Diario de trading Forex — Múltiplo de R, esperanza, SQN y MAE/MFE

Un diario de trading debe ayudar a explicar las decisiones, además de reunir capturas y resultados. Para ello necesita registros coherentes del plan, la ejecución, los costes y el riesgo inicial. Mostramos qué anotar después de cada operación, cómo conciliar las cifras con el historial de la cuenta y cómo calcular el múltiplo de R y otras métricas sin mezclar definiciones. El artículo avanza desde la esperanza y el factor de beneficio hasta el drawdown, la incertidumbre de estimación, MAE y MFE. También explica las limitaciones de indicadores y herramientas de diario populares. Los ejemplos resueltos y un conjunto de datos de control te permiten comprobar los cálculos antes de aplicarlos a tus propios registros. El objetivo es obtener pruebas fiables que identifiquen un problema y respalden una decisión, en lugar de una sola puntuación que supuestamente juzgue una estrategia.

1. Por qué sin diario tienes una opinión, no un sistema

Operar sin registrar parámetros empíricos del mercado es una afición cara. No tienes un sistema; ejecutas una secuencia de clics arbitrarios contaminada por el sesgo de supervivencia. Bajo el marco aplicable de advertencias de riesgo de CFD descrito en la fuente polaca, los proveedores publican el porcentaje de sus propias cuentas de inversores minoristas que pierden dinero y lo actualizan al menos trimestralmente. Es una obligación de información de una jurisdicción concreta, no una regla que se suponga aplicable a todos los brókeres del mundo. La cifra de un solo bróker no es una constante global del mercado, y promediarlas carece de sentido. Esas cifras representan a tus pares estadísticos. Sin un diagnóstico riguroso, la gran mayoría repite exactamente los mismos errores durante toda su trayectoria; la experiencia sin medición es simplemente un fracaso repetible.

Tres ilusiones cognitivas que destruyen al trader sin diario

Ilusión 1: Memoria selectiva. El cerebro humano prioriza los sucesos de gran carga emocional (una ganancia extraordinaria, una liquidación devastadora por margen) y atenúa los neutros. Al cabo de un mes, quizá recuerdes 3 operaciones de 50: normalmente dos ganancias espectaculares y una pérdida dolorosa. La memoria presenta esas tres operaciones como representativas de todo tu rendimiento, pero no lo son. El diario elimina este engaño: por escrito descubres que tu «estrategia de los lunes» produjo realmente 8 ganancias y 11 pérdidas el trimestre pasado.

Ilusión 2: Racionalización a posteriori. Después de perder, el cerebro construye una historia cómoda: «Sabía que ese setup parecía débil». Después de ganar: «Interpreté bien el mercado». Ambos relatos se fabrican después de conocerse el resultado y se parecen poco a lo que realmente sabías antes de ejecutar. El diario obliga a registrar la intención antes de hacer clic (entrada prevista, SL previsto y clasificación del setup). Comparar los planes previos con la ejecución posterior revela cuántas de tus «decisiones brillantes» estaban realmente previstas y cuántas se inventaron retrospectivamente.

Ilusión 3: Saldo agregado en lugar de distribución. Un aficionado solo mira el patrimonio de la cuenta: «Gané un 4% en marzo», y termina ahí el análisis. Sin embargo, ese 4% podría proceder de 60 operaciones con un 55% de acierto y una esperanza de +0.3R (el proceso más sano de esta ilustración), o de 12 operaciones con un 75% de acierto y una sola operación afortunada de +6R que oculta que las otras 11 fueron juego descontrolado (un proceso frágil encubierto por un valor atípico). El saldo no distingue entre ambas realidades. Un diario con métricas adecuadas las diferencia inmediatamente.

La definición de sistema de trading que pasa por alto el minorista

Un sistema de trading es un proceso repetible cuyos resultados pueden medirse en unidades estandarizadas. Lo definen tres criterios esenciales:

• Repetible — condiciones de mercado idénticas generan decisiones de ejecución coherentes. No «sentí un fuerte impulso alcista», sino «se cumplieron las condiciones A, B y C, que activaron una ejecución basada en reglas».
• Medido — cada operación registra 29 campos en el diario; la esperanza se calcula por setup y el factor de beneficio se evalúa mensualmente.
• Unidades estandarizadas — el múltiplo de R es la moneda universal de comparación. «Gané PLN 200» no informa de nada (¿qué capital se arriesgó?), mientras que «capturé +1.8R» lo comunica todo.

Sin estos tres pilares, no gestionas un sistema: realizas apuestas individuales inconexas sin denominador común. Puedes tener suerte (y convencerte de tu habilidad) o sufrir una varianza desfavorable (y concluir que el bróker manipuló el precio). Ninguna conclusión está justificada: simplemente careces de los datos empíricos necesarios para evaluar objetivamente.

Registro previo a la operación — Eliminar el autoengaño a posteriori

Una segunda función del diario, a menudo infravalorada, es la fricción operativa. Registrar los parámetros de ejecución (entrada prevista, SL previsto, tamaño de posición y categoría del setup) antes de hacer clic tiene un objetivo principal: dificultar el autoengaño después de conocerse el resultado. Si una entrada infringe las reglas del playbook, el diario lo recoge al instante y evita que escribas «el movimiento parecía alcista». Una hoja de cálculo no racionaliza por ti: si desplazaste manualmente tu stop-loss, la fila 42 registra el código de error 3, por elocuente que sea la excusa que inventes tras la sesión. No es mera psicología: es fricción operativa que obliga a reflexionar antes de ejecutar de forma imprudente.

2. Qué registrar — 29 campos de un diario de trading profesional

Un diario aficionado consta de 5 a 8 campos básicos: fecha, par de divisas, dirección, entrada, SL, TP, resultado y breve comentario. Es el mínimo absoluto de un extracto del bróker, totalmente insuficiente para el análisis diagnóstico sistemático. Un diario profesional registra 29 campos organizados en 7 grupos funcionales. Cada campo responde a una pregunta analítica distinta.

Grupo A: Identificación de la operación (4 campos)

Metadatos fundamentales: qué ocurrió y exactamente cuándo.

1. ID de operación — identificador único (por ejemplo, T-2026-04-001) que permite referencias cruzadas en revisiones posteriores, scripts y bases de datos analíticas.
2. Fecha y hora de apertura — registradas con precisión de minutos en una única zona horaria estandarizada (se recomienda UTC, opcionalmente junto a la hora local del mercado).
3. Par de divisas — EUR/USD, GBP/JPY, etc.
4. Dirección — long / short.

Grupo B: Contexto estratégico (4 campos)

Tu intención estratégica, la estructura del setup y la clasificación del entorno.

5. Setup del playbook — setup concreto con nombre (por ejemplo, «LON-breakout-A», «NY-mean-revert-B»). Sin este campo es matemáticamente imposible calcular la esperanza por setup.
6. Categoría / Calificación del setup — A+, A, B, C. Cada categoría determina un tamaño concreto de posición. Sin calificación no puedes saber si eres rentable con los setups A+ mientras pierdes capital con los B, o al revés.
7. Régimen de mercado — tendencia / rango / volatilidad alta / volatilidad baja, evaluado en D1 o H4 antes de entrar.
8. Sesión de mercado — Asiática / Londres / Nueva York / Solapamiento Londres-NY. Aísla qué sesión proporciona una ventaja empírica y cuál genera pérdidas constantes.

Grupo C: Parámetros de la orden — Plan frente a realidad (6 campos)

Aquí aparecen las verdades más crudas sobre la ejecución del trader minorista.

9. Entrada prevista — nivel técnico exacto de precio al que pretendías entrar según el análisis previo.
10. Ejecución real de entrada — precio real ejecutado por el bróker (la fuente utiliza un deslizamiento ilustrativo de 1–5 pips en M15; es un ejemplo, no una referencia universal de ejecución).
11. SL previsto — precio técnico de invalidación que refuta la tesis de la operación (dictado por las reglas de la estrategia).
12. Ejecución real del SL — precio exacto al que el proveedor de liquidez ejecutó la orden stop (en vacíos de liquidez, el deslizamiento del stop puede ser 2–10× mayor que en la entrada).
13. TP previsto — precio objetivo previsto o salida en un múltiplo de R predefinido.
14. Ejecución real del TP / Salida manual — precio efectivo al ejecutar el objetivo o cerrar manualmente de forma discrecional.

Grupo D: Costes de fricción (4 campos)

Los costes de fricción erosionan la esperanza teórica bruta; solo el diario revela cuánto, según el instrumento, el modelo de ejecución del bróker y la amplitud del stop. Sin registrar la fricción, no puedes saber si tu ventaja existe en términos netos.

15. Spread (pips) — spread real al entrar, no el spread promocional «desde» anunciado en las webs de los brókeres.
16. Deslizamiento de entrada (pips) — direction × (actual_entry − planned_entry) / pip_size; un valor positivo indica deslizamiento adverso (una ejecución peor de lo previsto).
17. Deslizamiento de salida (pips) — direction × (planned_exit − actual_exit) / pip_size. Observa la inversión del signo matemático: en una posición larga, una entrada adversa tiene un precio superior al previsto, mientras que una salida adversa tiene un precio inferior al previsto. La convención pretendida es coherente en ambos lados: el deslizamiento adverso es positivo y el favorable negativo. Reutilizar en la salida el orden de sustracción de la entrada invierte ese significado para las salidas.
18. Swap y comisión — denominados en la moneda de la cuenta, incluyendo financiación nocturna y costes de las operaciones ECN.

