Nota de campo de ingeniería. Every backtest you have ever seen answers one question: what were the best settings for the past? A walk-forward conveyor answers the question that actually pays or costs money: if I re-tuned this strategy every week using only the data available at that moment, would the NEXT week have been profitable? We built that conveyor, fed it four widely published TradingView strategies, and ran 320 studies across 80 markets on two timeframes. This note is the full result — including the parts that lose money — and a practical map of what to do with it depending on who you are.

The four strategies

We deliberately chose strategies that are public, popular and reproducible — the kind a retail trader actually copies from a charting community:

  • PSAR flip — classic Parabolic SAR reversal: enter when the SAR dots flip sides.
  • Heikin-Ashi PSAR — the same SAR logic computed on smoothed Heikin-Ashi candles.
  • Dynamic RSI Momentum — an RSI whose length adapts to the correlation between price and its own momentum; buy the oversold cross, sell the overbought cross.
  • Pivot Reversal + trailing — breakouts of confirmed pivot levels, filtered by bar range in ATR units, with a trailing-stop exit.

Each entry rule, every parameter, and the exact search range and step for every knob are declared in code and published as a machine-readable passport. What is not written there is not searched — no quiet re-tuning after the fact.

How the conveyor judges a strategy

One cycle looks like this, and only ever uses data available before the week it trades:

  1. Train window (13 weeks on 4h, 2 weeks on 15m) — a genetic multi-objective search tunes entries and exits only inside this window.
  2. Stop at the Pareto front. Instead of crowning one "best" configuration, the search keeps the whole trade-off surface: highest profit, lowest drawdown, and every compromise between them.
  3. Hard constraints, fail-closed. Anything with a training drawdown over 30%, a negative training result, fewer than 8 trades, a weak profit factor, no stop-loss, or leverage above 3× is rejected before selection. If nothing survives, the week is traded plano — an honest operator does not deploy the best of a bad lot.
  4. Five preset arms trade forward in parallel. From the surviving front we pick by five different rules — the balanced compromise, maximum profit, minimum drawdown, the "knee" of the front, and best profit factor — and each preset trades the next week independently. The forward week, not an opinion, decides which selection rule deserves trust.
  5. Slide one week, repeat. Old data ages out; the stitched forward curve is the only scoreboard, always compared against simply holding the coin.
training max drawdown → training net → min drawdown knee max profit
One training window's Pareto front. Green points survived the hard constraints; ringed points are presets that trade the next week in parallel. Grey points were rejected — too much drawdown, too few trades, or no stop.

What 320 studies actually said

On the 4-hour timeframe — the one with real statistical weight, roughly 200 sliding windows per market — the verdict is unanimous and brutal: all 60 studies, all four strategies, NO EDGE. Median alpha versus simply holding the coin ranged from −170 to −450 percentage points depending on the family. Weekly re-optimization, Pareto selection and disciplined risk limits did not save a single one. If you are running a Parabolic SAR bot on 4h crypto charts with any fixed or re-tuned settings, our data says the market has been charging you for the privilege.

On the 15-minute timeframe the picture is more interesting but younger: out of 260 studies, 42 finished above our noise floor — the best being a PSAR flip on VET with +39.5 points of alpha y ambas semanas hacia adelante positivas. Aún no celebramos esto, y tampoco deberías tú: con solo 30 días de historial de 15 minutos, hay solo dos ventanas hacia adelante por estudio. El transportador ahora se vuelve a ejecutar automáticamente cada semana, y cada semana agrega una ventana genuinamente fuera de muestra. En cuatro a seis semanas, estos candidatos habrán obtenido un veredicto real o se habrán unido al cementerio. Ambos resultados se publicarán.

El resultado más transferible se trata de método, no de mercados: entre las cinco reglas de selección, elegir el ajuste preestablecido de reducción mínima perdió menos (alfa mediana −11.5 vs −13 para reglas que buscan ganancias) — y ninguna regla de selección convirtió entradas perdedoras en ganadoras. La ventaja, si existe, vive en la lógica de entrada. Cómo eliges del frente de optimización solo decide qué tan rápido sangras.

