El sobreajuste es afinar los parámetros de un EA con tanta precisión sobre datos históricos que la estrategia luce bien en el backtest y rinde mal con datos no vistos, porque explota el ruido en lugar de patrones reales del mercado.
también: sobreoptimización, ajuste de curva, sesgo de minería de datos
Actualizado · Revisado
En palabras sencillas
Ajustar las reglas hasta que encajan con el pasado tan de cerca que han aprendido sus accidentes en lugar de sus patrones. El backtest mejora mientras la estrategia empeora, y nada en el informe distingue una cosa de la otra.
Por qué importa
El sobreajuste es el modo de fallo que produce evidencia hermosa, y por eso sobrevive a una revisión que una mala estrategia no superaría. Cada pasada de optimización mejora el resultado reportado, mejore o no la estrategia, así que un proceso que solo mira el resultado reportado no puede notar la diferencia.
✓Explica la decepción más común con un EA: backtest excelente, cuenta real mediocre o perdedora, y ningún error que encontrar. Nada se rompió — el ajuste estaba midiendo la muestra.
✓Empeora cuanto más se trabaja. Más parámetros, más pasadas de optimización y más estrategias candidatas aumentan la probabilidad de que la ganadora haya ganado ajustándose al ruido.
✓No se detecta desde la corrida ganadora. La única evidencia que separa una ventaja real de una ajustada es el rendimiento sobre datos que el ajuste nunca vio, y eso hay que reservarlo antes de empezar a ajustar.
Usarlo para validar una estrategia
Dónde se usa
Juzgar si el backtest publicado de un EA es evidencia de una ventaja o evidencia de ajuste.
Decidir cuántos parámetros puede tener una estrategia antes de siquiera optimizarla.
Interpretar la brecha entre resultados dentro y fuera de muestra en una corrida walk-forward.
Explicar por qué una estrategia que encabezó una tabla de optimización se degrada en cuanto se pone en marcha.
Cómo es un resultado fiable
✓La ventana reportada incluye datos que quedaron intactos mientras se elegían los parámetros.
✓La estrategia tiene pocos parámetros, y cada uno corresponde a algo que un trader podría explicar sin referirse al backtest.
✓Los valores de parámetros cercanos rinden de forma parecida. Una ventaja que solo sobrevive en un ajuste es una propiedad de la muestra.
✓Las reglas funcionan, con los mismos ajustes, en instrumentos y periodos sobre los que no fueron seleccionadas.
✓Se conoce cuántas estrategias se probaron antes de elegir esta, porque del ganador de una búsqueda amplia se espera que luzca bien por azar.
Señales de alerta
!Parámetros con una precisión inverosímil — una media de 37 periodos, un stop de 23,7 pips — donde un valor redondo rendiría casi igual si la ventaja fuera real.
!Un porcentaje de acierto por encima del 90 % o un Sharpe por encima de 3 en un backtest de varios años sin registro forward.
!Resultados mostrados solo en el único instrumento y la única ventana sobre los que se seleccionaron los parámetros.
!Una superficie de rendimiento con un pico aislado y agudo en lugar de una meseta amplia.
!Ninguna mención de cuántas variantes se probaron antes de publicar esta.
Backtest frente a operativa real
La cuenta real es la primera prueba genuinamente fuera de muestra, y por eso la caída aparece de inmediato en lugar de gradualmente.
Una estrategia ajustada suele degradarse hacia el punto de equilibrio menos costes en lugar de a una pérdida dramática, lo que facilita explicarla como una mala racha.
El tamaño de la brecha entre la muestra y la cuenta real es la medición. Una caída moderada es normal en cualquier estrategia; atravesar el punto de equilibrio es la firma.
Reoptimizar tras la caída restaura el backtest y repite el ciclo, que es la trampa que crea el propio proceso.
Método de validación recomendado
1Reserve una ventana fuera de muestra antes de tocar un parámetro, y mírela una sola vez, al final.
2Prefiera pocos parámetros con significados defendibles antes que muchos parámetros con mejores resultados.
3Revise el vecindario, no el pico: tome el centro de una meseta amplia en lugar de la punta de una espiga.
4Vuelva a probar los ajustes terminados en otros instrumentos y otros periodos sin retocarlos.
5Use análisis walk-forward cuando la estrategia realmente necesite reajustarse con el tiempo, para que el reajuste forme parte de lo que se está probando.
Ejemplo
Un optimizador reporta los diez mejores conjuntos de parámetros de una estrategia. La fila superior es la que se publica; la forma de la tabla a su alrededor es lo que de verdad dice si la ventaja es real.
Mejor ajuste dentro de muestra (periodo 37)
PF 2,41
Ajustes vecinos (periodos 35–39)
PF 0,94–1,06
Un solo paso destruye el resultado — el pico es una espiga, no una meseta.
El mismo ajuste, ventana fuera de muestra intacta
PF 0,88
Una ventaja real se degrada suavemente cuando los parámetros se alejan del óptimo. Una ajustada cae por un precipicio, y el precipicio se ve antes de gastar un solo dato fuera de muestra.
Cálculo2,41 dentro de muestra → 0,88 fuera de muestra, mientras los vecinos quedan en el equilibrio
ResultadoEl 2,41 era una propiedad de la ventana, no de las reglas
Cómo interpretarlo
El sobreajuste se diagnostica desde el proceso que produjo el resultado, no desde el resultado. Pregunte qué se ajustó, sobre qué, y qué se reservó.