Grupo E: PnL y métricas de rendimiento (3 campos)

19. PnL bruto — en pips y moneda de la cuenta, calculado a partir de precios ejecutados, excluyendo financiación y comisiones.
20. PnL neto del bróker — PnL del extracto tras descontar comisiones y swap; el spread y el deslizamiento ya están incorporados a los precios ejecutados, así que no los restes una segunda vez.
21. Múltiplo de R neto — broker_net_pnl / planned_risk (formalizado en el apartado 3).

Grupo F: Puntuación de calidad de la decisión (4 campos)

Es el grupo que se ignora con mayor frecuencia y, a la vez, el de mayor potencia diagnóstica. Dos operaciones pueden obtener resultados financieros idénticos y representar calidades de decisión muy distintas.

22. Clasificación del error — taxonomía categórica: 0 = sin error (proceso impecable), 1 = stop-loss demasiado amplio, 2 = stop-loss demasiado ajustado, 3 = stop desplazado contra el plan, 4 = salida prematura, 5 = salida tardía, 6 = entrada ajena al playbook (FOMO), 7 = posición sobredimensionada (más lotes de lo previsto), 8 = operación de revancha, 9 = otro error cognitivo/discrecional, 10 = fallo de infraestructura (falta de stop firme en el servidor, desconexión de la plataforma del bróker, caída del proveedor de internet: la única categoría cuya solución exige reconfiguración operativa en vez de cambio de conducta).
23. Estado psicológico (1–5) — 1 = deteriorado (fatiga, irritación, distracción), 5 = óptimo (concentración, descanso, claridad mental). Debe registrarse antes de enviar la orden, nunca retrospectivamente.
24. Horas de sueño — entero/decimal. Permite calcular la correlación de rangos de Spearman entre el sueño de la noche anterior y el múltiplo de R neto realizado en tu propia muestra. Es una hipótesis que debes contrastar con tus datos; la fuente no aporta una estadística pública que establezca esa correlación para los traders minoristas.
25. Calidad de la decisión (1–5) — puntuada al final de la jornada de trading, totalmente separada del resultado financiero. Pregunta: ¿se ejecutó esta operación cumpliendo al 100% las reglas previas? 5 = cumplimiento impecable, 1 = improvisación infundada.

Grupo G: Volumen, versiones y rastro de auditoría (4 campos)

Cuatro campos sin los cuales no puedes conciliar el diario matemática ni probatoriamente. Sin volumen y valor del pip no puedes reconstruir el riesgo monetario previsto a partir de la distancia de precios únicamente. Sin versiones del setup no puedes identificar qué iteración de las reglas estás probando. Sin enlace a pruebas no puedes dirimir discrepancias con el extracto del bróker.

26. Volumen (lotes) — tamaño de posición redondeado al paso de lotes del bróker. Junto a la distancia del stop y el valor del pip, establece el riesgo monetario previsto en la moneda de la cuenta; sin él no se puede reconstruir el campo 21.
27. Valor del pip al abrir — en la moneda de la cuenta para 1 lote estándar (100000 unidades de la divisa base), registrado como valor individual al ejecutar la operación en lugar de una constante global estática de la hoja (los tipos de cambio fluctúan con el tiempo; véase la nota del apartado 3).
28. Versión del setup / Playbook — identificador de ficha y etiqueta de versión, por ejemplo, «LON-breakout-A+ v1.2». El rendimiento anterior y posterior a una modificación de reglas representa dos distribuciones estadísticas distintas, no una muestra continua.
29. Enlace a la prueba (evidence_link) — URL de la captura del gráfico, número de ticket del bróker o ruta al registro del extracto. Es el campo que convierte un diario personal sin verificar en un registro financiero auditable.

Tabla resumen — Los 29 campos, tipos de datos y fuentes

Registrar estos 29 campos requiere aproximadamente entre 60 y 90 segundos por operación una vez preparada la plantilla. Sin esos datos, cualquier evaluación posterior del rendimiento es pura conjetura. Si no puedes invertir 90 segundos en registrar una operación, no deberías dedicar 30 segundos a entrar en ella.

Miniespecificación CSV / Hoja de cálculo

Estructura de columnas legible por máquina para implementar en Excel, Google Sheets o una base de datos PostgreSQL/SQLite. Columna izquierda: nombre técnico del campo; derecha: fuente operativa y derivación matemática:

Aunque hay 29 campos lógicos, la hoja técnica contiene más columnas físicas: varios parámetros existen como pares «previsto frente a real» (entrada, stop, objetivo y deslizamiento) en columnas distintas. Las columnas estructurales deben reflejar directamente esta especificación. Los nombres ligados a una moneda de la plantilla polaca se han generalizado aquí a la moneda de la cuenta; los ejemplos en PLN conservan sus divisas e importes originales.

La taxonomía error_code contiene exactamente once valores enteros distintos, aplicados coherentemente en esta guía: 0 = sin error, 1–9 = errores cognitivos y discrecionales de trading del campo 22, y 10 = fallo de infraestructura (ausencia de stop firme en el servidor, bloqueo de plataforma, desconexión del proveedor de internet). El código de error 10 nunca debe mezclarse con errores discrecionales, porque resolverlo exige reconfiguración de la arquitectura, no modificación psicológica. Si una posición carece de stop en el servidor durante una caída, puede ser imposible reconstruir el historial de ejecución ausente a partir de registros locales. Anotar un código de error no sustituye la reparación de esa infraestructura.

La capa de órdenes y ejecuciones — Una decisión, varias ejecuciones

La tabla principal responde a la pregunta estratégica «¿cuál fue la decisión?». El historial detallado de órdenes y ejecuciones responde a la técnica: «¿cómo se ejecutó?». Son dos capas distintas de base de datos vinculadas por la clave relacional trade_id. Confundirlas es la causa más común de que los diarios difieran de los saldos reales:

• orders — una solicitud individual de orden: order_id, trade_id, tipo de orden (mercado / límite / stop / modificar SL / modificar TP), precio enviado, marca temporal de envío y estado de ejecución (ejecutada / rechazada / cancelada). Los rechazos y ajustes del stop se registran aquí, no en la tabla principal de resumen.
• fills — una ejecución individual: fill_id, order_id, trade_id, precio ejecutado, volumen ejecutado, comisión y marca temporal. Una salida parcial representa varias filas de ejecución con un mismo trade_id.

Cuatro reglas firmes de agregación preservan la comparabilidad de las métricas:

• Calcula el riesgo inicial R0 una sola vez, establecido a partir del plan previo antes de la primera ejecución de entrada, y mantenlo estrictamente inmutable en cierres parciales o ajustes del stop. Cerrar el 50% de una posición en +1R no crea retrospectivamente un nuevo denominador de riesgo para la parte restante.
• Suma el PnL neto y los costes de fricción de todas las ejecuciones y divide únicamente la suma agregada entre R0. Nunca promedies los múltiplos de R individuales de tramos parciales: suelen tener pesos de volumen diferentes.
• Una decisión estratégica equivale a una operación en las estadísticas de rendimiento. Calcular la tasa de acierto sobre tramos parciales la infla artificialmente (las primeras salidas parciales suelen ser ganadoras): es el viejo truco del marketing minorista para fabricar un diario de aspecto favorable sin cambiar la rentabilidad real.
• Especifica tu convención de medición de MAE/MFE — define si registras la trayectoria de precios desde la primera ejecución o la variación del patrimonio en la moneda de la cuenta de una posición cuyo tamaño disminuye con cierres parciales. Son dos métricas completamente distintas y no pueden coexistir en una sola columna.

Importación, conciliación con extractos, eliminación de duplicados y ajustes de auditoría

Un diario nunca conciliado con un extracto oficial del bróker es un simple diario personal sin verificar. Realiza semanalmente esta rutina mínima:

1. Importación — exporta el historial de la plataforma (MetaTrader, cTrader, registro FIX) a CSV para el periodo cerrado, manteniendo los mismos límites de fechas y zona horaria del servidor (por ejemplo, semana natural estándar, con la hora del servidor explícita en el nombre de archivo).
2. Eliminación de duplicados — establece la clave primaria trade_id a partir del ID único del ticket de posición del bróker. Al importar periodos solapados, prioriza el registro con marca temporal de cierre posterior, no simplemente el archivo descargado después. Como ejecuciones parciales y modificaciones comparten ticket principal, gestiona el detalle mediante order_id y fill_id en la capa relacional en vez de sobrescribir cada ejecución o modificación bajo el mismo trade_id.
3. Conciliación — el número total de operaciones, el PnL neto agregado y la suma de comisiones/swaps deben coincidir con el extracto oficial hasta el céntimo exacto. Cualquier diferencia es un error operativo que investigar, no una variación de redondeo aceptable.
4. Ajustes de auditoría — registra toda corrección posterior como una nueva versión, con fecha de modificación y justificación; nunca borres la entrada histórica. Sin preservar versiones no puedes distinguir entre un registro erróneo y una disputa real sobre la ejecución del bróker.

