# Backtesting Frameworks

> Construye sistemas de backtesting robustos para estrategias de trading, manejando correctamente look-ahead bias, survivorship bias y costes de transacción.

Fuente: https://skillsagentes.com/skills/wshobson/agents/backtesting-frameworks
Markdown: https://skillsagentes.com/skills/wshobson/agents/backtesting-frameworks.md

Repositorio: https://github.com/wshobson/agents
Autor: wshobson
Licencia: MIT
Actualizado: hace 4 meses
Coste de contexto: 60 tok instalada, 878 tok al activarse, 5.4k tok con todos los archivos del bundle
Bundle: 2 archivos, 21 KB
Permisos que pide: ninguno declarado

## Instalación

Un skill son archivos markdown: los mismos archivos valen para cualquier agente y lo único que cambia es el directorio de destino, es decir la bandera `--agent`. Añade `-g` para instalarlo en todos los proyectos de la máquina.

```bash
# Claude Code
npx -y skills add wshobson/agents --skill backtesting-frameworks --agent claude-code
# Cursor
npx -y skills add wshobson/agents --skill backtesting-frameworks --agent cursor
# Codex
npx -y skills add wshobson/agents --skill backtesting-frameworks --agent codex
# Gemini CLI
npx -y skills add wshobson/agents --skill backtesting-frameworks --agent gemini
# Windsurf
npx -y skills add wshobson/agents --skill backtesting-frameworks --agent windsurf
# Cline
npx -y skills add wshobson/agents --skill backtesting-frameworks --agent cline
```

## Qué hace

- Guía la construcción de sistemas de backtesting con manejo correcto de look-ahead bias, survivorship bias y costes de transacción
- Define la estructura correcta train/validation/test para backtests
- Explica cómo implementar walk-forward analysis con ventanas móviles
- Enumera buenas y malas prácticas (point-in-time data, Monte Carlo, evitar overfitting)

## Cuándo usarla

- Desarrollar backtests de estrategias de trading
- Construir infraestructura de backtesting
- Validar el rendimiento de una estrategia o compararla con alternativas
- Implementar walk-forward analysis y evitar sesgos comunes

## Qué la activa

- "Ayúdame a construir un backtest sin look-ahead bias para mi estrategia"
- "Necesito implementar walk-forward analysis en mi sistema de trading"
- "Cómo evito el survivorship bias en mi backtesting"

## Antes de instalar

- Para detalles de implementación adicionales, consultar references/details.md.

## Archivos

- SKILL.md — 3 KB
- references/details.md — 18 KB

## SKILL.md

Reproducido tal cual desde wshobson/agents bajo MIT. Esta sección es el documento original y está en inglés.

# Backtesting Frameworks

Build robust, production-grade backtesting systems that avoid common pitfalls and produce reliable strategy performance estimates.

## When to Use This Skill

- Developing trading strategy backtests
- Building backtesting infrastructure
- Validating strategy performance
- Avoiding common backtesting biases
- Implementing walk-forward analysis
- Comparing strategy alternatives

## Core Concepts

### 1. Backtesting Biases

| Bias             | Description               | Mitigation              |
| ---------------- | ------------------------- | ----------------------- |
| **Look-ahead**   | Using future information  | Point-in-time data      |
| **Survivorship** | Only testing on survivors | Use delisted securities |
| **Overfitting**  | Curve-fitting to history  | Out-of-sample testing   |
| **Selection**    | Cherry-picking strategies | Pre-registration        |
| **Transaction**  | Ignoring trading costs    | Realistic cost models   |

### 2. Proper Backtest Structure

```
Historical Data
      │
      ▼
┌─────────────────────────────────────────┐
│              Training Set               │
│  (Strategy Development & Optimization)  │
└─────────────────────────────────────────┘
      │
      ▼
┌─────────────────────────────────────────┐
│             Validation Set              │
│  (Parameter Selection, No Peeking)      │
└─────────────────────────────────────────┘
      │
      ▼
┌─────────────────────────────────────────┐
│               Test Set                  │
│  (Final Performance Evaluation)         │
└─────────────────────────────────────────┘
```

### 3. Walk-Forward Analysis

```
Window 1: [Train──────][Test]
Window 2:     [Train──────][Test]
Window 3:         [Train──────][Test]
Window 4:             [Train──────][Test]
                                     ─────▶ Time
```

## Detailed worked examples and patterns

Detailed sections (starting with `## Implementation Patterns`) live in `references/details.md`. Read that file when the navigation summary above is insufficient.

## Best Practices

### Do's

- **Use point-in-time data** - Avoid look-ahead bias
- **Include transaction costs** - Realistic estimates
- **Test out-of-sample** - Always reserve data
- **Use walk-forward** - Not just train/test
- **Monte Carlo analysis** - Understand uncertainty

### Don'ts

- **Don't overfit** - Limit parameters
- **Don't ignore survivorship** - Include delisted
- **Don't use adjusted data carelessly** - Understand adjustments
- **Don't optimize on full history** - Reserve test set
- **Don't ignore capacity** - Market impact matters

## Dónde encaja

- Categoría: [Datos y analítica](https://skillsagentes.com/categorias/datos-analitica.md) — Consulta, limpia y visualiza datos sin salir del agente.
- Creador: [wshobson](https://skillsagentes.com/creators/wshobson.md) — 183 skills en el directorio
- [Todas las skills](https://skillsagentes.com/skills.md)
- [Ranking de instalaciones](https://skillsagentes.com/ranking.md)

## Skills relacionadas

- [Spark Optimization](https://skillsagentes.com/skills/wshobson/agents/spark-optimization.md): Optimiza jobs de Apache Spark con particionamiento, caching, optimización de shuffle y ajuste de memoria, para mejorar rendimiento y escalar pipelines.
- [Similarity Search Patterns](https://skillsagentes.com/skills/wshobson/agents/similarity-search-patterns.md): Implementa búsqueda por similitud eficiente con bases de datos vectoriales; útil para búsqueda semántica, consultas de vecinos más cercanos u optimización de retrieval.
- [Ml Pipeline Workflow](https://skillsagentes.com/skills/wshobson/agents/ml-pipeline-workflow.md): Construye pipelines MLOps de extremo a extremo: preparación de datos, entrenamiento, validación y despliegue en producción del modelo.
- [Embedding Strategies](https://skillsagentes.com/skills/wshobson/agents/embedding-strategies.md): Selecciona y optimiza modelos de embeddings para búsqueda semántica y aplicaciones RAG, incluyendo estrategias de chunking y ajuste por dominio.
- [Dbt Transformation Patterns](https://skillsagentes.com/skills/wshobson/agents/dbt-transformation-patterns.md): Domina dbt para ingeniería analítica: organización de modelos, testing, documentación y estrategias incrementales para transformaciones de datos.

---

Skills Agentes · [Índice de páginas en markdown](https://skillsagentes.com/sitemap.md) · [Inicio](https://skillsagentes.com/index.md)