Buenos días, tengo una duda porque no sé si posiblemente lo esté haciendo mal, he hecho backtest a varios bots con el nodo de agente estratégico IA y en todos me pasa lo mismo, al principio ganan pero a los meses cuando se supone que ya ha aprendido empiezan a perder.
Podría explicarme por qué?
Gracias
Buenos días, tengo una duda porque no sé si posiblemente lo esté haciendo mal, he hecho backtest a varios bots con el nodo de agente estratégico IA y en todos me pasa lo mismo, al principio ganan pero a los meses cuando se supone que ya ha aprendido empiezan a perder.
Podría explicarme por qué?
Gracias
Hola Francisco,
Gracias por plantear la duda con tanta claridad.
Antes de entrar en el detalle, conviene dejar una idea sobre la mesa: la IA del Agente Estratégico no es magia. Es decir, no puede inventar ventaja donde no la hay. Se que quizás tu ya lo entiendes, pero por si lo lee algún otro usuario que ande perdido.
Su papel es analizar el mercado, aprender de lo que ocurre y actuar como gestor y filtro sobre las señales que recibe (la estrategia que se le conecta): si conectas una estrategia externa, la IA intenta decidir cuándo seguirla, cuándo ignorarla y cómo dimensionar cada operación; si la usas en modo autónomo con Señal Libre, entonces ella misma genera las entradas, pero siempre dentro de las reglas y límites que tú defines.
En ningún caso puede convertir una estrategia perdedora en una rentable solo porque “ya ha aprendido”. Porque las señales siempre van a ser las de la estrategia y si es muy perdedora, por mucho que quiero filtrar y gestionar, poco va a poder hacer. Cambia de mercado por ejemplo.
Lo que puede hacer es reducir errores, evitar operar en momentos malos o ajustar riesgo, pero si la base es mala, lo más probable es que acabes con algo menos perdedor, no con algo ganador. Es como intentar cocinar un menú de tres estrellas con ingredientes caducados: por muy bueno que sea el chef, la materia prima condiciona el resultado.
Lo que describes —ganar al principio y empezar a perder cuando “ya debería saber más”— encaja con cómo funciona este tipo de aprendizaje y con cómo muchos usuarios lo usan en backtest.
Al arrancar, el agente explora, prueba acciones, recibe experiencias variadas y, con algo de suerte y un mercado que encaja con sus reglas iniciales (tu estrategia), la curva puede verse razonable. Conforme pasan semanas o meses, deja de explorar tanto y se apoya casi por completo en lo que aprendió en ese tramo concreto del histórico.
El problema es que el mercado no es estático, lo que funcionó en un régimen de tendencia puede fallar en rango, o viceversa. Si el bot opera siempre con la misma lógica de fondo (la misma estrategia estática) y encima se deja correr un backtest muy largo sobre un solo camino de precios, la IA termina especializándose en un pasado que ya no se repite.
No es que “se equivoque al aprender”, es que aprende demasiado bien un entorno que ya cambió porque su estrategia base ya no sirve, la conoce perfectamente, pero ya no está su régimen.
En backtest eso se nota especialmente, la curva sube al inicio y se deteriora después, no porque hayas configurado mal el nodo en el sentido de “conectar mal los cables”, sino porque estás midiendo aprendizaje online sobre el mismo histórico que está operando, algo parecido a estudiar las respuestas de un examen mientras lo haces, al principio parece que dominas la asignatura, pero fuera de ese papel concreto la cosa se resiente.
Tampoco ayuda usar el agente como si fuera un sistema cerrado que, por sí solo, deba ser rentable en cualquier par y en cualquier periodo sin más contexto.
Si solo conectas una estrategia fija —la misma señal de compra y venta durante meses o años— y esperas que la IA “compense” un enfoque que no encaja con la mitad de esos meses, estás pidiendo demasiado.
La IA mejora la ejecución y el filtrado sobre esa base, pero no sustituye una idea de trading que no tiene sentido en el régimen actual. Piensa en un copiloto en un coche con el freno de mano echado: puede orientarte mejor en la carretera, pero si el vehículo no está preparado para ese tramo, llegarás más lejos que sin copiloto, pero no necesariamente a buen puerto.
