Antes de cualquier backtest, auditamos datos históricos comparando múltiples fuentes institucionales. Verificamos ajustes correctos splits, dividendos y reconstrucción histórica constituyentes índices en fechas exactas. Identificamos y corregimos errores supervivencia donde empresas eliminadas faltan indebidamente. Validamos precios extremos comparando volumen y noticias corporativas correspondientes. Esta auditoría previa previene basar decisiones en datos corruptos que generan conclusiones completamente falsas e imposibles de replicar en trading real posterior. Rechazamos cualquier fuente datos mostrando inconsistencias no resueltas satisfactoriamente mediante documentación auditable verificable externamente.

Traducimos estrategia descrita a código ejecutable sin ambigüedad interpretativa. Cada señal entrada, salida, stop-loss y sizing debe especificarse mediante condiciones booleanas verificables objetivamente. Eliminamos reglas vagas tipo mirar gráfico o sentir mercado que permiten sesgo retrospectivo ajustando decisiones conociendo futuro. La formalización revela inconsistencias lógicas y casos borde no considerados en descripción original. Documentamos supuestos explícitamente: horarios trading, tipos orden, manejo gaps, reinversión ganancias. Esta etapa obliga claridad mental separando estrategia viable de intuición no codificable sistematicamente ejecutable mediante algoritmos.

Definimos parámetros estrategia antes ver datos: períodos indicadores, umbrales señales, tamaños posición, stops. Especificamos universo activos elegibles con criterios objetivos: capitalización mínima, liquidez, sector. Documentamos decisiones para prevenir ajuste retrospectivo selectivo excluyendo perdedores. Si optimizamos parámetros posteriormente, separamos datos entrenamiento de validación estrictamente. Esta disciplina previa previene minar data buscando combinaciones ganadoras que son ruido puro sin significado predictivo real fuera muestra analizada artificialmente.

Recorremos historia cronológicamente ejecutando señales estrategia con información disponible únicamente hasta ese momento exacto. Aplicamos comisiones históricas según broker típico, estimamos horquillas bid-ask basadas en liquidez y añadimos deslizamiento proporcional volatilidad y tamaño orden relativo volumen diario promedio. Respetamos restricciones: no operar fuera horario, no ejecutar órdenes mercado en gaps, limitar tamaño posición según liquidez disponible realista. Modelamos margin calls forzando liquidación posiciones si capital cae bajo requisitos. Esta simulación rigurosa revela si estrategia rentable teóricamente sobrevive fricción ejecución real inevitable en cualquier trading práctico.

Computamos retorno anualizado, volatilidad, Sharpe ratio, Sortino ratio, Calmar ratio, profit factor, win rate, expectativa, drawdown máximo, duración drawdown, recuperación y valor en riesgo. Analizamos distribución retornos detectando asimetría y curtosis. Evaluamos consistencia mediante rolling windows identificando períodos ganancia y pérdida. Comparamos contra benchmark apropiado para determinar alfa generado genuinamente. Estas métricas revelan si retornos justifican riesgo asumido y si desempeño es estadísticamente significativo o compatible con suerte aleatoria pura indistinguible señal real.

Medimos exposición temporal para identificar concentración riesgo períodos específicos. Calculamos correlación entre posiciones simultáneas detectando diversificación falsa. Analizamos desempeño por condición mercado: alcista, bajista, lateral, alta volatilidad, crisis. Aplicamos stress testing con escenarios históricos extremos como 2008 o marzo 2020. Ejecutamos análisis Monte Carlo permutando retornos para estimar probabilidad ruina y drawdowns peores esperables. Esta evaluación revela vulnerabilidades ocultas que destruyen estrategias durante eventos cola inevitables eventualmente en cualquier horizonte temporal suficientemente largo.

Dividimos histórico en ventanas entrenamiento y validación deslizantes. Optimizamos parámetros en ventana entrenamiento buscando máxima rentabilidad ajustada riesgo. Congelamos parámetros óptimos y evaluamos desempeño en ventana validación inmediatamente posterior nunca vista durante optimización. Repetimos proceso avanzando ventanas cronológicamente. Comparamos desempeño in-sample contra out-of-sample: degradación severa indica sobreajuste destruyendo predictividad. Solo parámetros manteniendo desempeño consistente fuera muestra demuestran robustez genuina merecedora confianza razonable para aplicación futura prudente con expectativas realistas calibradas.

Reservamos últimos 20-30% datos históricos completamente intocados durante todo desarrollo y optimización. Después finalizar estrategia y parámetros, ejecutamos backtest único en este período virgen. Desempeño aquí es estimación más honesta expectativa futura porque estos datos nunca influyeron decisiones previas de ninguna forma posible. Degradación significativa respecto períodos entrenamiento señala sobreajuste residual peligroso. Mantenimiento desempeño razonable incrementa confianza que estrategia captura patrones genuinos con persistencia temporal esperada más allá muestra analizada durante todo el proceso riguroso previo de validación.