MFTI: verificación de estrategias comerciales de criptomonedas en condiciones de mercado real

En el MFTI se presentó un sistema cuya verificación de estrategias comerciales de criptomonedas no se basa en una historia de precios idealizada, sino en la simulación de condiciones cercanas al comercio real. El desarrollo tiene en cuenta comisiones, deslizamientos, liquidez, costo de financiamiento de contratos perpetuos y otros factores que pueden hacer que una estrategia rentable en papel resulte débil después de su implementación.

Tarjeta de desarrollo

• Desarrollador: Instituto Físico-Técnico de Moscú (MFTI).
• Fecha de estreno del sistema: 30 de julio de 2026.
• Industria: servicios financieros, inversiones y auditoría.
• Tecnologías: Minería de Datos.

El sistema se refiere a herramientas de análisis de datos inteligentes y está diseñado para una evaluación más rigurosa de las estrategias de criptomonedas. Su tarea es mostrar cómo se comportaría el algoritmo no en condiciones de laboratorio, sino en un entorno donde la transacción se ejecuta con costos, retrasos y limitaciones del mercado.

¿Qué es el backtesting y para qué sirve?

El backtesting es la verificación de una estrategia comercial en datos históricos. En términos simples, el algoritmo vuelve a pasar por un segmento anterior del mercado: obtiene precios, abre y cierra transacciones según reglas establecidas y luego muestra cuál podría haber sido el resultado.

Esta verificación es necesaria para evaluar de antemano la lógica de la estrategia: si fue rentable, cuánto capital se perdió, con qué frecuencia ocurrieron períodos de pérdidas y si la idea soporta diferentes fases del mercado. Para un robot comercial, el backtesting es especialmente importante: ayuda a identificar debilidades antes de lanzarse con dinero real.

¿Cómo realizar un backtest de una estrategia o robot?

Normalmente, la verificación se basa en un algoritmo comprensible:

• Preparar datos históricos: precios, volúmenes, comisiones y otros parámetros del mercado.
• Configurar las reglas de la estrategia: condiciones de entrada, salida, tamaño de la posición y limitaciones de riesgo.
• Incorporar condiciones comerciales reales: comisiones, deslizamientos, liquidez y costo de financiamiento para contratos perpetuos.
• Ejecutar la prueba de manera que el algoritmo no utilice datos del futuro.
• Analizar los resultados a través de informes, gráficos y tablas de transacciones.

Para el backtesting, a menudo se utilizan plataformas como MetaTrader, TradingView, Amibroker y similares. Si se necesita un sistema de prueba propio, generalmente se escribe en Python, C++ o R.

La optimización de un robot comercial se reduce a probar y comparar parámetros: por ejemplo, el período del indicador, las reglas de salida o el tamaño de la posición. Pero elegir solo la opción con el mayor rendimiento es arriesgado: es importante observar cuán estable es el resultado en diferentes segmentos del mercado.

También hay métodos adicionales de verificación. La prueba hacia adelante ejecuta la estrategia en nuevos datos después de la configuración, para probarla fuera del segmento histórico en el que se ajustaron los parámetros. La prueba visual muestra las transacciones directamente en el gráfico paso a paso: así es más fácil ver dónde el algoritmo entra, sale y comete errores.

Métricas, factores y errores comunes del backtest

El resultado del backtest se evalúa no solo por las ganancias. Normalmente se observan varios indicadores:

• Rentabilidad: muestra cuánto ganó la estrategia durante el período seleccionado.
• Máxima caída: muestra cuánto se redujo el capital desde el pico hasta el mínimo.
• Ratio de Sharpe: ayuda a evaluar la rentabilidad ajustada al riesgo.
• Volatilidad: muestra cuán drásticamente cambió el resultado de la estrategia.
• Relación beneficio/riesgo: ayuda a entender si la posible ganancia justifica las pérdidas potenciales.

La calidad de los datos, la consideración de comisiones, liquidez, deslizamientos, la realismo de la simulación, la duración del período de prueba y el riesgo de sobreajuste son los factores que más influyen en el éxito de la verificación.

Los errores más comunes son el uso de datos futuros, el sobreajuste a un segmento histórico exitoso, la ignorancia de los costos comerciales y un período de verificación demasiado corto. Debido a estos errores, una estrategia puede parecer fuerte en el gráfico, pero perder rápidamente efectividad después de su implementación.

Qué verificaron los científicos del MFTI

En el centro de la investigación se encontraban las estrategias de momentum, uno de los enfoques populares en el comercio algorítmico. Su idea es simple: si el precio de un activo ya se está moviendo en una dirección determinada, puede continuar ese movimiento durante algún tiempo más. En los mercados financieros tradicionales, estos enfoques se han utilizado durante mucho tiempo, pero en las criptomonedas a menudo se prueban de manera demasiado simplificada.

En el mercado de criptomonedas se encuentran diferentes tipos de estrategias:

• Momentum: apuesta por la continuación del movimiento de precio ya iniciado.
• Arbitraje: búsqueda de diferencias de precios entre plataformas o instrumentos.
• Scalping: operaciones cortas frecuentes con un pequeño objetivo de ganancia.
• Estrategias de tendencia: trabajo en la dirección del movimiento principal del mercado.
• Estrategias contracorriente: intento de ganar en la corrección contra el movimiento actual.
• Market making: colocación de órdenes de compra y venta para ganar en el spread.

