Cómo evitar la sobreoptimización (curve fitting) en los EAs de Forex

"En el backtest obtenía un 50% anual, pero en cuanto lo puse en operativa real empezó a caer sin parar." La causa más frecuente de fracaso en el trading algorítmico es, casi con total certeza, el curve fitting (sobreoptimización u overfitting).

En este artículo explicamos por qué ocurre el curve fitting, cómo detectarlo y cómo evitarlo desde la fase de diseño.

¿Qué es el curve fitting?

El curve fitting es el fenómeno por el que los parámetros o la lógica de un EA se ajustan en exceso a un movimiento de precios específico del pasado. Los datos históricos contienen movimientos aleatorios que "ocurrieron por casualidad", y los parámetros que reproducen ese pasado a la perfección no pueden adaptarse a la aleatoriedad futura.

Es la misma estructura que en machine learning cuando hablamos de "sobreajuste a los datos de entrenamiento con degradación del rendimiento en datos de test".

Por qué ocurre el curve fitting

Las principales causas son las siguientes.

Demasiados parámetros

Con 10 o 20 parámetros, basta con ajustarlos para poder explicar casi cualquier movimiento pasado de forma casi perfecta. Esto no es más que "calcar el pasado": no captura la esencia real del mercado.

Optimizaciones repetidas sobre los mismos datos

Ejecutar la optimización una y otra vez sobre los mismos datos lleva a que el EA se adapte progresivamente a las características particulares de ese conjunto de datos. Cuanto más se prueba ("esto tampoco funciona, aquello tampoco"), menor es la probabilidad de que el EA funcione en el mercado futuro.

Elección incorrecta de la métrica de evaluación

Si el único objetivo es "maximizar el beneficio total", se seleccionarán parámetros extremos que ignoran el riesgo. Las soluciones que generan beneficios a partir de un número reducido de operaciones ganadoras de gran tamaño tienen pocas probabilidades de reproducirse en el futuro.

Cómo detectarlo

A continuación, las señales que permiten identificar el curve fitting.

1. Las cifras son demasiado buenas

PF superior a 3.0, tasa de acierto superior al 80%, rendimiento anual superior al 100%... Un EA que muestra estas cifras debe considerarse sospechoso de curve fitting casi con toda seguridad. Son muy pocos los EAs que mantienen este nivel a largo plazo en operativa real.

2. Número de operaciones insuficiente

Obtener un PF de 2.0 con apenas unas decenas de operaciones carece de significado estadístico. Sin un mínimo de 200 operaciones, y preferiblemente más de 500, la propia evaluación no es fiable.

3. Resultados muy dispares de un año a otro

Al analizar la curva de rentabilidad anual, a veces se observa un año especialmente destacado o, por el contrario, un año con grandes pérdidas. Un EA cuyos resultados varían de forma extrema entre años depende demasiado de la fase concreta del mercado.

4. Deterioro de los resultados en el periodo más reciente

Si, de los últimos 10 años, solo el último año o los dos últimos muestran un deterioro del rendimiento, es posible que la propia lógica ya no se adapte al mercado actual.

5. Alta sensibilidad a los parámetros

Si al modificar el parámetro óptimo en ±10% los resultados se degradan significativamente, es una señal de alarma. El EA se sostiene en un "pico muy pronunciado" y cualquier pequeño cambio de condiciones puede hacerle caer.

Cómo evitarlo desde la fase de diseño

Es más eficiente evitar el curve fitting desde el principio que intentar corregirlo una vez que ya ha ocurrido.

1. Reducir el número de parámetros

Limitar los parámetros solo a aquellos que tienen sentido lógico dentro de la estrategia. La filosofía de "lo dejo como parámetro porque puedo ajustarlo" es peligrosa. Lo realista es limitar los parámetros de optimización a entre 3 y 5.

2. Aplicar siempre validación out-of-sample

Con 10 años de datos históricos, optimiza sobre los primeros 7 años y valida sobre los últimos 3. Adopta solo los parámetros que ofrezcan resultados equivalentes en ambas mitades.

3. Probar con múltiples instrumentos y temporalidades

Un EA que "solo funciona con XAUUSD H1" podría estar sobreajustado a esas condiciones específicas. Con frecuencia, una lógica que muestra tendencias consistentes también en EURUSD o USDJPY resulta más robusta.

4. Hacer que la lógica sea "explicable"

Es fundamental poder explicar con los mecanismos del mercado "por qué esta lógica con estos parámetros funciona". El simple "funcionó en el backtest" no es una base válida para esperar que opere correctamente en el futuro.

5. Optimizar "con moderación"

No aumentar en exceso el número de generaciones, aplicar filtros de "número de operaciones" y "DD máximo" a las métricas de evaluación, adoptar la mediana entre las soluciones mejor clasificadas... Estas medidas de "optimización contenida" aumentan la resistencia al curve fitting.

El valor de elegir cifras "mediocres"

Es natural querer seleccionar las mejores cifras entre los resultados de la optimización. Sin embargo, muchos traders algorítmicos con experiencia a largo plazo eligen deliberadamente parámetros que generan cifras mediocres, no las mejores.

La razón es sencilla: los parámetros que producen cifras mediocres no se degradan gravemente ante variaciones moderadas del mercado. Los parámetros que generan las mejores cifras son los mejores únicamente en esas condiciones específicas.

Nuestro enfoque en este sitio

El GOLD_EMA_ATR_EA (XAUUSD H1) se ha diseñado con las siguientes directrices:

• Solo 3 parámetros de optimización (EMA corto, EMA largo y multiplicador ATR)
• De 10 años de datos, los primeros 7 se usaron para optimizar y los últimos 3 para validar
• Se adoptó la mediana entre las soluciones que se mantienen dentro de un rango de "1-3% anual, DD máximo 5-10%"
• Como resultado, PF de 1.30 y rendimiento anual de 1.7%, cifras conservadoras

Precisamente porque las cifras no son llamativas, el diseño es resistente a los cambios del mercado y poco propenso al colapso.

Conclusión

El curve fitting es la mayor trampa en el trading con EAs. Cuanto más "soñadoras" parecen las cifras del backtest, más precaución hay que tener.

"Cifras mediocres, ejecutadas durante mucho tiempo": esta es la vía modesta pero sólida hacia el éxito con los EAs.

Descarga gratuita del EA

El GOLD_EMA_ATR_EA se distribuye de forma gratuita como EA diseñado intencionalmente para evitar la sobreoptimización. Incluye un informe de validación detallado.

Descargar el EA gratuito

Brókeres recomendados

Para acercarse en operativa real a los resultados del backtest, es fundamental elegir un bróker con alta calidad de ejecución.

Ver la lista de brókeres recomendados