Qué significan los “datos históricos”
Los datos históricos son un registro de información pasada sobre algo que cambia con el tiempo. En contextos de trading y análisis de mercado, a menudo se refieren a valores con marca de tiempo, como precios y volúmenes, almacenados en un conjunto de datos. La idea clave para principiantes es que los datos históricos describen lo que sucedió, no lo que sucederá.
Para usar el término con claridad, defina tres elementos antes de discutir las implicaciones:
- La(s) variable(s): qué medición se almacena (por ejemplo, un precio o una métrica derivada).
- La base temporal: cómo se marcan y espacian las observaciones en el tiempo (por ejemplo, por segundo, por minuto).
- Las reglas del conjunto de datos: cómo se compilan y limpian los datos (por ejemplo, el manejo de puntos faltantes o cambios similares a los corporativos, cuando corresponda).
Cómo se utilizan los datos históricos (mecánica)
Las personas utilizan datos históricos para explorar relaciones, estimar parámetros o simular decisiones pasadas. Un flujo de trabajo común es:
- Seleccionar el conjunto de datos (el período y la fuente).
- Definir supuestos (cómo se representan las acciones, como qué marcas de tiempo son elegibles para la toma de decisiones).
- Calcular resultados (por ejemplo, resultados hipotéticos bajo las reglas establecidas).
- Evaluar lo que sucedió (comparar los resultados simulados con los períodos posteriores del conjunto de datos, o evaluar errores).
Un concepto crucial es que el trabajo con datos históricos es tan objetivo como las reglas que elija. Si dos investigadores utilizan la misma serie de precios pero supuestos diferentes—como un momento de ejecución distinto, costos de transacción, o lo que tratan como “disponible” en cada paso—el resultado puede diferir sustancialmente.
Evidencia y un ejemplo realista
Considere un escenario simple: desea comprender si una regla que depende de valores de precios anteriores se habría comportado de manera similar en el pasado. Podría:
- Usar un intervalo de tiempo fijo para sus cálculos.
- Aplicar la regla solo en momentos de decisión específicos.
- Suponer una forma específica de modelar la ejecución (por ejemplo, usando el siguiente punto de datos después del momento de la decisión).
El punto material no es la regla en particular; es la cadena de supuestos. Si sus cálculos suponen una forma de sincronización pero sus datos se registran de manera diferente, la simulación ya no es una representación fiel de lo que el registro histórico podría respaldar.
Recuerde también los costos y las fricciones. Incluso si la dirección del movimiento parece favorable en los precios brutos, los costos realistas (spreads, comisiones, deslizamiento) pueden cambiar el resultado. Si no incluye esos efectos—o los incluye de manera inconsistente—el resultado puede verse mejor en el backtest de lo que sería bajo las mismas reglas de datos en tiempo real.
Limitaciones y modos de falla
Los datos históricos crean incertidumbre de múltiples maneras:
- Cambios de régimen de mercado: las relaciones pueden debilitarse cuando el entorno cambia. Un patrón que parece estable en un período puede no mantenerse en otro.
- Problemas de calidad de los datos: marcas de tiempo faltantes, muestreo inconsistente, redondeo o efectos similares a la supervivencia (cuando corresponda) pueden distorsionar el análisis.
- Sobreajuste y “narración de historias”: si ajusta muchas opciones para que coincidan con el ruido pasado, puede terminar aprendiendo peculiaridades del conjunto de datos en lugar de la estructura general.
- Sesgo de anticipación: si sus cálculos utilizan accidentalmente información que no se habría conocido en el momento de la decisión, los resultados se vuelven engañosos.
- Desajuste de ejecución: los “precios que ve” pueden no coincidir con los precios que realmente podría obtener dadas las suposiciones de sincronización y liquidez.
La mentalidad más segura para principiantes es que los resultados históricos son observaciones dependientes del modelo, no un rendimiento futuro verificado.
Cómo verificar las afirmaciones que lee sobre datos históricos
Cuando alguien presenta un resultado basado en datos históricos, puede verificar la lógica central sin depender de predicciones o promesas. Use esta lista de verificación:
- Definiciones: ¿Cuál es exactamente el conjunto de datos, la(s) variable(s) y la base temporal?
- Supuestos: ¿Qué supuestos de sincronización de ejecución y costos se utilizaron?
- Método: ¿Cómo se eligieron los parámetros y se separó el ajuste de la evaluación?
- Reproducibilidad: ¿Puede repetir los pasos con las reglas establecidas y obtener resultados consistentes?
Como punto de control, pregunte si el método seguiría funcionando si cambiara el período, la fuente del conjunto de datos o la frecuencia de muestreo. Si el rendimiento depende en gran medida de un segmento estrecho de la historia o de un conjunto frágil de supuestos, eso es una señal para tratar la conclusión como incierta.
La siguiente pregunta que debe hacerse
Si comprende las reglas del conjunto de datos y la cadena de supuestos, la siguiente pregunta útil es: ¿Cómo se valida el análisis más allá de la misma muestra histórica utilizada para definirlo? Eso ayuda a distinguir la estructura genuina de los artefactos del registro histórico.