El principal problema de estas pruebas es la desconexión de la realidad. La cotización en un gráfico histórico muestra el precio, pero no revela todas las condiciones de la operación: cuál fue la liquidez, cuánto costó la ejecución, cómo fue el deslizamiento y cómo cambiaron los ciclos del mercado. Debido a esto, una estrategia puede parecer fuerte en datos pasados, pero después de su lanzamiento puede perder rápidamente la rentabilidad esperada.

El equipo del departamento de Blockchain del MFTI decidió verificar cuán robustas son las estrategias de momentum con un enfoque más realista. Para ello, el trabajo se dividió en varios pasos prácticos:

• Creación de un sistema de pruebas.
• Recolección de datos horarios del mercado spot.
• Recolección de datos horarios de futuros perpetuos durante 8 años.

Cómo funciona el sistema de pruebas

El desarrollo simula paso a paso el funcionamiento de la estrategia comercial como si se estuviera ejecutando en tiempo real. En cada paso, el sistema verifica varias condiciones:

• El algoritmo recibe solo los datos del mercado que podrían haber estado disponibles en el momento de tomar la decisión.
• El resultado de la operación se calcula teniendo en cuenta las comisiones.
• Se incluye el deslizamiento en el cálculo.
• Se considera la liquidez disponible.
• Para los contratos perpetuos, se tiene en cuenta el costo de financiamiento.

Después de calcular un intervalo de tiempo, el algoritmo pasa al siguiente y repite el procedimiento ya con los datos actualizados. Este enfoque ayuda a evitar el error común de utilizar información del futuro. Como resultado, la prueba muestra no una rentabilidad abstracta en la historia, sino una imagen más plausible del comportamiento de la estrategia en el comercio.

El sistema reproduce el funcionamiento de la estrategia paso a paso: utiliza solo los datos disponibles en ese momento, tiene en cuenta los costos comerciales reales y luego pasa al siguiente período. Este método permite evaluar cómo podría haberse comportado la estrategia en condiciones de mercado reales, explicó Maxim Egorov, graduado del departamento de Blockchain del MFTI.

Para un mercado donde los traders a menudo prueban ideas en MetaTrader, escriben sus propios modelos en Python o trasladan algoritmos de alta carga a C++, no solo es importante la lógica de entrada y salida de la posición. La calidad de la verificación se basa en tres cosas:

• Consideración de los costos que surgen al ejecutar operaciones.
• Consideración de las limitaciones de ejecución, incluyendo liquidez y deslizamiento.
• Comparación de la evaluación final con cómo podría haber funcionado la estrategia en el comercio real.

Resultados: la rentabilidad no resultó ser la principal ventaja

Los resultados obtenidos fueron verificados adicionalmente mediante métodos estadísticos. Esto fue necesario para separar el efecto sostenible de la coincidencia aleatoria de los parámetros con un segmento exitoso del mercado. Este control mostró que muchas estrategias que lucen bien en pruebas estándar pierden notablemente su efectividad al considerar las condiciones reales de comercio.

La conclusión principal no fue que las estrategias de momentum proporcionan la máxima rentabilidad. Una ventaja más importante fue su capacidad para limitar las pérdidas durante períodos de caídas bruscas del mercado. En una verificación realista, la protección del capital durante los colapsos salió a la luz como la prioridad.

Se probaron 132 variantes de la estrategia a través del sistema. La investigación mostró que no se puede confiar únicamente en una variante que se haya desempeñado mejor en los datos históricos. Después de ajustar por selección aleatoria, su resultado ya no era estadísticamente diferente de la suerte. Sin embargo, el efecto momentum no desapareció.

Si se evalúa la estrategia no por un solo escenario exitoso, sino en promedio y se forma una cartera de varias variantes, mantiene una rentabilidad sostenible. Además, su propiedad clave es la reducción de la caída en períodos de crisis. Según los cálculos del MIPT, la caída máxima se redujo más de dos veces: del 67% al 29%.

¿Por qué es necesaria tal verificación en el mercado de criptomonedas?

Los autores del desarrollo creen que el sistema puede convertirse en la base para evaluar y crear nuevos productos de inversión en el mercado de criptomonedas. Su valor radica en que el producto se puede verificar de antemano en condiciones cercanas al comercio real y entender cuán capaz es de proteger el capital durante fuertes caídas.

Este sistema puede servir como base para evaluar nuevos productos de inversión para el mercado de criptomonedas. Permite ver de antemano cómo la estrategia atraviesa períodos de fuerte descenso y cuán controlado permanece el riesgo. En el contexto de la formación de una base normativa para activos financieros digitales en Rusia, tales herramientas pueden volverse especialmente demandadas, - señaló Maxim Egorov.

El siguiente paso que los científicos del MIPT planean es verificar otras clases de estrategias comerciales. También desean ampliar la investigación a nuevos tipos de criptoactivos para evaluar cuán realista es la prueba y cómo cambia la percepción del riesgo y la rentabilidad en diferentes segmentos del mercado.