Lo esencial antes de entrar en detalle
- Un sistema poco sensible mantiene un comportamiento razonablemente parecido cuando haces cambios pequeños y coherentes en sus parámetros.
- Lo que quieres encontrar no es necesariamente el máximo rendimiento, sino una zona estable de parámetros, una especie de meseta.
- Un resultado extraordinario concentrado en una sola configuración y rodeado de resultados mediocres es una señal para investigar posible sobreajuste.
- No mires únicamente el beneficio final. También deben cambiar de forma razonable el drawdown, el número de operaciones y el comportamiento general del sistema.
- Pasar un análisis de sensibilidad no demuestra que el sistema vaya a funcionar en real. Es una pieza de la validación, no el certificado final.
¿Qué es exactamente un análisis de sensibilidad en trading?
El análisis de sensibilidad consiste en tomar un sistema que ya puedes backtestear de forma consistente, cambiar uno o varios de sus parámetros dentro de rangos razonables y volver a ejecutar la prueba.
Supongamos que tienes una regla de entrada basada en una ruptura de los máximos de las últimas 20 velas.
La pregunta normal sería:
¿Cómo funciona el sistema con un lookback de 20?
La pregunta de sensibilidad es bastante más interesante:
¿Qué ocurre con 16, 18, 20, 22 y 24 velas?
Si únicamente funciona bien con 20 y se deteriora violentamente con 19 o 21, yo no me quedaría tranquilo por mucho que el resultado con 20 sea espectacular.
En cambio, si 18, 20 y 22 producen comportamientos similares y el deterioro aparece poco a poco conforme te alejas de esa zona, tienes una evidencia más favorable sobre la estabilidad del sistema.
Fíjate en el matiz: estabilidad no significa que todos los parámetros tengan que dar exactamente el mismo resultado. Eso sería una expectativa poco realista.
Lo que buscas es que el sistema no dependa de una precisión casi quirúrgica para conservar sus propiedades.
Por qué importa tanto después de un buen backtest
Cuando construyes una estrategia tienes muchas decisiones posibles: periodo de una media, umbral de entrada, distancia del stop, horario, filtro de volatilidad, condiciones de salida…
Si pruebas suficientes combinaciones y después eliges la que mejor funcionó, corres el riesgo de encontrar una configuración que describa especialmente bien el ruido de esa muestra histórica, no una relación suficientemente estable como para generalizar.
Eso es una de las formas que puede tomar el overfitting o sobreajuste en trading.
La investigación sobre backtest overfitting lleva años advirtiendo precisamente del problema de seleccionar como “óptima” una configuración por su desempeño in-sample y descubrir después que pierde esa superioridad fuera de muestra.
Por eso me gusta pensar en el análisis de sensibilidad como una prueba de margen de error.
Un sistema robusto no debería necesitar que el mercado del futuro reproduzca exactamente las mismas condiciones que hicieron óptimo un parámetro en el pasado.
Meseta frente a pico
Imagina dos sistemas.
El primero obtiene estos resultados hipotéticos:
- parámetro 18: bueno;
- 19: bueno;
- 20: ligeramente mejor;
- 21: bueno;
- 22: razonablemente bueno.
El segundo:
- 19: mediocre;
- 20: extraordinario;
- 21: mediocre.
Aunque el segundo tenga el mejor dato individual, a mí me preocuparía bastante más.
En el primero hay una región de estabilidad. En el segundo hay un pico aislado.
La idea de buscar parameter plateaus —zonas donde configuraciones cercanas mantienen resultados comparables— también aparece en trabajos académicos recientes sobre robustez y selección de parámetros de estrategias cuantitativas.
Pero una meseta tampoco demuestra por sí misma que exista un edge real. Solo elimina una sospecha importante: que todo dependa de haber acertado una configuración histórica extremadamente específica.
Qué puedes someter a un análisis de sensibilidad
Conviene separar dos cosas: parámetros del sistema y supuestos del backtest.
| Qué modificas | Ejemplo | Qué estás comprobando |
|---|---|---|
| Periodo de una regla | 20 velas → 16, 18, 22, 24 | Dependencia del horizonte exacto |
| Umbral de entrada | 1.5 → 1.4, 1.6, 1.7 | Fragilidad del trigger |
| Stop basado en volatilidad | 2 ATR → 1.8, 2.2 ATR | Dependencia de una distancia concreta |
| Filtro horario | Apertura ±30 minutos | Dependencia temporal |
| Costos asumidos | Comisiones o spread algo mayores | Margen frente a fricciones |
| Slippage supuesto | Ejecución ligeramente peor | Sensibilidad a la ejecución |
Hay una diferencia importante entre cambiar un parámetro y convertir el sistema en otro.
Si tu estrategia compra rupturas de 20 días, probar 18, 20 y 22 días tiene sentido. Probar 2, 100 y 500 únicamente porque tu software lo permite puede terminar respondiendo otra pregunta.
