Sesgo de anticipación (look-ahead bias): el asesino silencioso
Podrías estar usando datos futuros por accidente para predecir el pasado. Y lo más probable es que ni siquiera lo sepas.
El sesgo de anticipación (look-ahead bias) es el bug más peligroso del trading cuantitativo porque es invisible. Tu código corre sin errores, tu backtest produce resultados y todo parece estar bien. Pero la estrategia está usando información que no habría estado disponible en tiempo real, lo que deja los resultados del backtest completamente sin sentido.
¿Qué es el sesgo de anticipación?
El sesgo de anticipación ocurre cuando tu sistema de backtesting usa datos del futuro para tomar decisiones en el pasado. Suena a un error obvio que sería fácil de detectar, pero aparece de formas sutiles que incluso a los quants con experiencia se les pasan por alto.
Imagina que haces el backtest de una estrategia simple: comprar cuando una media móvil de 20 periodos cruza por encima de una media móvil de 50 periodos. En la barra 100, compruebas si la MA de 20 periodos está por encima de la MA de 50 periodos. Si es así, compras.
Bastante simple. Pero ¿qué pasa si tu código calculó esas medias móviles con las barras 81-100 para la MA de 20 periodos? Eso es correcto. Ahora, ¿qué pasa si usó las barras 51-100 para la MA de 50 periodos? También es correcto.
Pero ¿qué pasa si tu código tomó como precio actual el precio de cierre de la barra 100 antes de que la barra 100 cerrara de verdad? Ahora usaste información futura. En el momento en que habrías tomado la decisión en la vida real, no habrías conocido el precio de cierre de la barra 100.
Parece trivial, pero genera ganancias falsas. La estrategia parece predecir movimientos que en realidad no podría haber predicho.
Fuentes comunes del sesgo de anticipación
Las fuentes más comunes son técnicas y rutinarias, y justamente por eso son tan peligrosas.
La alineación de datos point-in-time es delicada cuando combinas varias temporalidades. Si usas tasas de financiamiento de 4 horas con datos de precio de 1 minuto, tienes que asegurarte de que cada barra de 1 minuto solo vea la tasa de financiamiento que se conocía en ese momento. La tasa de financiamiento que se actualiza a las 04:00 UTC no debería influir en decisiones tomadas a las 03:30 UTC, aunque según algunas definiciones ambas caigan dentro del mismo periodo de 4 horas.
Los cálculos de indicadores pueden introducir sesgo si no se implementan con cuidado. Algunos indicadores miran hacia adelante por diseño y usan datos futuros en su cálculo. Otros usan datos futuros por accidente debido a cómo están programados. Los cálculos con ventanas móviles mal alineadas son culpables habituales.
La ingeniería de características (feature engineering) es especialmente peligrosa. Si creas características como "cambio porcentual durante la próxima hora", es obvio que usaste datos futuros. Pero ¿qué pasa con "cambio porcentual normalizado por el rango del día"? Si "el rango del día" incluye el máximo y el mínimo que ocurrieron después de tu decisión de trading, introdujiste sesgo de anticipación.
Los datos basados en eventos, como anuncios de resultados, eventos de liquidación o grandes transacciones, pueden tener marcas de tiempo que no coinciden con el momento en que la información estuvo disponible. Un exchange podría registrar un evento de liquidación con una marca de tiempo anterior, de modo que aparezca en tus datos antes de que los participantes del mercado pudieran conocerlo.
Un ejemplo real: la contaminación de ICS_26
Descubrimos un sesgo de anticipación en nuestro propio sistema que vale la pena compartir, porque ilustra lo sutiles que pueden ser estos bugs.
Teníamos un indicador llamado ICS_26, que medía la correlación implícita entre una altcoin y Bitcoin. El cálculo debía capturar qué tan correlacionados estaban los movimientos de la moneda con Bitcoin a lo largo de una ventana de datos pasados.
