🤖Constructor de Bots

Motor de backtesting

Monte Carlo + repetición histórica antes de operar en real

El motor de backtesting te permite probar una estrategia de trading contra el pasado antes de arriesgar capital en ella. En lugar de adivinar si "comprar todo mercado con un edge de 5pp o más" o "ir en contra de todo lo que esté por encima del 95%" realmente genera dinero, ejecutas las reglas a través de condiciones históricas y obtienes números concretos: win rate, P&L, drawdown máximo, ratio de Sharpe y un registro completo de operaciones. Se encuentra en /dashboard/backtest y es el puente entre una idea y una posición real.

Esta es una de las herramientas que más se omite en la plataforma, y por eso mismo los traders disciplinados se apoyan en ella. Una estrategia que en tu cabeza parece obviamente rentable a menudo produce un win rate del 48% y un drawdown desagradable una vez que la reproduces. Es mejor descubrirlo aquí que en el saldo de tu cuenta.

Qué hace realmente el motor

Predite ejecuta dos motores de backtest complementarios detrás de la misma página. Responden preguntas distintas, y los usuarios serios ejecutan ambos.

1. Simulación de Monte Carlo

El panel principal ejecuta una simulación de Monte Carlo que modela cómo se comporta una estrategia a lo largo de cientos de días de trading simulados. Está construida sobre estadísticas históricas de Polymarket — edge promedio, varianza del edge, win rate base y tiempo de retención típico para cada arquetipo de estrategia — y luego simula día a día si aparece una oportunidad, qué tamaño le asignarías y cómo se resuelve.

Fundamentalmente, la simulación es determinista por configuración. Las mismas entradas siempre producen el mismo resultado (se inicializa a partir de un hash de tu configuración), de modo que puedes ajustar un parámetro a la vez y ver exactamente cómo cambia el resultado. Modifica las entradas que alimentan la semilla y obtendrás una nueva trayectoria. Esto hace que Monte Carlo sea ideal para *barridos de parámetros*: "¿qué le hace al win rate y al número de operaciones subir mi edge mínimo de 5 a 10?".

Hay cuatro arquetipos de estrategia disponibles:

•EV Follower — sigue las señales de edge de la IA; compra cuando la IA cree que un mercado está mal valorado. ~58% de acierto base, y la segunda estrategia más activa.
•Mean Reversion — opera contra probabilidades extremas, esperando que vuelvan hacia el medio. Menos operaciones, con más edge.
•Momentum — sigue tendencias de precio. La mayor frecuencia de operaciones de las cuatro, y el menor tiempo de tenencia (3 días frente a los 5 del EV Follower), así que rota capital más rápido.
•Contrarian — apuesta contra la multitud. Operaciones raras, de alta convicción y alta varianza.

2. Replay histórico

Por encima del panel de Monte Carlo se encuentra el widget de replay (etiquetado como BETA). Este es el motor más literal: recorre instantáneas reales registradas de mercados de forma cronológica y simula entradas y salidas tick por tick. Donde Monte Carlo pregunta "cómo debería comportarse estadísticamente una estrategia como esta", el replay pregunta "qué habría hecho *esta estrategia exacta* sobre el historial de precios real de *este mercado exacto*".

El replay lee de las tablas market_snapshots / market_history, que se llenan mediante crons en segundo plano (cada 15 minutos para el feed de instantáneas, cada 4 horas para el feed de escaneo). Por ello, el replay necesita datos acumulados para ser significativo — consulta la sección de detalles a tener en cuenta.

Cómo ejecutar un backtest, paso a paso

Abre /dashboard/backtest. Llegarás a la tarjeta de configuración con valores predeterminados sensatos ya rellenados ($10,000 de capital, 5pp de edge mínimo, ventana de 6 meses).
Elige una estrategia del menú desplegable (EV Follower, Mean Reversion, Momentum o Contrarian). Este es el factor que más influye en tus resultados.
Define tu capital inicial. Usa un número realista — el mismo con el que realmente planeas operar. Los tamaños de posición escalan a partir de esto, por lo que $1,000 y $100,000 producen un P&L y un drawdown absolutos muy diferentes.
Configura la entrada — edge mínimo. Este es tu filtro. El motor solo "entra" en una operación cuando el edge modelado supera este umbral (en puntos porcentuales). Un número más alto significa operaciones menos frecuentes pero de mayor calidad.
Configura el sizing — % máximo de posición y fracción de Kelly. El % máximo de posición limita cuánto del capital puede usar una sola operación. La fracción de Kelly escala el tamaño de la apuesta a partir del edge: 0.5 es medio Kelly, la opción más común porque el Kelly completo (1.0) es matemáticamente óptimo pero brutalmente volátil. El motor toma el menor entre tu límite máximo de posición y el tamaño derivado de Kelly.
Configura las salidas — % de stop-loss y % de take-profit. Estos acotan cuánto puede moverse una posición en tu contra (stop) o a tu favor (objetivo) antes de cerrarse. Dan forma al tamaño de las ganancias y pérdidas individuales, lo que a su vez determina tu perfil de drawdown.
Elige tu ventana de análisis histórico. Selecciona 30 días, 90 días o 180 días de historial simulado (también hay disponibles ejecuciones más largas de 1 año). Las ventanas más largas dan más operaciones y números estadísticamente más confiables; las ventanas más cortas te muestran el comportamiento del régimen reciente.
Haz clic en Ejecutar. Los resultados se renderizan en aproximadamente medio segundo.

