¿Qué son los datos históricos en forex?
Los datos históricos en forex son un registro de observaciones pasadas sobre precios de divisas y campos de mercado relacionados a lo largo del tiempo. Se utilizan para describir lo que ocurrió anteriormente y para respaldar análisis como comparar períodos de tiempo o probar cómo podría haberse comportado un método.
Un modelo mental útil es: tienes una secuencia de valores con marcas de tiempo, y quieres reproducir cómo las decisiones se asignarían a esos valores. Por lo tanto, los datos históricos no son “un pronóstico”. Son un conjunto de datos de entrada para comprender el comportamiento pasado o para verificar la sensibilidad de un método a los supuestos.
Cómo se producen y qué suelen contener
Los conjuntos de datos históricos se construyen típicamente a partir de flujos brutos (observaciones de mercado en vivo) que se capturan y luego se almacenan. Dependiendo de la fuente de datos y el nivel de detalle, los datos históricos pueden incluir:
- Bid y ask (precios bilaterales)
- Precio medio (un valor derivado que a menudo se calcula a partir del bid/ask)
- Apertura, máximo, mínimo, cierre (OHLC) para intervalos de tiempo fijos (por ejemplo, barras de un minuto)
- Volumen o recuentos de ticks (la disponibilidad varía)
- Marcas de tiempo y convenciones de zona horaria
Dos distinciones son importantes para la corrección:
- Granularidad temporal: los datos de ticks (marcas de tiempo muy finas) difieren de los datos de barras (valores resumidos por intervalo).
- Precios vs. ejecuciones: los precios de mercado muestran lo que se cotizó; las ejecuciones muestran lo que una operación realmente obtendría después de reglas como tipo de orden, deslizamiento y spread.
El flujo de trabajo básico: entradas → salidas de simulación
Un flujo de trabajo común de “datos históricos” para análisis o backtesting utiliza una secuencia simple:
- Elige el conjunto de datos: selecciona un símbolo (par de divisas), un rango de tiempo y una granularidad (ticks o barras).
- Define lo que calcularás: por ejemplo, rendimientos a lo largo del tiempo, reducciones en una curva de capital simulada, o recuentos de ganancias/pérdidas bajo reglas.
- Especifica un modelo de ejecución: debido a que solo tienes cotizaciones pasadas, cualquier simulación basada en operaciones debe decidir cómo se llenan las órdenes. Las categorías de supuestos comunes incluyen:
- Usar el precio medio vs. bid/ask al entrar y salir
- Aplicar un spread (fijo o variable en el tiempo)
- Modelar el deslizamiento (la diferencia entre el precio previsto y el recibido)
- Agregar costos de transacción (comisiones/tarifas)
- Ejecuta la asignación: avanza a través del tiempo, aplica tu lógica de decisión a la secuencia histórica y genera operaciones o señales simuladas.
- Resultados de salida: las salidas son puramente el resultado de tus supuestos y asignación elegidos, como una serie temporal de posiciones simuladas, estadísticas agregadas o medidas de error frente a un punto de referencia.
Punto clave: los datos históricos proporcionan la línea de tiempo y los valores; el modelo de ejecución proporciona el puente hacia “lo que habrías operado”. Si ese puente es vago o poco realista, las salidas pueden volverse engañosas.
Evidencia mediante ejemplo (con supuestos explícitos)
Considera un escenario simple con datos de barras.
- Conjunto de datos: barras OHLC para un par de divisas en un intervalo de 1 minuto.
- Supuesto A: entras en la apertura de la barra cuando se detecta una condición al inicio de la barra.
- Supuesto B: sales en el cierre de la siguiente barra.
- Supuesto C: los spreads se ignoran (o se asumen como cero), y no hay costos.
Usando estos supuestos, puedes calcular una secuencia de rendimientos de posiciones simuladas a partir de los valores OHLC. Si cambias solo el Supuesto A para entrar en el cierre de la barra en lugar de la apertura, los resultados simulados cambiarán, aunque el conjunto de datos históricos sea el mismo.
Esto ilustra una verificación general: intenta cambiar un supuesto a la vez (manejo del spread, momento de ejecución, costos) para ver si las conclusiones son sólidas o frágiles.
Limitaciones materiales y modos de fallo
Los datos históricos pueden ser útiles, pero varios problemas pueden afectar la fiabilidad:
1) Calidad de datos e información faltante
Los registros históricos pueden tener lagunas, marcas de tiempo duplicadas, zonas horarias inconsistentes o diferentes estados de mercado en la muestra. Si tu análisis requiere continuidad, los datos faltantes pueden distorsionar la línea de tiempo calculada.
2) Efectos de supervivencia y selección
Si seleccionas períodos que “parecen relevantes” después de ver los resultados, puedes construir accidentalmente un conjunto de datos que sesgue los resultados. Incluso sin “hacer trampa” intencionalmente, repetir un patrón que aparece solo en un régimen determinado puede crear una ilusión de estabilidad.
3) La brecha entre cotización y operación (spread, deslizamiento y costos)
Debido a que las cotizaciones históricas no equivalen automáticamente a los llenados de operaciones, un modelo de ejecución es esencial. En la práctica, los spreads y el deslizamiento pueden variar, y los costos pueden ser no triviales.
Si asumes llenados ajustados pero los llenados reales son peores, los resultados simulados pueden sobreestimar el rendimiento.
4) No estacionariedad de las relaciones
Las condiciones del mercado forex pueden cambiar con el tiempo. Las relaciones estadísticas que aparecen en el pasado pueden no mantenerse después. Los datos históricos pueden mostrar patrones de correlación, pero no pueden garantizar que persistan.
5) Sobreajuste al ruido
Cuando un método se ajusta repetidamente a un conjunto de datos históricos, puede capturar ruido en lugar de una propiedad general. El resultado puede verse fuerte dentro de la muestra pero ser poco fiable con datos nuevos.
Cómo verificar los hechos de forma independiente (sin implicar resultados)
Puedes verificar la mecánica central del análisis de datos históricos mediante autocomprobaciones:
- Confirma definiciones: ¿Qué representan exactamente “apertura”, “máximo”, “mínimo”, “cierre” o “tick” en tu conjunto de datos (y qué marca de tiempo se utiliza)?
- Audita transformaciones: si se proporcionan el precio medio o campos derivados, verifica cómo se calcularon a partir del bid/ask (si corresponde).
- Prueba el modelo de ejecución: repite los cálculos bajo supuestos alternativos y claramente establecidos sobre spread y costos.
- Compara granularidades: verifica si las conclusiones difieren entre datos basados en ticks y datos basados en barras.
- Usa evaluación fuera de muestra: divide la línea de tiempo en períodos separados y compara el comportamiento entre ellos, recordando que esto aún depende de los supuestos.
Una mentalidad de verificación te ayuda a separar lo que los datos históricos respaldan directamente (valores pasados y reproducción bajo supuestos explícitos) de lo que no pueden garantizar (comportamiento futuro).