Auditoría diagnóstica: ¿por qué dos plataformas muestran cifras distintas para operaciones idénticas? Seis causas operativas verificables:

• Zonas horarias de servidor diferentes — una posición cerrada a las 23:30 del servidor corresponde al lunes en una plataforma y al martes en otra. Los totales semanales difieren, aunque los anuales coincidan si el desplazamiento tampoco cruza el límite del año.
• Tratamiento de financiación y comisiones — una plataforma incorpora swap y comisiones al PnL de la posición cerrada y otra los contabiliza como movimientos de saldo separados.
• Cuentas netting frente a hedging — posiciones opuestas simultáneas del mismo par se fusionan en una exposición neta en una cuenta netting, mientras aparecen como dos operaciones distintas en una cuenta hedging.
• Ejecución de cierres parciales — una plataforma registra una posición reducida por tramos como una operación con varias ejecuciones; otra la divide en tickets independientes, alterando el número de operaciones, la tasa de acierto y la R media.
• Ajustes posteriores del bróker — anulaciones de picos de precios erróneos fuera de mercado, recálculos de swap o ajustes de saldo realizados días después del cierre.
• Redondeo y mecánica de conversión de divisas — convertir el beneficio a la moneda base de la cuenta en el instante exacto del cierre frente a aplicar un tipo de cambio oficial de fin de día.

Si persisten diferencias sin explicar tras revisar estos seis factores, el diario no está listo para calcular métricas de rendimiento. Las métricas calculadas con extractos sin conciliar reflejan corrupción de datos, no una ventaja estratégica.

Límite regulatorio: Un diario de trading es una herramienta operativa de rendimiento, no un libro fiscal legal. El cálculo fiscal de ganancias patrimoniales se trata en el apartado 14 — el diario aporta documentación (extractos del bróker, tickets y enlaces a pruebas), no cálculos de obligaciones tributarias legales. Los impuestos no entran ni en el numerador ni en el denominador del cálculo de r_net: los gravámenes fiscales no son costes de transacción de ejecución.

3. Múltiplo de R — La métrica fundamental que los minoristas a menudo no calculan

El múltiplo de R permite comparar operaciones con distintos perfiles de riesgo en una misma escala. Sin él, un beneficio de PLN 200 en un scalp M5 y otro de PLN 200 en un swing D1 parecen idénticos, aunque el primero quizá arriesgara PLN 50 (+4R) y el segundo PLN 600 (+0.33R, un retorno mucho menor sobre el riesgo inicial). Son los ejemplos en moneda polaca de la fuente. Van K. Tharp introdujo el múltiplo de R^[1], que es una base del análisis de sistemas de trading.

La fórmula del múltiplo de R

La definición operativa más segura es:

R_net = actual_broker_net_pnl / planned_risk

El PnL neto real es el resultado tras ejecuciones efectivas, comisión, swap y todos los costes del extracto del bróker. El deslizamiento y el spread ya están incorporados en los precios ejecutados: el bróker calcula el beneficio con precios reales, no previstos. Registra deslizamiento y spread por separado para el diagnóstico, pero no vuelvas a restarlos si ya están incluidos en el PnL real.

El denominador es el riesgo previsto, no el realizado. Si el stop se desliza 10 pips más allá de los 30 previstos, el denominador no aumenta: la pérdida es entonces −40 / 30 = −1.33R más comisión, en vez de −1R. Es posible un resultado peor que −1R y precisamente eso debe revelar esta convención: el coste real de una ejecución fallida. Fija el denominador antes de enviar la orden y no lo cambies tras mover el stop, salir parcialmente o conocer el resultado.

Lastre de ejecución — Diagnosticar la ejecución junto al rendimiento

Spread, deslizamiento y comisiones son costes operativos, pero en la contabilidad de resultados ya están incluidos en el PnL real. Para diagnosticar la calidad de ejecución, calcula por separado:

execution_drag_R = [direction × (planned_exit_price_of_same_type − planned_entry) / pip_size × lots × pip_value_per_standard_lot − actual_net_pnl] / planned_risk

La expresión crucial es «precio de salida previsto del mismo tipo». Si la operación terminó en stop, compárala con el SL previsto. Si alcanzó el objetivo, compárala con el TP previsto. Para una salida manual o temporal sin precio previsto, define el diagnóstico como deslizamiento de entrada, comisión y swap expresados en R. Comparar cada operación con su TP previsto resulta tentador porque el TP está registrado, pero produce un absurdo: un stop limpio ejecutado exactamente según el plan mostraría unos 3R de «coste de ejecución» pese a no haber deslizamiento. El lastre mide calidad de ejecución, no distancia al resultado rentable ideal. Deben incluirse dirección (+1 long, −1 short) y volumen para tratar coherentemente operaciones cortas y largas. No sumes el spread aparte si ya está reflejado en los precios ejecutados.

Regla operativa: separa la contabilidad de resultados del diagnóstico de ejecución. Si r_net utiliza el PnL real del bróker, los costes ya están en el resultado y se analizan aparte mediante el lastre de ejecución. Si el cálculo parte de precios previstos, descuenta los costes manualmente. Usa uno u otro método, nunca ambos simultáneamente.

Un cálculo completo resuelto

Considera una posición larga EUR/USD de 0.5 lotes (50000 EUR) en una cuenta en PLN, con un cambio ilustrativo USD/PLN de aproximadamente 4.40. Un pip por lote estándar EUR/USD vale USD 10, unos PLN 44; para 0.5 lotes vale aproximadamente PLN 22 por pip.

• Entrada prevista: 1.0850
• Entrada real: 1.0852 (2 pips de deslizamiento)
• SL previsto: 1.0820 (30 pips de riesgo)
• TP previsto: 1.0910 (60 pips = 2R)
• Salida real: 1.0908 (2 pips de deslizamiento en el TP)
• Spread al entrar: 0.8 pips
• Comisión ECN: PLN 4 por operación completa de ida y vuelta
• Swap: 0 (posición cerrada el mismo día)

Cálculo de R_net a partir de ejecuciones reales del bróker:

• PnL de ejecuciones reales: (1.0908 − 1.0852) / 0.0001 = 56 pips; en PLN: 56 × 22 = PLN 1232. El deslizamiento de entrada y salida ya está incluido porque se usan precios reales.
• Comisión ECN: PLN 4. Swap: 0.
• PnL neto real: 1232 − 4 = PLN 1228.
• Riesgo previsto: |1.0850 − 1.0820| / 0.0001 = 30 pips; 30 × 22 = PLN 660.
• R_net = 1228 / 660 ≈ +1.86R.

Cálculo del lastre de ejecución como diagnóstico separado:

• PnL bruto previsto con ejecuciones ideales y sin costes: (1.0910 − 1.0850) / 0.0001 × 22 = 60 × 22 = PLN 1320.
• PnL neto real: PLN 1228.
• Diferencia: 1320 − 1228 = PLN 92.
• execution_drag_R = 92 / 660 ≈ 0.14R. La operación salió en el objetivo, por lo que la referencia prevista es el TP; los costes de ejecución consumieron aproximadamente el 14% del riesgo previsto.

Para un stop, calcula el lastre respecto al SL previsto. Si tanto entrada como stop se ejecutan exactamente a sus precios previstos y la comisión es PLN 4, el lastre es 4 / 660 ≈ 0.01R, no los aproximadamente 3R que daría compararlo con el TP. Si se conserva el deslizamiento de entrada anterior de 2 pips, el coste es PLN 44 + PLN 4, o 48 / 660 ≈ 0.07R. Extrapolar exige un supuesto separado y explícito: «tras 100 operaciones, el lastre es aproximadamente 14R, o alrededor del 14% del capital anual con un 1% de riesgo por operación» solo se aplica a un escenario de 100 salidas en objetivo con idéntico deslizamiento en todas. En un diario real, calcula el lastre de las operaciones cerradas y examina por separado salidas en stop y en objetivo: son distribuciones distintas y agruparlas oscurece el diagnóstico. Los costes no son un detalle de redondeo; orientan las decisiones sobre bróker, par y marco temporal. Conserva r_net para la contabilidad de resultados y execution_drag_R para mejorar la ejecución; no combines ambos descuentos en una fórmula.

¿Por qué múltiplo de R en lugar de porcentajes o PLN?

El múltiplo de R proporciona una unidad común basada en riesgo para comparar scalps con swings, EUR/USD con GBP/JPY y posiciones pequeñas con grandes. Tras un año y 200 operaciones registradas, un trader puede precisar: «mi setup A+ promedia +0.84R, B +0.21R y C −0.13R». Ahí termina la aportación del diario. Desactivar C depende de los intervalos alrededor de esas cifras y de los criterios del artículo 15.10, no solo del signo de la media.

La distribución del múltiplo de R — Leer 220 operaciones

De esta distribución se desprenden tres observaciones:

• Baja tasa de acierto, pero resultado positivo en esta muestra: El 44.5% de las operaciones son positivas (98 de 220 por encima de 0R), mientras la cola derecha —17 operaciones de +2R o más, incluida una de +5R— explica toda la esperanza positiva. Al quitar esas diecisiete, la R total se vuelve negativa.
• Mediana 0R, media +0.13R: la diferencia muestra que los beneficios proceden de la cola. La mitad de las operaciones termina en cero o por debajo. Es característico del seguimiento de tendencias y explica por qué mediana y media deben mostrarse juntas, sin usarlas indistintamente.
• La reversión a la media puede tener la forma contraria: la ilustración de la fuente presenta un acierto elevado del 60–70%, una ganancia media pequeña de +0.5R y una larga cola izquierda con pérdidas raras de −2R o −3R cuando falla la reversión. Describen un patrón de ejemplo, no características garantizadas de una estrategia.

La misma distribución se usa después para Sharpe y Sortino en el apartado 6 y SQN en el 4: la media es +0.130R y la desviación estándar 1,182R, lo que da Sharpe por operación de 0.11, SQN de 1.10 con N limitado a 100 y Sortino correctamente calculado de 0.21. Recuerda estas cifras: una distribución aparentemente «sana», con factor de beneficio 1.31, parece débil en tablas populares de umbrales. Eso por sí solo no la invalida; los umbrales pueden asumir otras definiciones o números de operaciones.