Para el widget de replay, el flujo es similar pero además pegas un Market ID (un condition ID de Polymarket como 0x1a2b... o un ticker de Kalshi como PRES-2028), eliges una ventana (7–90 días) y defines tus dólares por operación. Si dejas el Market ID en blanco, vuelve a la ruta de Monte Carlo.

Cómo leer los resultados

Después de una ejecución, el motor muestra cuatro métricas principales en tarjetas grandes, luego una segunda fila de estadísticas de apoyo y, a continuación, las visualizaciones.

Los cuatro números que más importan

•Retorno total (%) — el porcentaje de ganancia o pérdida sobre el capital inicial a lo largo de la ventana. El verde es positivo, el rojo es negativo. Este es el dato principal, pero nunca lo leas de forma aislada.
•P&L ($) — la ganancia o pérdida absoluta en dólares. Útil para hacer una verificación de fondo de si la estrategia vale tu tiempo a tu nivel de capital real.
•Win Rate (%) — la proporción de operaciones cerradas que generaron dinero. No le des un peso excesivo. Un win rate del 45% puede ser muy rentable si las ganancias son mayores que las pérdidas, y un win rate del 70% puede perder dinero si las pérdidas son enormes. Combínalo siempre con el P&L.
•Ratio de Sharpe — el retorno por unidad de volatilidad, anualizado (el motor anualiza los retornos diarios mediante √252). Esta es la mejor puntuación de calidad en un solo número. Como guía aproximada: por debajo de 1.0 es débil, de 1.0 a 2.0 es sólido y por encima de 2.0 es excelente para estrategias de mercados de predicción. Una estrategia con menor retorno total pero un Sharpe mucho más alto suele ser la mejor para operar porque es más estable y más fácil de escalar.

Las estadísticas de apoyo

•Total de operaciones — tu tamaño de muestra. Menos de ~20 operaciones significa que los demás números son ruidosos; trátalos como direccionales, no como verdad absoluta.
•Drawdown máximo (%) — la mayor caída de pico a valle en el capital durante la ejecución. Este es tu número de dolor. Pregúntate honestamente: *¿habría seguido operando a través de un drawdown tan profundo sin entrar en pánico?* Si el drawdown máximo es del 35% y abandonarías al 20%, la estrategia no es viable para ti sin importar su retorno.
•Retención promedio (días) — cuánto tiempo permanecen abiertas las posiciones. Esto te indica la cadencia: un promedio de 3 días es gestión activa; un promedio de 12 días es paciente.

Distribución de resultados y el registro de operaciones

•La curva de capital grafica el valor de la cuenta a lo largo de la ventana. Quieres una curva que suba de forma constante hacia arriba y a la derecha. Una curva que se dispara al principio y luego se desangra, o una con un único precipicio enorme, es una advertencia incluso si el punto final es positivo.
•Los retornos mensuales desglosan el P&L en grupos por mes. La consistencia importa: una estrategia que gana dinero en 5 de 6 meses es más confiable que una que debe todo su retorno a un único mes afortunado.
•El registro de operaciones lista operaciones individuales con el lado (YES/NO), entrada, salida, tamaño, P&L, tiempo de retención y resultado. Lee específicamente tus mejores y peores operaciones — si todo tu retorno provino de un único valor atípico, no tienes un edge, tienes una coincidencia.
•Usa Exportar CSV (en la esquina superior derecha del registro de operaciones) para extraer *todas* las operaciones — no solo las últimas 10 que se muestran — a una hoja de cálculo para una auditoría más profunda. Los campos del CSV están saneados contra la inyección de fórmulas, por lo que es seguro abrirlo directamente en Excel o Sheets.

