Qué nos aporta el backtesting en paralelo
Validar una estrategia lleva mucho más tiempo que programarla, y la validación es la parte que se acelera con más hardware.
QuantFX3 min de lectura
De la idea a la producción
Las ideas se prototipan en Python en AWS y se ejecutan sobre datos históricos de ticks. Los resultados deciden si una idea avanza o vuelve a investigación. Las que merece la pena conservar se reescriben en C++20 para producción, y solo una estrategia validada llega al motor en vivo.
Una idea, cientos de ejecuciones
Un único backtest es barato. Una validación en la que confiaríamos requiere cientos de ellos:
- Análisis walk-forward: ajustar en una ventana, probar en la siguiente y avanzar a través de distintos regímenes de mercado.
- Comprobaciones fuera de muestra con datos e instrumentos que la lógica nunca ha visto.
- Barridos de parámetros, para ver si los resultados se sitúan en una meseta amplia o en un pico estrecho.
- Remuestreo Monte Carlo del orden de las operaciones, los costes y el deslizamiento, para someter a prueba el perfil de drawdown.
En una sola máquina, ese trabajo convierte la investigación en una cola.
Cada ejecución es independiente
Ninguna de estas ejecuciones necesita el resultado de otra. Cada ventana walk-forward, cada conjunto de parámetros y cada trayectoria Monte Carlo puede ir a su propio worker, de modo que el trabajo escala de forma casi lineal con el número de workers. Los límites son la carga de datos al inicio y la recogida de resultados al final.
- 2.000 backtests × 20 min
- 40.000 min
- 1 worker
- unas 667 horas, aproximadamente 28 días
- 64 workers
- unos 625 min, aproximadamente 10,4 horas
Los tiempos de ejecución reales dependen de la complejidad de la estrategia, la resolución de los datos y la E/S.
Con 64 workers, un barrido iniciado por la tarde termina por la mañana. Por eso la ronda semilla que estamos levantando financia capacidad de cómputo y hardware, no capital de trading. El resumen para inversores recoge el desglose.
Más pruebas, más formas de engañarse
La velocidad tiene un coste. Si podemos ejecutar 2.000 variantes en una noche, también podemos encontrar una que parezca brillante por casualidad. Las salvaguardas tienen que crecer con el clúster:
- Un periodo final de reserva (hold-out) permanece bloqueado durante el desarrollo y se usa una sola vez.
- El listón sube con el número de variantes probadas. Registramos cuántas configuraciones se han probado y juzgamos a la ganadora en función de ese número.
- Una estrategia tiene que sostenerse a lo largo de muchas ventanas walk-forward secuenciales. Una única división favorable demuestra poco.
- Preferimos regiones de parámetros con un rendimiento constante antes que el ajuste individual con la mejor puntuación.
Con el clúster, cada estrategia candidata pasa el conjunto completo de comprobaciones.
Qué obtienen los clientes
Las empresas operan nuestro motor con su marca o nos piden que desarrollemos y gestionemos estrategias para ellas. Un ciclo más rápido significa una espera más corta entre la solicitud de una estrategia y una candidata validada. La revalidación con datos nuevos pasa a ser una tarea rutinaria, y los cambios en la lógica de ejecución se prueban con todo el histórico antes de llegar a producción.
El motor en sí se describe en la página Tecnología.