Backtest de cualquier estrategia de trading en 60 segundos (sin código, 2026)

Última actualización: mayo de 2026. Todas las métricas descritas aquí son campos reales del motor sandbox de fomoed. Los resultados del backtest son educativos — el rendimiento pasado no predice retornos futuros.

La diferencia entre sentir que tu estrategia funciona y saber que funciona es un solo número: cómo se habría comportado a lo largo de los últimos años de velas reales, incluidos los regímenes en los que no estabas operando. Eso es un backtest. Hecho con honestidad, es el ejercicio más útil que un trader discrecional puede correr antes de automatizar. Hecho mal, es un argumento de venta que te escribiste a ti mismo — cada parámetro ajustado hasta que la curva se ve preciosa, y luego el dinero real descubre lo que olvidaste modelar.

El camino tradicional hacia un backtest era así: escribir Python, descargar OHLCV histórico desde la API de un exchange, calcular indicadores a mano, simular slippage, contabilizar comisiones, lidiar con fills parciales, escribir la analítica, dibujar la curva de equity. La mayoría de traders se rinde en el paso uno. Los pocos que llegan al siete acaban con un motor de backtest sutilmente distinto a la plataforma de trading en vivo donde finalmente desplegarán — y esa brecha se los come en producción.

El sandbox de fomoed elimina toda esa pila. Elige un par, elige una plantilla de estrategia, elige un rango de fechas, pulsa Run. Tres años de velas históricas en cada par soportado, supuestos reales de comisiones por exchange, el mismo path de código del motor que corre los bots en vivo, resultados en menos de un minuto. Sin Python, sin API keys, sin Jupyter, sin hojas de cálculo. Este post recorre el flujo de principio a fin y — más importante aún — cubre los cinco fallos que convierten un backtest precioso en una pérdida real.

Qué puedes backtestear en el sandbox

El motor del sandbox soporta hoy cuatro clases de estrategia, cada una con su propia superficie de configuración:

Estrategias custom basadas en indicadores

RSI mean-reversion, cruces de EMA, confluencia de MACD, squeezes de Bandas de Bollinger, fades de VWAP, setups multi-indicador. Hay doce indicadores expuestos (RSI, EMA, SMA, MACD, ATR, ROC, Bollinger, VWAP, Williams %R, Stochastic, OBV, ADX) y cualquier combinación puede actuar como trigger de entrada o como filtro. El motor maneja parámetros dinámicos — comparaciones de ancho de bandas, ventanas de lookback, condiciones de tipo "cruce desde arriba/abajo" — para que no tengas que escribir tú las matemáticas.

Bots DCA y grid

Dollar-cost averaging con escaleras opcionales de safety orders, take-profit sobre la posición agregada y condiciones de disparo configurables. Los bots grid escalonan compras y ventas a lo largo de un rango definido con TP por celda. Ambos corren dentro del mismo motor que las versiones en vivo — el sandbox no es un path de código distinto, es el mismo loop trader.execute() alimentado con velas históricas en lugar de un feed en vivo.

Smart Money Concepts (SMC)

CHoCH (change of character), BoS (break of structure), order blocks, fair value gaps, retrocesos de Fibonacci (incluida la zona OTE 0.618-0.79) y barridos de liquidez. Siete primitivas, todas detectadas algorítmicamente — el sandbox te muestra los pivots exactos que el motor en vivo habría marcado en tiempo real. Consulta nuestra guía pillar de SMC para las matemáticas.

Estrategias Agente de Trading con IA

Si puedes describir la estrategia en dos o cuatro frases de inglés llano, el agente de trading con IA de fomoed genera un script de Python que corre dentro del mismo sandbox. El script puede componer sobre las primitivas de indicadores y SMC pero no inventar las suyas. Útil para "compra cuando RSI<30 AND price>200EMA, sal en +3% o RSI>70" — lo escribes una vez y la IA se encarga del cableado. Consulta el pillar de Agente de Trading con IA para la arquitectura.

Cómo correr un backtest en 60 segundos

El flujo completo tiene seis clics, dos de ellos opcionales. Los números entre paréntesis son segundos reales de reloj para un usuario que entra por primera vez.