4. Esperanza neta — Qué distingue un sistema rentable del marketing

La esperanza responde a una pregunta fundamental: ¿cuánto espero ganar o perder por operación, expresado en unidades de R? Sin esta métrica no sabes si tu estrategia tiene viabilidad matemática. Con ella puedes estimar el resultado medio de N operaciones bajo los supuestos del modelo; la estimación no garantiza la siguiente muestra ni retornos del capital.

La fórmula canónica de la esperanza

La formulación estructural habitual (usada en backtesting y modelización teórica previa):

Esperanza = (WR × avg_win_R) − ((1 − WR) × avg_loss_R) − costs_per_trade_R

Una salvedad estadística esencial: el término (1 − WR) incluye las operaciones cerradas exactamente en 0.00R en la categoría de pérdidas. Si hay operaciones en equilibrio, divide la muestra en tres poblaciones distintas: E = pw × avgWin − pl × |avgLoss|, donde pw + pl + p0 = 1 — esta es la implementación exacta del script Python siguiente y del registro sintético del apartado 5.

Donde:

• WR — tasa de acierto, expresada como fracción decimal (por ejemplo, 0.55 = 55%).
• avg_win_R — múltiplo de R medio de las operaciones ganadoras (por ejemplo, +1.80R).
• avg_loss_R — valor absoluto del múltiplo de R medio de las perdedoras (por ejemplo, 1.00R con disciplina estricta de stops).
• costs_per_trade_R — fricción agregada (spread + deslizamiento + swap + comisión) normalizada como porcentaje del riesgo R previsto (por ejemplo, 0.10R).

Tres referencias operativas de esperanza

Los umbrales de esta tabla son supuestos ilustrativos de trabajo para planificar escenarios, no mandatos universales del mercado. Solo deben aplicarse junto a sus intervalos de confianza: si un intervalo atraviesa un umbral, cualquier decisión estratégica debe aplazarse. El tamaño por categoría de setup se establece en el artículo 15.2, y los criterios formales de retirada están en el artículo 15.10.

Tamaño mínimo de muestra para validar la esperanza

La trampa más peligrosa del trading minorista es calcular la esperanza con 30 a 50 operaciones y tratar el decimal resultante como una verdad inmutable. La teoría de probabilidades demuestra lo contrario:

• 50 operaciones — el intervalo de confianza del 95% para el acierto abarca aproximadamente ±14 puntos porcentuales (intervalo de Wald con p = 0.55, suponiendo ensayos independientes; los grupos y la exposición a sucesos comunes pueden ampliarlo). Un acierto observado del 55% podría representar fácilmente un parámetro poblacional real del 41% o del 69%.
• 100 operaciones — el intervalo abarca unos ±10 puntos porcentuales: todavía demasiado amplio para justificar abandonar un setup establecido.
• 200 operaciones — el intervalo se estrecha a unos ±7 puntos porcentuales.
• 500 operaciones — el intervalo se estrecha a unos ±4 puntos porcentuales. Una estimación más precisa, aún sujeta a incertidumbre probabilística.

La regla operativa no es «nunca decidir con menos de 100 operaciones», sino: decide según el intervalo de confianza, nunca solo la estimación puntual. Si el intervalo de confianza del 95% de la esperanza del setup incluye tu umbral operativo de decisión, esta se aplaza hasta el siguiente ciclo de auditoría, tanto si has registrado 40 operaciones como 400. El tamaño de muestra interviene mediante la anchura del intervalo; un recuento no es un mínimo universal ni valida por sí mismo. Detener el trading por riesgo operativo (límites de drawdown excedidos o fallos de ejecución del bróker) siempre es admisible y nunca espera a la significación estadística.

La trampa de la fricción: Backtests frente al lastre de ejecución real

Los minoristas suelen evaluar la esperanza teórica bruta ignorando spread, deslizamiento, comisiones y financiación rollover. Un backtest idealizado con +0.50R brutas se deteriora frecuentemente hasta +0.20R netas en condiciones reales. En un año, el saldo se estanca porque el trader realiza +0.20R, no +0.50R, en 200 operaciones.

Exigencia metodológica: Si r_net se deriva del PnL neto del extracto (apartado 3), los costes ya están incorporados: spread, deslizamiento y gastos se registran aparte como lastre de ejecución, nunca se descuentan dos veces. Al calcular la esperanza desde gráficos de velas idealizados, hay que restar explícitamente la fricción. No mezcles métodos. Los ejemplos hipotéticos siguientes calculan lastre de ejecución, no una segunda deducción del PnL neto:

Ejemplos concretos de costes por operación en R, conservando la cuenta original en PLN y los cambios ilustrativos:

• Par: EUR/USD; bróker ECN; spread 0.2 pips; comisión USD 7 por lote estándar de ida y vuelta; deslizamiento medio 0.3 pips por lado.
• Setup típico: SL 30 pips, tamaño 0.3 lotes, USD/PLN ilustrativo ≈ 4.40; valor del pip para 0.3 lotes ≈ PLN 13.20.
• Riesgo previsto: 30 × 13.20 = PLN 396.
• Costes: spread 0.2 × 13.20 = PLN 2.64; deslizamiento 0.6 pips de entrada y salida × 13.20 = PLN 7.92; comisión USD 7 × 0.3 lotes = USD 2.10 ≈ PLN 9.24. Total: aproximadamente PLN 19.80.
• Costes en R: 19.80 / 396 = 0.05R, o el 5% del riesgo previsto.

Otro ejemplo: un par más caro y un stop más ajustado:

• Par: GBP/JPY; bróker creador de mercado; spread 2.5 pips; sin comisión; deslizamiento 1 pip por lado.
• Valor del pip para 0.1 lotes con USD/JPY ilustrativo ≈ 150 y USD/PLN ≈ 4.40: un lote estándar produce JPY 1000 por pip; 1000 / 150 ≈ USD 6.67, o PLN 29.33 a 4.40. Para 0.1 lotes, aproximadamente PLN 2.93 por pip.
• Setup ajustado: SL 25 pips, tamaño 0.1 lotes; riesgo 25 × 2.93 = PLN 73.25, o aproximadamente PLN 73.
• Costes de posición: spread 2.5 × 2.93 ≈ PLN 7.33; deslizamiento de entrada 1 × 2.93 = PLN 2.93; de salida 1 × 2.93 = PLN 2.93; total PLN 13.19 con el redondeo mostrado.
• Costes en R: 13.19 / 73.25 ≈ 0.18R, alrededor del 18% del riesgo previsto consumido por costes desde el inicio.

Esto muestra la trampa del coste proporcional: el mismo deslizamiento en pips consume mucha más R con un stop ajustado. Por tanto, un stop de 25 pips en un par con spread de 2.5 pips resulta difícil de justificar solo por costes. El supuesto de trabajo es aquí un umbral ilustrativo del escenario, no una norma del mercado: costes superiores al 5–8% del riesgo previsto empiezan a afectar materialmente al resultado, lo que invita a revisar bróker, par o marco temporal con un stop técnico más amplio. La prueba relevante procede del diario propio: divide los costes medios en R por la esperanza bruta y examina cuánta esperanza queda.

System Quality Number (SQN) de Van Tharp — Fórmula, límite de N y escala

La escala interpretativa del autor se presenta aquí completa. Los otros artículos deben remitir a ella y no reproducir variantes: tres «escalas de Tharp» inconsistentes en tres artículos perjudicarían la coherencia del curso.

Tres salvedades impiden interpretarlo mal: primero, esta escala es una heurística del autor, no una norma del mercado. Segundo, SQN crece con la raíz de N hasta 100 operaciones; solo es válido comparar valores con igual N: la base de 220 operaciones del apartado 3 da 1.10 con N = 100, pero llegaría a 1.63 introduciendo ingenuamente n = 220 sin límite. Tercero, SQN mide señal frente a ruido, no prescribe tamaño de posición ni sustituye el intervalo de confianza de la esperanza neta.

Segmentación de la muestra — Evitar el sesgo de selección

Un diario estructurado permite segmentar los datos por setup, sesión, régimen y versión del playbook. Mantén rigor estadístico: cuantos más subgrupos compares, mayor probabilidad de que el mejor sea un artefacto del ruido aleatorio. Elegir el mejor entre doce setups distintos es selección de datos, no verdadera estimación de parámetros. La arquitectura formal de calibración dentro de muestra y validación fuera de ella se detalla en el artículo 15.4, mientras las decisiones de mantener, modificar o desactivar corresponden al artículo 15.10. El diario debe aportar recuento e intervalo de cada subconjunto, no solo una clasificación.

Intervalos bootstrap — Por qué +0.22R es una hipótesis, no una ventaja

Una esperanza neta observada de +0.22R en 42 operaciones no es una ventaja probada, sino una hipótesis empírica no contrastada. El bootstrap no paramétrico lo muestra directamente: extrae 10000 remuestras con reemplazo de esas 42 operaciones, calcula la media de cada una y representa la distribución de medias para establecer límites empíricos de confianza. Documenta el hallazgo en una frase con los mismos tres componentes: n, método y supuesto:

«Para n = 42 operaciones, un intervalo del 95% de esperanza es (−0.17R; +0.61R) con std(R) = 1.3R. Estos extremos mostrados son una comprobación mediante aproximación normal, ±1.96 × std / √n; no son un resultado bootstrap calculado. El bootstrap previsto usa 10000 remuestras con reemplazo, puede ser asimétrico para una distribución R sesgada y debe registrarse su resultado real. Ambos enfoques suponen aquí observaciones independientes; los grupos y sucesos compartidos pueden ampliar el intervalo. Como incluye cero, la decisión sobre el setup se aplaza hasta la siguiente revisión».

