La optimización de EA es el proceso de encontrar valores de parámetros que mejoran el rendimiento histórico de una estrategia. Hecha correctamente, refina una ventaja genuina. Hecha incorrectamente, produce parámetros que parecen excelentes en datos históricos y fallan inmediatamente en el trading real. La diferencia es la disciplina del análisis walk-forward.
El problema central de la optimización
La optimización es una búsqueda sobre un espacio de parámetros de la combinación que maximiza una métrica elegida (rentabilidad total, ratio de Sharpe, factor de beneficio) en un conjunto de datos histórico. El problema: con suficientes combinaciones de parámetros, siempre puedes encontrar ajustes que parecen excepcionales en cualquier dato histórico — incluido el ruido aleatorio.
Esto es el ajuste de curva (también llamado sobreajuste). Un EA con ajuste de curva ha memorizado los movimientos de precio específicos del período de backtest en lugar de haber descubierto una ventaja real. Rendirá por debajo o fallará en el forward test.
La solución walk-forward
El antídoto contra el ajuste de curva es la prueba fuera de muestra. Reserva una porción de tus datos históricos — típicamente el 20-30 % más reciente — como «conjunto de validación» que nunca incluyes en la optimización. Luego:
- Optimiza los parámetros sobre los datos en muestra más antiguos (p. ej. 2020-2024)
- Prueba los mejores parámetros sobre los datos fuera de muestra (p. ej. solo 2025) sin ningún ajuste adicional
- Si el rendimiento se mantiene en el período fuera de muestra, los parámetros tienen cierto valor predictivo genuino
El Probador de Estrategias de MT5 tiene un modo integrado «Walk Forward Optimisation» que automatiza este proceso sobre ventanas móviles.
Prueba de estabilidad — el atajo práctico
Si la optimización walk-forward parece compleja, una señal más simple de sobreoptimización es la sensibilidad de los parámetros. Tras encontrar los mejores parámetros, prueba variaciones: si el multiplicador ATR predeterminado es 2,0, prueba también 1,8 y 2,2.
- Parámetros estables: el rendimiento en 1,8 y 2,2 es similar a 2,0. El resultado no es muy sensible a este parámetro — la ventaja es real.
- Parámetros con ajuste de curva: el rendimiento cae bruscamente en 1,9 o 2,1. El valor 2,0 se optimizó específicamente para los datos históricos; un pequeño cambio hace colapsar el resultado.
Prefiere siempre parámetros que se sitúan en un vecindario de rendimiento plano, incluso si su rendimiento máximo absoluto es ligeramente inferior al de un óptimo más sensible.
Qué optimizar (y qué no)
Optimiza:
- Los multiplicadores de stop-loss (los stops basados en ATR tienen rangos de parámetros naturales)
- Los umbrales del filtro de tendencia (niveles ADX, períodos EMA)
- Los filtros de sesión (ventanas de entrada por hora del día)
No optimices:
- El porcentaje de riesgo por operación — esta es una decisión de dimensionamiento de posición, no un parámetro de ventaja
- Los objetivos de salida ajustados para maximizar el beneficio del backtest — el mercado hacia adelante no es el mercado hacia atrás
Cuándo dejar de optimizar
Una regla práctica de parada: una vez que tu ratio de Sharpe en el período fuera de muestra supera 1,5 y tu eficiencia walk-forward (beneficio fuera de muestra / beneficio en muestra) está por encima de 0,5, deja de optimizar. Un mayor refinamiento en este punto añade riesgo de ajuste de curva sin una mejora proporcional de la ventaja.
La comprobación final antes de pasar a real: ejecuta el EA optimizado en una cuenta demo durante un mes y compara los resultados operación por operación con el backtest. Si el rendimiento demo está dentro del 20 % de la Sharpe del backtest, los parámetros son viables. Si la demo rinde gravemente por debajo, reexamina las suposiciones del modelo de ejecución (spread, slippage) en los ajustes del backtest.