En cuanto a parámetros, hemos visto en la práctica que casi nadie los toca, se dejan los valores por defecto para EURUSD, oro, índices o lo que sea, como si fueran universales.
En la formación de StratOS se explica para qué sirve cada uno y en qué afecta al comportamiento del agente, pero en el último mes, de miles de usuarios, solo 27 entraron en la pestaña de Formación StratOS a leerlo.
Los que más influyen en este fenómeno son, sobre todo, la tasa de exploración y el aprendizaje (learning rate y exploration rate), si la exploración cae demasiado pronto, el agente deja de adaptarse, el factor de descuento y el ritmo con el que “olvida” experiencias antiguas también importan en mercados que cambian, los límites de stop loss, take profit y ratio mínimo riesgo-recompensa marcan si puede operar con margen en distintos regímenes o se queda atrapado, el drawdown máximo y la pausa automática determinan si corta a tiempo una mala racha o sigue insistiendo, y el porcentaje de riesgo por operación condiciona cuánto castiga cada error cuando la fase buena termina.
Por todo ello hemos revisado los valores por defecto del nodo para hacerlos algo más permisivos y adaptables, más margen de exploración mínima, menos castigo extremo ante pérdidas en el aprendizaje, mejor tratamiento de experiencias recientes frente a las muy antiguas y criterios de degradación que no erosionen lo aprendido cuando el rendimiento sigue siendo aceptable.
La intención es que, aunque el usuario no entre a StratOS y no retoque nada, el agente no se “congele” tan rápido en una política obsoleta cuando el mercado rota de régimen. Aun así, esto no elimina la necesidad de usarlo con criterio. Un backtest de muchos años no debe leerse como “la IA ya domina el mercado”, sino como entrenamiento o diagnóstico.
Lo razonable es validar en tramos distintos, en demo antes que en real, combinar el agente con protecciones cuando toque y, sobre todo, conectar estrategias que tengan sentido en el activo y timeframe que estás probando. Si la señal de base es débil o siempre igual en un mercado que no para de cambiar, la IA analizará y mejorará lo que pueda, pero no hará milagros.
Resumiendo el tema, no lo estás haciendo necesariamente mal por conectar el nodo y hacer backtests, lo que ves es un comportamiento esperable si se interpreta el agente como un optimizador infalible en lugar de como una capa de análisis y mejora sobre una base que tú eliges.
Revisa la estrategia que le alimentas, prueba periodos separados en lugar de una sola curva larguísima, mira el panel del agente (régimen, exploración, drawdown) y, cuando puedas, dedica un rato a StratOS: ahí está explicado qué hace cada parámetro y por qué usar los mismos números en todos los mercados suele ser la principal fuente de frustración. La IA ayuda mucho cuando se entiende su papel; cuando se espera que convierta cualquier bot en rentable solo por dejarla aprender meses, la decepción es casi inevitable.
Un saludo,
Ignacio
Aquí puedes activar o desactivar cada tipo de cookie. Las cookies esenciales no se pueden desactivar porque son necesarias para que el sitio funcione. Tu elección se guardará durante 6 meses, tras los cuales te pediremos que la confirmes.
Cookies técnicas necesarias para el funcionamiento del sitio: sesión de usuario, seguridad (CSRF), preferencias básicas del foro. Sin ellas el sitio no funciona correctamente. No se pueden desactivar.
Permiten recordar preferencias como el idioma, el tema visual o ajustes de notificaciones. Si las desactivas, algunas funcionalidades pueden no estar disponibles.
Recopilan información anónima sobre cómo se usa el sitio (páginas visitadas, tiempo de permanencia, errores). Nos ayudan a mejorar el foro. Los datos pueden ser anónimos o seudonimizados.
Se utilizan para mostrar publicidad relevante según tus intereses. Pueden ser establecidas por terceros (redes publicitarias). Si las desactivas, seguirás viendo anuncios pero no personalizados.