Cómo se puede probar la ruptura de soporte

Respuesta directa

La ruptura de soporte se puede probar convirtiendo la idea en una hipótesis medible: especifica qué significa “ruptura”, qué resultado cuenta como éxito y cómo lo compararás con una referencia. Luego, la evalúas en un conjunto de datos históricos utilizando una división de datos clara (dentro de la muestra vs. fuera de la muestra), incluyes costos y fricciones realistas en cualquier métrica de estilo de rendimiento, y realizas comprobaciones de robustez que varíen los supuestos. Debido a que las condiciones del mercado cambian y la medición depende de las definiciones, tu prueba también debe cubrir explícitamente al menos un modo de fallo probable.

Mecanismo y definición

Una “ruptura de soporte” generalmente se discute como un movimiento de precio que cae por debajo de un nivel de soporte previamente identificado, lo que sugiere que los compradores no lograron defender ese nivel y el mercado puede moverse a la baja después. Para probarlo sin mezclar efectos específicos del proveedor o de la ejecución, comienza definiendo los componentes de la prueba.

Definición del nivel de soporte Elige una regla objetiva para definir el soporte. Ejemplos de tipos de reglas no contradictorias incluyen:

Un mínimo móvil sobre una ventana de retroceso fija.
El mínimo más bajo entre las últimas N barras.
Un mínimo oscilante identificado por un algoritmo determinista (por ejemplo, mínimos locales con un vecindario fijo).

La clave es el determinismo: el mismo historial de gráfico debería producir las mismas etiquetas de nivel de soporte.

Definición del evento de ruptura Un evento de ruptura también debe definirse objetivamente. Por ejemplo:

El precio de cierre cae por debajo del nivel de soporte en al menos un umbral (por ejemplo, una fracción fija o un número de ticks).
O el precio mínimo cruza por debajo del soporte dentro de la barra, con una regla sobre si el evento cuenta solo si el cierre también lo confirma.

Sin esto, “probar” se convierte en comparar diferentes interpretaciones del mismo concepto.

Definición del resultado Decide qué mides después del evento. Los tipos de resultados comunes incluyen:

Resultado direccional: si el precio es más bajo después de K barras.
Resultado de magnitud: excursión máxima adversa/favorable en un horizonte.
Resultado de estilo ajustado al riesgo: una métrica que incluya el spread y los costos de transacción de manera consistente.

Define el horizonte (K) y si requieres que el resultado ocurra en cualquier momento dentro del horizonte o específicamente al final.

Declaración de hipótesis Convierte el concepto en una declaración falsable. Ejemplos de patrones de hipótesis (sin promesas de rentabilidad):

“Cuando el precio cierra por debajo de un nivel de soporte definido, la probabilidad de terminar más bajo dentro de K barras difiere de una probabilidad de referencia.”
“Después de un evento de ruptura de soporte, el rendimiento promedio en K barras es significativamente diferente de la referencia.”

Esto evita que la prueba sea un vago “¿parece que funciona?”

Evidencia y diseño de ejemplo (con supuestos)

A continuación se presenta un marco de prueba concreto y reproducible que se centra en la calidad de la definición y la lógica comparativa.

Paso 1: Elige una referencia que no sea la misma que la hipótesis

Una referencia puede ser:

La probabilidad histórica general de terminar más bajo después de cualquier barra (no condicionada a la ruptura de soporte).
O una referencia estratificada emparejada por volatilidad o categorías de hora del día (para reducir la confusión).

Sé explícito: la referencia debe ser calculable a partir del mismo conjunto de datos.

Paso 2: División de datos

Para reducir el sobreajuste, utiliza:

Dentro de la muestra (desarrollo): donde calibras los parámetros de definición de soporte, el umbral de ruptura y el horizonte K.
Fuera de la muestra (verificación): donde aplicas las elecciones finales de parámetros sin cambios.

Si ajustas repetidamente las reglas basándote en los resultados fuera de la muestra, la “verificación” se convierte en otro bucle de desarrollo.