Consejos para backtests confiables

•Cambia una variable a la vez. Como Monte Carlo es determinista, puedes aislar el efecto de, por ejemplo, la fracción de Kelly manteniendo todo lo demás constante. Haz un barrido de 0.25 / 0.5 / 1.0 y observa cómo se mueven juntos el Sharpe y el drawdown máximo.
•Optimiza para el Sharpe y el drawdown, no para el retorno bruto. Es fácil aumentar el retorno subiendo el tamaño de las posiciones; es difícil hacerlo sin disparar el drawdown. El retorno total más vistoso rara vez es la mejor estrategia.
•Exige una muestra real. Lleva la ventana a 90 o 180 días para tener suficientes operaciones. Una ejecución rentable de 30 días sobre 8 operaciones no es evidencia.
•Contrasta Monte Carlo con el replay. Si una estrategia se ve genial en Monte Carlo, valida la misma lógica sobre el historial de un mercado real mediante el widget de replay. La concordancia entre ambos es una señal fuerte; la discrepancia significa que debes investigar más a fondo.
•Ajusta el backtest a cómo realmente vas a operar. Usa tu capital real, tus límites de posición reales y reglas de salida que vayas a respetar de verdad. Un backtest de una estrategia disciplinada que no vas a seguir no vale nada.

Detalles a tener en cuenta y límites

•Los backtests son direccionales, no una profecía. Ambos motores están explícitamente etiquetados como aproximaciones. Monte Carlo usa *estadísticas* históricas, no una reproducción de cada operación real; el motor de replay usa instantáneas en caché y un modelo de una sola posición a la vez. El rendimiento pasado no garantiza resultados futuros — la advertencia habitual es cierta aquí por razones reales.
•El replay necesita que existan datos. El motor de replay requiere al menos 10 instantáneas para un mercado, e idealmente más de 50 a lo largo de al menos un día completo, antes de devolver una salida útil. En un despliegue nuevo o en un mercado con poca cobertura verás una advertencia de data_quality: insufficient o limited. La solución es simplemente tiempo — deja que los crons de instantáneas acumulen historial.
•Los recuentos bajos de operaciones llevan advertencias. Si se cierran menos de 3–5 operaciones, el motor señala alta varianza directamente en las notas. Cree en la advertencia.
•El sobreajuste es el pecado capital. Si ajustas los parámetros hasta que la curva sea impecable, has memorizado el ruido histórico, no encontrado un edge duradero. Una estrategia que sobrevive a varias ventanas distintas y a una configuración ligeramente diferente es mucho más creíble que una que es perfecta exactamente con un solo ajuste.
•Límite de uso. Los backtests están limitados a 10 ejecuciones por hora por usuario porque cada replay puede escanear miles de instantáneas. Planifica tus barridos de parámetros en lugar de presionar Ejecutar de forma indiscriminada.

Requisitos de plan

El motor de backtesting está disponible en los planes Pro ($59/mes) y Bot ($99/mes). No está incluido en Starter ($29/mes) — los usuarios de Starter verán una pantalla de actualización en /dashboard/backtest.

El backtesting en sí nunca toca dinero real, así que Pro es suficiente para usar todas las funciones de esta página. Para luego desplegar una estrategia validada como un bot automatizado en vivo operando en el CLOB de Polymarket, necesitarás el plan Bot, que desbloquea el Bot Builder y la ejecución en vivo. La ruta recomendada es: hacer backtest en Pro o Bot → paper trade de las que sobrevivan → pasar a operar en vivo en Bot.

Cómo se conecta con el resto de Predite

El Backtesting está en medio de un pipeline de validación. Las estrategias que pruebas aquí replican las condiciones que usan el EV Scanner y el Bot Builder, así que una configuración que rinde bien en backtest se traduce casi directamente en reglas de bot en vivo. Cuando una estrategia pasa el backtest, el paso natural es probarla hacia adelante, sin riesgo, en Paper Trading, antes de comprometer capital. Sobre el dimensionamiento, cuidado con mezclar: el backtest aplica su propio tamaño de posición fijo, mientras que la Calculadora de Kelly ejecuta la fórmula de Kelly real, edge / (1 − precio), con un cuarto de Kelly por defecto y un tope del 25% del bankroll. Los dos no van a coincidir, y es el número de Kelly el que manda para dimensionar. Y cuando estés listo para automatizar un edge probado, la biblioteca de Estrategias de Bot te deja cablear exactamente esas reglas en un bot que corre de forma continua.

Documentos relacionados

← Toda la Documentación