El rango debe tener lógica económica o de mercado.
Tampoco aplicaría automáticamente un ±10% a todo.
Un periodo de 20 velas puede probarse en 18 y 22. Pero un horario de entrada a las 8:30 no tiene mucho sentido “aumentarlo 10%”. Ahí necesitas pasos temporales interpretables.
Para mí, esta es una regla bastante útil: si no puedes explicar qué significa cambiar el parámetro, tampoco deberías confiar demasiado en lo que te diga su optimización.
Cómo hacer un análisis de sensibilidad paso a paso
1. Congela primero tu sistema base
Antes de cambiar nada, necesitas una versión de referencia perfectamente definida.
Mismo:
- activo;
- periodo histórico;
- datos;
- reglas;
- position sizing;
- costos;
- supuestos de ejecución;
- lógica de entrada y salida.
Si cambias tres cosas al mismo tiempo, después no sabrás cuál produjo la diferencia.
2. Decide qué parámetros tienen sentido antes de ver el resultado
Esta parte parece menor, pero evita muchísimo autoengaño.
Supongamos que la configuración original utiliza una media de 50 periodos. Puedes decidir de antemano probar:
40, 45, 50, 55 y 60.
Lo que no me gusta es ejecutar primero 200 valores y después definir como “rango razonable” exactamente la zona que quedó bonita.
Eso ya introduce selección retrospectiva en la propia prueba que se suponía debía ayudarte a detectar fragilidad.
3. Cambia primero una variable cada vez
Es la versión más sencilla de sensibilidad.
Mantienes todo fijo y modificas solamente un parámetro.
Así puedes contestar:
¿Qué tanto cambia el sistema cuando muevo esta variable?
Este método es muy fácil de interpretar, pero tiene una limitación: puede ocultar interacciones.
Un stop de 2 ATR quizá funcione de forma distinta dependiendo de si el lookback de entrada es 10 o 50 periodos.
4. Después revisa las interacciones que realmente tengan sentido
Cuando dos parámetros están relacionados, prueba una matriz.
Por ejemplo:
- filas: periodo de ruptura;
- columnas: multiplicador del stop;
- cada celda: resultado de esa combinación.
Ahí un heatmap puede enseñarte algo que una lista de números no muestra fácilmente.
Quieres ver regiones relativamente continuas de resultados aceptables. Si aparece una única celda extraordinaria rodeada de resultados malos, esa celda merece sospecha, no celebración.
Esto sigue siendo análisis de sensibilidad mientras tu objetivo sea entender la superficie de respuesta. Elegir sistemáticamente la mejor combinación ya nos mete en la optimización de parámetros, que es justamente la siguiente lección.
5. No compares únicamente cuánto dinero habría ganado
Un error frecuente es ordenar todas las configuraciones por beneficio neto y listo.
Eso pierde gran parte de la información.
Revisa también si cambian de forma razonable:
- drawdown;
- frecuencia de operaciones;
- distribución de resultados;
- duración de las operaciones;
- consistencia temporal;
- comportamiento después de costos.
Ya trabajamos cómo leer estas variables en la lección sobre métricas de un backtest. Aquí no necesitamos volver a estudiarlas una por una; lo importante es compararlas entre configuraciones vecinas.
6. Mira la forma del resultado, no solo el ganador
Esta es probablemente la parte más importante.
Imagina una gráfica:
- eje X: valor del parámetro;
- eje Y: desempeño.
La pregunta no es solamente “¿dónde está el máximo?”.
Pregunta:
¿Cómo llegamos hasta ese máximo y qué ocurre alrededor?
Una curva suave te cuenta una historia muy distinta de un gráfico lleno de dientes y picos aislados.
Para sistemas automatizados, una plataforma como MT5 puede ayudarte a repetir backtests y explorar configuraciones. Pepperstone ofrece MT5 y su documentación actual señala que el Strategy Tester permite hacer backtesting y optimización de estrategias.
Si quieres utilizarlo como entorno de práctica, puedes revisar Pepperstone y la promoción disponible mediante nuestro enlace. Yo separaría claramente dos trabajos: primero validar la lógica estadística del sistema; después comprobar cómo se comporta su implementación en plataforma.
Ejemplo práctico: qué aspecto tiene una sensibilidad saludable
Supongamos un sistema hipotético de breakout cuyo parámetro principal es el número de velas utilizadas para definir la ruptura.
La configuración original utiliza 20.
Mantenemos exactamente iguales los demás elementos y repetimos el backtest:
| Lookback | Resultado acumulado | Máx. drawdown | Operaciones |
|---|---|---|---|
| 16 | 14.1% | 13.8% | 272 |
| 18 | 16.3% | 12.9% | 255 |
| 20 | 17.0% | 12.4% | 241 |
| 22 | 16.1% | 13.0% | 229 |
| 24 | 14.8% | 13.6% | 218 |
Todos los números son únicamente un ejemplo hipotético.
