La Maximum Adverse Excursion (MAE) es la métrica de backtest que mide el peor retroceso de precio contra una posición entre la entrada y el cierre, permitiendo calibrar científicamente la colocación del stop loss. A diferencia de los métodos empíricos (X pips fijos, X ATR uniformes para todos los trades), la MAE se basa en el comportamiento real de tu estrategia probada en datos históricos. El resultado son stop losses adaptados a la volatilidad efectiva de cada configuración, ni demasiado ajustados (salida prematura) ni demasiado amplios (riesgo excesivo).
Según la ESMA (Autoridad Europea de Valores y Mercados), entre el 74 y el 89% de las cuentas de clientes minoristas pierden dinero al operar con CFDs, con pérdidas medias por cliente que oscilan entre 1.600 EUR y 29.000 EUR según el país. Una parte significativa de estas pérdidas se debe a stop losses mal calibrados: demasiado ajustados, cierran trades que habrían sido rentables; demasiado amplios, dejan correr pérdidas innecesariamente. La MAE ofrece una respuesta metodológica a este problema.
¿Qué es la Maximum Adverse Excursion (MAE)?
Definición: el peor movimiento adverso antes del cierre
Para cada trade de tu backtest, la MAE responde a una pregunta sencilla: ¿hasta dónde fue el precio en mi contra antes de que se cerrara la posición?
Ejemplo concreto en un trade long (compra):
- Entrada: 1,2000 (compra EUR/USD)
- Precio mínimo alcanzado durante el trade: 1,1950
- Salida (take profit): 1,2080
- MAE de este trade: 50 pips (o el 0,42% del precio de entrada)
Aunque este trade terminó en beneficio, el precio retrocedió 50 pips en algún momento. Si tu stop loss hubiera estado colocado a 45 pips, habrías sido sacado del trade antes de que el precio revirtiese hacia el take profit.
La MAE puede expresarse en puntos, pips, unidades de moneda o como porcentaje del precio de entrada. La expresión en porcentaje es preferible para comparar trades en distintos activos o períodos de volatilidad variable.
Fórmula para un trade long:
MAE = (Precio de entrada - Precio mínimo alcanzado durante el trade) / Precio de entrada x 100
Fórmula para un trade short:
MAE = (Precio máximo alcanzado durante el trade - Precio de entrada) / Precio de entrada x 100
Datos OHLC necesarios
El cálculo de la MAE requiere datos OHLC (Open, High, Low, Close) de cada vela durante la duración del trade. El precio mínimo (o máximo para un short) corresponde al menor (o mayor) valor en todas las velas entre la entrada y la salida. Un backtest sin datos OHLC precisos subestimará la MAE real y producirá stop losses mal calibrados.
Diferencia con el drawdown máximo
La MAE se distingue del drawdown máximo, que es una métrica global de la estrategia:
| Métrica | Alcance | Unidad | Uso principal |
|---|---|---|---|
| MAE | Por trade individual | Pips, %, moneda | Calibrar el stop loss de una entrada |
| Drawdown máximo | Secuencia de trades (cartera) | % del capital | Evaluar la resiliencia global de la estrategia |
| MAE mediana | Todos los trades del backtest | %, pips | Establecer el parámetro de stop loss por defecto |
| MAE percentil 90 | 90% de los trades del backtest | %, pips | Umbral de stop loss conservador |
El drawdown mide el declive acumulado del capital en una serie de trades perdedores consecutivos. La MAE mide el retroceso intra-trade de una posición individual. Ambas métricas son complementarias y deben analizarse conjuntamente en cualquier backtest riguroso. Para profundizar en las métricas globales del backtest, consulta nuestra guía sobre expectancy y profit factor.
Cómo calcular la MAE en tus trades
Fórmula y datos necesarios (OHLC histórico)
Calcular la MAE requiere acceso a los datos de precio intra-trade: la serie de velas entre el momento de entrada y el de salida de cada posición.
