Respuesta directa: pruebe una definición de scalping operacionalizándola
Una “definición de scalping” es comprobable cuando la convierte en una regla operativa: entradas (qué mide), una condición medible (qué hace que una actividad cuente como scalping) y un método de evaluación (qué resultado verifica). Luego prueba si su regla se comporta de manera consistente según lo esperado bajo supuestos realistas pero claramente establecidos.
Debido a que las relaciones históricas no garantizan resultados futuros, las pruebas deben centrarse en la consistencia interna y la robustez en lugar de la predicción. Además, los mercados varían según condiciones como la liquidez y los diferenciales, y la ejecución del proveedor puede diferir, por lo que la misma definición operativa puede ajustarse de manera diferente en distintos entornos.
Para probarla de forma independiente, debe poder responder tres preguntas por escrito:
- ¿Qué se clasifica exactamente como “scalping” (la definición)?
- ¿Cuál es la línea base para la comparación (qué esperaría si el comportamiento de scalping no importara)?
- ¿Qué comprobaciones muestran que la clasificación o evaluación es estable cuando cambian los supuestos (robustez)?
Mecanismo y definición: convierta el scalping en una regla que pueda medir
Comience definiendo el concepto antes de analizar las implicaciones. Una definición práctica de scalping a menudo incluye características relacionadas con el tiempo de mantenimiento y la frecuencia de trading, pero las pruebas requieren que elija indicadores medibles.
Ejemplo de una operacionalización (no una recomendación):
- Regla de clasificación: una operación se etiqueta como “scalping” si su tiempo de mantenimiento está dentro de una ventana elegida (por ejemplo, “duración corta”), y la frecuencia de operaciones en un período móvil supera un umbral elegido.
- Unidad de análisis: decida si etiqueta cada operación, cada sesión o bloques agregados (por ejemplo, por día) y mantenga esa elección fija.
- Resultado que mide: elija una cantidad que sea apropiada para su propósito, como si el movimiento neto promedio después de costos es consistentemente positivo o si la variabilidad difiere de una línea base. Si no puede justificar la métrica de resultado, la prueba será ambigua.
Punto clave: la mecánica estable debe separarse de los factores variables. La mecánica incluye la regla de clasificación y el proceso de evaluación. Los factores variables incluyen la volatilidad del mercado, la liquidez, las horas de trading, la calidad de ejecución y el modelo de costos.
Evidencia o método de ejemplo: hipótesis, línea base, división de datos, costos
Utilice una hipótesis explícita. Para probar una definición, la hipótesis puede ser sobre la consistencia de la clasificación y la sensibilidad esperada a los costos, no sobre un rendimiento garantizado.
1) Hipótesis
Una hipótesis comprobable podría formularse así:
- “Cuando las operaciones coinciden con la regla de clasificación de scalping, los resultados medidos después de los costos modelados difieren de un conjunto de operaciones de no scalping bajo el mismo entorno general.”
Esto evita afirmar seguridad o predicción. Aún así le permite comparar resultados bajo supuestos controlados.
2) Línea base
Una línea base evita que confunda el comportamiento general del mercado con los efectos del scalping. Las opciones de línea base posibles incluyen:
- Operaciones de no scalping dentro del mismo conjunto de datos y marco temporal más amplio.
- Operaciones en los mismos instrumentos y rangos de hora del día pero con diferentes etiquetas de tiempo de mantenimiento.
Cualquiera que sea la línea base que elija, documéntela con precisión y manténgala consistente en todas las pruebas.
3) División de datos
Utilice divisiones de datos para reducir el riesgo de selección arbitraria:
- División de entrenamiento/selección: se utiliza solo para elegir los umbrales de la definición y el proceso de evaluación.
- División de validación: se utiliza para comprobar si los resultados persisten.
- Retención opcional: un período final que no se toca hasta el final.
Incluso sin datos en tiempo real, puede probar si su regla operativa se comporta de manera consistente en diferentes segmentos históricos.
4) Costos y supuestos (requeridos para el realismo)
Para el scalping, los costos a menudo importan materialmente porque el tiempo de mantenimiento es corto. Modele los costos explícitamente utilizando supuestos que pueda cambiar más adelante:
- Modelo de costos de transacción: incluya estimaciones de diferencial (si están disponibles), comisiones y cualquier ajuste típico relacionado con la ejecución.
- Supuesto de deslizamiento: si no tiene datos de deslizamiento a nivel de ejecución, debe indicar que sus resultados utilizan un rango de deslizamiento supuesto y que los resultados reales pueden diferir.
La transparencia de los supuestos es parte de la prueba. Si no puede indicar sus supuestos para cada cálculo, la evaluación no es replicable.
Un modo de fallo común es comparar resultados brutos (antes de costos) con una definición que implícitamente asume ciertas condiciones de costos, lo que lleva a conclusiones incorrectas.
Limitaciones y riesgos: dónde puede fallar la prueba
Debe reconocerse al menos una limitación material. Aquí hay modos de fallo comunes al probar definiciones de scalping:
- Desajuste del modelo de costos: si su diferencial o deslizamiento supuesto difiere de lo que realmente ocurrió, los resultados “netos” pueden cambiar de dirección.
- Dependencia del régimen: una definición puede funcionar en un régimen de mercado (por ejemplo, mayor liquidez) y no en otro (por ejemplo, diferenciales más amplios). Las relaciones históricas no establecen resultados futuros.
- Variabilidad de ejecución y jurisdicción: la calidad de ejecución y las restricciones de trading pueden variar según el proveedor y la jurisdicción, por lo que la misma regla operativa puede no comportarse igual en todas partes.
- Inestabilidad de la etiqueta: si los umbrales de clasificación se ajustan de manera demasiado flexible al conjunto de datos, los resultados pueden reflejar sobreajuste en lugar de la definición.
Para mantener la prueba honesta, predefina qué cuenta como “suficientemente estable” antes de ejecutar muchos ajustes. La estabilidad puede significar persistencia en las divisiones de validación, no que la definición garantice resultados.
Verificación y siguientes preguntas: comprobaciones de robustez que puede ejecutar
Después de su prueba principal, ejecute comprobaciones de robustez que cambien un aspecto a la vez mientras mantiene otros constantes. Esto le ayuda a distinguir la mecánica estable de los factores variables.
Comprobaciones de robustez (ejemplos):
- Sensibilidad al umbral: cambie ligeramente la ventana de tiempo de mantenimiento y el umbral de frecuencia y vea si las conclusiones siguen siendo similares.
- Sensibilidad a los costos: aumente y disminuya el deslizamiento/diferencial modelado dentro de un rango supuesto para observar qué tan sensibles son los resultados.
- Divisiones por hora del día: compruebe si los resultados difieren entre ventanas de sesión donde la liquidez a menudo cambia.
- Variación del conjunto de instrumentos: pruebe si la clasificación de la definición se comporta de manera similar en un conjunto más amplio o diferente de instrumentos.
Finalmente, verifique que su definición sea lógicamente consistente:
- ¿La regla de clasificación sigue teniendo sentido cuando los mercados son volátiles?
- ¿Puede producir las mismas etiquetas si otra persona vuelve a ejecutar su proceso en el mismo conjunto de datos?
Si puede responder esas preguntas, ha probado efectivamente la definición y su método de evaluación. Si no puede, la prueba no está completa.
Para el siguiente paso, considere qué quiere afirmar después de la prueba: validez de la clasificación, sensibilidad a los costos o dependencia del régimen. Sin ese objetivo, los resultados de la evaluación se vuelven difíciles de interpretar.