¿El 20 es el mejor resultado?
Sí.
¿Eso es lo más interesante?
No.
Para mí, lo interesante es que entre 18 y 22 existe una zona bastante estable. El rendimiento no desaparece al alejarnos ligeramente del valor central, el drawdown se mantiene en un rango parecido y el número de operaciones cambia de forma progresiva.
Ahora imagina este otro resultado:
| Lookback | Resultado acumulado |
|---|---|
| 18 | 2.6% |
| 19 | 3.4% |
| 20 | 24.8% |
| 21 | 1.9% |
| 22 | -0.7% |
Aquí el 20 parece increíble.
Y precisamente por eso haría más preguntas.
¿Por qué existe una diferencia tan grande entre 20 y 19? ¿Qué operaciones aparecen o desaparecen? ¿Una o dos operaciones excepcionales explican el salto? ¿Existe algún efecto económico real que justifique ese umbral?
Puede existir una explicación válida. Pero si no la encuentro, ese pico es evidencia de fragilidad, no un argumento para confiar más en el sistema.
Cómo interpretar la forma de tus resultados
No existe un patrón matemático único que permita etiquetar automáticamente un sistema como robusto. Aun así, estas formas son muy útiles para saber qué investigar.
| Patrón | Qué estás viendo | Cómo lo interpretaría |
|---|---|---|
| Meseta amplia | Muchos valores cercanos funcionan de forma parecida | Señal favorable de estabilidad paramétrica |
| Degradación suave | El resultado empeora gradualmente al alejarte | Dependencia comprensible del parámetro |
| Pico aislado | Una configuración destaca muchísimo | Alerta de posible sobreajuste |
| Superficie caótica | Pequeños cambios producen grandes saltos | Sistema frágil o muestra insuficiente |
| Precipicio claro | Al cruzar un punto cambia todo | Investigar si existe una razón estructural real |
Ese último caso merece atención.
No todos los precipicios son automáticamente malos.
Puede existir un umbral con sentido: cambio de sesión, mínimo de volatilidad, condición contractual, restricción operativa…
El problema aparece cuando tienes un precipicio sin poder explicar qué mecanismo lo provoca.
¿Qué tan grande debe ser la variación de los parámetros?
No utilizaría una cifra universal.
Decir “siempre prueba ±10%” suena cómodo, pero mezcla variables que se comportan de manera muy distinta.
Yo elegiría el rango con tres preguntas:
¿Qué variaciones serían plausibles en la construcción del mismo sistema?
Un breakout de 20 velas podría razonablemente estudiarse alrededor de 15-25. Probablemente un breakout de 200 ya representa otra escala temporal.
¿Los pasos son suficientemente pequeños para ver la forma?
Probar únicamente 10, 20 y 30 puede ocultar un pico en 20. Añadir puntos intermedios permite ver mejor la superficie.
¿Estoy usando el rango para entender o para fabricar estabilidad?
Si después de ver los resultados vas recortando el intervalo hasta quedarte justo con los valores buenos, el análisis deja de protegerte del sobreajuste.
Se convierte en otra forma de sobreajustar.
Una estrategia sensible no siempre es una estrategia inútil
Este matiz me parece importante.
Ser sensible a un parámetro no implica automáticamente que el sistema sea inválido.
Hay reglas cuyo efecto es naturalmente fuerte.
Imagina un sistema intradía construido alrededor de una apertura de mercado. Cambiar la hora dos horas puede destruir su comportamiento porque ya no estás estudiando el mismo fenómeno.
Eso es muy distinto de descubrir que una media de 50 periodos funciona extraordinariamente y una de 49 o 51 destruye el sistema sin ninguna razón aparente.
Por eso no hay que estudiar únicamente cuánto cambia el resultado.
Hay que preguntar por qué debería cambiar.
Un análisis cuantitativo sin una explicación económica mínima puede detectar patrones, pero no siempre sabe distinguir mecanismo de coincidencia.
Los errores que más pueden engañarte
El primero es mirar solo la configuración ganadora. Si ejecutas 500 combinaciones y enseñas únicamente la primera, has escondido precisamente la información que necesitabas para evaluar la estabilidad.
Otro error es ignorar el tamaño de la muestra. Si una configuración produce 400 operaciones y otra únicamente 35, sus métricas no tienen la misma incertidumbre. Una gran variación puede venir del parámetro, pero también de estar comparando muestras muy distintas.
También tendría cuidado con utilizar continuamente los mismos datos fuera de muestra. El propósito de separar In-Sample y Out-of-Sample es conservar datos que no hayan participado en las decisiones de construcción. Si observas el OOS, ajustas el sistema, vuelves a mirarlo y repites el proceso muchas veces, poco a poco lo estás incorporando al desarrollo.