Datos necesarios por trade:
- Hora y precio exactos de entrada
- Hora y precio exactos de salida
- Para cada vela entre entrada y salida: Open, High, Low, Close
Para un backtest diario en velas H4, 10 trades representan una media de 10 x 6 velas = 60 velas a procesar para calcular los 10 valores individuales de MAE. En estrategias intraday con cientos de trades, esto significa miles de velas a procesar. Backtrex automatiza completamente este cálculo durante la ejecución del backtest. Explora las funcionalidades de análisis en la página de características de Backtrex.
MAE por trade: lectura del gráfico de dispersión
La visualización clave del análisis MAE es el gráfico de dispersión (scatter plot), que muestra para cada trade:
- Eje X: la MAE del trade (retroceso máximo, en %)
- Eje Y: el resultado final del trade (beneficio o pérdida, en %)
Este gráfico revela de inmediato un patrón esencial: ¿los trades ganadores se agrupan con MAE baja (no retroceden mucho antes de progresar), o algunos experimentan retrocesos significativos antes de revertir?
Lectura del gráfico:
Caso 1: los trades ganadores se concentran con MAE baja (0 a 0,5%) y los perdedores tienen MAE alta. Señal de que tu estrategia genera trades limpios, con pocos falsos arranques. Un stop loss ajustado al 0,6-0,8% sería coherente.
Caso 2: los trades ganadores se extienden hasta MAE de 1 a 2% antes de revertir. Colocar un stop loss al 0,5% cerraría una proporción significativa de estos trades ganadores prematuramente.
Usando la MAE para optimizar los stop losses
Identificando el umbral óptimo de stop loss
El enfoque MAE para definir el stop loss óptimo sigue una lógica clara por etapas:
Backtest sin stop loss restrictivo
Analizar la distribución MAE de los ganadores
Añadir un margen de seguridad
Validar con un nuevo backtest
Comparar el profit factor antes y después
Evitando stop losses demasiado ajustados
Un stop loss demasiado ajustado es uno de los errores más costosos en trading. Generalmente surge de la intuición (el trade debe ganar rápidamente) o de una restricción arbitraria (nunca más de X pips). La MAE revela exactamente cuánto cuesta esa intuición en la práctica.
Si tus trades ganadores tienen una MAE mediana del 1,2% y tu stop loss está colocado al 0,8%, estás potencialmente cerrando alrededor del 50% de tus trades ganadores antes de que alcancen su objetivo. En 100 trades con una tasa de acierto teórica del 55%, un stop demasiado ajustado puede reducir esa tasa al 35% en condiciones reales.
Para profundizar en los errores clásicos de backtesting, consulta nuestra guía sobre errores comunes en el backtesting.
El ratio MAE/MFE: midiendo la asimetría
La MFE (Maximum Favorable Excursion) es el complemento de la MAE: mide la ganancia máxima alcanzada por la posición antes de su cierre. El ratio MAE/MFE revela la calidad de tus entradas y salidas:
Ratio MAE/MFE inferior a 1 (ideal): el trade avanza más de lo que retrocede. La calidad de entrada es buena y el timing es correcto.
Ratio MAE/MFE cercano a 1: el trade retrocede tanto como avanza. El ruido del mercado es alto o la entrada es menos precisa.
Ratio MAE/MFE superior a 1: el trade retrocede más de lo que avanza. Señal de que el take profit se alcanza demasiado pronto o la entrada tiene un timing inadecuado.
Un ratio MAE/MFE bajo en todos los trades ganadores indica que tu estrategia generalmente entra en buenas condiciones. Por el contrario, un ratio alto sugiere ampliar el stop y revisar la lógica de entrada.
MAE/MFE y gestión dinámica del stop
Analizar la MFE también revela oportunidades para mover el stop a breakeven o aplicar un trailing stop. Si tus trades ganadores alcanzan de media un 2% de MFE antes de retroceder al 0,8% de MAE, puedes mover tu stop a breakeven una vez que la posición alcance el +1,5%, sin perder estadísticamente trades rentables.
Análisis MAE con Backtrex
Backtrex automatiza el cálculo y la visualización de la MAE en cada backtest, sin manipulación externa de datos ni hojas de cálculo.
Para los traders que buscan cuentas financiadas, las reglas de drawdown de los desafíos prop firm imponen restricciones estrictas: el desafío FTMO exige un drawdown diario máximo del 5% y un drawdown total máximo del 10% del capital inicial. Optimizar los stop losses mediante la MAE es indispensable para mantenerse dentro de esos límites mientras se maximizan las oportunidades.
