Walk-Forward

El error clásico del backtesting: optimizar y evaluar sobre los mismos datos. Así cualquier estrategia luce. Walk-Forward corta el histórico en ventanas y obliga a la estrategia a demostrar que funciona en datos que no vio al optimizarse.

El mecanismo

1. Se optimiza en un tramo (in-sample, p. ej. 12 meses).
2. Se evalúa con esos parámetros congelados en el tramo siguiente (out-of-sample, p. ej. 3 meses).
3. Se desliza la ventana y se repite hasta agotar el histórico.

WFE: el número que resume

WFE = rendimiento fuera de muestra ÷ rendimiento en muestra

• ≥ 0,5 — la estrategia conserva al menos la mitad de su rendimiento en datos vírgenes. Generaliza.
• 0,3–0,5 — sobreajuste moderado; revisa qué parámetros bailan entre ventanas.
• < 0,3 — la estrategia memorizó el pasado. No la despliegues.

En la ficha de cada algoritmo tienes la tabla ventana a ventana: si el Sharpe out-of-sample aguanta estable en todas, mucho mejor que un promedio bueno con ventanas desastrosas.