El bug: el cálculo de correlación usaba sin querer rendimientos futuros de Bitcoin. Comparaba el rendimiento actual de la altcoin con el rendimiento de Bitcoin en una ventana que se extendía hacia el futuro. En la práctica, la señal de correlación predecía la dirección de Bitcoin porque se calculaba con datos de Bitcoin que todavía no habrían estado disponibles.
Cualquier estrategia que usara ICS_26 mostraba un desempeño artificialmente alto. Teníamos 785 de 1,747 ventajas (edges) descubiertas contaminadas por este único indicador. Hubo que descartarlas todas.
No fue un error de novato. El código parecía correcto. Los resultados parecían plausibles. Hizo falta una auditoría minuciosa para descubrir el problema. Si no lo hubiéramos detectado, habríamos puesto en marcha estrategias que funcionaban de maravilla en los backtests y fracasaban por completo en el trading en vivo.
Cómo detectar el sesgo de anticipación
Detectar el sesgo de anticipación requiere revisiones sistemáticas en varios niveles.
Audita tu flujo de datos. Por cada dato que use tu estrategia, pregúntate: ¿cuándo estuvo disponible esta información? Asegúrate de que tu motor de backtest solo use datos que habrían estado disponibles en cada punto de decisión. Es más difícil de lo que parece cuando trabajas con varias fuentes de datos.
Mezcla tus operaciones. Si aleatorizas el orden de las operaciones y el desempeño de la estrategia apenas cambia, eso es bueno. Si aleatorizar el orden cambia los resultados de forma drástica, podrías tener una fuga de datos dependiente del tiempo.
Aplica walk-forward sin tregua. La validación walk-forward es la mejor prueba práctica para detectar el sesgo de anticipación. Si una estrategia muestra de forma sistemática resultados sólidos dentro de la muestra pero malos fuera de muestra, el sesgo de anticipación es un culpable probable. Veremos la validación walk-forward en detalle en una lección posterior.
Opera en demo antes de operar en vivo. Ejecuta tu estrategia en tiempo real con dinero ficticio antes de arriesgar capital real. Si los resultados del trading demo son muchísimo peores que los del backtest, algo está mal. El sesgo de anticipación es el principal sospechoso.
Cómo prevenir el sesgo de anticipación
Más vale prevenir que detectar. Estructura tu sistema de backtesting para que sea difícil caer en el sesgo de anticipación.
Viaja en el tiempo mentalmente. En cada barra de tu backtest, imagina que viajaste en el tiempo hasta ese momento. Solo puedes saber lo que se podía saber entonces. Los precios futuros no existen. Los valores futuros de los indicadores no existen. Los datos que llegaron después no existen.
Usa bases de datos point-in-time. Guarda los datos con marcas de tiempo de cuándo estuvieron disponibles, no solo de cuándo ocurrió el evento. Esto es especialmente importante para los datos que se revisan o se completan de forma retroactiva.
Separa el cálculo de la decisión. Calcula todos los valores de los indicadores para la barra N usando solo datos de la barra N y de las anteriores. Luego toma tu decisión de trading. Nunca mires hacia adelante.
Pon a prueba tu infraestructura. Crea casos simples en los que conozcas la respuesta correcta y verifica que tu motor de backtest acierte. Inserta a propósito bugs de anticipación conocidos para confirmar que tu validación los detecta.
Puntos clave
El sesgo de anticipación usa datos futuros para tomar decisiones pasadas y genera ganancias ficticias en el backtesting. Es invisible y común, y aparece en la alineación de datos, en los cálculos de indicadores y en la ingeniería de características. Detectamos el sesgo de anticipación en nuestro propio indicador ICS_26, que contaminó 785 ventajas. Para detectarlo hacen falta una auditoría sistemática, la validación walk-forward y el trading demo. Para prevenirlo hay que tratar los backtests como un viaje en el tiempo donde solo existe la información pasada.
A continuación, examinaremos el sobreajuste (overfitting), la práctica igual de peligrosa de ajustar la curva de tu estrategia al ruido histórico.