1. Abre el sandbox (5s). Regístrate gratis si aún no lo has hecho — email o wallet, sin KYC, sin tarjeta. Haz clic en Sandbox en el sidebar del dashboard.
2. Elige el mercado (10s). Exchange (Hyperliquid / Binance / Bybit / OKX / Decibel / AsterDex / GRVT / Extended / StandX), símbolo (p. ej. BTC/USDC:USDC), timeframe (1m / 5m / 15m / 30m / 1h / 4h).
3. Elige el rango de fechas (5s). Por defecto son los últimos 30 días. Haz clic en los selectores de fecha para extenderlo; el sandbox cubre hasta tres años de historial por par soportado.
4. Configura la estrategia (20s). Elige un preset (RSI / Custom / DCA / Grid / SMC / Agente de Trading con IA) o ajusta los parámetros del indicador manualmente. La UI del sandbox replica exactamente el asistente del bot en vivo — si sabes configurar un bot en vivo, sabes configurar un backtest.
5. Pulsa Run (15-90s). La mayoría de backtests termina en 10-30 segundos; las corridas largas a 5 minutos pueden tardar hasta 90s la primera vez (cacheadas en ejecuciones posteriores).
6. Lee el resultado (los próximos 10 minutos — ver abajo).

Cómo leer el resultado con honestidad

Importan seis métricas. Las tres primeras son vanidad; las tres siguientes son realidad. Mira las seis — nunca decidas en base a una sola.

5 trampas del backtest (y cómo las gestiona el sandbox)

1. Sobreajustar a un solo régimen

Ajustas el umbral inferior del RSI de 35 a 32 a 28 hasta que la curva de equity queda preciosa. Enhorabuena — has encontrado los valores de parámetros que funcionaron en ese tramo concreto del historial de precios. Vuelve a correrla en otro rango y las ganancias desaparecen. Cómo evitarlo: prueba siempre los mismos parámetros en al menos dos rangos no solapados (p. ej. 2023-2024 Y 2024-2025). El sandbox lo hace trivial — duplica la configuración, cambia el rango de fechas, compara resultados. Si las métricas se caen a pedazos, te has sobreajustado.

2. Pretender que las comisiones no existen

Una estrategia de scalping que dispara 30 veces al día al 0.1% por fill quema un 6% diario solo en comisiones. El sandbox aplica las tasas taker reales por exchange (Hyperliquid 0.045%, Binance 0.05%, Bybit 0.055%, etc.) en cada fill. Si estás probando una estrategia de alta frecuencia y el resultado no contabiliza comisiones, el número que estás mirando es ficción. El profit factor y el PnL neto del sandbox son post-comisión. Verifica: revisa el trade log; las comisiones por operación deben aparecer como un pequeño lastre en cada entrada/salida.

3. Asumir fills instantáneos

En el trading en vivo, tu orden no se ejecuta al precio exacto que querías — hay slippage, sobre todo en tamaños grandes o pares con poca liquidez. Un backtest ingenuo rellena al open de la siguiente barra, lo cual es optimista. El sandbox usa un modelo de fill conservador: las órdenes a mercado se ejecutan al precio de open de la barra más una tolerancia de slippage configurable (por defecto 0.05%); los take-profits se llenan cuando el high de la barra toca el nivel de TP (o al cierre, según el toggle "touch vs close"); los stop loss se llenan al precio de SL cuando se disparan intrabarra. Verifica: aprieta la tolerancia de slippage y vuelve a correr; si el resultado colapsa, tu estrategia depende de fills perfectos.

4. Look-ahead bias

Esta es traicionera. Si tu estrategia usa el cierre de la vela actual para decidir si entra en esa misma vela, estás haciendo trampa — en tiempo real esa vela aún no había cerrado cuando se tomó la decisión. El sandbox impone causalidad: en la barra N el motor solo ve OHLCV de las barras 0 a N-1. Los valores de indicadores usados en el open de la barra N se calculan con las N-1 barras previas. Si describes una estrategia que quiere leer el "cierre de la vela actual", el sandbox usa el cierre de la barra anterior como sustituto. Verifica: una estrategia que lee "el precio recuperó la EMA en esta barra" debería reformularse como "la barra anterior recuperó la EMA".

5. Ceguera al cambio de régimen

Las tendencias cripto se ven diferentes en distintos regímenes — acumulación, markup, distribución, markdown. Una estrategia que imprime dinero durante una fase de markup a menudo se desangra en distribución. La ventana por defecto de 3 años del sandbox cubre al menos un ciclo completo incluyendo un drawdown significativo, pero deberías trocear explícitamente el rango y revisar cada subperiodo. Verifica: corre la misma configuración tres veces — 2023, 2024, 2025 — y mira las métricas de cada año por separado. Si 2024 carga todo el resultado, estás apostando a que se repita 2024.

