Evidencia › Acierto o ratio riesgo/beneficio

Porcentaje de acierto o ratio riesgo/beneficio: cuál decide

Por Seth Pacheco · actualizado el 21 de agosto de 2026

Es la misma discusión de siempre, y ya la viviste desde adentro. Un lado dice que hay que acertar mucho. El otro dice que con acertar poco alcanza, si las ganancias son grandes. Tú ya probaste las dos versiones, ya perdiste dinero con las dos, y con las dos te quedaste con la sensación de que alguien te vendió solo la mitad de la cuenta.

La pregunta está mal planteada. Acierto y ratio no compiten: son las dos mitades de una misma cuenta. Lo que decide es dónde cae tu porcentaje de acierto respecto del break-even de tu propio ratio, y cuántos puntos te sobran por encima de esa línea. Esa sobra tiene un número, y es el número que decide.

¿Qué porcentaje de acierto necesito para no perder dinero?

Hay una línea por debajo de la cual ningún porcentaje de acierto te salva. El break-even es el porcentaje de aciertos que necesitas solo para no perder, dados tu objetivo y tu stop. Se calcula así: break-even = 1 / (1 + R), donde R es la parte de recompensa de tu ratio.

Con un ratio de 1:0.8 son 55.5%. Con 1:0.6, 62.5%. Con 1:2, 33.3%.

Por eso el mismo 40% de aciertos —el número que a lo mejor te hizo pensar que no servías para esto— es ruinoso con un ratio y holgado con el otro. El número solo no dice nada: dice algo contra su propia línea. Tu margen es el win rate menos ese break-even, y es la cifra que hay que mirar. Es también la que mata modelos que se ven sanos.

Nuestra especificación previa pide un margen de al menos +5 puntos de win rate sobre el break-even, con win rate entre 55% y 70% y R:R nominal entre 1:0.5 y 1:1. Eso es especificación, no resultado medido: se aplica antes de escribir una línea de código, para decidir si una idea se implementa o no. El procedimiento completo está en cómo calculamos el riesgo desde el backtest.

¿Por qué el margen mata antes que el porcentaje de acierto?

Un candidato nuestro estuvo cerca de engañarnos. Acertó cuatro criterios de forma a la vez: win rate 63.4%, R:R 1:0.6, 131 operaciones al año y concentración del 10% mejor de operaciones —medida sobre el P&L de la señal— en 116%. Sobre el papel, un modelo de acierto alto y sano. Murió igual. El break-even de ese ratio es 62.5%, así que su margen era de +0.9 puntos. El modelo de referencia de la casa —investigación interna, no uno de los modelos que entregamos— tiene +6.5. Esa medición va sobre el micro del Nasdaq, de mayo de 2019 a julio de 2026.

Y aquí está la parte que ordena la discusión. Otro modelo de investigación nuestro, sin ninguna relación con el primero, sobre el micro del oro y a ratio opuesto —win rate 34.2% a 1:2, break-even 33.3%— murió con exactamente el mismo +0.9. Su ventana es otra: enero de 2020 a julio de 2026, el periodo común con ese contrato. Los dos márgenes coinciden, pero no están medidos sobre los mismos años, y por eso se leen como dos casos, no como una serie.

Dos modelos que no comparten nada, uno de acierto alto y otro de acierto bajo, con el mismo modo de muerte. Forma correcta y nivel insuficiente. Ninguno murió por su porcentaje de acierto ni por su ratio: murieron por lo poco que les sobraba encima de su línea. Y una precisión que va pegada, porque cambia lo que significa "murió": lo refutado es meterlos en ese desafío concreto, no los modelos en sí. En otra estructura de cuenta —drawdown grande, sin desafío— la respuesta puede ser otra. Si alguna vez tiraste un sistema porque "el porcentaje de acierto no daba", puede que hayas medido la mitad equivocada.

¿Se puede elegir el porcentaje de acierto?

Esta es la segunda corrección, y suele doler más. A ratio fijo, el win rate lo entrega el mercado, no tú. Decir "voy a operar con 65% de aciertos" no es una decisión: es una predicción sobre lo que ese objetivo y ese stop van a producir.