El tamaño muestral por sí solo no resuelve nada; manda la anchura del intervalo respecto al umbral de decisión. En setups poco frecuentes, con apenas unas señales al mes, verificar mediante bootstrap es imprescindible: sin ello, 50 operaciones de un año entero parecen sólidas, pero representan ruido estadístico repartido en doce meses.

Script Python: Calcular métricas desde CSV

El script siguiente calcula esperanza neta, factor de beneficio, Sharpe por operación, Sortino, SQN, MAE/MFE y drawdown del patrimonio directamente desde un CSV estandarizado de 29 campos:

import pandas as pd
import numpy as np

# Cargar diario desde CSV (29 campos según el apartado 2)
df = pd.read_csv('journal.csv')

# Limitar a posiciones cerradas con múltiplos de R netos calculados
df = df.dropna(subset=['r_net'])

# Imponer orden cronológico estricto. Sin él, la curva patrimonial
# y el drawdown reflejan el orden de exportación, no el historial real.
df['close_time_utc'] = pd.to_datetime(df['close_time_utc'], utc=True)
df = df.sort_values('close_time_utc').reset_index(drop=True)

total = len(df)
if total == 0:
    raise SystemExit('No hay operaciones cerradas: métricas indefinidas, no cero.')

r = df['r_net']

# Tres poblaciones: ganancias, pérdidas y equilibrios exactos.
wins   = r[r > 0]
losses = r[r < 0]
zeros  = r[r == 0]

wr       = len(wins) / total
p_loss   = len(losses) / total
avg_win  = wins.mean()        if len(wins)   else float('nan')
avg_loss = abs(losses.mean()) if len(losses) else float('nan')

# La esperanza neta es la media aritmética de r_net (costes incorporados)
expectancy = r.mean()
# Comprobación estructural: debe coincidir exactamente con la media aritmética
structural_check = ((wr * avg_win if len(wins) else 0.0)
                    - (p_loss * avg_loss if len(losses) else 0.0))

# Factor de beneficio. Sin pérdidas = indefinido, no "perfección infinita"
sum_wins   = wins.sum()
sum_losses = abs(losses.sum())
profit_factor = sum_wins / sum_losses if sum_losses > 0 else float('nan')

# Estadística R por operación y SQN con la convención N = min(n, 100)
sd     = r.std(ddof=0)
sharpe = expectancy / sd if sd > 0 else float('nan')
sqn    = sharpe * np.sqrt(min(total, 100))

# Sortino: desviación a la baja de TODA la población, MAR = 0
mar     = 0.0
dside   = np.sqrt((np.minimum(r - mar, 0) ** 2).mean())
sortino = (expectancy - mar) / dside if dside > 0 else float('nan')

# Intervalo analítico del 95% de esperanza (suponiendo i.i.d.)
se = r.std(ddof=1) / np.sqrt(total)
ci = (expectancy - 1.96 * se, expectancy + 1.96 * se)

# Drawdown de la curva patrimonial con riesgo proporcional fijo f por operación.
# El capital inicial (1.0) DEBE preceder al vector de máximos acumulados;
# de otro modo, empezar perdiendo da un engañoso 0% de drawdown.
f       = 0.01                      # parámetro de escenario de trabajo, no universal
equity  = pd.concat([pd.Series([1.0]), (1 + r * f).cumprod()], ignore_index=True)
run_max = equity.cummax()
max_dd  = ((equity - run_max) / run_max).min()

# Análisis MAE / MFE sobre filas cumplimentadas
mae_win = mae_loss = mfe_win = float('nan')
if {'mae_r', 'mfe_r'}.issubset(df.columns):
    m = df.dropna(subset=['mae_r', 'mfe_r'])
    if len(m):
        mae_win  = m.loc[m['r_net'] > 0, 'mae_r'].mean()
        mae_loss = m.loc[m['r_net'] < 0, 'mae_r'].mean()
        mfe_win  = m.loc[m['r_net'] > 0, 'mfe_r'].mean()

# Desglose por setup y versión del playbook
print(df.groupby(['setup', 'strategy_version']).agg({
    'r_net': ['count', 'mean', 'sum', 'std']
}))

print(f"Tamaño muestral (n): {total} (Ganancias: {len(wins)}, Pérdidas: {len(losses)}, Equilibrios: {len(zeros)})")
print(f"Tasa de acierto: {wr:.1%}")
print(f"Esperanza neta: {expectancy:+.2f}R (Comprobación estructural: {structural_check:+.2f}R)")
print(f"IC del 95% de esperanza: ({ci[0]:+.2f}R; {ci[1]:+.2f}R)")
print(f"Factor de beneficio: {profit_factor:.2f}")
print(f"Sharpe por operación: {sharpe:.2f} | SQN (N limitado a 100): {sqn:.2f}")
print(f"Sortino (desviación a la baja completa, MAR=0): {sortino:.2f}")
print(f"Drawdown patrimonial máximo (con f={f:.0%}): {max_dd:.1%}")
print(f"MAE medio ganadoras: {mae_win:.2f}R | MAE medio perdedoras: {mae_loss:.2f}R | MFE medio ganadoras: {mfe_win:.2f}R")

El script supone la estructura CSV del apartado 2 y requiere cuatro columnas cumplimentadas: r_net, close_time_utc (la cronología es esencial para patrimonio y drawdown), y setup más strategy_version para segmentar. mae_r y mfe_r son opcionales; los datos ausentes o vacíos dejan sus métricas indefinidas, no en cero. Antes de confiar en los resultados, valida el script con una referencia verificada —como el registro sintético de 6 operaciones del apartado 5— y confirma que coincide exactamente con el cálculo manual. Prueba otro archivo sintético que comience con una operación perdedora: así compruebas si incluye correctamente el patrimonio inicial en los máximos acumulados (un script defectuoso muestra 0% de drawdown en una pérdida inicial). Un script diagnóstico sin contrastar con casos límite conocidos solo es otra fuente de confianza injustificada.

5. Factor de beneficio y factor de recuperación — Preguntas distintas, respuestas distintas

La esperanza neta cuantifica «cuánto espero ganar de media por operación». Los factores de beneficio y recuperación responden a preguntas estructurales totalmente distintas; ignorarlos oculta dimensiones vitales de la salud del sistema.

Factor de beneficio — Relación entre ganancias y pérdidas totales

Las referencias de ambas tablas son supuestos ilustrativos de trabajo (no normas del mercado) y solo tienen sentido estadístico junto al tamaño muestral. El factor calculado con múltiplos de R netos aporta una evaluación neta sin adornos; no tener pérdidas en la muestra da un PF indefinido, nunca un «sistema infinito y perfecto».

Factor de beneficio (PF) = sum_of_all_wins / abs(sum_of_all_losses)

La pregunta fundamental es: ¿genera mi sistema más ganancias acumuladas que pérdidas acumuladas, y en qué múltiplo exacto?

El factor de beneficio aporta claridad intuitiva inmediata sin formación estadística: «por cada PLN 1 perdido, la estrategia genera PLN 1.80 de beneficio». Pero ignora la distribución subyacente. Un sistema con PF 1.80 en 200 operaciones no es estructuralmente comparable con otro que presume de PF 1.80 en 20. Evalúalo siempre junto al número de operaciones y la esperanza neta.

Factor de recuperación — Ganancia neta acumulada respecto al drawdown máximo

Factor de recuperación (RF) = total_net_profit / max_drawdown

La pregunta fundamental es: ¿cuántas veces supera el retorno neto total al drawdown histórico más profundo? Dicho de otra forma: ¿cuántas veces habría podido atravesar la estrategia su peor caída histórica conservando ganancias de capital globales?

Por ejemplo, un retorno anual de +35% con drawdown máximo anual de −12% da RF = 35 / 12 = 2.92. Ambas cifras deben proceder de la misma curva de patrimonio y de periodos idénticos: beneficio del periodo dividido entre drawdown del periodo. Usar CAGR plurianual en el numerador y drawdown de un solo año en el denominador fabrica una métrica sin rigor que compara parámetros incompatibles.

El factor de recuperación es una valiosa medida psicológica: si generar un 30% anual exige soportar un duro drawdown del 25% entre máximo y mínimo (RF = 1.20), debes preguntarte si el rendimiento justificó la angustia. La fuente plantea preferir RF superior a 2 con menor CAGR a retornos mayores con drawdown profundo: es una preferencia que evaluar, no una estadística establecida sobre profesionales.

Tasa de acierto frente a factor de beneficio — La falacia minorista clásica

Los minoristas confunden acierto con calidad del sistema: «acierto un 75%, así que la estrategia debe ser rentable». Es matemáticamente inválido. Un 75% de acierto con ganancia media +0.50R y pérdida media −2.50R produce:

• Esperanza neta: 0.75 × 0.50 − 0.25 × 2.50 = 0.375 − 0.625 = −0.25R por operación (un sistema inequívocamente perdedor).
• Factor de beneficio: (0.75 × 0.50) / (0.25 × 2.50) = 0.375 / 0.625 = 0,60: por cada PLN 1 perdido, el sistema solo genera PLN 0.60 de ganancias.

Una alta tasa de acierto sin control riguroso de la relación entre ganancias y pérdidas caracteriza estrategias imprudentes de reversión a la media sin disciplina de stops. Una pérdida enorme borra el resultado de muchas ganadoras. El factor lo revela al instante: 75% de acierto con factor 0.60 es un resultado perdedor pese al elevado acierto.

