Saltar al contenido
Contáctame
Inicio > trading
Contáctame

Machine Learning en trading algorítmico

Por qué este artículo no tiene una captura de pantalla de ganancias

Vas a leer bastante sobre inteligencia artificial en trading este año. La mayoría de ese contenido tiene un patrón: una captura de resultados, una promesa de «el bot que opera solo mientras duermes», y cero detalle técnico verificable.

Este artículo es lo opuesto. Te cuento el proceso real de construir un sistema de Machine Learning para operar el índice sintético Boom 1000, incluyendo los bugs que encontramos en el camino — porque ese proceso es, en sí mismo, la evidencia de algo que quiero dejar claro: la IA no reemplaza el criterio humano en trading, lo necesita en cada capa del sistema.

Ahora mismo el sistema está en fase de pruebas, sin operaciones reales cerradas todavía. Si buscas una señal de «esto ya genera X% mensual», este no es ese artículo. Si te interesa entender cómo se construye algo así con rigor, sigue leyendo.

El punto de partida: automatizar lo que ya validaba con SQX

Vengo trabajando con StrategyQuant X (SQX) para desarrollar y validar estrategias mecánicas con Walk-Forward Optimization — el mismo proceso que expliqué en el artículo sobre WFO. Ese método funciona con reglas fijas: si se cumple la condición A y B, entra en C.

La pregunta que me hice fue distinta: ¿qué pasa si, en lugar de reglas que yo defino a mano, el sistema aprende a reconocer patrones directamente de los datos de mercado? Ahí es donde entra el Machine Learning — no como una caja negra mágica, sino como una herramienta más dentro del mismo marco de rigor que ya uso con SQX: entrenar, validar fuera de muestra, y solo entonces confiar.

La arquitectura: IA para reconocer patrones, humano para todo lo demás

El sistema tiene dos partes que conversan entre sí, y la división de responsabilidades es intencional:

Un EA en MetaTrader 5 transmite cada vela cerrada de Boom 1000 a un servidor propio, y ejecuta únicamente lo que ese servidor le indica.

Un servidor Python en mi propia infraestructura recibe esos datos, calcula variables derivadas del comportamiento del mercado (volatilidad, rachas de velas, distancia al último movimiento atípico), y entrena un modelo de Machine Learning (XGBoost, no una red neuronal — para este tipo de datos tabulares, los árboles de decisión potenciados por gradiente superan a las redes neuronales en precisión y son interpretables, algo que valoro más que la moda).

El modelo aprende, cada semana, qué combinaciones de esas variables preceden un movimiento aprovechable. Hasta ahí, es IA en el sentido técnico correcto del término: aprendizaje automático aplicado a un problema de clasificación.

Lo que decidí que la IA no hace:

Esa última regla es la que más me importa transmitir: el sistema está diseñado para que un mal reentrenamiento no pueda degradar lo que ya funciona. No es un detalle técnico menor, es una decisión de diseño explícita de gestión de riesgo, tomada por mí, no por el modelo.

Los errores reales que aparecieron (y por qué los cuento)

Cuando puse el sistema a correr con datos en vivo, aparecieron dos problemas que ningún backtest te muestra:

El servidor devolvía distancias de stop-loss mal calculadas. El modelo calculaba una distancia basada en volatilidad (ATR), pero esa distancia no se estaba convirtiendo correctamente a la unidad que MetaTrader exige para Boom 1000. El resultado: el bróker rechazaba las órdenes con el error «Invalid stops», una y otra vez. La causa no era el modelo — era una conversión de unidades mal implementada en el código que traduce la predicción en una orden ejecutable.

El EA no estaba registrando correctamente los cierres de operaciones ejecutadas automáticamente por stop-loss o take-profit. MetaTrader no siempre propaga la información de la operación original al momento del cierre cuando ese cierre lo ejecuta el propio bróker (no una orden manual). Sin corregirlo, el sistema habría perdido silenciosamente el resultado de cada trade cerrado por SL/TP — justo los datos que alimentan el ciclo de mejora del modelo.

