Tu backtest está mintiendo: Por qué debes usar datos punto en el tiempo

Construyamos una estrategia de trading simple e hipotética. El planteamiento es directo y basado en una narrativa ampliamente discutida: cuando las monedas salen de los exchanges, suele ser una señal alcista. La lógica es intuitiva: las monedas que se trasladan fuera de los exchanges normalmente indican que los holders están retirando hacia custodias propias, reduciendo la oferta disponible para vender. Por el contrario, las monedas que ingresan a los exchanges pueden indicar que los holders se están preparando para vender.

Sin embargo, un solo día de salidas es solo ruido. Para identificar una tendencia genuina, aplicaríamos un cruce de promedios móviles sobre el balance del exchange. Cuando el promedio a corto plazo cae por debajo del promedio a largo plazo, confirma que las monedas han estado saliendo de los exchanges de forma consistente, como un patrón sostenido, en vez de eventos aislados.

Usando el balance de exchange de Glassnode para Binance, definimos lo siguiente:

• Entrar al mercado cuando el promedio móvil de 5 días del balance de BTC en Binance cae por debajo del promedio móvil de 14 días, señalando una tendencia sostenida de salidas.
• Salir del mercado cuando el promedio de 5 días vuelve a superar el promedio de 14 días, indicando que la tendencia de salidas se ha revertido y las monedas regresan al exchange.

Luego comparamos esta estrategia con simplemente mantener BTC durante el mismo período, empezando el 1 de enero de 2024 hasta el 9 de marzo de 2026, con un capital inicial de $1,000 y aplicando una comisión de trading del 0.1% en cada operación.

Así es como se lee este gráfico:

🟫 La línea marrón en la parte inferior es la señal binaria de trading, alternando entre estar en el mercado (1) y fuera del mercado (0).

🟦 La línea azul sigue el valor de la cartera de la estrategia a lo largo del tiempo.

🟩 La línea verde es el benchmark de la cartera buy-and-hold.

Podemos observar que la estrategia basada en balance del exchange se desempeñó bastante bien, aunque en ocasiones la estrategia buy-and-hold la superó. Sin embargo, en los últimos días del período de investigación, la estrategia basada en balance del exchange alcanzó al benchmark. Mientras algunos inversores pueden encontrar atractiva la combinación de una menor volatilidad y un rendimiento finalmente comparable a buy-and-hold, los números finales pueden resultar engañosos – y aquí está el motivo.

El problema: mutación de datos y sesgo de anticipación

Las métricas no son estáticas. Muchas se revisan retroactivamente a medida que se dispone de nueva información. Esto es especialmente cierto para métricas que dependen del agrupamiento de direcciones o etiquetado de entidades, como los balances de exchanges on-chain. Sin embargo, también ocurre con métricas como el volumen de trading o el precio, ya que los exchanges individuales pueden presentar sus datos a veces con pequeños retrasos.

Esto significa que un valor que ves hoy para, por ejemplo, el 15 de enero de 2024, puede no ser el mismo valor que se publicó el 15 de enero de 2024. Los datos se han revisado con perspectiva. Cuando se hace un backtest de una estrategia sobre estos datos revisados, se está usando implícitamente información que no estaba disponible en el momento en que se habrían tomado las decisiones de trading. Esto introduce un sesgo de anticipación.

El backtest honesto: usando datos Point-in-Time

Vamos a repetir exactamente el mismo backtest – misma lógica de señales, mismos parámetros, mismas fechas, mismas comisiones – pero esta vez usando la variante Point-in-Time (PiT) de la métrica Exchange Balance, disponible en Glassnode Studio.

Las métricas PiT son estrictamente de solo adición y son inmutables. Cada punto de datos histórico refleja únicamente la información que se conocía en el momento en que fue calculado. Sin revisiones retroactivas, sin sesgo de anticipación.

Aunque estamos usando la misma métrica, la estrategia ahora genera resultados significativamente diferentes, como ilustra la línea púrpura en el nuevo gráfico a continuación. El rendimiento general es notablemente peor.

Aunque ambas estrategias se comportan de manera similar durante gran parte de 2024, observamos que la versión basada en PiT no logra captar los fuertes aumentos de noviembre de 2024 y marzo de 2025 tan eficazmente. Como resultado, el rendimiento acumulado diverge de manera significativa y termina considerablemente más bajo.

Conclusión clave

En este ejemplo, la estrategia púrpura, que solo tiene acceso a la información tal como estaba disponible en su momento, se desempeña de manera notablemente peor. ► Los backtests pueden engañar si se alimentan con datos incorrectos o revisados. Sólo las métricas inmutables Point-in-Time aseguran que se está repitiendo la historia tal como realmente ocurrió.