Registro sintético de auditoría — Seis operaciones y métricas conciliadas

Escenario ilustrativo basado en datos sintéticos, no rendimiento histórico de una cuenta. Las seis filas siguientes no proceden de ninguna cuenta ni demuestran eficacia estratégica. Conservan la denominación PLN de la fuente e ilustran la conciliación matemática completa desde el riesgo inicial R0 al drawdown máximo, con una muestra verificable a mano. La convención estándar se mantiene: R0 representa el riesgo inicial previsto fijado antes de ejecutar; r_net representa el PnL neto del extracto oficial del bróker (tras gastos y financiación) dividido entre R0.

Cálculo paso a paso obtenido solo de la columna r_net:

• Tasa de acierto = 3 / 6 = 50,0%. T-004, con +0.03R, cuenta como ganadora porque es estrictamente positiva en neto; de cerrar exactamente en 0.00R pertenecería a la tercera población, la de equilibrio, no a las pérdidas. Esto es justo lo que trata incorrectamente el atajo (1 − WR) × avgLoss.
• R acumulada = 1,80 − 1,03 − 1,00 + 0,03 + 1,25 − 1,02 = +0.03R.
• Esperanza neta = +0,03 / 6 = +0.005R por operación. Comprobación estructural: ganancia media = +1,027R, pérdida media = −1,017R; así, (0.50 × 1,027) − (0.50 × 1,017) = +0.005R: confirmado.
• Factor de beneficio = (1,80 + 0,03 + 1,25) / (1,03 + 1,00 + 1,02) = 3,08 / 3,05 = 1,01.
• Drawdown máximo evaluado sobre R acumulada (medida tras cada operación; es drawdown en R, no porcentaje de capital, y debe etiquetarse así): 0.00 → +1.80 → +0.77 → −0.23 → −0.20 → +1.05 → +0.03R. El máximo acumulado es +1.80R y el mínimo posterior −0.23R; por tanto, DD máximo = 1.80 − (−0.23) = 2.03R. Al final (+0.03R frente al máximo +1.80R), el drawdown sigue sin recuperarse; se documenta explícitamente la duración de recuperación como indefinida, en vez de omitirla.
• Intervalo de confianza: std(R) = 1,257, error estándar = 1,257 / √6 = 0.513; el intervalo del 95% para esperanza mediante aproximación normal, suponiendo independencia, abarca (−1.00R; +1.01R).

La lección central: seis operaciones demuestran conciliación aritmética, pero ninguna ventaja estadística. El intervalo cruza cero, incluye el umbral de viabilidad +0.15R y se extiende a pérdidas catastróficas: una operación adicional mueve la esperanza más que la supuesta ventaja. Solo responde «¿cuadran mis fórmulas?», no si la estrategia es viable. Evaluar el mismo registro con 600 operaciones aporta sustancia estadística; las fórmulas siguen idénticas, solo se estrecha el intervalo.

6. Sharpe y Sortino — Cuándo tienen sentido para el minorista

Sharpe y Sortino son referencias institucionales en la atribución del rendimiento de fondos de cobertura, pero suelen engañar al aplicarlos sin criterio al trading minorista. Adaptados a un marco «por operación» en lugar de volatilidad anual de cartera, aportan información diagnóstica vital que ni esperanza neta ni factor de beneficio revelan.

Sharpe por operación — Retorno por unidad de volatilidad de resultados

Sharpe = (mean_R − risk_free_rate) / std_R

Para el diagnóstico por operación usado aquí fijamos la referencia en cero y medimos en R. Es una convención, no la afirmación de que normalizar convierta en cero el tipo económico libre de riesgo. Así obtenemos:

Sharpe ≈ mean(R) / std(R)

Qué comunica: cuánto retorno genera el sistema por unidad de dispersión de resultados. Un valor mayor indica una media mayor respecto a la dispersión; no garantiza una secuencia suave ni predecible. Un Sharpe bajo indica resultados muy dispersos, aunque la esperanza neta sea nominalmente positiva.

Los rangos de la tabla son supuestos ilustrativos de trabajo y solo deben evaluarse junto al tamaño exacto de la muestra del cálculo.

El Sharpe institucional anualizado no se traduce 1:1 a una métrica por operación. La anualización escala mediante Sharpe_por-operación × √N, donde N es el número anual de operaciones. Un mismo Sharpe por operación de 0.30 produce 1.50 anualizado con 25 operaciones/año, 2.00 con 44, 4.20 con 200 y 7.30 con 600. Una única puntuación genera cuatro «ratios Sharpe anualizados» radicalmente distintos. Además, escalar así supone independencia estricta entre operaciones, que puede fallar en el mismo par o régimen. La dependencia positiva puede inflar el resultado anualizado. Presenta siempre Sharpe por operación junto al recuento total; una cifra anualizada sin frecuencia carece de sentido estadístico.

El defecto crucial de Sharpe — Penalizar volatilidad al alza

El Sharpe clásico trata toda dispersión respecto a la media como riesgo indeseable. Si la estrategia captura una tendencia extraordinaria con grandes ganancias de cola (+5.0R, +8.0R), la desviación estándar muestral aumenta mucho y la fórmula penaliza tu puntuación. Económicamente es absurdo: nunca debería penalizarse al trader por ganancias atípicas positivas a su favor.

Para resolver esta distorsión, el Dr. Frank A. Sortino desarrolló la formulación alternativa^[2], que mide estrictamente la varianza a la baja.

Sortino — Retorno por unidad de riesgo a la baja

Sortino = (mean(R) − MAR) / DD, donde DD = √( Σ min(Ri − MAR, 0)² / n ), y MAR = 0

El elemento matemático crucial es el tamaño de muestra n en el denominador: la desviación a la baja debe evaluarse sobre toda la población de operaciones, poniendo cero en cada operación que alcance o supere el retorno mínimo aceptable (MAR), en vez de calcular la desviación estándar de las perdedoras únicamente. La diferencia es profunda. La variante «desviación estándar solo de pérdidas» no penaliza la frecuencia de pérdidas: una muestra de 99 ganadoras y 1 pérdida daría dispersión de pérdidas cero y Sortino indefinido o astronómicamente inflado. En la base de 220 operaciones del apartado 3, la desviación correcta es 0.631 y Sortino = 0.21; la variante errónea da 0.205 y un «Sortino» artificial de 0.63: una distorsión al triple. Antes de compararlo con referencias externas, comprueba la definición matemática usada.

Sortino solo penaliza la volatilidad a la baja. Las grandes ganancias amplían el numerador sin ampliar la desviación a la baja del denominador. Por tanto, en sistemas de tendencia con asimetría derecha, Sortino supera de forma consistente a Sharpe.

Estos rangos ilustrativos se calibran para esta definición —desviación a la baja de toda la población— y no son normas de mercado. No son comparables con tablas basadas solo en la desviación estándar de pérdidas, que triplica aproximadamente el resultado del apartado 3. El multiplicador no es constante: depende de distribución y frecuencia de pérdidas y puede crecer sin límite cuando el denominador de solo pérdidas se acerca a cero. La distribución del apartado 3 tiene factor de beneficio 1.31 y Sortino 0.21, «sólido» en esta escala.

Regla de trabajo: en muchas estrategias minoristas asimétricas, Sortino revela más que Sharpe, pero ambos se vuelven inciertos con pocas decenas de operaciones. La propia desviación estándar tiene entonces un amplio intervalo de estimación, y las métricas derivadas heredan esa incertidumbre. Sharpe describe todas las oscilaciones; Sortino se centra en resultados bajo el objetivo. Elige según estilo, frecuencia y distribución del sistema concreto.

Cuándo fallan Sharpe y Sortino para el trader minorista

• Muestras pequeñas — con pocas decenas de operaciones, la varianza es inestable; indica siempre el tamaño muestral n junto a la métrica.
• Estrategias por eventos muy asimétricas (por ejemplo, rupturas de nóminas no agrícolas): las ganancias forman una cola larga y la desviación estándar puede no reflejar lo que el trader considera volatilidad típica.
• Frecuencia de operaciones extremadamente baja (por ejemplo, 5 swings mensuales): la fuente advierte que estimar con fiabilidad el Sharpe anualizado con solo 60 observaciones anuales es difícil; importan la incertidumbre y dependencia del estimador, no un mínimo numérico universal.

Para minoristas típicos con 200 a 600 operaciones anuales entre seguimiento de tendencias y reversión a la media, Sortino sirve de brújula fiable y Sharpe por operación aporta validación contextual secundaria.

7. MAE/MFE — Qué revela sobre la calidad de entradas y salidas

La excursión adversa máxima (MAE) y la favorable máxima (MFE) son dos métricas diagnósticas que muestran cuánto se movió el precio contra tu posición y cuánto se movió a tu favor durante la vida activa de la operación. Los minoristas rara vez las registran y renuncian a su herramienta empírica más potente para optimizar stop-loss y take-profit.

