Señal vs. ruido · desde que tu primer backtest te mintió

¿Tu backtest es real… o un espejismo?

Sube tus resultados. Te decimos si la ventaja es real o un artefacto del overfitting — antes de arriesgar un solo euro.

Solo vemos tu curva — nunca tus reglas.
Dos formas de entrar: un fichero de Freqtrade o un CSV sencillo — mira qué necesitamos (2 min de lectura).
Curva de capital · in-sample → out-of-sample
Ventaja real Espejismo (overfit) Out-of-sample
Funciona con cualquier estrategia que tenga un histórico
Acciones Futuros Cripto FX Opciones Multiactivo

Cualquier mercado, cualquier marco temporal, cualquier horizonte — porque NeuralTEST lee tus retornos, no tus activos. Si genera una curva de capital, una serie de retornos o un registro de operaciones, podemos ponerlo a prueba.

Un backtest, torturado el tiempo suficiente, confiesa lo que haga falta.

Cuantas más combinaciones de parámetros pruebas, más probable es que tu mejor curva sea suerte con la máscara del talento. No es un defecto de carácter — es matemática, y engaña a profesionales cada día.

La trampa: una estrategia sobreajustada parece indistinguible de una excelente justo en el gráfico con el que la construiste. La señal delatora solo aparece out-of-sample — cuando el dinero en juego es el tuyo.

NeuralTEST somete tu estrategia a la batería estadística que separa una ventaja duradera de un accidente bonito. Vende rigor, no riquezas.

La prueba de fuego del backtest

Qué comprobamos realmente

Cinco pruebas de la literatura académica sobre overfitting en backtests — las que usan los quants para no engañarse a sí mismos, en lenguaje llano.

/ 01

Probabilidad de overfitting del backtest

Divide tus configuraciones de todas las formas posibles y pregunta: ¿con qué frecuencia el ganador in-sample rinde peor out-of-sample? Un PBO alto significa que tu «mejor» estrategia es una moneda al aire.

CSCV · Bailey, Borwein, López de Prado, Zhu
/ 02

Deflated Sharpe Ratio

Descuenta a tu Sharpe cuántas estrategias probaste y cuán asimétricos y de colas gruesas son los retornos. El Sharpe que sobrevive a la deflación es del que te puedes fiar.

López de Prado & Bailey
/ 03

Reality Check

Un bootstrap que pregunta si tu mejor regla bate al índice de referencia una vez descontado el data-snooping. No paramétrico, así que las colas gruesas no le cuelan un falso positivo.

White's Reality Check · bootstrap
/ 04

Historial mínimo necesario

Cuánto historial en real necesitarías para que el Sharpe sea estadísticamente creíble. Si es más largo que tu backtest, aún no tienes evidencia — tienes una corazonada.

Bailey & López de Prado
/ 05

Las banderas rojas del modelado

Costes, look-ahead, sesgo de supervivencia, capacidad, datos point-in-time y más — los atajos de modelado que inflan una curva. Tú los declaras; nosotros ponderamos el veredicto en consecuencia.

Declaración honesta · respondes tú
/ ✓

Un veredicto unificado

Sin un muro de estadísticas que interpretar. Cada prueba se condensa en un único semáforo — real, frágil o espejismo — con las razones concretas detrás.

Rojo · Ámbar · Verde
Cómo funciona

Tres pasos, noventa segundos

Trae tu curva

Suelta un CSV — una matriz de configuraciones, una serie de capital/retornos o un registro de operaciones. Detectamos el formato automáticamente. Sin integraciones, sin código.

Ejecutamos la batería

PBO, Deflated Sharpe, Reality Check y el resto se ejecutan en segundos, aquí mismo — tu archivo se procesa en memoria y se borra, nunca se almacena.

Recibe el veredicto

Un semáforo y las razones: qué prueba saltó, por cuánto y qué corregir antes de arriesgar capital real.