Rango
Qué significa
Una ventana, todos los parámetros optimizados, nada reservado
El informe no tiene valor probatorio sobre el futuro. Describe cuánto se pueden doblar las reglas hacia una muestra.
Ventana fuera de muestra reportada pero reutilizada tras cada ajuste
La reserva se ha gastado. En cuanto sus resultados realimentan el ajuste, también es dentro de muestra.
Una única ventana fuera de muestra intacta, mirada una vez
El estándar mínimo. Interprete la brecha en lugar del nivel.
Walk-forward con meseta de parámetros amplia y comprobaciones entre instrumentos
La evidencia más sólida disponible antes de operar en real, porque el propio reajuste fue probado.
Cuente las estrategias probadas, no solo los parámetros. Probar doscientas ideas y publicar la mejor es una búsqueda cuyo ganador se espera que luzca bien por suerte.
Redondee los parámetros publicados y vuelva a correr. Si el resultado sobrevive en buena medida, la precisión era cosmética; si se derrumba, la precisión era la ventaja.
Juzgue la superficie de parámetros en lugar del pico. La amplitud es la propiedad que se transfiere a datos no vistos.
Las fichas de mt5depot indican su ventana de datos, su modelo de tester y su número de operaciones, de modo que el lector puede hacer las preguntas anteriores en lugar de creerse la curva.
Errores frecuentes
✕Reutilizar la ventana fuera de muestra
Cada vez que un resultado de la ventana reservada informa otro ajuste, esa ventana pasa a formar parte de los datos de entrenamiento. Tras unas rondas ya no queda nada fuera de muestra, y el proceso se siente más riguroso mientras prueba menos.
✕Tomar un Sharpe alto o un acierto alto como prueba contra el sobreajuste
Son exactamente las cifras que el ajuste infla. Un Sharpe dentro de muestra por encima de 3 en un EA minorista es más probable que sea un síntoma que un consuelo.
✕Creer que pocos parámetros vuelven segura una estrategia
El número de parámetros es una vía; la selección de estrategias es otra. Elegir la mejor de doscientas estrategias simples sobre la misma ventana ajusta la muestra con la misma eficacia que afinar una sola estrategia complicada.
✕Reoptimizar cuando el rendimiento real decepciona
Restaura el backtest y repite el fracaso, porque el nuevo ajuste sale del mismo proceso que produjo el anterior. La pregunta que hay que responder primero es si la ventaja original estuvo alguna vez fuera de muestra.
En detalle
Qué pueden y qué no pueden zanjar catorce backtests publicados
Sobre los 14 EAs publicados aquí
Cifra
Factor de beneficio dentro de muestra
1,27–1,52
Fichas con un factor de beneficio por debajo de 1,00
0
Con bloque fuera de muestra reportado
11
Rendimiento fuera de muestra
−0,57 % a +3,01 %
Bloques fuera de muestra en pérdida
2
Corridas verificadas en una cuenta con dinero real
0
Lea la última fila antes que la primera. Un backtest continuo sigue corriendo sobre
historia que alguien pudo haber inspeccionado, así que nada de lo anterior está fuera
de muestra en el sentido que zanja algo — y tres EAs anunciaron una fecha de inicio de
reserva y no han publicado ningún resultado desde entonces, que es como se ve el sesgo
de publicación desde dentro.
El punto débil es el tamaño, no el signo. El registro mediano dentro de muestra aquí es
de 362 operaciones cerradas; el bloque reservado mediano es de 21. Una corrida así de
corta no puede separar una ventaja de un trimestre tranquilo, y por eso los negativos
pequeños (−0,57 %, −0,47 %) no cargan más veredicto que los positivos.
El desplegable Forward del Probador de Estrategias (No, 1/2, 1/3, 1/4, Custom) parte el
intervalo por usted. No puede impedirle releer la mitad delantera tras cada pasada de
optimización, y releerla es justo lo que la gasta. Ponga Forward en Custom con la fecha
en que dejó de mirar — el 2026-04-01 para diez de los bloques anteriores — y la reserva
vale solo lo que cae dentro: 142 operaciones en Cairn, 40 en el siguiente mayor, cifras
de un dígito en dos.
Preguntas frecuentes
¿Cómo sé si un EA está sobreajustado antes de comprarlo?
Mire el proceso en lugar de la curva. Pregunte si se retuvo alguna ventana mientras se elegían los parámetros, si los ajustes son redondos o inverosímilmente precisos, si los valores cercanos rinden parecido y si las reglas se probaron alguna vez en un instrumento sobre el que no fueron seleccionadas. Una pregunta sin responder aquí ya es la respuesta.
¿Usar menos parámetros evita el sobreajuste?
Ayuda, pero no lo evita. Seleccionar la estrategia con mejor rendimiento entre muchas candidatas sobre los mismos datos ajusta esos datos aunque cada candidata sea simple, así que el número de ideas probadas importa tanto como el número de perillas de cualquiera de ellas.
¿La optimización es siempre mala?
No — una estrategia tiene que recibir algunos ajustes, y elegirlos a partir del histórico es razonable. Lo que separa optimización de sobreajuste es si se reservó algo contra lo que comprobar la elección, y si el ajuste elegido se sitúa en una meseta amplia en lugar de en una espiga.