Lo medimos sobre cuatro estrategias reales de la casa, entre 2024 y 2026, evaluando las mismas señales a cada ratio para que lo único distinto fuera el objetivo. Este estudio excluyó deliberadamente las reglas de las cuentas de fondeo: es sostenibilidad estadística pura.

Sostener el 39% a 1:2 salió del orden de 6 veces más probable que sostener el 65% a 1:0.8. No es magia: un acierto alto vive en la cola de la distribución y uno bajo vive cerca del centro.

Hay una equivalencia que usamos para enseñar esto. Un 35% de aciertos a 1:2 produce una expectativa prácticamente igual a un 58% a 1:0.8, del orden de $44 por cada $1,000 arriesgados —cifra aproximada, de fuente interna y antes de comisiones—. Misma expectativa, sostenibilidad muy distinta: ese 35% implica rachas de 5 a 7 pérdidas seguidas como rutina. Cinco pérdidas seguidas no rompen el modelo: rompen a quien lo opera. Ahí es donde tú te sales del sistema antes de que el sistema falle.

Y hay una forma de saber si tu 1:2 es real o te lo está pagando el reloj. Cuando un ratio amplio se cobra con objetivos limpios —poca proporción de operaciones cerradas al final de la sesión— el stop es estructural y la palanca del 1:2 es genuina. Si la proporción de cierres por fin de sesión es alta, esa ganancia es frágil: la produce el reloj, no el modelo.

¿Cambia la respuesta dentro de una cuenta de fondeo?

Todo lo anterior mide el mercado. Una cuenta de fondeo no es el mercado: es un producto con reglas, y el producto cobra distinto. Castiga la varianza, y ahí el ratio amplio deja de ser gratis. Si ya operaste una cuenta con trailing, esto lo viviste sin ponerle nombre: la operación que te dio la razón tarde te costó la cuenta igual.

En 670,000 simulaciones Monte Carlo sobre una cuenta con trailing drawdown de $2,000, tope de retiro de $2,000 por cobro y mínimo de 5 días positivos, el óptimo cae en el rango 1:0.6-1:0.8, con empate estadístico entre los tres valores. El mecanismo se ve al comparar el brazo de 1:0.7 contra el de 1:3.5 dentro de esa misma ventana simulada. No es que el ratio amplio gane menos por operación: es que llega menos veces al cobro.

Los dos brazos no son el mismo sistema con distinto objetivo: cada uno corre con su propio win rate fijo dentro del simulador. Eso es parte del montaje, y está declarado abajo como limitación.

Ese trabajo tiene su propia página, con las tablas completas: por qué un R:R alto retira menos en cuentas de fondeo. Tres cosas de ahí van pegadas a cualquier cita. El multiplicador de dinero retirado es 6-9x, no 9x —el ratio corto retira entre seis y nueve veces lo del ratio largo—, y el 34% de inflación del extremo alto sale de un factor de ajuste elegido por nosotros, no de algo observado. Para que 1:2 superara a 1:0.8 dentro de fondeo haría falta una ventaja de 28.5% por operación, cuando los mejores hedge funds sostienen entre 1% y 3%. Y todo el resultado está amarrado a unas reglas concretas: cuando la firma cambia las reglas, la respuesta caduca y hay que volver a medir.

¿Entonces qué hago: apunto al acierto o al ratio?

La respuesta honesta es que depende de dónde operes, y las dos mediciones no se mezclan ni se restan. Fuera de las reglas de un producto de fondeo, un acierto bajo con ratio amplio es más fácil de sostener. Dentro de esas reglas, el ratio corto retira más. La segunda medición matiza a la primera, no la contradice: una excluyó las reglas de prop-firm y la otra las tiene como objeto de estudio.