Paso 3: Incluye costos y fricciones en cualquier métrica similar a un rendimiento

Incluso si no afirmas éxito comercial, las pruebas a menudo utilizan resultados de estilo de rendimiento. Los costos deben representarse con supuestos. Por ejemplo, puedes incluir:

Un costo de spread fijo o un supuesto de spread promedio.
Deslizamiento como un porcentaje supuesto o una cantidad de ticks.
Un supuesto de momento: si el evento se ejecuta en la apertura de la siguiente barra, en el cierre de la misma barra, o después de la confirmación.

Declara estos supuestos claramente. Los resultados son sensibles al momento porque una ruptura “definida por el cierre” puede requerir esperar hasta la siguiente barra para actuar.

Paso 4: Calcula el estadístico de prueba

Para una hipótesis de estilo de probabilidad, puedes calcular:

Tasa de aciertos: fracción de eventos de ruptura donde se cumple la condición de resultado.
Compárala con la probabilidad de referencia.

Para una hipótesis de resultado promedio, calcula:

Resultado medio y resultado mediano en el horizonte.

En ambos casos, reporta las características de la distribución (por ejemplo, con qué frecuencia los resultados están cerca de cero) porque las medidas basadas en promedios pueden ocultar inestabilidad.

Paso 5: Comprobaciones de robustez (varía lo que no debería importar mucho)

Las comprobaciones de robustez ayudan a separar la mecánica estable del ajuste accidental.

Realiza pruebas de sensibilidad como:

Cambia la ventana de retroceso del soporte dentro de un rango pequeño.
Cambia ligeramente el umbral de ruptura.
Cambia el horizonte K en un conjunto razonable.
Utiliza definiciones de soporte alternativas pero deterministas (mínimo móvil vs. algoritmo de mínimo oscilante).

Si el rendimiento cambia drásticamente con cambios menores en la definición, el patrón puede estar impulsado por la medición en lugar del concepto.

Limitaciones y riesgos (modos de fallo)

Al menos un modo de fallo material debe probarse y discutirse.

Dependencia de la definición y error de medición Los niveles de soporte no son directamente observables; se construyen a partir del historial de precios. Diferentes reglas deterministas pueden producir diferentes eventos de ruptura. Una prueba puede “funcionar” solo bajo una definición particular.
Cambios de régimen y cambios estructurales Las relaciones en los datos históricos pueden fallar cuando cambian la volatilidad, la estructura del mercado o el comportamiento de los participantes. Un resultado sólido dentro de la muestra puede debilitarse fuera de la muestra si el mercado entra en un régimen diferente.
Los costos y los supuestos de ejecución dominan Si el estadístico de prueba es pequeño, las fricciones realistas pueden eliminar el efecto. Incluso sin afirmar la comerciabilidad, tu evaluación puede mostrar si la ventaja medida es probablemente frágil cuando se modelan costos y momento.
Sesgo de supervivencia y de selección Si filtras eventos utilizando información que solo se conoce más tarde, introduces un sesgo de anticipación. Por ejemplo, identificar el soporte utilizando la ventana futura completa contaminaría la prueba.
Rupturas falsas y dinámicas de rebote Las rupturas de soporte a menudo coexisten con “fallos de ruptura” donde el precio vuelve por encima del soporte. Una prueba debe rastrear los eventos de fallo explícitamente (por ejemplo, medir con qué frecuencia el mercado recupera el soporte dentro del horizonte) para evitar tratar el comportamiento con muchos rebotes como el mismo fenómeno.

Verificación y siguientes preguntas

Para verificar de forma independiente los hechos relevantes, puedes validar tu flujo de trabajo de prueba en lugar de depender de afirmaciones.

Vuelve a ejecutar con las mismas definiciones en una segunda clase de activo o marco temporal (por ejemplo, un entorno de volatilidad diferente). Si los resultados dependen de un contexto estrecho, el concepto puede ser demasiado específico.
Mantén intacto el segmento fuera de la muestra. Solo actualiza las definiciones si puedes justificar los cambios sin utilizar los resultados fuera de la muestra.