Definición y mecánica de la Expectancy
La expectancy es un concepto de rendimiento que expresa el resultado promedio por operación (o decisión) dada una distribución subyacente de resultados. En su forma más simple, combina el tamaño del resultado con la probabilidad de cada resultado: si puedes etiquetar los resultados (por ejemplo, “ganancia” y “pérdida”), y conoces la ganancia promedio cuando ocurre una ganancia y la pérdida promedio cuando ocurre una pérdida, entonces la expectancy se calcula a partir de esos promedios ponderados por sus probabilidades.
Dos mecánicas son las más importantes.
-
¿Qué probabilidades se utilizan? La expectancy necesita probabilidades para cada categoría de resultado. Esas probabilidades deben provenir de algún lugar—a menudo de backtests históricos o registros de operaciones pasadas.
-
¿Qué payoff se utiliza? El payoff debe reflejar el resultado neto real, no solo el movimiento bruto del precio. Esto significa que el cálculo de la expectancy debe alinearse con cómo se realizan realmente las ganancias y las pérdidas.
Cómo funciona la Expectancy en la práctica (y dónde puede inducir a error)
La expectancy es útil cuando coincide con la situación que estás evaluando: reglas de decisión similares, condiciones de mercado similares y comportamiento de costos y ejecución similar. Pero incluso cuando la aritmética es correcta, las limitaciones provienen de lo que se asume.
Un modo de fallo común es la deriva de probabilidad: la probabilidad de ganar o perder cambia cuando cambian la volatilidad, la liquidez, los spreads o los regímenes de volatilidad. Si estimas las frecuencias de ganancias/pérdidas a partir de datos históricos, pero el futuro se comporta de manera diferente, el promedio ponderado ya no representa lo que sucederá.
Otro modo de fallo es el desajuste del payoff. Muchos cálculos de expectancy utilizan supuestos simplificados (como ejecuciones ideales e ignorando el deslizamiento). En el trading real, la calidad de ejecución varía. Esto puede cambiar el tamaño promedio de las ganancias, el tamaño promedio de las pérdidas y, por lo tanto, la expectancy calculada.
Evidencia y ejemplo: pequeños cambios en los supuestos pueden invertir la expectancy
Considera un modelo simplificado de dos resultados con dos supuestos:
- Estimas la probabilidad de un resultado (ganancia) como un número fijo.
- Estimas el payoff promedio para ese resultado a partir de resultados históricos.
Si la estimación de la probabilidad de ganancia se desvía por una pequeña cantidad, el promedio ponderado puede moverse notablemente, especialmente cuando las magnitudes de ganancias y pérdidas no son simétricas. Si la pérdida promedio es mayor en el entorno realizado que en tu modelo de payoff asumido (por ejemplo, porque las salidas reales difieren del plan), entonces el cálculo de la expectancy puede volverse optimista.
Punto clave: la expectancy no está “mal” porque las matemáticas fallen; se vuelve menos significativa porque los insumos ya no describen el futuro.
Limitaciones, riesgos y modos de fallo a verificar
La expectancy tiene limitaciones que es importante comprobar de forma independiente:
-
Las relaciones históricas no establecen resultados futuros. Incluso una expectancy histórica de apariencia estable puede deteriorarse cuando cambian las condiciones del mercado.
-
Los costos y la incertidumbre de ejecución son fáciles de pasar por alto. Si los spreads, comisiones, deslizamientos o retrasos no se incluyen de manera consistente, la expectancy puede describir un mundo teórico en lugar de resultados realizados.
-
Las elecciones de datos y categorización cambian la expectancy. Cómo defines “ganancia”, “pérdida” y el período de medición puede alterar las probabilidades y los payoffs promedio. Seleccionar una ventana de tiempo que resulta ser favorable puede inflar la expectancy.
-
No estacionariedad y cambios de régimen. La expectancy asume que el entorno que genera los resultados es lo suficientemente estable para que las probabilidades y los payoffs estimados sigan siendo relevantes.
-
Exceso de confianza en un solo número. Una estimación puntual de la expectancy oculta la variabilidad. Dos estrategias con la misma expectancy pueden tener distribuciones de resultados muy diferentes (por ejemplo, ganancias pequeñas frecuentes versus ganancias grandes raras), lo que afecta los drawdowns y la capacidad de supervivencia.
Verificación y siguiente pregunta para reducir la incertidumbre
Para utilizar la expectancy de manera responsable como herramienta de análisis, verifica qué tendría que seguir siendo cierto para que la estimación sea significativa:
- Verificación de probabilidad: ¿Se mantienen las frecuencias de ganancias/pérdidas con datos nuevos no vistos?
- Verificación del payoff: ¿Se calculan las ganancias y pérdidas utilizando resultados netos realizados (incluyendo costos y supuestos de ejecución realistas)?
- Comprobación de estabilidad: ¿Permanece la expectancy similar en diferentes regímenes de mercado o períodos de tiempo?
Si estas comprobaciones fallan, la expectancy se convierte en un resumen menos confiable del rendimiento futuro, y su limitación no es conceptual—es empírica y dependiente de los insumos.