¿Qué es la sobreoptimización (curve fitting)? Cómo detectarla

La sobreoptimización (curve fitting), también llamada sobreajuste (overfitting), consiste en ajustar los parámetros de una estrategia hasta que encajan con los datos históricos sobre los que se probó, ruido incluido. El resultado describe el pasado con precisión y no predice nada. Es el motivo más habitual por el que un sistema que parecía excelente en las pruebas pierde dinero el mismo mes en que pasa a real.

Cómo funciona

Cada parámetro ajustable es un grado de libertad. Si recorres una cuadrícula de valores, no estás probando una estrategia, sino haciendo un experimento por cada combinación:

Experimentos = v1 × v2 × ... × vk

4 parámetros × 15 valores cada uno = 50.625 backtests
El mejor de 50.625 se elige en parte por su ventaja y
en parte por el ruido en el que cayó por casualidad

Cuantos más experimentos haces sobre un mismo historial, más seguro es que el ganador debe su puesto a la suerte. El probador no lo indica: presenta al ganador como si fuera el único candidato.

Cuatro señales, más o menos por orden de fiabilidad:

• Precipicios en los parámetros. Mueves un ajuste un punto hacia cualquier lado y el rendimiento se hunde. Una ventaja real se degrada poco a poco; una ventaja ajustada a la fuerza se cae por un barranco. Una media móvil que solo funciona con el periodo 47 es el caso de manual.
• Demasiados parámetros para la muestra. Un conjunto de reglas con seis parámetros de entrada validado con 150 operaciones está indeterminado. No hay una proporción fija, pero la dirección no se discute.
• Una curva de equidad sospechosamente suave. Las rentabilidades reales son irregulares. Una diagonal casi recta en un backtest suele indicar o bien un conjunto de parámetros sobreajustado, o bien un sistema que sobrevive porque no cierra las operaciones perdedoras.
• Hundimiento fuera de muestra. Un rendimiento que se mantiene en la ventana de ajuste y se evapora fuera de ella. Es la prueba definitiva, y solo es definitiva la primera vez que miras los datos fuera de muestra (out-of-sample).

Por qué importa

Un sistema sobreoptimizado falla de una manera concreta y cara: no pierde poco a poco desde el principio. Se comporta de forma aceptable mientras el mercado se parece al periodo de ajuste y se rompe cuando cambia el régimen de mercado, normalmente con posiciones grandes abiertas. El trader lo interpreta como mala suerte y no como lo que es: un modelo que hace exactamente aquello para lo que se construyó.

El antídoto no es una prueba más ingeniosa. Es un historial en real, con spread, comisión y slippage reales, lo bastante largo como para haberse encontrado con condiciones que el desarrollador nunca vio.

Qué muestran los datos

En las cuentas públicas de ShowMyTrades con historial de operaciones (agosto de 2026): factor de beneficio mediano de 1,28, drawdown máximo mediano del 9,7 % y una mediana de 171 operaciones cerradas por cuenta.

Esas tres cifras son la distribución de referencia honesta. El 38,2 % de las cuentas ha llegado a un drawdown de más del 20 % y el 17,6 %, a uno de más del 50 %. Cuando se anuncia una estrategia con un factor de beneficio superior a 3,0 y un drawdown máximo del 4 %, no está presumiendo de talento: está afirmando que se sitúa fuera de una distribución construida con 15,4 millones de operaciones sincronizadas. Esa afirmación puede ser cierta. Necesita pruebas, y las pruebas solo llegan en real.

La mediana de 171 operaciones cerradas merece recordarse por separado: es una muestra pequeña para validar cualquier cosa, y es la muestra con la que en la práctica se juzga a la mayoría de las cuentas en real.

Dónde verlo en ShowMyTrades

El gráfico Crecimiento por operación del visor de gráficos ordena la curva por número de operación en lugar de por fecha, lo que elimina el efecto favorecedor de los largos periodos sin actividad y deja ver si la cuenta sigue funcionando o simplemente sigue abierta. La tabla Rentabilidades mensuales muestra cada mes en rojo y cada hueco «Sin actividad»: una estrategia reoptimizada en silencio después de un mal mes suele dejar ahí una pausa visible.

En el bloque de Estadísticas avanzadas, lee el Factor de beneficio junto a la Desviación estándar y el Z-score (probabilidad): un factor de beneficio alto que se apoya en rentabilidades por operación inusualmente uniformes describe una cuenta demasiado suave para haber pasado por condiciones variadas, que es justo lo que suele producir un conjunto de parámetros moldeado sobre un único periodo. En el panel Análisis personalizado, Magic numbers y Filtro por comentario te permiten aislar un solo Expert Advisor (EA) en una cuenta con varias estrategias y leer sus estadísticas por separado. La insignia Historial verificado, que hoy tienen 65 cuentas, confirma que los datos llegaron del bróker y no de un archivo de informe.

Errores frecuentes

• «Pasó la prueba fuera de muestra». En cuanto miras los resultados fuera de muestra y ajustas algo, esos datos pasan a formar parte de la muestra de ajuste. Solo puedes mirar una vez.
• «Más historial evita la sobreoptimización». Lo que importa es la relación entre observaciones y parámetros libres, no el intervalo de calendario. Si sumas años y a la vez agregas filtros, puedes empeorarlo.
• «La optimización walk-forward lo resuelve». Reduce el problema y también puede reproducirlo: reoptimizar en cada ventana sobre el mismo instrumento sigue siendo una búsqueda sobre un único historial.
• «Está en real, así que no puede estar sobreoptimizado». Un sistema que se reajusta cada vez que tropieza se está sobreoptimizando en producción. La cuenta es real; la ventaja se sigue inventando hacia atrás.

Para ver qué separa un historial que zanja esta cuestión de uno que no puede hacerlo, lee historiales verificados frente a no verificados.

Términos relacionados