Ninguno de los dos errores tiene que ver con «la IA se equivocó». Son errores de ingeniería en la plomería que conecta la predicción con la ejecución real — el tipo de problema que solo aparece cuando sacas un sistema del papel y lo pones a hablar con un bróker real, un servidor real, una red real. Los cuento porque es exactamente el tipo de trabajo que no se ve en un video de «resultados» de 60 segundos, y es el trabajo que de verdad determina si un sistema es confiable.

Dónde estoy ahora

El sistema está acumulando datos e iterando su primer modelo. Con apenas un par de meses de histórico disponible para Boom 1000, estoy usando ventanas de validación más cortas y un umbral de confianza deliberadamente conservador — el sistema mismo está diseñado para ajustar esas ventanas de forma dinámica a medida que se acumula más historial, sin que eso implique bajar el estándar de validación.

Antes de considerar capital real, el plan es correr varias semanas en cuenta demo, acumular una muestra estadísticamente razonable de operaciones cerradas, y confirmar que el comportamiento en demo sea consistente con lo que muestra la validación fuera de muestra. Si no lo es, el problema hay que encontrarlo antes de arriesgar un dólar — no después.

La conclusión que me interesa que te lleves

La inteligencia artificial aplicada a trading no es «prender el bot y dejar que aprenda solo con tu dinero real». Es un componente — poderoso, pero acotado — dentro de un sistema donde la gestión de riesgo, los límites duros, la validación estadística y el criterio de cuándo confiar (o no) en un modelo siguen siendo decisiones humanas.

Ese es el mismo principio que aplico con Walk-Forward Optimization en SQX, con Monte Carlo para saber si una estrategia es suerte o no, y ahora con Machine Learning: la tecnología amplía lo que puedo probar y ejecutar, pero el criterio de qué merece confianza sigue siendo mío.

Voy a seguir documentando este proceso, con sus resultados reales cuando los haya — buenos o malos.

Drawdown: por qué perder a veces es parte del plan

En el 2008, una de las estrategias cuantitativas más respetadas del mundo perdió el 38% en seis meses. La gente que retiró su capital esos meses fue exactamente la que no estaba en la cuenta cuando la estrategia recuperó todo y produjo retornos del 240% en los cuatro años siguientes.

Esto no es opinión. Es la historia documentada del modelo de Renaissance Technologies, el fondo cuantitativo más exitoso de la historia. Y la lección que dejó es la misma que voy a contarte hoy: el drawdown no es un error del sistema, es parte de su física.

La pregunta que define quién sobrevive en trading

Si te dijera que tengo una estrategia que históricamente produce un 40% anual pero que en algún momento del año vas a ver tu cuenta perder un 20% antes de recuperarse, ¿la copiarías?

Casi nadie responde que sí.

Y por eso casi nadie llega al 40% anual.

La diferencia entre quien construye patrimonio con estrategias cuantitativas y quien quema cuenta tras cuenta no está en la habilidad de elegir el momento perfecto de entrada. Está en entender, soportar y planificar para los momentos de pérdida.

A eso se le llama drawdown. Y es el concepto más importante de todo el trading que casi nadie te explica con honestidad.

Qué es el drawdown en términos simples

El drawdown es la distancia entre el máximo histórico de tu cuenta y el punto más bajo posterior, expresada en porcentaje.

Si tu cuenta llegó a estar en $10.000 y luego bajó a $8.000 antes de volver a subir, tu drawdown fue del 20%. No importa que después haya llegado a $15.000: ese 20% de bajada existió y forma parte de la curva real de tu cuenta.

Hay tres tipos de drawdown que vale la pena distinguir:

Drawdown actual

Es la pérdida desde el último pico hasta el momento presente. Si tu cuenta bajó del máximo histórico y aún no se ha recuperado, ese porcentaje es tu drawdown actual.

Máximo drawdown histórico (MDD)

Es el peor drawdown registrado en toda la historia de la estrategia o cuenta. Es la métrica más importante que cualquier persona debe revisar antes de copiar un sistema.

Drawdown promedio

Es la pérdida típica que la estrategia experimenta antes de recuperarse. No el peor caso, sino el caso habitual.

