Mercado real, datos inventados y simulaciones engañosas: la guía esencial para backtests fiables
Desarrollando código para simular la estrategia Core-Satellite, aplicada a fondos de inversión, ETFs y activos tradicionales, me sorprendió la enorme diferencia de resultados según utilizara datos descargados de Yahoo o directamente de una entidad como Renta 4.
Analizando los resultados con la ayuda de una IA, aprendí algo fundamental que a menudo se pasa por alto: los resultados de un análisis o simulación cambian de forma drástica según la fuente y el tratamiento de los datos.
¿Por qué ocurre esto? La respuesta es sencilla, pero casi nadie la explica con claridad para inversores particulares o gestores prudentes. El concepto clave que debemos entender es el de la fecha real de disponibilidad de los datos.
¿Qué es realmente la fecha de corte en el mercado?
Para un inversor conservador, la prudencia es la norma número uno. Cuando analizamos el comportamiento histórico de nuestros ahorros o fondos, debemos ser conscientes de una regla de oro de la operativa financiera:
Un fondo de inversión no funciona como una acción de bolsa que cotiza segundo a segundo.
- Las acciones (como Telefónica o Inditex) se compran y venden en tiempo real.
- Los fondos de inversión tradicionales calculan un único Valor Liquidativo (VL) al final del día. Este valor no se publica de inmediato: la gestora tarda horas (o incluso un día hábil) en auditarlo y publicarlo oficialmente.
Por tanto, la última fecha disponible en el mercado real nunca es el día de hoy ni la fecha que marca el reloj de nuestro ordenador, sino el último Valor Liquidativo oficial publicado. Si hoy es martes, los datos reales totalmente cerrados y firmes corresponden, como mucho, al cierre del lunes (o incluso del viernes anterior si hay festivos de por medio).
¿Qué pasa cuando pedimos datos más allá del mercado real?
Si escribimos un programa informático y le decimos: "Descárgame los datos históricos de mi fondo hasta hoy mismo (año 2026)", le estamos pidiendo algo imposible a las plataformas de datos, ya que esos precios aún no existen.
Cada proveedor reacciona ante esta petición imposible de una forma distinta para evitar que el sistema falle:
- Yahoo Finance: Al no haber datos reales para el día de hoy, a veces rellena con ceros, duplica filas, interpreta mal los dividendos o congela precios, generando saltos artificiales que destrozan cualquier estadística.
- Las plataformas de las gestoras: Suelen cortar el histórico en el último día válido, pero si se configuran mal, pueden interpolar o rellenar los huecos vacíos con líneas rectas muy suaves.
- Morningstar: Por lo general, es más estricta y simplemente corta la serie donde terminan los datos reales, evitando inventar el futuro.
Si no filtramos esto adecuadamente, nuestro ordenador procesará datos ficticios o corruptos, creyendo que son reales.
Ejemplo práctico: Tres caras para una misma estrategia
Para ilustrarlo de forma muy gráfica, imaginemos que aplicamos exactamente la misma estrategia prudente (Core-Satellite), con los mismos fondos y el mismo periodo, pero analizada bajo tres enfoques diferentes:
1. Datos descargados sin control de fecha (ordenador en 2026)
El código asume que el mercado llega hasta hoy, y la plataforma utilizada (por ejemplo, Renta 4) rellena de forma artificial los huecos recientes con valores planos o estimaciones muy suaves.
- Rentabilidad anual (CAGR): 3,12%
- Ratio Sharpe (eficiencia): 0,87
- Caída máxima (Drawdown): –10,10%
El problema: A primera vista parece una opción muy estable y atractiva, pero está construida sobre datos artificiales, por lo que esa rentabilidad y esa estabilidad son una ilusión matemática.
2. Datos de Renta 4 fijando correctamente la fecha real de mercado
Aquí configuramos el script para que corte estrictamente en el último Valor Liquidativo oficial publicado, ignorando cualquier rastro posterior.
- Rentabilidad anual (CAGR): 2,52%
- Ratio Sharpe (eficiencia): 0,70
- Caída máxima (Drawdown): –10,10%
La realidad: Los números son algo más modestos, pero son totalmente coherentes, reales y operables. Reflejan fielmente lo que el fondo habría hecho en el mundo real.
3. Datos de Yahoo Finance con fechas desajustadas
Si utilizamos fuentes generalistas de acciones para fondos de inversión sin una limpieza exhaustiva previa, los errores de volúmenes, saltos o ceros contaminan todo el cálculo.
- Rentabilidad anual (CAGR): –0,96%
- Ratio Sharpe (eficiencia): –0,24
- Caída máxima (Drawdown): –26,88%
El desastre: La estrategia parece hundirse por completo. Sin embargo, el problema no es que el fondo sea malo, sino que los datos están gravemente corrompidos por errores de formato y precios ficticios.
Conclusión para el inversor prudente
En la gestión patrimonial, la calidad del dato es siempre más importante que la complejidad del algoritmo. Una misma cartera puede parecer excelente, mediocre o catastrófica únicamente por la forma en que se han tratado las fechas y los archivos de cotizaciones.
Para un perfil conservador, la tranquilidad empieza por la transparencia: utilizar fuentes oficiales y asegurarse de que nuestros análisis terminan exactamente en el último día con datos reales contrastados.
Consejos prácticos para evitar sustos en tus análisis
- Identifica siempre el último Valor Liquidativo (VL) oficial antes de analizar una serie temporal de fondos.
- Fija manualmente una fecha de corte en tus hojas de cálculo o códigos de programación; nunca dejes que el sistema tome "el día de hoy" por defecto.
- Prioriza los CSV oficiales descargados directamente de la propia gestora o de plataformas especializadas en fondos (como Morningstar) frente a webs generalistas de renta variable.
- Desconfía de rentabilidades extraordinarias en periodos muy recientes; a menudo son solo el síntoma de un dato rellenado de forma artificial por el proveedor.
- Documenta siempre la fuente y el día en el que descargaste los datos para poder repetir o auditar el análisis en el futuro con total seguridad.
Por qué esta entrada es importante Muchos inversores simulan estrategias sin saber que están usando datos inventados. Esto puede llevar a conclusiones erróneas, decisiones equivocadas y una falsa sensación de seguridad. Entender el concepto de mercado real es el primer paso para realizar simulaciones fiables y comparables.
