¿Qué es el R Cuadrado?

Respuesta directa

El R Cuadrado (R²) es una métrica estadística que describe qué tan de cerca siguen los datos un modelo elegido, más comúnmente una relación lineal. Es una medida de “ajuste”: resume cuánta de la variación en una variable objetivo explica tu modelo, dada la forma específica en que definiste los insumos y ajustaste el modelo.

En la investigación forex, a veces las personas calculan el R² para juzgar si una relación lineal propuesta entre dos cantidades parece rastrear movimientos históricos. El R² en sí mismo no indica la dirección futura del precio, no controla los costos de negociación y no puede garantizar que la relación permanezca estable.

Definición y modelo simple

En un modelo lineal básico, relacionas una variable dependiente (a menudo escrita como y) con una o más variables independientes (a menudo escritas como x). Para una regresión lineal de una sola característica, el modelo toma una forma como:

y ≈ a + b·x

El R² mide la fracción de la variación total en y explicada por el modelo ajustado. Conceptualmente:

Si tu modelo explica poca variabilidad de y, el R² es bajo.
Si tu modelo explica la mayor parte de la variabilidad de y, el R² es alto.

Una limitación clave es que el R² solo es significativo en relación con la configuración exacta del modelo: qué variables usaste, si usaste niveles o rendimientos, cómo manejaste los valores faltantes y si ajustaste con todos los datos disponibles o usaste una división de entrenamiento/validación.

Cómo se puede usar en forex (y qué tener en cuenta)

Un uso común en forex es comparar qué tan fuertemente se relacionan los cambios históricos en una cantidad con los cambios en otra bajo un supuesto lineal, calculando el R² para esa relación.

Ejemplo con supuestos claros (sin precios en vivo):

Supón que eliges una serie y y una serie x que están alineadas por tiempo.
Supón que ajustas una regresión lineal y ≈ a + b·x usando observaciones históricas.
Supón que calculas el R² a partir de la línea ajustada.

Interpretando el resultado:

Un R² dentro de la muestra más alto significa que la línea ajustada rastrea mejor los valores de y elegidos en los datos utilizados para el ajuste.
Un R² más bajo significa que la relación es más débil bajo esa forma lineal.

Limitaciones materiales y modos de fallo:

Sobreajuste al ruido histórico: Una relación puede parecer fuerte en un período y colapsar después.
Cambios de régimen: El comportamiento del mercado puede cambiar, alterando la relación subyacente.
Diferentes costos y efectos de ejecución: Incluso si y está “explicada” por x históricamente, los resultados reales de negociación dependen de spreads, deslizamiento y latencia.
No estacionariedad: Las propiedades estadísticas pueden cambiar con el tiempo, haciendo que la “variación explicada” sea inestable.
Dependencia de la forma del modelo: El R² refleja el ajuste de la familia específica del modelo (por ejemplo, lineal). Una forma funcional diferente puede ajustarse de manera distinta.

Debido a estos problemas, el R² histórico por sí solo no es una garantía confiable de utilidad futura.

Limitaciones y riesgos, además de cómo verificar

El R² es una estadística descriptiva. No confirma causalidad, no valida que una relación se generalice y no se traduce directamente en rendimiento de negociación.

Lista de verificación que puedes aplicar de forma independiente:

Usa evaluación fuera de muestra: Calcula el R² en datos no utilizados para el ajuste.
Prueba la sensibilidad a los insumos: Recalcula el R² al cambiar el preprocesamiento (por ejemplo, rendimientos vs. niveles) y las opciones de alineación.
Verifica la estabilidad en ventanas de tiempo: Compara el R² en diferentes segmentos históricos para ver si se mantiene.
Considera si los supuestos lineales se ajustan a la pregunta: Si la relación es claramente no lineal, un R² lineal puede ser engañoso.

Siguiente pregunta a explorar: Cuando calculas el R² para tus variables relacionadas con forex, ¿cuáles son exactamente tus definiciones de x e y, tu regla de alineación temporal y tu método de evaluación (dentro de muestra vs. fuera de muestra)? Esas elecciones a menudo determinan qué está midiendo realmente el R².