Y hay algo que no cerramos. El rango 1:0.6-1:0.8 arrastra una contradicción interna abierta desde el 15-ago-2026, y nuestra propia documentación ordena resolverla antes de volver a citarlo como regla general. Sobre otro motor de fondeo y otro modelo propietario, subir el ratio no mejora el negocio en 36 de 36 celdas y 0 de 80 celdas del barrido pasan el gate; pero bajarlo al rango óptimo tampoco gana ahí, y por debajo de un ratio justo por debajo de 1:0.8 el desafío se vuelve infactible. Con un matiz que nos obliga a decir esa misma documentación: ese "1:1" es una etiqueta, no un ratio alto. Medido sobre las operaciones de ese modelo que llegan a su objetivo, el ratio que de verdad se realiza es 0.470 —más cerca del rango corto que de su opuesto—. Mientras la tensión no se resuelva, el rango es un resultado de contexto y no una ley, y preferimos publicarlo así. Así que el siguiente paso no es elegir bando: calcula el break-even de tu ratio, réstaselo a tu win rate real y mira cuánto te sobra. Ese número, y no el debate, te dice si tienes un modelo o una etiqueta.

Lo que esto NO dice

• No dice que el acierto bajo sea mejor, ni que el acierto alto lo sea. Dice que la comparación útil no es entre ellos, sino entre tu win rate y el break-even de tu propio ratio.
• No dice que puedas fijar tu porcentaje de acierto. A ratio fijo lo entrega el mercado. En cuatro estrategias reales, 2024-2026, el objetivo de 65% a 1:0.8 no lo alcanzó ninguna.
• No dice que 39% a 1:2 sea más rentable dentro de una cuenta de fondeo. Ese estudio excluyó las reglas de prop-firm a propósito. Las dos cifras no se suman ni se restan.
• No dice que los dos modelos de +0.9 sean malos modelos. Dice que esa forma no cabe en ese desafío concreto. Y sus dos márgenes están medidos en ventanas distintas: coinciden, no se encadenan.
• No dice que el rango 1:0.6-1:0.8 sea una regla general. Tiene una contradicción interna abierta, declarada arriba y sin resolver.
• No dice cuánto vas a ganar. La rentabilidad absoluta depende de tus costes: el edge bruto de uno de esos brazos a 1:2 se vuelve negativo con un solo tick de deslizamiento. Solo el excedente de cambiar de ratio es invariante a los costes.
• "R:R negativo" no significa expectativa negativa. Es una etiqueta para un ratio menor a 1:1. La expectativa la determina la combinación de ratio y aciertos.
• No publicamos qué ratio ni qué win rate tiene cada modelo con nombre, ni objetivos, ni distancias de stop, ni tamaños.

Cómo medimos esto

• Especificación de forma y margen. No es un estudio: es un filtro de cinco dimensiones que declaramos antes de escribir código. Los dos casos de margen +0.9 se midieron en el motor de una cuenta de 50K con drawdown trailing de $2,000 y 130 sesiones de desafío, y en ventanas distintas: micro del Nasdaq, mayo 2019 a julio 2026; micro del oro, enero 2020 a julio 2026.
• Estudio de sostenibilidad. Eje: el ratio, con las mismas señales evaluadas a cada valor, de modo que lo único que cambia es el objetivo. Ventana: 2024-2026. Denominador: cuatro estrategias reales de la casa. Excluye deliberadamente las reglas de las cuentas de fondeo.
• Estudio de fondeo. Eje: el R:R, con el win rate fijo en cada corrida. Muestra: 670,000 simulaciones Monte Carlo = 31 valores de R:R x 10,000 corridas, más 15 valores x 12 tasas x 2,000. Entorno: trailing drawdown $2,000, tope de retiro $2,000 por cobro, mínimo de 5 días positivos, dos operaciones al día, horizonte de 90 días.
• Limitación que declaramos del segundo. Al mover el ratio con el win rate fijo, el barrido mide el edge con el nombre del eje. En un motor donde el win rate se mueve de forma endógena sobre recorridos reales de precio, recortar el objetivo alrededor de un 30% compró solo 5 puntos de aciertos, de 56.5% a 61.5%. El barrido asume más de lo que el mercado paga.
• Qué queda abierto. La contradicción interna del 15-ago-2026 sobre el rango óptimo, y con ella si el rango vale fuera del motor donde se midió. Nada de esto está demostrado sobre capital propio.