FIC · FINANCIAL INNOVATION COLLEGE← Todos los cursos
Intermediate · Financial Innovation College

Backtesting Riguroso: Metodología Cuantitativa

La diferencia entre un backtest que engaña y uno en el que puedes confiar capital.
📅 Inicio: 7 de junio de 2027 ⏱ 1.5 meses intensivo 📍 En linea en vivo + on-demand - intensivo 🎓 Practitioners FIC - lideres de la industria financiera
💳 Pago seguro con PayPal (acceso inmediato) — o pagar con tarjeta vía Stripe. Precio + IVA 16%.
El programa

Descripción

Un backtest mal hecho es la forma más cara de perder dinero con confianza. Este programa transmite la metodología que distingue a un investigador cuantitativo serio: validación fuera de muestra, control de sobreajuste y simulación realista de costos, siguiendo el estándar de López de Prado.

Casi cualquier estrategia puede verse rentable si se la tortura lo suficiente. El valor de un quant no está en encontrar curvas de capital ascendentes, sino en saber cuáles son confiables. Este intensivo desarrolla, sobre vectorbt y backtrader, un método de backtesting defendible: datasets point-in-time libres de survivorship, cuantificación de la probabilidad de sobreajuste (PBO y deflated Sharpe ratio), esquemas walk-forward que respetan la causalidad temporal y modelos de costos que reflejan la ejecución real. El proyecto final es un informe reproducible del tipo que un comité de riesgo aceptaría revisar.

Hacia dónde llegas

Objetivo general

Diseñar y ejecutar backtests robustos con validación fuera de muestra y control de sobreajuste, documentando resultados defendibles ante un comité de riesgo.
Diseñado para ti

¿Quién debe asistir?

Contenido

Temario

  1. Arquitectura de un backtester profesional: Elegir entre backtest vectorizado y event-driven según la estrategia y evitar fugas de información.
  2. Datos limpios, resultados válidos: Construir un dataset point-in-time con ajustes por dividendos y splits, libre de sesgo de supervivencia.
  3. Sobreajuste: el pecado capital del quant: Cuantificar la probabilidad de sobreajuste (PBO) y ajustar el desempeño con el deflated Sharpe ratio.
  4. Validación fuera de muestra y walk-forward: Diseñar un esquema walk-forward que respete la causalidad temporal entre entrenamiento y prueba.
  5. Optimización de parámetros sin autoengaño: Optimizar con búsqueda bayesiana (Optuna) priorizando la robustez sobre el desempeño puntual.
  6. Simulación realista de ejecución: Modelar slippage, comisiones y fills parciales para medir el desempeño neto de costos.
  7. Proyecto: informe de backtest institucional: Entregar un reporte reproducible con pyfolio, defendible ante un comité de riesgo.
Información práctica

Detalles del curso

FechasInicio: 7 de junio de 2027
Duración1.5 meses intensivo
ModalidadEn linea en vivo + on-demand - intensivo
InstructorPractitioners FIC - lideres de la industria financiera
Inversión$2200 USD
$2200 USD

[email protected] - WhatsApp +52 55 2265 4459