Datos históricos en el forex: qué son
Los datos históricos en el forex son información registrada del pasado, como ticks de precios o velas (apertura, máximo, mínimo, cierre) y, a veces, campos relacionados como el volumen o las cotizaciones de bid/ask. En la práctica, la mayoría de los análisis parten de una serie temporal de precios y la utilizan para reconstruir cómo se movieron los mercados durante períodos específicos.
Son importantes porque la investigación en forex a menudo intenta responder una pregunta contrafactual: “Si hubiéramos seguido un método definido durante el pasado, ¿qué habría sucedido?”. Los datos históricos son el ingrediente que hace que esta pregunta sea comprobable.
Cómo se utilizan y por qué afectan a las decisiones
Los datos históricos permiten tres pasos comunes de investigación:
-
Describir el comportamiento. Puedes medir la volatilidad típica, los rangos promedio y con qué frecuencia ocurrieron ciertos movimientos de precios. Esto moldea las expectativas sobre lo “difícil” o “fácil” que podría haber sido operar en un mercado.
-
Hacer backtesting de reglas definidas. Si tienes una regla (por ejemplo, un procedimiento de decisión basado en precios observados), los datos históricos te permiten simular la regla sobre datos pasados. Esto convierte una idea en algo que puedes evaluar con métricas como el tamaño del drawdown, la frecuencia de pérdidas o la variabilidad de los resultados.
-
Pruebas de estrés con escenarios. Puedes seleccionar intencionalmente períodos pasados con diferentes regímenes (por ejemplo, tiempos más tranquilos frente a tiempos más volátiles) para ver si el rendimiento dependía de un tipo de entorno.
Un punto clave para la toma de decisiones es que la credibilidad de las conclusiones depende de los supuestos que incorpores: qué precios exactos habría “visto” tu regla, cómo modelas los costos de transacción y si tu ejecución simulada es realista.
Evidencia o ejemplo: qué cambia cuando cambian los supuestos
Considera una ilustración simple. Supongamos que pruebas una regla utilizando cierres de velas históricos y calculas las ganancias usando esos cierres. Una segunda prueba utiliza cotizaciones de bid/ask y aplica un spread fijo y un supuesto de deslizamiento (diferencia entre la ejecución esperada y la realizada). Si la segunda prueba produce peores resultados, la diferencia no es prueba de que la “regla” sea inválida; muestra que la conclusión basada en datos históricos era sensible a las fricciones del mercado.
Esta sensibilidad también puede aparecer cuando eliges diferentes resoluciones temporales (ticks frente a velas de 1 minuto), o cuando limpias los datos de manera diferente (intervalos faltantes, las acciones corporativas no son relevantes para los precios de FX de la misma manera, pero los cambios de cotización y las revisiones de datos aún pueden ocurrir). En otras palabras, los datos históricos pueden ser útiles, pero el resultado de la investigación solo es tan confiable como la forma en que transformas los registros históricos en un modelo de ejecución.
Limitaciones y modos de fallo
Los datos históricos no establecen resultados futuros. Varias categorías de limitaciones materiales pueden causar fallos:
- Cambios de régimen: las condiciones de liquidez, los patrones de volatilidad y la microestructura del mercado pueden cambiar, por lo que un método que funcionó en un entorno histórico puede dejar de funcionar.
- Sobreajuste: si ajustas parámetros repetidamente a datos pasados, puedes capturar ruido en lugar de una estructura estable.
- Look-ahead y fuga de datos: si tu prueba utiliza accidentalmente información que no habría estado disponible en el momento de la decisión, los resultados se vuelven excesivamente optimistas.
- Brecha de ejecución: los precios históricos no se traducen automáticamente en fills alcanzables. Los costos, los spreads, los tipos de órdenes y los supuestos de latencia pueden dominar los resultados.
- Sesgo de supervivencia y elecciones de muestreo: seleccionar solo ciertos períodos o instrumentos puede sesgar las conclusiones.
Debido a que estos modos de fallo son plausibles, las conclusiones sólidas requieren una separación cuidadosa entre lo que muestra el registro histórico y lo que asume tu modelo.
Cómo verificar de forma independiente lo que aprendes
Un lector puede verificar el razonamiento basado en datos históricos comprobando si la evaluación es transparente y reproducible:
- Declara los supuestos: especifica los campos de datos utilizados (cierre frente a bid/ask), la resolución temporal y cómo se modelan los costos de transacción y la ejecución.
- Define el método: la regla que se prueba debe ser explícita; la evaluación no debe depender de una interpretación vaga de patrones.
- Comprueba la robustez: compara los resultados en múltiples períodos de tiempo no superpuestos y evita decisiones de ajuste que dependan de la misma muestra utilizada para la evaluación final.
- Valida con períodos fuera de la muestra: utiliza períodos históricos posteriores que no estén involucrados en las elecciones de parámetros para ver si los resultados persisten.
Ningún paso puede eliminar la incertidumbre por completo, pero estas comprobaciones pueden reducir el riesgo de confundir artefactos del modelo con un comportamiento de mercado significativo.