Escribe una clase simple, ejecútala sobre años de datos y analiza costos, drawdown, estabilidad de parámetros, walk-forward y Monte Carlo dentro del mismo motor utilizado por el replay manual — comparable bajo la misma configuración, datos y reglas de ejecución.
Incluye plantillas, TA-Lib, optimización paralela y datos históricos descargables
Sin frameworks pesados ni configuración de infraestructura — una clase con init() y on_bar().
class EmaCross(Strategy):
symbol = "EURUSD"
timeframe = "M5"
fast = Param(12, min=5, max=50, step=1)
slow = Param(26, min=10, max=200, step=1)
def init(self):
self.ema_fast = self.I(talib.EMA, self.data.close, timeperiod=self.fast)
self.ema_slow = self.I(talib.EMA, self.data.close, timeperiod=self.slow)
def on_bar(self, bar):
if self.ema_fast[-1] > self.ema_slow[-1] and self.position is None:
self.buy(risk_pct=1.0, sl_pips=30, tp_pips=60)self.I() precomputa cualquier indicador de TA-Lib de forma causal (sin lookahead posible, auditado con tests reales); self.buy() dimensiona el lotaje por % de riesgo, con SL/TP en pips o precio. Multi-timeframe del mismo símbolo con self.data.tf("H1").
Muchos backtesters usan un motor “de juguete” para el código (spread fijo, ejecución instantánea sin slippage) y otro completamente distinto para operar en vivo — así, un backtest positivo no garantiza nada real. Acá es literalmente el mismo camino de código.

La mayoría de las herramientas retail se detienen en “corrió y dio positivo”. Esta va un paso más: expone si ese resultado es sensible a pequeños cambios o si es overfitting disfrazado.
Profit factor, Sharpe/Sortino anualizados, expectancy, exposición, distribución de MAE/MFE, drawdown con timestamps de pico/valle/recuperación.
Ventanas móviles: optimiza en un tramo, valida en el siguiente que nunca vio. Un parámetro que salta de 8 a 47 entre ventanas es la señal roja de sobreajuste.
Baraja el orden de tus trades, agrega slippage extra y omite operaciones al azar (500+ simulaciones) para estimar el riesgo bajo escenarios simulados, incluida la probabilidad de ruina.

Salida real del análisis Monte Carlo: percentiles de beneficio y drawdown, y probabilidad de ruina estimada sobre 1.000 simulaciones remuestreadas.

Si ya construyes estrategias en SQX o MetaTrader, no tienes que confiar a ciegas en un motor nuevo: el arnés de validación empareja cada trade (dirección, entrada, salida, pips) contra tu export, con tolerancia configurable de precio/tiempo/pips.
Toda candidata que la IA valida es código Python real, con la misma API que acabas de ver — la puedes leer, modificar, y seguir iterando a mano cuando quieras.
Generar una estrategia con esta API →Sin tarjeta de crédito
Deja tu correo, recibe tu clave de activación y el instalador. Sin compromiso.
Solicitar mi prueba gratis →