¿Qué deberías tú hacer con esto?

Si eres nuevo en el trading

El hábito más valioso que respalda esta investigación: nunca dejes que una captura de pantalla de backtest tome una decisión por ti. Comienza en papel, donde cada mecanismo aquí es gratis de tocar: crea una cuenta demo con un saldo virtual en /app/start, observa estrategias honestas operar con dinero simulado y lee las lecciones breves en el Academia — incluyendo por qué una tasa de ganancia del 78% aún puede perder dinero. Cuando cualquier plataforma (incluida la nuestra) te muestre un número de ganancia, tu primera pregunta debería ser: ¿hacia adelante o ajustado?

Si operas tu propio sistema

Todo en este pipeline está disponible para ti como herramienta de investigación. Explora la evidencia de estrategia por moneda en las páginas de investigación públicas (por ejemplo /crypto/BTC), luego inicia sesión y abre el optimizador para ejecutar pruebas honestas dentro/fuera de muestra en lugar de backtests de una sola división. Los doce candidatos por encima del ruido de esta campaña se encuentran en el cuadrícula de calificación de estrategias como ajustes preestablecidos con bloqueo hash marcados solo en papel — puedes poner cualquiera de ellos en un bot de papel en dos clics y verlos ganar o perder un historial en tiempo real. Tres reglas que ahora consideramos innegociables: exigir un stop-loss en cada configuración, limitar el apalancamiento a 3×, y juzgar cada idea contra comprar y mantener — no contra cero.

Si sigues señales

Esta es la audiencia que tiene más que perder. Una vez hicimos backtesting de un feed de 52,800 señales cripto públicas: seguirlo fielmente habría destruido la cuenta. Las cuatro estrategias en este estudio son mejores que ese feed — reglas reales, lógica reproducible — y aún así fallaron la prueba hacia adelante en 4h. Así que antes de pagarle a alguien por señales, pide lo único que este artículo demuestra: un historial hacia adelante cosido con períodos de pérdidas visibles, no un reel de destacados. Nuestros propios experimentos hacia adelante — ganancias y fracasos por igual — se publican abiertamente en el laboratorio de investigación y el running generar registro de cambios. Si un vendedor no puede mostrarte el equivalente, no estás comprando una señal; estás comprando una historia.

Si nos evalúas como inversor o socio

Lee este artículo como un artefacto de diligencia debida. El sistema que lo produjo está diseñado para que no podamos exagerar en silencio: los veredictos son de cierre ante fallos (una estrategia es culpable hasta que los datos futuros demuestren lo contrario), los registros de papel son de solo añadidura y con versión bloqueada para que las operaciones perdedoras no puedan editarse, y una campaña que probó 320 cosas tiene su umbral de significancia elevado 320 veces. Comienza con cómo medimos, luego mira lo que realmente está a la venta — y nota lo que no: nada de este estudio se vende como un bot rentable, porque nada lo ha ganado aún. Si esa disciplina es lo que buscas, háblanos.

Qué sucede después

El transportador ahora es un proceso continuo, no un estudio único. Cada semana reoptimiza las cuatro estrategias en todos los mercados de 15m con datos frescos, extiende el registro forward de cada candidato por una ventana más y republica los veredictos. Las familias de 4h están cerradas como SIN VENTAJA a menos que una hipótesis de entrada materialmente nueva entre en la cola. Cuando cualquier candidato cruza la escalera completa — suficientes ventanas forward positivas, suficientes operaciones, por encima de su piso de ruido — todavía solo se gradúa a una prueba de papel más larga. La automatización en vivo permanece bloqueada detrás de esa puerta, para nosotros y para cualquiera que use la plataforma. Eso no es precaución como marca; según esta evidencia, es simplemente lo que los datos indican.