Estudio de Glassnode expone fallo crítico en métodos de backtesting de criptomonedas
Zach Anderson 13 de marzo de 2026 17:07
Nueva investigación muestra que los backtests que utilizan datos en cadena revisados producen resultados engañosos. Las métricas punto en el tiempo revelan un rendimiento significativamente peor en el mundo real.
¿Esa estrategia de trading rentable que hiciste backtest? Probablemente no habría funcionado en tiempo real. La última investigación de Glassnode demuestra cómo los datos en cadena revisados retroactivamente crean una peligrosa ilusión de rentabilidad que se evapora cuando se prueba contra la información a la que los traders realmente tenían acceso.
La firma de análisis ejecutó backtests idénticos en una estrategia simple de balance de exchange de BTC: uno usando datos históricos estándar, otro usando métricas inmutables punto en el tiempo (PiT). Misma lógica de señal, mismos parámetros, mismas comisiones de trading del 0.1%. Los resultados divergieron dramáticamente.
El problema oculto con los datos en cadena
Métricas como los balances de exchange no son estáticas. Se revisan a medida que mejora la agrupación de direcciones y se actualizan las etiquetas de entidades. Esa cifra de balance de BTC de Binance que estás mirando para el 15 de enero de 2024 puede no coincidir con lo que realmente se publicó en esa fecha.
Cuando haces backtest contra datos revisados, estás operando con información que no existía cuando se habrían tomado las decisiones. Este sesgo de anticipación es particularmente severo para métricas dependientes de identificación de entidades, exactamente el tipo de datos en los que muchos traders confían para análisis de flujo de exchange.
La estrategia de prueba de Glassnode fue directa: ir largo cuando el promedio móvil de 5 días del balance de BTC de Binance cae por debajo del promedio de 14 días (salidas sostenidas), salir cuando vuelve a cruzar por encima (reversión de salidas). Ejecutando desde enero de 2024 hasta marzo de 2026 con $1,000 de capital inicial, el backtest estándar mostró un rendimiento que coincidía aproximadamente con comprar y mantener.
La versión PiT contó una historia diferente. Mientras ambas estrategias se rastrearon de manera similar durante gran parte de 2024, la versión de datos inmutables perdió los fuertes repuntes de noviembre de 2024 y marzo de 2025 que el backtest de datos revisados capturó. El rendimiento acumulado terminó siendo "considerablemente más bajo", según Glassnode.
Por qué esto importa para traders cuantitativos
Las implicaciones se extienden más allá de esta única estrategia. Cualquier backtest que dependa de datos sujetos a revisión—balances de exchange, flujos etiquetados por entidad, incluso volúmenes de trading de exchanges que reportan con retrasos—enfrenta el mismo riesgo de contaminación.
Esto se alinea con preocupaciones más amplias en finanzas cuantitativas sobre la calidad de datos. La investigación de proveedores de datos alternativos muestra que la metodología PiT previene múltiples tipos de sesgo: sesgo de anticipación por usar revisiones futuras, sesgo de supervivencia de conjuntos de datos que excluyen entidades fallidas, y sesgo retrospectivo de cifras reexpresadas.
Para cripto específicamente, donde las firmas de análisis en cadena refinan continuamente sus algoritmos de etiquetado de entidades y agrupación, el problema de revisión se agrava. Una billetera identificada como perteneciente a Binance hoy podría no haber sido etiquetada correctamente hace dos años cuando tu backtest asume que operaste con esa señal.
La solución práctica
Glassnode ahora ofrece variantes PiT para todas las métricas a través de su nivel Profesional. Estos conjuntos de datos de solo adición bloquean cada punto de datos tal como se calculó originalmente, sin cambios retroactivos.
El compromiso es real: tus backtests probablemente se verán peor. Pero reflejarán lo que realmente habría sucedido. Para traders que asignan capital real basado en señales cuantitativas, esa brecha de precisión entre un backtest halagador y un rendimiento en vivo decepcionante puede ser costosa.
Antes de implementar cualquier estrategia construida sobre métricas en cadena, la pregunta no es si el backtest se ve rentable, es si probaste contra los datos que realmente habrías visto.
Fuente de imagen: Shutterstock- backtesting
- análisis en cadena
- glassnode
- estrategias de trading
- calidad de datos
