Qué son los datos históricos (y por qué a menudo se malinterpretan)
Los datos históricos son un registro de observaciones pasadas que se utilizan para describir cómo se comportaron los precios o los rendimientos a lo largo del tiempo. En la práctica, el “mismo” historial puede significar cosas diferentes: ticks brutos, barras agregadas (por ejemplo, por minuto), series ajustadas (por ejemplo, acciones corporativas en otros mercados) o conjuntos de datos específicos del proveedor que ya aplicaron pasos de procesamiento. Un error común es tratar los datos históricos como un espejo directo y objetivo de “lo que realmente sucedió”, en lugar de una entrada procesada con reglas de construcción específicas.
Cómo ocurren los errores en los flujos de trabajo de datos históricos
1) Uso de definiciones inconsistentes del conjunto de datos
Un error frecuente es mezclar conjuntos de datos construidos con reglas diferentes, como una frecuencia de muestreo distinta, diferentes zonas horarias o diferentes métodos para manejar puntos faltantes. Si luego compara resultados entre estudios sin confirmar que la cuadrícula temporal subyacente y la limpieza de datos están alineadas, puede atribuir las diferencias al rendimiento de la estrategia en lugar de a la construcción del conjunto de datos.
2) Supuestos no declarados en los cálculos
Cualquier ejemplo que calcule rendimientos, reducciones o métricas de rendimiento depende de supuestos: cómo se forman las barras, cómo se asignan los tiempos de “entrada” y “salida” a los precios observados, y si se modelan spreads, comisiones o deslizamiento. Una verificación neutral es enumerar cada supuesto explícitamente antes de interpretar los resultados. Si alguien no puede reproducir el cálculo a partir de esos supuestos, la conclusión no es verificable.
3) Sesgo de look-ahead y fuga de datos
Otro modo de fallo importante es utilizar información que no habría estado disponible en el momento de la decisión. Esto puede ocurrir cuando las características se calculan utilizando puntos futuros, cuando el conjunto de datos se prepara de principio a fin antes de dividirlo en períodos de entrenamiento y prueba, o cuando las transformaciones incluyen accidentalmente datos futuros. Incluso sin ningún consejo de trading, el paso de verificación es asegurarse de que cualquier transformación utilice solo datos disponibles hasta el punto de predicción o decisión.
4) Sobreajuste al ruido pasado
Los datos históricos contienen aleatoriedad y efectos de microestructura del mercado. Un modelo o regla puede parecer exitoso porque coincide con peculiaridades del pasado en lugar de relaciones estables. La consecuencia es una mala generalización: los resultados pueden no mantenerse cuando cambian las condiciones (liquidez, régimen de volatilidad, fricciones de ejecución). Una verificación neutral es utilizar una separación estricta entre períodos y evitar “ajustar” repetidamente hasta que los resultados pasados se vean bien.
Evidencia, ejemplo y verificaciones neutrales que puede aplicar
Considere un cálculo simple de rendimiento a partir de datos de barras. Debe indicar: qué representa la marca de tiempo de la barra, qué precio dentro de la barra trata como negociable (apertura, cierre, máximo, mínimo) y si se incluyen los costos de transacción. Si vuelve a ejecutar el mismo cálculo con una convención de alineación de barras diferente o sin costos, las métricas de rendimiento pueden cambiar significativamente.
Para la verificación de confiabilidad, utilice tres comprobaciones:
- Comprobación de reproducibilidad: ¿puede recrear las transformaciones exactas del conjunto de datos y los cálculos de métricas a partir de las reglas documentadas?
- Comprobación de división temporal: ¿los resultados siguen siendo ampliamente similares cuando se pasa a un período diferente y no superpuesto?
- Prueba de estrés de supuestos: ¿la conclusión depende de una elección frágil (por ejemplo, una alineación específica, una regla de datos faltantes o un modelo de costos)?
Limitaciones y riesgos: lo que los datos históricos no pueden probar
Las relaciones históricas no establecen resultados futuros. Incluso si un resultado es matemáticamente consistente con el conjunto de datos pasado, puede fallar bajo nuevas condiciones de mercado, una ejecución diferente o reglas de procesamiento de datos modificadas. Las limitaciones también incluyen observaciones faltantes o escasas, efectos de supervivencia en algunos contextos y diferencias específicas del proveedor que no son obvias a partir de un gráfico superficial.
Una buena conclusión “clara y lista para explicar” es: los datos históricos son útiles para la medición y el aprendizaje, pero solo cuando sus reglas de construcción, supuestos y limitaciones se declaran explícitamente y son verificables de forma independiente.