Respuesta directa: qué pueden cambiar los “ajustes” en la ganancia/pérdida promedio
“¿Cómo cambian los ajustes la ganancia/pérdida promedio?” depende de lo que quieras decir con “ajustes”. En la práctica, los ajustes alteran (1) cómo se clasifica un resultado como ganancia o pérdida, (2) qué operaciones se incluyen en el cálculo y (3) cómo se reflejan los costos y la ejecución. Debido a esto, la ganancia/pérdida promedio puede variar incluso si las condiciones subyacentes del mercado permanecen iguales. Esto se explica mejor como un problema de sensibilidad y compensaciones, no como una regla única de causa y efecto.
Si cambias tus reglas de decisión, límites de riesgo, tiempo de mantenimiento o cómo tratas los resultados parciales, también cambias la distribución de los resultados de las operaciones realizadas. Por lo tanto, la ganancia/pérdida promedio es sensible tanto a tu conjunto de reglas como a tus supuestos de procesamiento de datos.
Mecanismo o definición: qué mide la ganancia/pérdida promedio
La ganancia/pérdida promedio es una comparación resumida entre dos promedios:
- el tamaño promedio de los resultados clasificados como “ganancias”
- el tamaño promedio de los resultados clasificados como “pérdidas”
El detalle clave es que el “tamaño” se define según tu método de medición (por ejemplo, beneficio neto después de costos, o movimiento de precio bruto convertido a la divisa de la cuenta). El detalle clave para la interpretación es que la clasificación de ganancias/pérdidas también proviene de tus ajustes. Por ejemplo, si una regla activa una salida tan pronto como se alcanza un umbral, la métrica refleja los tamaños de resultado típicos bajo esa lógica de salida.
Un modelo simple para la sensibilidad:
- Tus ajustes definen una “condición de salida” (qué termina una operación y cómo se clasifica).
- Esas condiciones de salida cambian el conjunto de resultados que entran en el promedio de ganancias y en el promedio de pérdidas.
- Los costos (diferencial, comisiones, deslizamiento) cambian el tamaño neto registrado para cada operación.
- La ganancia/pérdida promedio reportada es una función de estos insumos y de la selección de la muestra (qué operaciones incluyes).
Evidencia o ejemplo: cómo la clasificación de resultados y la agrupación cambian la métrica
Considera dos backtests sobre la misma trayectoria de precios histórica con diferentes ajustes, utilizando resultados netos.
Supuesto: clasificas ganancias/pérdidas según si el precio alcanza un umbral de salida antes de que una condición opuesta termine la operación. En ambas ejecuciones registras resultados netos después de costos.
- Si ajustas el umbral de ganancia a la baja mientras mantienes el umbral de pérdida similar, es posible que menos operaciones alcancen primero la condición de ganancia. Esto puede reducir la proporción y el tamaño típico de las ganancias, y también puede aumentar la probabilidad de que las operaciones terminen bajo la lógica de pérdida. La ganancia/pérdida promedio puede desplazarse porque la muestra de ganancias cambia.
- Si cambias el tiempo de mantenimiento o introduces una salida basada en tiempo, puedes convertir lo que habrían sido ganancias mayores en ganancias menores o incluso en pérdidas. Debido a que algunos resultados se “recortan”, tanto el promedio de ganancias como el de pérdidas cambian.
- Si cambias las reglas de inclusión de operaciones (por ejemplo, excluyendo operaciones con diferenciales atípicos, o incluyendo salidas parciales de manera diferente), la métrica puede desplazarse sin ningún cambio en el comportamiento del mercado. Los promedios ahora se calculan sobre un conjunto de datos diferente.
Estos ejemplos muestran el mismo principio: cambiar los ajustes cambia la clasificación, el impacto de los costos y la composición de la muestra.
Limitaciones y riesgos: por qué las comparaciones pueden fallar
Limitación material: la ganancia/pérdida promedio no es un indicador universal del rendimiento futuro.
Los modos de fallo más comunes incluyen:
- Cambios de régimen y no estacionariedad: las distribuciones históricas de ganancias/pérdidas pueden no coincidir con las distribuciones futuras.
- Desajuste de costos y ejecución: los backtests o las fuentes de datos pueden representar diferenciales o deslizamientos de manera diferente a tu entorno en vivo. Esto cambia los tamaños netos de ganancias/pérdidas.
- Efectos del tamaño de la muestra: con menos operaciones, los promedios pueden estar dominados por valores atípicos. Una ganancia o pérdida inusualmente grande puede distorsionar el resultado.
- Sesgo oculto de supervivencia o selección: si tus ajustes excluyen ciertas operaciones, la métrica refleja efectos de selección en lugar del “verdadero” comportamiento de las operaciones.
- Inconsistencia en la definición de la métrica: si un cálculo utiliza resultados brutos y otro utiliza resultados netos, no estás comparando cosas similares.
Verificación o siguiente pregunta: qué puedes comprobar de forma independiente
Para verificar cómo los ajustes afectaron la ganancia/pérdida promedio, comprueba explícitamente estos elementos en tu propio análisis o documentación:
- Comprobación de definición: confirma exactamente cómo se clasifican los resultados como ganancias y pérdidas, y cómo se calcula el “tamaño” del resultado. - Comprobación de costos: confirma si se incluyen diferenciales/comisiones/deslizamientos y cómo se modelan. - Comprobación de inclusión: confirma qué operaciones se incluyen (filtros, ventanas de tiempo, salidas parciales) y si esas reglas cambiaron.