk-forward. Si no la pueden explicar en concreto, asume que el número de titular es ficción.

La disciplina del walk-forward es la diferencia entre una investigación que sobrevive al contacto con los mercados en real y una que luce genial hasta que tu dinero está en la mesa. La matemática es implacable; el procedimiento es de sobra conocido; el único obstáculo es el trabajo de hacerlo bien. Sáltate el trabajo, y financiarás el descubrimiento por la vía dura.