El resultado

Un veredicto sobre el que actuar, no un volcado de estadísticas

El ejemplo de la izquierda es una estrategia que parecía espectacular in-sample. En cuanto tienes en cuenta cuántas configuraciones se probaron, la ventaja se evapora — y NeuralTEST lo dice sin rodeos.

Ve exactamente qué prueba falló y por cuánto
Decide si corregir, seguir probando o retirarte
Ninguna promesa de beneficios — una medida de la evidencia

Tus reglas siguen siendo tuyas

NeuralTEST analiza la serie de retornos — la forma de la curva —, no la lógica que hay detrás. Nunca te pedimos tus señales, tu código ni tus parámetros. Los archivos se procesan y se descartan; no se almacena nada. Trae tus resultados; quédate con tu ventaja.

Tu primera prueba es gratis

Descúbrelo antes de que lo haga el mercado.

Sube una curva y recibe un veredicto honesto en menos de dos minutos. Sin registro para tu primera comprobación.

Haz la prueba Antes, cómo preparar tu fichero
La ciencia

Construido sobre investigación revisada por pares

NeuralTEST no inventa la estadística — implementa los métodos publicados y consolidados del campo. Esto es exactamente lo que se ejecuta por dentro y de dónde viene cada prueba.

Ver las 6 fuentes revisadas por pares y qué usamos de cada una+
  • Probabilidad de overfitting del backtest (PBO), vía CSCV
    Usamos el procedimiento de validación cruzada combinatoriamente simétrica (CSCV) para estimar con qué frecuencia la mejor configuración in-sample rinde peor out-of-sample — nuestra métrica central de overfitting.
    Bailey, Borwein, López de Prado & Zhu (2017). “The Probability of Backtest Overfitting.” Journal of Computational Finance 20(4).
  • Deflated Sharpe Ratio
    Deflactamos el Sharpe observado según el número de intentos realizados, la no normalidad (asimetría, curtosis) y la longitud de la muestra — la probabilidad de que la ventaja sea real y no la suerte de la búsqueda.
    Bailey & López de Prado (2014). “The Deflated Sharpe Ratio.” Journal of Portfolio Management 40(5).
  • Ratio de Sharpe probabilístico y historial mínimo (MinTRL)
    Calculamos la probabilidad de que el Sharpe verdadero supere un umbral (PSR) y la longitud mínima de muestra necesaria para fiarse de él (MinTRL) — la respuesta honesta a «¿tengo ya datos suficientes?».
    Bailey & López de Prado (2012). “The Sharpe Ratio Efficient Frontier.” Journal of Risk 15(2).
  • Reality Check contra el data snooping
    Una prueba bootstrap no paramétrica de si la mejor regla bate de verdad al índice de referencia una vez descontado el data-snooping — robusta frente a las colas gruesas que engañan a las pruebas paramétricas.
    White (2000). “A Reality Check for Data Snooping.” Econometrica 68(5). Non-parametric variant popularized by Aronson (2006), “Evidence-Based Technical Analysis,” Wiley.
  • El marco del overfitting en backtests y los pecados capitales
    El marco de cómo el overfitting destruye el rendimiento out-of-sample, y la lista de atajos de modelado (costes, look-ahead, supervivencia, capacidad) que te pedimos declarar.
    Bailey, Borwein, López de Prado & Zhu (2014). “Pseudo-Mathematics and Financial Charlatanism.” Notices of the AMS 61(5).
  • Métodos y convenciones de referencia
    Referencia general para las implementaciones, las convenciones de validación cruzada y la maquinaria de aprendizaje automático financiero detrás del motor.
    López de Prado (2018). “Advances in Financial Machine Learning.” Wiley.

Qué es nuestro: la implementación, la unificación de todas las pruebas en un único veredicto, la capa de declaración honesta y las explicaciones en lenguaje llano. Qué es del campo: los métodos estadísticos anteriores — y esa es justamente la cuestión. El rigor viene de ciencia publicada y revisada por pares, no de una caja negra que tengas que creerte por fe.

NeuralTEST es una implementación independiente de estos métodos publicados. No está afiliado, patrocinado ni avalado por los autores o editoriales citados.