La respuesta honesta es que sí, se puede ganar dinero con el trading algorítmico. Solo que no de la manera en que la mayoría imagina.
El ecosistema MetaTrader: más que una plataforma de gráficos
MetaTrader no es simplemente un programa para ver velas japonesas. Detrás de MetaTrader hay mucho más que gráficos y velas. La plataforma integra su propio lenguaje de programación (MQL4 y MQL5), herramientas de backtesting, un mercado interno de algoritmos y conexión directa con cientos de brokers alrededor del mundo. No es casualidad que se haya convertido en la referencia del trading minorista: las estimaciones del sector apuntan a que más del 85% de los brokers de divisas y CFD la ofrecen como opción principal.
Un trader que utiliza un cfd broker integrado con MT5 puede, en teoría, automatizar estrategias en divisas, índices, materias primas y acciones sintéticas desde una misma interfaz, con latencias que en condiciones óptimas rondan los 50-100 milisegundos. No está mal para un usuario minorista.
85% de brokers retail usan MetaTrader. Más de 50.000 EAs en el Marketplace oficial. Entre el 70 y el 80% de los traders automáticos pierden dinero a largo plazo.
Lo que hacen los Expert Advisors
Los llamados Expert Advisors (EAs) son los robots que operan dentro de MetaTrader. Pueden ser tan simples como un cruce de medias móviles o tan complejos como sistemas que incorporan aprendizaje automático para ajustar parámetros en tiempo real. Dicho esto, y aquí viene el matiz que pocos mencionan, la mayor parte de los EAs disponibles en el mercado están sobreoptimizados para datos históricos. Funcionan de maravilla en el pasado. En el presente, ya es otra historia.
El backtesting es la trampa más elegante del trading algorítmico. Un algoritmo puede tener una tasa de éxito del 90% en datos históricos y perder dinero de forma consistente en vivo.
Vale la pena detenerse en esto un momento. Según un estudio de la firma de análisis Refinitiv publicado en 2022, solo el 13% de los sistemas automáticos que mostraban resultados positivos en backtesting durante tres años consecutivos lograban mantener rentabilidad real durante los doce meses siguientes. No es un fallo técnico; es un problema estructural. Los mercados evolucionan, y los datos históricos, por definición, no pueden anticipar lo que aún no ha ocurrido.
Dónde están las oportunidades reales (y los riesgos que nadie cuenta)
Seamos directos. Las estrategias que sí generan resultados consistentes en MetaTrader suelen compartir tres características que no tienen nada de glamuroso:
- Operan en timeframes cortos con lógica sencilla y bordes estadísticos pequeños pero repetibles.
- Incorporan gestión de riesgo dinámica, no posiciones fijas que ignoran la volatilidad del momento.
- Se revisan y reoptimalizan con cierta periodicidad. Los mercados cambian; un algoritmo de 2019 probablemente no sobrevive al régimen de volatilidad de 2024.
¿Y los riesgos? Pues bien, hay uno que es particularmente traicionero: el slippage. En condiciones de mercado normales, un EA puede ejecutar una orden con una desviación de 1-3 pips respecto al precio teórico. Durante una publicación de datos macroeconómicos relevante, como el NFP americano, esa desviación puede multiplicarse por diez. Una estrategia rentable en teoría se convierte en deficitaria por pura mecánica de ejecución.
El factor humano que los robots no eliminan
Hay algo que a menudo se pasa por alto en los debates sobre trading automático: los algoritmos no toman decisiones sobre qué estrategia usar, cuándo desactivar el sistema o cómo reaccionar ante un evento de cisne negro. Esas decisiones siguen siendo humanas. Vinicius Fernandes, investigador de mercados financieros en la Universidad de São Paulo, lo resume bien en su análisis de 2023 sobre sistemas automáticos: “La automatización desplaza el problema, no lo elimina. El trader pasa de gestionar posiciones a gestionar el propio algoritmo, lo cual requiere un nivel de comprensión técnica y estadística considerablemente mayor.”
¿Vale la pena desarrollar tu propio EA o comprar uno?
Esta es quizás la pregunta más práctica. Y la respuesta depende, como casi todo en trading, del perfil del usuario.
Desarrollar un EA propio en MQL5 tiene una curva de aprendizaje real. No es programación de alto nivel, pero sí requiere lógica de programación básica y un entendimiento sólido de la estrategia que se quiere implementar. A cambio, ofrece control total sobre la lógica, sin costes recurrentes y con la posibilidad de adaptar el sistema a condiciones cambiantes.
Comprar un EA en el Marketplace de MetaTrader, en cambio, es más inmediato pero mucho más arriesgado de lo que parece. Los vendedores suelen mostrar backtests impecables con curvas de equity casi perfectas. Lo que raramente muestran son los periodos de drawdown, las condiciones de mercado en que el sistema falla o los resultados auditados en cuentas reales. Exacto: la transparencia no es precisamente el fuerte del sector.
- Antes de comprar cualquier EA, solicitar resultados en cuenta real verificada (por ejemplo, a través de myfxbook con permisos de auditoría completos).
- Desconfiar de cualquier sistema que prometa rentabilidades mensuales superiores al 10% de forma consistente. No porque sea imposible, sino porque si fuera real y sostenido, no estaría a la venta por 99 euros.
Costes que el marketing no menciona
Un aspecto que conviene calcular antes de automatizar cualquier cosa: los costes operativos. Spreads, comisiones por operación, posibles swap overnight, el coste de un VPS para mantener el EA activo las 24 horas. Todo eso impacta directamente en el resultado. Una estrategia con una expectativa matemática positiva de 0,5 pips por operación puede convertirse en negativa si los costes totales superan ese umbral. Y ocurre más de lo que se admite.
Entonces, ¿se puede ganar dinero con el trading algorítmico en MetaTrader? Sí, se puede. Pero no de la manera pasiva y sin esfuerzo que sugieren ciertos foros y canales de YouTube. Los traders que realmente obtienen resultados consistentes en esta plataforma comparten algo: comprenden profundamente tanto los mercados como el código que los interpreta. No delegan su criterio en un robot; construyen herramientas que extienden ese criterio. La diferencia es sutil, pero en términos de resultados, es todo.