Definiciones de MAE y MFE

• MAE (excursión adversa máxima) — mayor movimiento de precio contra la posición activa, medido en R desde la entrada. Por ejemplo: compra EUR/USD a 1.0850 con SL previsto 1.0820 (30 pips de riesgo inicial). Antes de cerrar, cae a 1.0825 → MAE = [(1.0850 − 1.0825) / 0.0001] / 30 = 25 / 30 = 0.83R.
• MFE (excursión favorable máxima) — mayor movimiento a favor de la posición activa, medido en R desde la entrada. Compra a 1.0850; máximo 1.0920 antes de retroceder → MFE = [(1.0920 − 1.0850) / 0.0001] / 30 = 70 / 30 = 2.33R.
• Ambos son máximos acumulados evaluados estrictamente en el intervalo cerrado entrada → salida y no pueden disminuir. MFE no puede «decaer» al retroceder el precio: el retroceso reduce el PnL realizado, no la excursión máxima alcanzada. Tras cerrar termina la medición: la evolución posterior pertenece a un universo hipotético («¿y si hubiera mantenido más?») y debe registrarse en otra columna de investigación. Mezclarlas atribuiría indebidamente movimiento posterior a una salida completa en TP a la operación cerrada. La comparación con TP de la fuente supone cerrar realmente toda la posición en ese objetivo; un objetivo previsto no es un techo universal si la ejecución difiere o sigue abierta una parte.

Qué diagnostican MAE y MFE

MAE responde: ¿cuánto retrocedió el precio contra la operación antes de terminar? Un MAE medio de 0.40R en ganadoras representa una hipótesis empírica de que el stop tiene un colchón excesivo que el mercado rara vez prueba, no prueba definitiva de que debas ajustarlo de inmediato. La media sola no decide por tres motivos: primero, solo evalúa supervivientes; las operaciones en stop quedan excluidas por definición. Segundo, oculta la cola: varias ganadoras con MAE 0.90R habrían terminado en stop con uno más estrecho y suelen generar tus ganancias de cola derecha. Tercero, MAE refleja dónde cotizó el precio de mercado, no si era posible ejecutar exactamente allí (usa límites de velas y el lado ejecutable según dirección: un largo sale a Bid, no a un precio medio indiferenciado). Solo analizar la distribución completa y simular fuera de muestra («¿cuántas ganadoras habrían saltado con 0.8× SL?») da confirmación utilizable. La observación inversa es más concluyente: MAE medio 0.90R en ganadoras señala que el colchón se usa por completo y que aumentar el deslizamiento del bróker convertirá ganadoras en pérdidas.

MFE responde: ¿dejo escapar demasiado beneficio? La restricción analítica fundamental: ambas métricas deben proceder de la misma población exacta. Comparar MFE media de todas las cerradas con ganancia media de las ganadoras distorsiona gravemente al mezclar perdedoras. Si las operaciones ganadoras generan MFE media +2.50R y ganancia realizada media +1.20R, la diferencia +1.30R indica take-profits demasiado conservadores o stops de seguimiento activados prematuramente. Es una pista, no una conclusión: MFE es la excursión histórica máxima, no un precio necesariamente disponible para salir; la orden debería haber estado en ese máximo y ejecutarse al lado correcto del spread.

Cuatro escenarios diagnósticos prácticos de MAE/MFE

MAE/MFE en perdedoras — Evaluar la integridad del stop

Evaluado solo en posiciones perdedoras:

• MAE medio en perdedoras ≈ 1.00R (SL previsto) — disciplina impecable de stops y pérdidas estrictamente normalizadas. Si el resultado neto realizado promedia −1.10R a −1.20R, la diferencia aísla deslizamiento y comisiones del bróker.
• MAE medio en perdedoras > 1.20R — se amplían stops manualmente contra el plan, hay deslizamiento catastrófico o se mantienen posiciones a través de gaps. Cada causa exige intervención operativa inmediata.

Obtener MAE/MFE desde plataformas

La mayoría de brókeres minoristas no exporta MAE/MFE detallados en CSV estándar. Los informes pueden incluir entrada, salida y a veces rango de precios de la operación sin una medida lista. Siguen cuatro métodos: elige uno y mantenlo tres meses antes de valorar si los datos cambiaron tus decisiones.

• MetaTrader (MT4/MT5) sin historial de ticks — al cerrar, abre un gráfico M5/M15 que cubra la duración activa. Estima con el rango de velas los mayores movimientos adverso y favorable y conviértelos a R (MAE_pips / SL_pips, MFE_pips / SL_pips). Tiempo: 30–60 segundos por operación.
• Scripts automáticos en cTrader / TradingView — exporta datos de velas del intervalo de open_time a close_time y calcula los extremos mediante algoritmos Python. Las métricas MAE/MFE listas por operación pueden limitarse al probador de estrategias, sin cubrir operaciones manuales. Verifica plataforma, estado de cuenta y proceso en tu propia cuenta antes de confiar en ello; los extremos de velas y ticks no son intercambiables.
• Software especializado de diario (Edgewonk) — calcula automáticamente MAE/MFE tras importar extractos; comprueba el mecanismo y cobertura reales en la documentación del proveedor —ticks, velas o API del bróker— antes de organizar el proceso a su alrededor.
• Agregadores analíticos (FX Blue / Myfxbook) — el alcance de MAE/MFE y su disponibilidad por plan pueden cambiar. Consulta documentación actual en vez de suponer que no existe la función.

Para la mayoría de minoristas, inspeccionar manualmente el gráfico al cerrar es el método más fiable: la fuente reserva unos 30 segundos para un registro cuidadoso sin integración API ni costes de software.

Dispersión MAE/MFE de Sweeney — Descifrar los cuatro grupos

El gráfico de Sweeney^[4] sitúa MAE en horizontal y MFE en vertical, con un punto por operación. Ganadoras verdes, perdedoras rojas. Cuatro cuadrantes diagnostican la salud de la ejecución:

• Abajo izquierda (MAE bajo, MFE bajo) — ganadoras rápidas con mínima excursión adversa: ejecución óptima, aunque a menudo indica objetivos prematuramente próximos.
• Arriba derecha (MAE alto, MFE alto) — operaciones con fuerte drawdown que evitaron por poco la invalidación del stop antes de grandes ganancias. Advertencia crucial: pequeños repuntes del deslizamiento las habrían convertido en pérdidas completas.
• Arriba izquierda (MAE bajo, MFE alto) — momento de entrada impecable seguido de gran extensión direccional de tendencia. El perfil de élite que tu proceso busca replicar sistemáticamente.
• Abajo derecha (MAE alto, MFE bajo) — movimiento adverso inmediato con poca continuación favorable. Evita esos patrones y diagnostica sus setups; el gráfico por sí solo no decide desactivarlos.

8. Drawdown — Histórico, actual y esperado

El drawdown mide la caída porcentual del capital desde el máximo previo. Su análisis sistemático comprende tres dimensiones complementarias:

Drawdown máximo histórico

Los umbrales siguientes son supuestos operativos de escenario, no mandatos universales: la misma estrategia con riesgo del 2% por operación produce aproximadamente el doble de profundidad que con 1%. «DD máximo 20%» sin especificar tamaño no informa estructuralmente de la estrategia.

El drawdown máximo mide la caída más profunda entre máximo y mínimo observada en el historial: la métrica definitiva para evaluar tolerancia al estrés psicológico.

Ht = max(Eu : u ≤ t) — máximo histórico acumulado del patrimonio, incluyendo explícitamente el capital inicial; Dt = (Ht − Et) / Ht; max DD = max(Dt). Debe evaluarse continuamente sobre la curva, no comparando ingenuamente máximo y mínimo globales: para 100 → 80 → 120 → 110, el drawdown máximo real es 20.0%, no 33.3%.

Antes de citar drawdown hay que declarar dos parámetros: si la trayectoria refleja patrimonio flotante (con fluctuaciones de operaciones abiertas) o el saldo de operaciones cerradas, y la frecuencia exacta de muestreo (tick, cierre por operación o final de cada día). Depósitos y retiradas deben neutralizarse matemáticamente: añadir capital durante una caída disimula su profundidad, no reduce riesgo. El drawdown sobre R acumulada, en vez de patrimonio monetario, debe llamarse «DD máximo en R, muestreado por operación», nunca porcentaje de cuenta.

Drawdown medio

Media aritmética de todos los ciclos distintos entre máximo y mínimo del historial. Refleja el «dolor» operativo habitual del sistema, diferente de los peores escenarios de cola.

Heurística diagnóstica práctica (supuesto ilustrativo, no norma de mercado): si el drawdown máximo supera 3× el medio, la distribución muestra colas muy gruesas, normalmente por choques externos extremos o por una secuencia de posiciones mayores de lo permitido. El múltiplo 3× es una regla ilustrativa; lo que debe investigarse es la causa estructural de tus datos.

Duración del drawdown — Horizonte de recuperación

A menudo más debilitante psicológicamente que la profundidad: ¿cuánto se tarda en recuperar un nuevo máximo?

• Un drawdown del 10% resuelto en 2 semanas se absorbe fácilmente.
• Uno del 10% que dura 8 meses destruye la convicción y lleva a la mayoría a abandonar estrategias viables durante la caída.

Un sistema con caída moderada pero recuperaciones largas puede ser mucho más agotador que otro con caídas fuertes y recuperación rápida en V. Esta dinámica puede sintetizarse en el producto de profundidad media y duración media de recuperación, llamado aquí producto de dolor (métrica diagnóstica propia de este marco). No lo confundas con el Pain Index (drawdown medio a lo largo del tiempo) ni con el Ulcer Index (raíz de la media del drawdown al cuadrado): tres formulaciones distintas de nombre parecido. Una caída no recuperada al final debe seguir marcada como tal: no inventes su duración para la media; preséntala aparte junto al promedio de recuperaciones completas. El producto de dolor es propio de este artículo, no un estándar sectorial.

