Sobreoptimización (sobreajuste)
Imagina a un estudiante que memorizó de punta a punta las respuestas de los exámenes pasados. Si repite ese mismo examen saca 100, pero en un examen nuevo con preguntas apenas distintas, reprueba. Una regla de trading sobreoptimizada es exactamente eso: encaja perfecto en el 'examen pasado' que es el gráfico histórico, pero no rinde en el 'examen nuevo' que es el futuro.
Con números pasa así. Supón que la regla 'comprar cuando el RSI baja de 30' apareció 500 veces en el pasado con una tasa de acierto del 52%. Como el resultado no convence, le agregas condiciones: 'solo los miércoles', 'solo de madrugada', 'solo si el RSI está exactamente bajo 28.3'. Así se termina fabricando una regla con 5 casos históricos y 100% de aciertos. Pero eso no es descubrir una ley del mercado: es rastrear hacia atrás cinco momentos del pasado que casualmente subieron y envolverlos con condiciones.
¿Por qué pasa esto? Porque si pruebas cientos o miles de combinaciones de condiciones y números, algunas van a encajar con el pasado por pura casualidad. Si 1,000 personas lanzan una moneda, a alguien le salen 10 caras seguidas. Así como esa persona no es un maestro de la moneda, la regla campeona del historial entre miles de combinaciones probablemente sea campeona del azar, no de la habilidad.
Hay señales para detectar la sobreoptimización: pocos casos (ni siquiera llegan a decenas), condiciones extrañamente específicas (nadie sabe explicar por qué justo 28.3), resultados que cambian de golpe al mover un poco los números (con RSI 28 es un éxito y con 30 un desastre), solo funciona en cierto periodo. Con que se cumpla una sola, sospecha.
La forma de reducirla no es glamorosa: mantener las reglas simples, juntar suficientes casos, partir los datos por periodos y comprobar que funciona parecido en todos los tramos, e incluir siempre las comisiones. Las buenas reglas suelen explicarse en una sola frase.
What the data actually shows
Barobara usa dos salvaguardas contra esta trampa. Primero, no publica combinaciones con menos de 40 casos históricos: cuantos menos casos, más fácil es que el azar se disfrace de habilidad. Segundo, tampoco esconde el hecho de que se puede hacer que una tasa de acierto parezca del 90% achicando el objetivo de ganancia. En cada página de señal del catálogo de setups puedes ver, con la curva completa, cómo al subir la tasa de acierto el resultado esperado se da vuelta hacia negativo. Cuando en algún lado te presenten una estrategia que presume una tasa de acierto altísima, acuérdate de esa curva.Common misconceptions
'Cuantas más condiciones y más fina, mejor la estrategia' — más bien al revés. Cada condición extra aumenta el riesgo de que la regla solo encaje con el pasado. Las reglas que sobreviven mucho tiempo suelen ser simples.
'Si el historial marca 90% de aciertos, está validado' — primero pregunta cuántos casos fueron. Nueve de diez está dentro del rango del azar. Además, la tasa de acierto se puede inflar artificialmente con solo acercar el objetivo de ganancia, así que ese número por sí solo no valida nada.
FAQ
Q. ¿Cómo sé si mi estrategia está sobreoptimizada?
No hay método perfecto, pero revisa tres cosas: si hay suficientes casos (al menos varias decenas), si la condición es tan simple que se explica en una frase, y si el resultado no se derrumba al mover un poco los números de la regla. Si falla cualquiera de las tres, sospecha que es una regla que solo encaja con el pasado.
Q. ¿Los historiales de ganancias espectaculares que muestran los grupos de señales también son sobreoptimización?
Pueden ser reglas ajustadas al gráfico pasado, o cherry-picking: mostrar solo los resultados que salieron bien. El criterio para distinguirlo es uno solo: si publican el registro completo, con aciertos y errores, junto con las condiciones. Una boleta que no muestra la distribución completa no es una boleta.