Desarrollo de sistemas: tu edge, codificado y automatizado
🎯 Lo que aprenderás
Al terminar esta lección podrás:
- Desarrollo de sistemas: idea → backtest → walk-forward → papel → en vivo (pequeño) → escalar
- El walk-forward evita el sobreajuste: entrena en el periodo 1, prueba en el periodo 2, repite
- Prueba fuera de muestra: reserva alrededor de un tercio de los datos para la validación final
- Marco: probar la idea → walk-forward en 3 periodos o más → 50 operaciones en papel → en vivo al 25 % del tamaño
⚡ Logros rápidos para mañana (haz clic para desplegar)
No te satures. Empieza por estas tres acciones:
- Escribe esta noche cuál es tu edge actual — Escribe tu mejor setup paso a paso: (1) condiciones de mercado necesarias, (2) disparador de entrada (EXACTAMENTE lo que te hace pulsar comprar), (3) colocación del stop, (4) colocación del objetivo, (5) regla de tamaño de posición. Ejemplo: «Pullback tras rotura en SPY. Condiciones: tendencia alcista diaria (por encima de la EMA de 20), consolidación de 15 minutos. Entrada: pullback a la resistencia, vela alcista, cierre por encima. Stop: 2 ATR por debajo. Objetivo: máximo del swing o R:R de 2:1. Tamaño: 2 % de riesgo.» No puedes programar lo que no sabes articular. Tom Anderson lo descubrió: «Escribir las reglas sacó a la luz 12 decisiones discrecionales que tomaba sin darme cuenta. Con razón mi primer algoritmo fracasó: ¡nunca programé mi edge real!» Si escribes «depende» o «a veces» más de 2 veces, esa edge todavía no es codificable.
- Haz un backtest manual de tu edge sobre 10 operaciones históricas — Todavía no programes. Rebobina el gráfico 3-6 meses en TradingView. Encuentra 10 casos de tu setup. Anota: fecha | entrada | stop | objetivo | resultado real | múltiplo de R | notas. Calcula: tasa de acierto, R medio y esperanza (acierto × R medio ganador - fallo × R medio perdedor). El backtesting manual es rápido (2-3 horas), muestra la validez estadística y revela elementos discrecionales escondidos ANTES de perder semanas programando. Muchos traders programan primero, hacen el backtest después y descubren que la edge no existe. Si la esperanza supera 0,5R por operación, vale la pena programarla. Si es menor de 0,3R, replantea el setup antes de automatizar basura.
- Empieza con un sistema híbrido en tus próximas 5 operaciones — No automatices del todo todavía. Elige UN elemento para sistematizar: (A) alertas de entrada (el escáner avisa cuando se cumple el setup y tú decides a mano), (B) tamaño de posición (fórmula fija de 2 % de riesgo) o (C) stops algorítmicos (no mentales). El híbrido de Tom: mantuvo las entradas discrecionales y automatizó la calculadora de tamaño y las órdenes de stop. Eliminó el 50 % de los errores emocionales mientras pulía la lógica de entrada. Automatizarlo todo abruma y a menudo falla. El híbrido te deja sistematizar poco a poco conservando tus fortalezas discrecionales. Registra: «operaciones con stop automático frente a stop mental: ¿cuáles funcionaron mejor?» Tras 5 operaciones tendrás la prueba de que sistematizar en parte ya mejora los resultados.
Has encontrado una edge. Funciona. Pero solo puedes operarla 8 horas al día.
¿Y si tu edge pudiera operar las 24 horas? Sin emociones. Sin setups perdidos. Con ejecución perfecta.
Eso es el trading sistemático. Y así es como escalan los profesionales.
🚨 Hablando claro
El trading discrecional toca techo entre 100.000 y 500.000 $ (el cuello de botella eres tú). ¿Y el sistemático? Sin techo. Ejecuta 10 sistemas sobre 50 activos. Tu edge escala sin límite, SI eres capaz de codificarla.