Por qué el drawdown existe en CUALQUIER estrategia

No hay un sistema de trading en el mundo — ni manual, ni algorítmico, ni discrecional, ni copiado de un genio — que evite el drawdown. La razón es matemática:

Toda estrategia rentable opera con un margen estadístico sobre eventos aleatorios. Eso significa que, en promedio, gana. Pero «en promedio» no quiere decir «siempre». Quiere decir que entre la racha buena y la racha mala, gana más de lo que pierde.

El problema es que las rachas malas existen y duran lo que tienen que durar. Si un sistema tiene una tasa de aciertos del 55%, eso quiere decir que el 45% de sus operaciones pierden. Y esas operaciones perdedoras no se distribuyen perfectamente en el calendario: a veces se agrupan. Cinco, ocho, diez operaciones perdedoras seguidas son matemáticamente normales en sistemas que ganan a largo plazo.

Cuando esa racha mala ocurre, tu cuenta entra en drawdown. Y ahí se separa el trader de verdad del que solo se llama trader.

Tres reglas matemáticas del drawdown que cambian todo

Hay tres relaciones matemáticas del drawdown que la mayoría de las personas desconoce. Cuando las entiendes, cambia para siempre cómo evalúas un sistema de trading.

Regla 1 — La recuperación NO es simétrica

Si pierdes el 10% de tu cuenta, necesitas un 11,1% de ganancia para volver al punto inicial. Si pierdes el 25%, necesitas un 33%. Si pierdes el 50%, necesitas 100% — es decir, duplicar la cuenta desde el punto bajo.

Pérdida (drawdown)Ganancia necesaria para recuperar
5%5,26%
10%11,11%
20%25%
30%42,86%
50%100%
70%233%
90%900%

Esta es la razón por la que controlar el tamaño del drawdown es más importante que maximizar la rentabilidad. Una estrategia con un drawdown del 20% es matemáticamente superior a una con drawdown del 50%, incluso si la segunda tiene retornos esperados más altos.

Regla 2 — La duración del drawdown importa tanto como su profundidad

Una caída del 15% que se recupera en dos meses es completamente distinta de una caída del 15% que tarda dos años en recuperarse. La segunda quema más capital emocional, te hace dudar de la estrategia, te empuja a abandonar antes de tiempo, y bloquea capital que podrías usar en otro lado.

Por eso los traders cuantitativos serios miran dos métricas en paralelo:

Una estrategia con drawdowns frecuentes pero cortos puede ser mejor que una con drawdowns raros pero eternos.

Regla 3 — El drawdown es psicológico antes que financiero

La matemática anterior es relevante, pero la realidad operativa es otra: el drawdown te rompe psicológicamente mucho antes de romperte financieramente.

Las personas que abandonan una estrategia rentable lo hacen, en el 90% de los casos, durante un drawdown. No porque el sistema falle, sino porque la mente humana no está cableada para tolerar pérdidas sostenidas. Activa instintos de supervivencia que evolutivamente eran útiles cuando había que huir de un león, pero que son destructivos cuando estás manejando una cuenta de inversión.

Por eso lo más importante que puedes hacer antes de copiar cualquier estrategia es conocer su drawdown máximo histórico y preguntarte honestamente: ¿podría soportarlo emocionalmente con mi capital real?

Si la respuesta es no, esa estrategia no es para ti. Independientemente de su rentabilidad anual.

El drawdown en sistemas algorítmicos: el caso de Robust Strategy

Voy a hablar concretamente de la estrategia que opero, no como venta sino como ejemplo educativo. Robust Strategy es un sistema cuantitativo que opera XAU (oro) y Nasdaq 100, desarrollado durante 4 meses y validado con:

Esa validación me dice cosas concretas sobre el drawdown esperado:

Cuando alguien me pregunta si debe copiar la estrategia, mi primera pregunta nunca es sobre el dinero. Es sobre el drawdown:

«¿Estás preparado para ver tu cuenta perder un X% antes de recuperarse? Si la respuesta es no, esta estrategia no es para ti. Si la respuesta es sí, conversemos.»

Esa pregunta filtra al 70% de los curiosos. Y se queda con el 30% que realmente puede ser un cliente sostenible.