Drawdown esperado — Preparar datos empíricos para simular

El diario aporta un recurso fundamental a las simulaciones Monte Carlo: el vector empírico de valores r_net, estandarizados con denominador R0 inmutable y fricción conciliada con extractos oficiales. La metodología —qué se remuestrea (orden, bloques o trayectorias), semilla aleatoria, horizonte y modelo de capital— se establece en el artículo 15.4. Dos salvedades: primero, los porcentajes simulados dependen directamente del tamaño asignado; «como el percentil 95 del DD máximo es 18%, el riesgo del 1% es seguro» es razonamiento circular. La simulación muestra qué caídas produce una distribución R concreta con un tamaño concreto. Segundo, reordenar operaciones históricas no genera pérdidas individuales mayores que el peor valor atípico de la muestra. Nuevos riesgos de cola deben someterse a escenarios estructurales, no a permutaciones aleatorias.

Ficha de control de métricas — Definiciones, denominadores y límites

Referencia maestra completa de las métricas de esta guía. La última columna es crucial: separa medición rigurosa de exageración promocional y es la más ignorada por los minoristas.

9. Herramientas: Edgewonk, Myfxbook, FX Blue, Excel/Notion propio

El software no crea un diario exitoso. Un Excel llevado con disciplina supera una plataforma cara abandonada a las dos semanas. Pero la elección importa: una herramienta inadecuada crea fricción excesiva que erosiona la constancia o no muestra las métricas diagnósticas necesarias.

Comparativa de herramientas principales

Qué no registran las herramientas populares

La gran mayoría de herramientas comerciales omite parámetros cruciales de calidad de la decisión: estado psicológico, horas de sueño y cumplimiento de las reglas al final del día. Deben implementarse mediante etiquetas personalizadas o registrarse en una hoja paralela. Sin registros cualitativos no puedes determinar si la fatiga física o la agitación emocional se correlacionan con un rendimiento inferior de la estrategia: es una cuestión empírica que solo puedes resolver con tu propio conjunto de datos; la fuente no aporta estadísticas públicas que establezcan esa correlación entre diarios de traders minoristas. Los registros de ejecución del bróker por sí solos no captan esta realidad.

Cuándo Excel propio supera al software comercial

• Métricas propias con datos macro externos — por ejemplo, «setup válido si VIX < 18 y ratio put/call CBOE > 1.1». Aunque el proveedor anuncia categorías de etiquetas y personalización completa (comprobado: 2026-09-07, edgewonk.com/pricing), las fórmulas dinámicas con fuentes macroeconómicas externas se construyen mucho mejor en una hoja.
• Arquitecturas de estrategia multiactivo — verifica soporte entre mercados antes de elegir: el precio comercial anuncia compatibilidad multimercado (comprobado: 2026-09-07, edgewonk.com/pricing). El argumento principal de un libro propio sigue siendo el control íntegro de cada definición de fórmula y denominador.
• Ajustes complejos del múltiplo de R — como correlación de cartera o clasificación A+/B/C con metodología propia, donde las fórmulas permiten total flexibilidad de modelización.

Secuencia óptima de implantación

El proceso de implantación es universal, independientemente del capital: primero establece el hábito de registrar manualmente en una hoja; después automatiza la capa de ejecución mediante importaciones CSV de extractos del bróker; y por último invierte en software analítico especializado. Mejorar el software antes de adquirir el hábito no consigue nada: las herramientas no generan disciplina, solo amplifican los hábitos existentes. La adaptación del proceso analítico a tu horario personal (preparación matinal, revisión posterior a la sesión y auditoría del fin de semana) se detalla en el artículo 15.5; para el diario es innegociable anotar los 29 campos el día de ejecución y conciliarlos semanalmente con extractos oficiales.

10. Proceso de análisis del diario — Diario, semanal, mensual y trimestral

Un diario sin revisión sistemática es una base de datos dormida. La revisión tiene cuatro niveles: diario, semanal, mensual y trimestral; los tres primeros pertenecen al diario. El cuarto es una auditoría estratégica formal regida por el artículo 15.10: el diario aporta datos empíricos y allí se decide retirar setups. Cada nivel responde a preguntas concretas con un presupuesto de tiempo.

Ritmo diario — 5 minutos tras la sesión

Objetivo: capturar datos brutos sin adornos mientras la memoria operativa está fresca.

• Anota todas las operaciones ejecutadas y sus 29 campos (extractos más métricas cualitativas).
• Asigna clasificación de error (categoría 0–10).
• Puntúa la calidad decisional (1–5) rigurosamente y separada del PnL.
• Anota el sueño si se omitió por la mañana: es un dato objetivo previo fácilmente recordable por la noche. El estado psicológico es la excepción crucial: regístralo antes de ejecutar o deja el campo vacío. Si lo puntúas por la noche con resultado conocido, márcalo retrospectivo. De otro modo, la supuesta correlación estado/resultado mide el recuerdo del resultado, no el estado previo a entrar.
• Anota una frase contextual breve: «Londres algo más tranquilo; NFP fue ayer».

Registrar el mismo día es requisito operativo de integridad. Tras 72 horas no reconstruyes con precisión la disciplina emocional al entrar; tras una semana, la memoria convierte apuestas improvisadas en «setups técnicos sólidos» para justificar lo conocido. Esa es la ilusión que se busca eliminar; registrar tarde la convierte en datos corruptos.

Ritmo semanal — 30 minutos el domingo por la noche

Objetivo: diagnóstico conductual a corto plazo y cumplimiento de estrategia la semana previa.

• Cuenta operaciones por setup y categoría (A+, A, B, C).
• Calcula la suma semanal de múltiplos de R netos (R acumulada semanal).
• Cuenta errores por categoría: ¿dominó alguno la semana?
• Calcula calidad decisional media: ¿bajó de 3.5? (Alarma inmediata.)
• Evalúa correlaciones: ¿qué retornos hubo en días con estado psicológico < 3?
• Escribe un párrafo estructurado sobre lo que reveló la semana de disciplina y ajuste al régimen.

La revisión semanal detecta pronto desvíos: «el miércoles hice cuatro operaciones, todas fuera del playbook A, puro FOMO tras un mal lunes». Reconocer patrones semanalmente permite corregir antes de que los malos hábitos destruyan permanentemente el capital.

Ritmo mensual — 60 minutos el primer fin de semana

Objetivo: calcular métricas completas y evaluar el mes frente a las referencias de largo plazo.

• Calcula todas las métricas: acierto, esperanza neta, factor de beneficio, Sortino, drawdown máximo y factor de recuperación.
• Prepara tabla por setup: recuento, R media y esperanza neta.
• Dibuja la curva mensual y compárala con trayectorias esperadas de Monte Carlo.
• Inspecciona dispersión MAE/MFE: ¿entrada precisa o exceso de beneficio cedido por seguimiento prematuro?
• Audita errores: aísla las 3 categorías principales del mes y diseña salvaguardas específicas de conducta.
• Analiza correlaciones: falta de sueño frente a R neta, estado mental inferior a 3 frente a resultados.
• Redacta un informe ejecutivo mensual de una página para ti.

Esta revisión mensual —haya ganancias o pérdidas— es la única verificación objetiva de si mejoras o disfrutas de varianza favorable. Elimina excusas: muestra si se perdió por invalidación del setup, horario, par, mal tamaño o infracciones deliberadas de ejecución.

Ritmo trimestral — Aportar datos empíricos a auditorías estratégicas

El trimestre es un nivel de decisión operativa, no solo medición. La arquitectura formal —filtros por etapas, criterios de retención, degradación de categoría y revisión del playbook— se establece en el artículo 15.10. Tu diario aporta cuatro recursos concretos a esa auditoría: una relación conciliada de todas las operaciones, tablas segmentadas por setup y versión (tamaño de muestra n, R media e intervalos de confianza), la proporción de operaciones con códigos de error distintos de cero y el lastre total de fricción en R. Si falta cualquiera de los cuatro elementos, la auditoría no puede continuar: la única conclusión legítima de un diario incompleto es que los datos de rendimiento no están verificados.

Tabla resumen — Revisión del diario en cuatro frecuencias

Adaptar el proceso a tu estilo de vida

Los presupuestos se expresan en minutos dedicados, no en horas rígidas del día. Integrarlos con empleo a tiempo completo, trading profesional o swing de pocas operaciones mensuales, junto a calendario semanal y herramientas diarias, se desarrolla en el artículo 15.5. Para el diario hay una regla innegociable: registrar campos cualitativos el día de ejecución, el estado mental antes de entrar como se indicó y calidad decisional y errores a sus horas de revisión. Reconstruir días después produce racionalización retrospectiva sin rigor, no datos objetivos.

Señales del diario y decisiones de retirar sistemas

El mayor error tras un trimestre perdedor es sustituir la estrategia en vez de eliminar errores de ejecución, o aferrarse a un setup roto tras un cambio estructural de régimen. Decidir si reparar sistema o ejecución corresponde al artículo 15.10. El diario separa capas: resultado financiero; cumplimiento (errores y calidad); fricción (deslizamiento y lastre); y versiones del playbook. Un trimestre perdedor con 50% de operaciones con errores no nulos no revela ventaja estratégica: demuestra fallo de ejecución. Evalúa primero esta jerarquía: es la contribución completa e indispensable del diario a decisiones que no toma solo.

Definir R por operación no la convierte en retorno periódico de cartera. Mean(R)/std(R) multiplicado por la raíz del recuento es una escala mecánica de una estadística R, no automáticamente Sharpe anual de cuenta. Comparar fondos exige periodos de retorno, referencias y supuestos de riesgo y dependencia coherentes. La guía de FX Blue Publisher EA describe CalculateMAEandMFE y limitaciones del historial; comprueba resultados con datos de control.