El camino de Tom en el desarrollo de sistemas: del éxito discrecional al fracaso automatizado y a la reconstrucción bien hecha
Operador: Tom Anderson (ejemplo compuesto), 36 años, antiguo day trader discrecional de Seattle, Washington
Temporalidad: Enero de 2023 → octubre de 2024 (22 meses)
Capital: $350,000
Contexto: 4 años de trading discrecional rentable, con un techo de 163.000 $ al año, y ganas de escalar
Acto 1: éxito discrecional (2022)
La edge discrecional de Tom (2022): Setups de rotura por momento en SPY, operados a mano de 9:30 a 16:00 cada día
El rendimiento discrecional de Tom en 2022: 166 operaciones, 63,6 % de acierto, 1,2R de media, +163.500 $ de beneficio (setups de rotura por momento en SPY, operados a mano)
La frustración de Tom (diciembre de 2022):
«Gané 163.500 $ en 2022. Está muy bien, mejor que mi sueldo de ingeniero de software. Pero estoy atascado. Solo puedo operar en horario de mercado. Pierdo setups cuando no estoy en la mesa. Cometo errores emocionales cuando estoy cansado.
Si pudiera programar mi edge y automatizarla, podría operar las 24 horas. Escalar a varios activos. Quitar las emociones. Toca sistematizar.»
— Tom Anderson, anotación de su diario del 31 de diciembre de 2022
Acto 2: primer intento de automatización (Q1 2023): el desastre sobreajustado
El enfoque de Tom: Pasó 6 semanas programando un backtest en Python, probado con datos de 2020-2022 (el mismo periodo que había operado a discreción)
| Métrica | Backtest (2020-2022) | En vivo Q1 2023 | Diferencia |
|---|---|---|---|
| Tasa de acierto | 78.4% | 48.2% | -30,2 % (¡ENORME!) |
| R medio | 2.1R | -0.2R | ¡2,3R de diferencia! |
| Rentabilidad mensual | +9.2% | -3.8% | ¡¡¡13 % de diferencia!!! |
| P&L (3 meses) | +96.600 $ (proyectado) | -39.900 $ (real) | ¡Desastre de 136.500 $! |
¿Qué salió mal? Los 6 errores fatales (78 % en el backtest → 48 % en vivo):
- Solo dentro de muestra — Probado con los mismos datos de 2020-2022. El sistema memorizó patrones, sin validación fuera de muestra
- Sobreajuste de parámetros — 8 parámetros optimizados (ADX>23,4, RSI<38,7). Ajustados al ruido
- Ignoró los costes de transacción — Cero slippage ni comisiones en el backtest. En vivo: 0,08 % de slippage + 2 $ por operación se comieron alrededor del 30 % de la edge
- Sin walk-forward — Un único backtest, sin ventanas móviles. No probó el deterioro con datos nuevos
- Se saltó el papel — Directo al vivo, a tamaño completo. Podría haberse ahorrado 40.000 $
- Supuestos de ejecución — Dio por hecho que ejecutaría al precio de cierre. Las ejecuciones reales fueron un 0,05 % peores
El ajuste de cuentas (31 de marzo de 2023):
«Perdí 39.900 $ en 3 meses con mi "sistema automatizado". El backtest daba 78 % de aciertos. ¿La realidad? 48 %. Lo ajusté a la curva a base de bien.
Optimicé 8 parámetros sobre datos históricos que YA CONOCÍA. Claro que parecía perfecto. Luego llegó el mercado real y se deshizo.
Los costes de transacción me mataron. Ignoré el slippage, las comisiones, los spreads. Mi backtest daba +96.000 $, pero los costes reales se comieron -23.900 $.
Vuelta a la mesa de dibujo. Esta vez lo hago bien.»