Y no confundas sensibilidad de parámetros con sensibilidad a condiciones adversas. Subir ligeramente una comisión para saber si tu ventaja tiene margen puede ser útil aquí; diseñar escenarios deliberadamente extremos pertenece más al stress testing de un sistema.
También debes probar el margen frente a costos y ejecución
Una estrategia puede tolerar perfectamente cambios en sus indicadores y, sin embargo, ser tremendamente frágil ante una pequeña variación del spread o el slippage.
Eso ocurre sobre todo cuando el margen medio por operación es pequeño.
Imagina dos sistemas:
- uno obtiene una ventaja media grande respecto de sus costos;
- otro apenas supera las fricciones asumidas en el backtest.
Aunque ambos tengan el mismo beneficio histórico, el segundo dispone de mucho menos margen de error.
Por eso, cuando corresponda, yo repetiría algunas pruebas con supuestos de ejecución algo menos favorables.
No hace falta inventar un escenario apocalíptico. La pregunta sigue siendo de sensibilidad:
¿Un cambio razonable en las fricciones transforma completamente el resultado?
Después puedes llevar la estrategia a una cuenta demo y comprobar que las reglas se ejecutan como esperabas. Pepperstone permite trabajar con cuentas demo, pero la propia compañía advierte que una demo sirve para probar ejecución y puede no reflejar las condiciones del trading real.
Si estás en esa fase, puedes probar el entorno de Pepperstone desde nuestro enlace antes de plantearte operar con capital. El objetivo de la demo aquí no es “confirmar que el sistema funciona”, sino detectar problemas de implementación que un backtest puede no mostrar.
Análisis de sensibilidad vs optimización y otras pruebas de robustez
Estas herramientas suelen aparecer juntas y por eso es fácil mezclarlas.
| Herramienta | Pregunta principal |
|---|---|
| Análisis de sensibilidad | ¿Qué pasa si cambio ligeramente mis parámetros o supuestos? |
| Optimización | ¿Qué configuraciones cumplen mejor el criterio que he definido? |
| Walk-forward | ¿Cómo se comporta el proceso de desarrollo y selección a través del tiempo? |
| Stress testing | ¿Qué ocurre bajo condiciones deliberadamente adversas? |
| Evaluación global de robustez | ¿Sigue sosteniéndose el sistema cuando junto distintas pruebas? |
Esta lección se queda en la primera pregunta.
En la siguiente pasaremos a la optimización de una estrategia de trading. Más adelante veremos el Walk-Forward Analysis y finalmente integraremos distintas piezas para comprobar la robustez de un sistema de trading.
No conviene adelantarlas todas ahora. Cada prueba ataca un problema diferente.
¿Cuándo me dejaría razonablemente tranquilo un análisis de sensibilidad?
No buscaría una regla del tipo “menos de 15% de variación = robusto”.
Esa cifra no tendría el mismo significado en todas las estrategias.
Buscaría más bien un conjunto de señales coherentes.
Quiero ver una zona, no un punto perfecto. Quiero que las métricas se deterioren de forma gradual cuando me alejo de esa zona. Quiero que el riesgo no explote por un cambio mínimo. Quiero entender por qué determinadas variables importan y comprobar que los resultados no están sostenidos por dos operaciones extraordinarias.
Y, sobre todo, quiero poder decir algo como esto:
“No necesito acertar exactamente este parámetro para que la lógica del sistema siga apareciendo en los datos.”
Eso me parece mucho más valioso que poder decir:
“Encontré el parámetro que más habría ganado.”
Porque el primero habla de estabilidad.
El segundo únicamente habla del pasado.
Quédate con esto: busca vecindarios, no números mágicos
El análisis de sensibilidad cambia bastante la forma de mirar un backtest.
Dejas de enamorarte del número ganador y empiezas a estudiar qué ocurre alrededor.
Si pequeñas modificaciones razonables destruyen completamente el resultado, tienes un sistema con muy poco margen. Si, en cambio, existe una región donde diferentes configuraciones conservan un comportamiento parecido, la evidencia es más compatible con una lógica estable.
Compatible, no garantizada.
Todavía quedan más pruebas.
Precisamente por eso el siguiente paso del curso es aprender a optimizar sin convertir la búsqueda de parámetros en una máquina de sobreajuste.
Y cuando tu sistema ya haya superado esa fase y quieras pasar de la investigación a un entorno demo, puedes consultar Pepperstone y la promoción que esté disponible mediante nuestro enlace. Si vas a abrir una cuenta desde México, revisa antes de depositar qué entidad contractual, documentación y regulación se aplican a tu registro; Pepperstone señala que sus documentos legales pueden variar según la entidad correspondiente.
