¿Qué son los Datos Históricos?
Los datos históricos son un registro de observaciones pasadas del mercado—como precios, volúmenes, marcas de tiempo y, a veces, medidas derivadas—utilizados para analizar cómo se comportó un activo anteriormente. En contextos relacionados con el trading, a menudo se utilizan para calcular estadísticas, estimar relaciones o ejecutar backtests que simulan lo que podría haber sucedido bajo condiciones pasadas.
Los datos históricos no son el mercado en sí; son una instantánea de observaciones capturadas en un momento dado, generalmente con reglas de muestreo específicas (por ejemplo, con qué frecuencia se registran los valores) y fuentes específicas (por ejemplo, un feed, una plataforma o un proveedor de datos en particular).
Cómo se utilizan los datos históricos (y dónde entran los supuestos)
Cuando las personas estudian datos históricos, implícitamente asumen que la simulación o el análisis están alineados con la realidad. Esa alineación depende de varias decisiones de diseño:
- Alineación temporal: Las marcas de tiempo del conjunto de datos deben coincidir con la lógica del análisis y el momento de decisión previsto.
- Integridad: Los ticks/velas faltantes o las lagunas pueden eliminar eventos clave que serían importantes para los resultados.
- Reglas de agregación: Si los datos brutos se agregan (por ejemplo, en velas), la transformación puede ocultar el comportamiento dentro del período.
- Modelo de costos y ejecución: Muchos estudios asumen una ejecución ideal. El trading real implica spreads, comisiones, deslizamiento y efectos de la cola de órdenes.
- Cambio de población: Los regímenes pasados (niveles de volatilidad, liquidez, correlaciones) pueden no persistir.
Una forma útil de pensar en ello es: los datos históricos son un insumo, y sus conclusiones son tan válidas como sus supuestos sobre cómo el insumo pasado se asigna al proceso futuro.
Evidencia y ejemplos de modos de fallo
Considere un escenario simple: un método se evalúa utilizando velas históricas y asume que las operaciones ocurren al precio informado de la vela. Si el método realmente requiere una decisión en un momento específico dentro de la vela, pero el conjunto de datos solo proporciona valores agregados, el backtest puede “parecer” ejecutable cuando no lo sería.
Otros modos de fallo comunes incluyen:
- Sesgo de supervivencia y de selección: Si solo analiza activos o períodos que “llegaron” al conjunto de datos, los resultados pueden sobreestimar el rendimiento típico.
- Sobreajuste al pasado: Si se ajustan muchos parámetros para que coincidan con un segmento histórico, el método puede capturar ruido en lugar de una estructura estable.
- Dependencia del régimen: Las relaciones observadas en un régimen de volatilidad o liquidez pueden debilitarse cuando cambian las condiciones.
Estos problemas no significan que el análisis histórico sea inútil; significan que los datos históricos pueden inducir a error cuando se tratan como si representaran completamente las condiciones futuras.
Limitaciones y riesgos clave
Las limitaciones más importantes se dividen en tres categorías:
-
Las condiciones del mercado cambian: Las relaciones históricas no establecen automáticamente resultados futuros. La volatilidad, la liquidez y las estructuras de correlación pueden cambiar, alterando las condiciones que produjeron los patrones pasados.
-
Desajuste entre los datos registrados y la ejecución: Incluso si la serie histórica es precisa, el análisis puede ignorar las fricciones comerciales realistas (costos, momento y liquidez). Cuando la ejecución difiere, los resultados pueden divergir.
-
Incertidumbre y observación incompleta: Los datos pueden omitir eventos, tener artefactos de muestreo o utilizar un feed/plataforma cuya microestructura difiera de lo que observaría en condiciones en vivo.
Una implicación práctica es que los datos históricos deben tratarse como evidencia sobre el pasado—no como prueba del comportamiento futuro.
Cómo verificar de forma independiente lo que los datos históricos pueden y no pueden decirle
Para verificar las limitaciones sin depender de predicciones, puede utilizar comprobaciones generales que prueben si las conclusiones son sólidas frente a la incertidumbre:
- Aclare los supuestos: Escriba cómo se modelan las marcas de tiempo, la agregación y la ejecución, incluidas las simplificaciones.
- Pruebe la estabilidad en diferentes períodos: Compare el comportamiento en múltiples condiciones de mercado distintas (por ejemplo, diferentes entornos de volatilidad).
- Someta a prueba el pipeline de datos: Verifique si hay lagunas, muestreo inconsistente o transformaciones que podrían cambiar los resultados.
- Distinga las afirmaciones descriptivas de las predictivas: Los hallazgos descriptivos resumen lo que sucedió; las afirmaciones predictivas requieren evidencia sólida de que el proceso futuro coincide con el pasado.
Si su conclusión depende de un supuesto que es fácil de violar en condiciones reales, entonces los datos históricos son menos informativos de lo que parecen.