— Tom Anderson, anotación de su diario del 31 de marzo de 2023
Acto 3: desarrollo de sistemas bien hecho (abril-agosto de 2023)
El proceso de reconstrucción de Tom: Contrató a un consultor de trading sistemático (8.000 $) y pasó 4 meses aprendiendo la metodología correcta
| Componente | V1 (desastre sobreajustado) | V2 (validado como toca) |
|---|---|---|
| División de los datos | Todo dentro de muestra (2020-2022) | Walk-forward: entrenar 6 meses, probar los 3 siguientes, avanzar la ventana |
| Parámetros | 8 parámetros optimizados (ADX>23,4, RSI<38,7, etc.) | 3 parámetros sencillos (ADX>25, RSI<35, volumen>2× la media) |
| Costes de transacción | Ignorados (supuestos a cero) | 0,08 % de slippage + 2 $ de comisión + 0,02 % de spread por operación |
| Validación | Un único backtest | Walk-forward + Monte Carlo + 50 operaciones en papel |
| Puesta en marcha | Directo al vivo a tamaño completo | Papel (50 operaciones) → 25 % del tamaño (30 operaciones) → 50 % del tamaño → 100 % |
| Ejecución | Órdenes de mercado al precio de cierre (supuesto) | Órdenes limitadas al medio, 30 segundos de paciencia, mercado como último recurso |
Resultados del walk-forward de V2 (desarrollo de abril a julio de 2023):
| Ventana | Periodo de entrenamiento | Periodo de prueba | Acierto en la prueba | R medio en la prueba | Deterioro |
|---|---|---|---|---|---|
| 1 | Ene-jun 2020 | Jul-sep 2020 | 59% | 0.8R | Entrenamiento: 62 %, prueba: 59 % (5 % de diferencia) |
| 2 | Jul-dic 2020 | Ene-mar 2021 | 57% | 0.7R | Entrenamiento: 61 %, prueba: 57 % (7 % de diferencia) |
| 3 | Ene-jun 2021 | Jul-sep 2021 | 61% | 0.9R | Entrenamiento: 64 %, prueba: 61 % (5 % de diferencia) |
| 4 | Jul-dic 2021 | Ene-mar 2022 | 58% | 0.7R | Entrenamiento: 63 %, prueba: 58 % (8 % de diferencia) |
| 5 | Ene-jun 2022 | Jul-sep 2022 | 60% | 0.8R | Entrenamiento: 62 %, prueba: 60 % (3 % de diferencia) |
| MEDIA DE LAS PRUEBAS: | 59% | 0.78R | Diferencia media: 5,6 % (aceptable) | ||
Contraste con la realidad de los costes de transacción:
| Métrica | Antes de costes | Después de costes | Impacto |
|---|---|---|---|
| Beneficio medio por operación | $767 | $545 | -29 % por operación |
| Rentabilidad anual (200 operaciones) | +$153,400 | +$109,000 | -$44,400 (-29%) |
| Ratio de Sharpe | 2.1 | 1.4 | -33 % de deterioro |
| ¿Sigue siendo viable? | ✓ SÍ (109.000 $ al año, Sharpe 1,4) | ||
Validación en papel (agosto de 2023, 50 operaciones):
| Métrica | Prueba walk-forward | Paper trading | Diferencia |
|---|---|---|---|
| Tasa de acierto | 59% | 56% | -3 % (¡BIEN!) |
| R medio | 0.78R | 0.71R | -0,07R (aceptable) |
| Máximo drawdown | -14% | -16% | +2 % (dentro de tolerancia) |
| ESTADO DE LA VALIDACIÓN: | ✓ SUPERADA (adelante con el vivo) | ||
Acto 4: éxito en vivo (septiembre de 2023 a octubre de 2024, 14 meses)
La estrategia de despliegue de Tom: Papel superado → 25 % del tamaño durante 1 mes → 50 % durante 2 meses → 100 % (desde diciembre de 2023)
Ya estás en el ecuador del curso. Has aprendido las estrategias clave.
¡Gran avance! Haz una pausa breve para estirarte si lo necesitas y luego nos meteremos en los conceptos avanzados que vienen.
El rendimiento en vivo de Tom con V2 (sep. 2023 - oct. 2024, 14 meses): 198 operaciones, 58,6 % de acierto, 0,8R de media, drawdown máximo -18 %, +108.000 $ de beneficio. Empezó al 25 % del tamaño (validación) y pasó al 100 % en diciembre, cuando los primeros meses cuadraron con el backtest. El sistema aguantó mercados entrecortados (Q2 2024: 55 % de acierto, +16.900 $) y brilló con el momento (Q3 2024: 62 % de acierto, +34.700 $).