Cómo evaluar el drawdown de una estrategia antes de copiarla

Si estás considerando copiar a un trader, una señal o un sistema algorítmico, estas son las preguntas que debes exigir antes de mover un dólar:

Pregunta 1 — ¿Cuál es el máximo drawdown histórico documentado?

Si la respuesta es «nunca he tenido drawdowns» o «siempre gano», da media vuelta. Es la respuesta automática de un estafador o de alguien que opera con muestras tan pequeñas que aún no ha visto la realidad del mercado.

Pregunta 2 — ¿Sobre qué periodo de tiempo está documentado?

Una estrategia probada en seis meses no tiene validez estadística. Necesitas mínimo 2 años de track record real, idealmente con backtesting riguroso sobre 5-10 años. Y los datos deben ser verificables, no capturas de pantalla.

Pregunta 3 — ¿Cuánto tarda históricamente en recuperarse?

Un sistema que tarda 6 meses en recuperarse de un drawdown del 15% es muy distinto de uno que tarda 3 años. Pregunta.

Pregunta 4 — ¿Cómo se comporta en mercados laterales o adversos?

Muchas estrategias funcionan brillantemente en tendencia y colapsan en lateralidad. Otras hacen lo opuesto. El drawdown te dice cómo se comporta en los peores momentos.

Pregunta 5 — ¿Existe simulación Monte Carlo del sistema?

Las simulaciones Monte Carlo estresan la estrategia con miles de variaciones aleatorias del orden de las operaciones. Si el sistema sobrevive a 15.000 simulaciones manteniendo expectativa positiva, es robusto. Si nunca se ha simulado así, no puedes saber su verdadero perfil de riesgo.

Si quien te ofrece copiar su sistema no puede responder a estas cinco preguntas con datos concretos, no estás frente a un trader cuantitativo, estás frente a un vendedor de humo.

Cuándo abandonar una estrategia (y cuándo NO)

Aquí está el dilema más difícil del trading copiado. ¿Cuándo es señal de que el sistema dejó de funcionar y cuándo es solo drawdown normal?

Señales de que estás en un drawdown normal (NO abandonar)

Señales de que el sistema podría haberse roto (sí evaluar)

La regla operativa: si tu drawdown sigue dentro de los parámetros históricos del sistema, respira y deja que el sistema haga su trabajo. Si los supera, conversación seria con quien opera el sistema.

Lo que NO debes hacer jamás es abandonar durante el drawdown sin haber agotado primero la conversación técnica. Vender en el peor momento es la forma garantizada de convertir una pérdida temporal en una pérdida permanente.

La paradoja del drawdown como ventaja competitiva

Voy a cerrar con un punto contraintuitivo que entendí solo después de operar años.

Tu mayor ventaja como inversor minorista no es la velocidad, no es la información, no es el capital. Es la capacidad de soportar drawdowns que los grandes fondos no pueden tolerar.

Un fondo institucional con miles de inversionistas no puede aguantar un drawdown del 25% sin que sus clientes empiecen a retirar capital, lo que lo obliga a vender en el peor momento, lo que profundiza el drawdown. Es una espiral de muerte estructural.

Tú, como inversor individual con capital propio, no tienes esa restricción. Puedes aguantar drawdowns que un fondo no puede. Si combinas esa tolerancia psicológica con una estrategia técnicamente robusta, operas con una ventaja que los grandes no tienen.

Pero esa ventaja solo se materializa si entiendes el drawdown, lo aceptas como parte del proceso y no abandonas en el peor momento.

Por eso este artículo. Y por eso, antes de hablar de copiar mi estrategia o cualquier otra, te invito a hacerte la pregunta más importante:

¿Estás preparado para perder antes de ganar?

Si la respuesta honesta es sí, hablemos.

Si la respuesta honesta es no, mejor sigue construyendo esa preparación primero. Sin ella, ninguna estrategia del mundo va a funcionarte.

Para profundizar

¿Quieres que conversemos sobre tu situación específica? Agenda una asesoría sin costo y evaluamos honestamente si copiar es lo correcto para ti hoy.

Contenido educativo, no asesoría financiera. Toda inversión conlleva riesgo de pérdida de capital. Rendimientos pasados no garantizan resultados futuros. Las decisiones financieras son responsabilidad exclusiva de cada inversor.