La interfaz Backtrex muestra de forma nativa el gráfico de dispersión MAE frente al resultado final, con código de colores por estado (trade ganador en verde, perdedor en rojo). De un vistazo, identificas el agrupamiento de trades ganadores y su MAE máxima, los valores atípicos (trades ganadores con MAE alta, excepciones estadísticas) y la separación estadística entre trades ganadores y perdedores según la MAE.
Para profundizar en el análisis de tus estrategias, explora también nuestras guías sobre optimización del ratio riesgo/recompensa en backtesting y construcción de estrategias robustas que resisten el overfitting.
Important Risk Warning
Conclusión
La Maximum Adverse Excursion transforma una decisión intuitiva (¿dónde poner el stop loss?) en una decisión basada en datos, fundamentada en el comportamiento histórico de tu estrategia. Al analizar el peor retroceso de precio de tus trades ganadores, identificas un umbral objetivo por debajo del cual tu estrategia raramente cae antes de avanzar hacia el beneficio. Añade un margen del 20 al 30%, y tu stop loss se convierte en algo estadísticamente defendible, no solo intuitivo. Prueba el análisis MAE en tu próxima estrategia en Backtrex y mide el impacto en tu profit factor.
La MAE mide el peor movimiento de precio desfavorable sufrido por una posición entre su entrada y su cierre, tanto si el trade termina en beneficio como en pérdida. Representa el retroceso máximo experimentado en cada trade individual. Analizada como distribución en todos los trades ganadores de un backtest, identifica el umbral por debajo del cual las posiciones rentables generalmente no caen, permitiendo calibrar científicamente la colocación del stop loss.
Trazando el gráfico de dispersión MAE de todos tus trades ganadores de un backtest, identificas el retroceso histórico máximo antes de la reversión. Coloca tu stop loss en el percentil 90 de esa distribución, y añade un margen del 20 al 30% para absorber fluctuaciones excepcionales. Ese stop será estadísticamente coherente con el comportamiento real de tu estrategia en datos históricos.
La MAE (Maximum Adverse Excursion) mide el peor retroceso contra tu trade; la MFE (Maximum Favorable Excursion) mide la ganancia máxima alcanzada antes del cierre. Juntas, ambas métricas definen la calidad de tus entradas y salidas. Un ratio MAE/MFE bajo (el trade avanza mucho más de lo que retrocede) señala una buena calidad de entrada y permite considerar un stop loss más ajustado.
El análisis MAE es particularmente eficaz para estrategias de tendencia y entradas en ruptura, donde los trades ganadores tienen un momentum direccional claro tras la entrada. Es menos discriminante para las estrategias de reversión a la media, donde los trades saludables frecuentemente retroceden de forma significativa antes de progresar. En ese caso, analizar la MAE por tipo de configuración específica es más relevante.
Se necesitan un mínimo de 50 a 100 trades ganadores para que la distribución MAE sea representativa. Por debajo de 30 trades, el percentil 90 es demasiado sensible a los valores atípicos. Cuantos más trades, más estable será el umbral de MAE calculado y más transferible a las condiciones futuras. Backtrex permite realizar backtesting en varios años de datos para alcanzar estos umbrales de significancia estadística.
La MAE no es predictiva en sentido estricto: describe el comportamiento pasado de tu estrategia. Proporciona una base estadística para dimensionar el stop loss, pero no garantiza que los trades futuros sigan la misma distribución de retroceso. Debe complementarse con pruebas de robustez (forward testing, Monte Carlo) para validar su relevancia fuera de los datos de entrenamiento. Consulta nuestro artículo sobre backtesting robusto sin overfitting para saber más.
Backtrex calcula la MAE de cada trade recorriendo los datos OHLC vela a vela entre el momento de entrada y de salida de la posición. Para cada trade long, registra el precio mínimo alcanzado y calcula el retroceso como porcentaje del precio de entrada. Para un trade short, registra el precio máximo. Este cálculo ocurre automáticamente durante la ejecución del backtest, sin manipulación externa de datos.