Comparación entre discrecional (2022) y sistemático (2023-2024):
| Métrica | 2022 (discrecional) | 2024 (sistemático) | Cambio |
|---|---|---|---|
| Ingresos anuales | $163,500 | $92,600 | -43 % (pero…) |
| Tiempo necesario | 6,5 h al día (horario de mercado) | 0,5 h al día (supervisión) | ✓ -92 % de tiempo (¡6 horas liberadas!) |
| Estrés emocional | Alto (fatiga de pantalla) | Bajo (ejecuta el código) | ✓ Ejecución sin estrés |
| Escalabilidad | Limitada (el límite es una persona) | Ilimitada (añadir activos) | ✓ Se puede escalar a QQQ, IWM, etc. |
| Setups perdidos | ~20 % (lejos de la mesa) | 0 % (supervisión 24/7) | ✓ No se escapa ni una señal |
| Consistencia | Variable (depende de la emoción) | Perfecta (basada en reglas) | ✓ 100 % de cumplimiento de las reglas |
La situación actual de Tom (octubre de 2024):
- Ingresos del sistema: 92.600 $ al año al ritmo de esos 14 meses, con el sistema de momento sobre SPY
- Dedicación: 30 min al día de supervisión (frente a 6,5 horas en discrecional)
- Tiempo liberado: Ahora desarrolla un 2.º sistema para QQQ y un 3.º para cripto
- Escalabilidad: Planea tener 5 sistemas no correlacionados para 2025 → objetivo de más de 250.000 $ al año
- Nivel de estrés: «Duermo mejor. El código no entra en pánico. Ya no me salto mis propias reglas.»
- Neto tras la pérdida del Q1 de 2023: -39.900 $ (desastre de V1) + 108.000 $ (14 meses de V2) = +68.100 $ netos
La lección que a Tom le costó ganarse (octubre de 2024):
«Perdí 40.000 $ en el primer trimestre de 2023 porque creía que el backtesting era "ejecutar código sobre datos pasados y optimizar parámetros". Falso.
El desarrollo de sistemas de verdad es:
• Pruebas walk-forward (entrenar en el pasado, probar en el futuro, repetir)
• Modelar los costes de transacción (el slippage se lleva el 30 % de la edge)
• Pruebas de estrés de Monte Carlo (conoce tu peor drawdown posible)
• Operar en papel 50 operaciones o más antes de arriesgar un dólar
• Reglas simples > optimización compleja (3 parámetros ganan a 8)
Mi sistema V2 da unos 93.000 $ al año con 30 minutos diarios. Tengo 6 horas libres para construir más sistemas. Para 2025 tendré 5 sistemas sobre distintos activos.
El trading discrecional me dejó topado en 163.000 $ y me quemó. El sistemático escala sin límite, si lo haces bien.»
— Tom Anderson, trader sistemático (octubre de 2024)
Lo que le costó a Tom su formación:
- Pérdidas con V1 en el Q1 de 2023: -39.900 $ (matrícula por un sistema sobreajustado)
- Honorarios del consultor: -8.000 $ (4 meses, de abril a julio de 2023)
- Tiempo de desarrollo: 4 meses de coste de oportunidad (podría haber operado a discreción por unos 54.000 $)
- Inversión total: ~$102K
- Recuperación en 14 meses: +108.000 $ (sistemático con V2)
- Posición neta: +6.000 $ (a la par tras una formación cara)
- Valor futuro: El sistema ahora da unos 93.000 $ al año con 30 minutos diarios y le libera 6 horas al día para escalar
- Proyección a 5 años: 5 sistemas × unos 50.000 $ de media = 250.000 $ al año (frente al techo discrecional de 163.000 $), y eso da por hecho que cada sistema nuevo aguante, que es justo la parte que nadie puede prometer
🎯 Lo que vas a ganar
Al terminar esta lección podrás:
- Convertir reglas discrecionales en lógica precisa y comprobable
- Construir marcos de backtest robustos (evitar el sobreajuste)
- Usar análisis walk-forward y simulación de Monte Carlo
- Poner sistemas en marcha con seguridad (papel → vivo pequeño → escalar)
💡 El momento de la verdad
Tu cerebro no puede ejecutar con un 100 % de consistencia. El código sí. Quita las emociones, quita los errores, quita el cansancio. Sistematiza tu edge y se convierte en una máquina que imprime mientras duermes.
