Overfitting: qué es y cómo detectarlo

Qué es el overfitting en trading algorítmico, por qué el exceso de grados de libertad lo provoca en StrategyQuant X, y las señales de alerta y métricas de complejidad para detectarlo antes de operar en real.

El overfitting —sobreajuste— es el fenómeno por el que una estrategia se ajusta tan perfectamente a los datos históricos que ha memorizado el pasado en lugar de aprender un patrón real del mercado. Es, con diferencia, el mayor riesgo del trading algorítmico, y el hilo conductor de toda esta serie sobre el Builder.



NOTA

Todo lo que sigue en esta serie —Edge Ratio, tests de robustez, construcción de portfolio— existe por una única razón: reducir el riesgo de overfitting. Conviene interiorizar este artículo antes de avanzar.

Tabla de contenidos

La analogía del estudiante

Tipo de estrategia	Comportamiento
Sobreajustada (mal estudiante)	Memoriza el examen. Saca un 10 con las mismas preguntas, suspende con cualquier variación.
Robusta (buen estudiante)	Comprende los conceptos. Obtiene un 7-8 de forma consistente en cualquier variante del examen.

En trading, el objetivo es una estrategia que capture la señal real del mercado, no el ruido aleatorio de los datos históricos concretos con los que se construyó.

Por qué ocurre: exceso de grados de libertad

Con cientos de indicadores, operadores y parámetros disponibles, el número de combinaciones posibles que puede explorar un algoritmo genético es astronómico. Con tanta libertad de elección, es prácticamente inevitable que el proceso encuentre combinaciones que se ajusten al ruido histórico por pura casualidad, no porque exista una ventaja real detrás.



CLAVE PRÁCTICA

Cuanto más compleja es una estrategia —más condiciones, más parámetros—, mayor es el riesgo de overfitting. La simplicidad es el primer y más poderoso aliado contra el sobreajuste: no es una limitación técnica, es una decisión de diseño deliberada.

Señales de alerta de overfitting

Curva de equity perfectamente suave y constante en el backtest.
Profit Factor superior a 3.0 en toda la muestra.
Curva de equity que sube sin ninguna racha perdedora significativa.
Resultados que se desmoronan al probar en datos fuera de muestra (OOS).
Estrategia que solo funciona en un único activo y timeframe muy concreto.
Más de 6-8 condiciones de entrada en una sola estrategia.



ATENCIÓN

Un backtest demasiado perfecto no es un motivo para alegrarse: es la señal de alarma más fiable de todas. Si la curva de equity de una estrategia parece sacada de un anuncio, la explicación más probable no es que hayas encontrado algo excepcional, sino que el proceso ha memorizado el histórico concreto que le diste.

Métricas de complejidad de referencia

Métrica	Umbral recomendado
Complexity Score	Menor de 10 — cuanto más bajo, más robusto
Número de condiciones de entrada	2-4 como máximo
Número de parámetros variables	Minimizar; usar rangos amplios en vez de valores exactos
Número de indicadores distintos	1-3 como máximo

Estos umbrales no son reglas absolutas, pero funcionan bien como primer filtro: una estrategia que los supera ampliamente merece un escrutinio adicional antes de avanzar a la fase de tests de robustez.

Preguntas frecuentes (FAQs)

Si mi estrategia tiene un Profit Factor muy alto, ¿significa necesariamente que está sobreajustada?

No necesariamente, pero es la señal de alerta más común. Un Profit Factor por encima de 3.0 mantenido en toda la muestra, especialmente combinado con una curva de equity muy suave, debe tratarse como sospechoso hasta que se demuestre lo contrario en el periodo fuera de muestra.

¿Es overfitting tener muchos parámetros si cada uno tiene un rango amplio?

El riesgo es menor que con parámetros exactos, pero sigue existiendo. Cuantos más grados de libertad tenga el proceso de búsqueda —parámetros, condiciones, indicadores—, mayor es el espacio de combinaciones posibles, y con él la probabilidad de encontrar una que ajuste al ruido en vez de a una señal real.

¿Cómo sé si mi estrategia ha superado ya el riesgo de overfitting?

Ninguna estrategia lo "supera" de forma definitiva; se reduce el riesgo pasando la batería completa de tests de robustez que se describe en las páginas siguientes de esta serie, no con un único indicador. El overfitting se gestiona con proceso, no se elimina con una sola comprobación.