Cómo el sandbox de fomoed se mantiene honesto

El motor del sandbox corre el mismo código Python que el bot en vivo — no una implementación paralela. Matemáticas de indicadores, evaluación de señales, sizing de posición, deducción de comisiones, reglas de fill de TP/SL, tracking del trail-stop: todo con una única fuente de verdad. Cuando gradúas una estrategia backtesteada a bot en vivo, lo único que cambia es qué stream de velas lee el motor — parquet histórico vs WS del exchange en vivo — cada byte de lógica restante es idéntico.

Esto importa porque la mayoría de herramientas de backtesting comerciales son un path de código distinto al de la plataforma de ejecución en vivo donde finalmente vas a desplegar. Simulan una lógica "suficientemente cercana" con supuestos que difieren sutilmente — y la brecha se come tu edge en silencio una vez aparecen los fills reales. El sandbox elimina esa brecha por construcción.

El motor también publica su esquema de resultados de forma abierta: métricas (win rate, profit factor, max drawdown, Sharpe, PnL bruto/neto, ganancia/pérdida media, tiempo medio de holding), el trade log completo con razones, y la curva de equity como serie temporal. Ningún campo "score" oculto que agregue todo en un solo número optimizado para verse bonito — toda métrica es verificable de forma independiente desde el trade log.

Preguntas frecuentes

¿Cuánto tarda un backtest?

La mayoría de backtests terminan en 10-30 segundos para rangos inferiores a un año. Los backtests largos a 5 minutos sobre rangos plurianuales pueden tardar hasta 90 segundos la primera vez — después, el caché de OHLCV se activa y las re-ejecuciones son 5-10× más rápidas.

¿Cuántos datos históricos tengo?

Tres años de OHLCV por par soportado en seis timeframes (1m, 5m, 15m, 30m, 1h, 4h). El caché se refresca cada noche por cron; si backtesteas un par recién listado o uno con historial escaso, el motor rellena el hueco vía CCXT en vivo durante la primera corrida y lo cachea para futuras.

¿Los resultados son deterministas?

Sí — misma configuración + mismo rango de fechas = mismo resultado. El motor no tiene aleatoriedad oculta; incluso el slippage se aplica de forma determinista contra el open/high/low/close de la vela. Esto significa que puedes comparar dos configuraciones de tú a tú corriendo ambas contra el mismo rango.

¿Puedo exportar el trade log?

Sí — cada resultado de backtest incluye un CSV descargable con cada operación individual (timestamps y precios de entrada/salida, tamaño de posición, comisión, P&L, razón del cierre). Útil si quieres hacer tu propia analítica en una hoja de cálculo o en un notebook de pandas.

¿El backtest modela funding rates?

Para contratos perpetuos, sí — el motor aplica el funding rate realizado a 8 horas en cada ventana de funding mientras hay posición abierta. Los funding rates se sacan del histórico del exchange cuando está disponible; en los casos raros en que no, el motor usa un supuesto conservador de funding cero.

¿Cuál es la diferencia entre "touch" y "close" para take-profit?

Touch significa que el TP se ejecuta en el momento en que el high de la barra alcanza el precio de TP intrabarra. Close significa que solo se ejecuta si la barra cierra en o por encima del TP. Touch es más optimista (replica el comportamiento de órdenes a mercado en un movimiento rápido); close es más conservador (replica el comportamiento de órdenes limit o cuando la liquidez intrabarra es escasa). El sandbox te deja elegir por cada TP.

¿Debería confiar en un backtest con un win rate del 90%?

No. El win rate por sí solo casi nunca es la métrica correcta a maximizar — combínalo con profit factor, max drawdown y curva de equity. Un win rate del 90% con un profit factor de 0.7 significa que ganas pequeño y pierdes grande; te arruinarás lentamente. Un win rate del 45% con un profit factor de 2.5 significa que ganas más grande de lo que pierdes; esa suele ser la mejor estrategia.

Recursos relacionados

• Cómo construir un bot de trading con IA en lenguaje claro (sin código)
• Smart Money Concepts con IA: CHoCH, BoS y Fib
• 15 prompts para bots de trading con IA que puedes copiar y pegar
• Paper Trading: prueba tu estrategia sin riesgo
• La mejor estrategia para bots cripto en 2026: guía comparativa
• Motor de estrategias custom de fomoed
• Agente de trading con IA de fomoed