🎓 Ideas clave
- Sistematiza para escalar: El trading discrecional topa entre 100.000 y 500.000 $; el sistemático no tiene techo
- Prueba walk-forward: El único método de validación que importa: entrenar en el pasado, probar en el futuro (una y otra vez)
- Simulación de Monte Carlo: Probar más de 1.000 escenarios para entender la distribución real de riesgo y recompensa
- Los costes de transacción son CRÍTICOS: Un 0,1 % por operación destruye más del 30 % de la rentabilidad del backtest
- Despliega por etapas: Papel → tamaño micro → pequeño → completo (validando en cada etapa)
- Evita el sobreajuste: Más parámetros = más ajuste a la curva. Los sistemas simples sobreviven al mercado real
🎯 Ejercicio práctico: construye y prueba una estrategia sistemática
Objetivo: Toma una edge discrecional, conviértela en reglas precisas, hazle un backtest como es debido y ponla en marcha con confianza.
Desarrollo de sistemas en 6 pasos:
- Codificar las reglas — Convierte el setup discrecional en condiciones exactas de entrada y salida (5 reglas o más). Ejemplo: «El precio barre el mínimo de 15 minutos por 0,20 $ o más, lo recupera en 5 velas, ADX>22»
- Backtest (200+ operaciones, 2+ años) — Controla: acierto >50 %, R medio >0,5R, drawdown máximo <25 %, Sharpe >1,0
- Validación walk-forward — Divide en bloques de 6 meses y entrena y prueba de forma móvil. Si el rendimiento en prueba es un 30 % o más peor que en entrenamiento = sobreajuste
- Prueba de estrés de Monte Carlo — Baraja 1.000 secuencias. Si el drawdown del percentil 95 supera el 30 % o el riesgo de ruina supera el 1 % = reduce el tamaño
- Puesta en vivo (3 etapas) — Papel (50 operaciones, con el acierto dentro de un 5 % del backtest) → tamaño micro (30 operaciones, 25 % del tamaño) → tamaño completo (100 %). Si falla alguna etapa, vuelve al backtest
- La realidad de los costes de transacción — Añade slippage (0,05 %), comisión y spread. Si el beneficio cae más de un 50 % = no es viable
Objetivo: Completa los pasos 1-4 en 2-4 semanas. Opera en papel un mínimo de 50 operaciones. Pasa a vivo solo si el papel cuadra con el backtest dentro de un 10 %. La mayoría de los sistemas fallan en la fase de papel, y eso es BUENO. Mejor descubrirlo ahora que perder dinero de verdad.
Acabas de aprender lo que separa a los aficionados de los traders sistemáticos profesionales. Pruebas walk-forward, Monte Carlo, modelado de costes: no son opcionales. Son supervivencia. Ahora sabes construir sistemas que no revientan en vivo.
Lecciones relacionadas
El backtesting en la realidad
La base para evitar los errores habituales del backtesting y el sobreajuste.
Leer la lección →Ejecución algorítmica
Los sistemas automatizados necesitan una ejecución óptima: integra algoritmos de ejecución.
Leer la lección →Machine learning aplicado al trading
El ML puede mejorar las estrategias sistemáticas: aprende a aplicarlo sin sobreajustar.
Leer la lección →⏭️ A continuación
Artículo #55: machine learning aplicado al trading — El ML no es magia: encuentra patrones en el ruido y sobreajusta de forma espectacular si se usa mal. Aprende ML práctico para trading sin acabar destrozado.
💬 Debate (0 comentarios)
Cargando comentarios…
¿Listo para operar con Signal Pilot?
Aplica tu formación con indicadores profesionales y herramientas de análisis de mercado en tiempo real.
Volver a Signal Pilot →Solo con fines educativos. Operar conlleva un riesgo sustancial de pérdida. No es asesoramiento financiero. Los resultados pasados no garantizan resultados futuros.