Overfitting (sobreajuste): ajustar la curva al pasado
Si tu estrategia tiene 47 parámetros y una tasa de acierto del 95%, felicidades. Construiste una máquina del tiempo que solo funciona hacia atrás.
El sobreajuste (overfitting) consiste en crear una estrategia tan afinada a los datos históricos que captura ruido en vez de señal. La estrategia se ve increíble en los backtests porque memorizó el pasado, no porque haya aprendido patrones que se repetirán en el futuro.
¿Qué es el sobreajuste?
Toda serie de datos de mercado contiene dos componentes: señal y ruido. La señal es la parte que refleja dinámicas genuinas del mercado y patrones que pueden repetirse. El ruido es variación aleatoria que ocurrió una vez y no volverá a ocurrir.
Una buena estrategia de trading captura la señal e ignora el ruido. Una estrategia sobreajustada captura ambos y trata las peculiaridades aleatorias del pasado como si fueran patrones predecibles.
Imagina que intentas predecir si va a llover. Notas que durante los últimos diez martes llovió cada vez que te pusiste tu camisa azul. Un modelo sobreajustado concluiría que usar camisas azules los martes causa la lluvia. Un modelo robusto reconocería que es una coincidencia y se enfocaría en los patrones climáticos reales.
El equivalente en trading: tu backtest muestra que comprar cuando el RSI cruza 23.7 en el gráfico de 4 horas produce grandes rendimientos. ¿Por qué 23.7? Porque ese número concreto coincidió por casualidad con movimientos aleatorios del mercado en tus datos históricos. No tiene ningún valor predictivo de aquí en adelante.
El problema de la cantidad de parámetros
La forma más obvia de sobreajuste viene de tener demasiados parámetros. Cada parámetro le da a tu estrategia otro grado de libertad para ajustarse a los datos históricos. Agrega suficientes parámetros y podrás ajustarte perfectamente a cualquier conjunto de datos.
Considera estas dos estrategias:
Estrategia A: comprar cuando el precio está por encima de la media móvil de 50 periodos. Un parámetro (la longitud del periodo).
Estrategia B: comprar cuando el precio está por encima de la MA de 50 periodos, el RSI está entre 35 y 45, el histograma del MACD es positivo pero por debajo de 0.3, el volumen está por encima del promedio de volumen de 20 periodos, la hora está entre las 2 y las 6 UTC y no es lunes. Decenas de parámetros.
La estrategia B tiene más libertad para ajustarse a los datos. Con suficientes condiciones, puedes crear una estrategia que solo se active exactamente en las operaciones que funcionaron en el pasado. Pero esas condiciones no describen una ventaja (edge) real del mercado; describen el camino específico que por casualidad siguió el precio.
Como guía aproximada: las estrategias robustas tienen 2-4 parámetros centrales. Las estrategias con más de 10 parámetros casi con certeza están sobreajustadas. Es seguro que las estrategias con 20 o más parámetros están sobreajustadas.
Dentro de la muestra frente a fuera de muestra
La prueba clásica del sobreajuste es comparar el desempeño dentro de la muestra y fuera de muestra.
Los datos dentro de la muestra son los que usaste para desarrollar y optimizar la estrategia. Los datos fuera de muestra son datos que la estrategia nunca ha visto, reservados específicamente para la validación.
Una estrategia sobreajustada muestra un desempeño muchísimo mejor dentro de la muestra que fuera de muestra. "Aprendió" los datos dentro de la muestra, pero no puede generalizar a datos nuevos. Una estrategia robusta muestra un desempeño similar en ambos periodos porque capturó patrones genuinos en vez de ruido histórico.
El problema: si miras tus resultados fuera de muestra y luego retocas tu estrategia según lo que ves, tus datos fuera de muestra pasaron a ser datos dentro de la muestra. Necesitas datos completamente nuevos para validar. Por eso existe la validación walk-forward, que veremos en la próxima lección.
Señales visuales de sobreajuste
A menudo puedes detectar el sobreajuste a simple vista examinando la curva de patrimonio.
Las estrategias sobreajustadas suelen mostrar curvas de patrimonio sospechosamente suaves en los backtests, con muy pocas operaciones perdedoras. Las estrategias de trading reales tienen periodos caóticos. Sufren drawdowns. Encadenan operaciones perdedoras. Si tu backtest no muestra más que ganancias constantes, desconfía.
Las estrategias sobreajustadas también muestran mejoras drásticas durante la optimización. Si cambiar un parámetro de 19 a 20 provoca una diferencia enorme de desempeño, es una señal de advertencia. Las estrategias robustas muestran una sensibilidad gradual a los parámetros, en la que valores cercanos de un parámetro producen resultados similares.
El dilema entre sesgo y varianza
Entender el sobreajuste requiere entender el dilema entre sesgo y varianza de la estadística.
El sesgo es qué tan lejos está la predicción promedio de tu modelo del valor verdadero. Un modelo sesgado se equivoca de forma sistemática.
La varianza es cuánto varían las predicciones de tu modelo según los datos específicos con los que se entrenó. Un modelo de alta varianza produce resultados muy distintos en conjuntos de datos diferentes.
El sobreajuste es varianza alta. El modelo se ajusta tan estrechamente a las peculiaridades específicas de tus datos históricos que produciría resultados completamente distintos en otro periodo histórico.
El objetivo es encontrar el punto óptimo: suficiente complejidad para capturar patrones reales (sesgo bajo), pero no tanta como para ajustarte al ruido (varianza baja). Las estrategias simples con pocos parámetros tienden a tener más sesgo pero menos varianza. Puede que se les escapen algunos patrones reales, pero es más probable que funcionen en el futuro.
Medidas prácticas contra el sobreajuste
En la práctica, varias técnicas son de ayuda para prevenir el sobreajuste.
Usa menos parámetros. Ante la duda, simplifica. Una estrategia con 3 parámetros que logra una tasa de acierto del 55% vale más que una con 30 parámetros que en el backtest llega a una tasa de acierto del 75%.
Regulariza tu optimización. No te limites a buscar los parámetros que maximizan la ganancia del backtest. Ten en cuenta la estabilidad. Si los parámetros 18 y 20 producen resultados excelentes pero el 19 da malos resultados, algo está mal.
Exige significancia estadística. No confíes en una estrategia basada en 50 operaciones. Exige cientos o miles de muestras antes de concluir que existe una ventaja. El puro azar puede producir resultados impresionantes a corto plazo.
Prueba en varios periodos de tiempo. Una estrategia que funciona en 2020, 2021, 2022, 2023 y 2024 es más confiable que una que solo funciona en 2023.
Prueba en distintas condiciones de mercado. ¿Tu estrategia funciona en mercados alcistas, bajistas y laterales? ¿O solo en un régimen? Las estrategias específicas de un régimen no son necesariamente malas, pero necesitas conocer sus limitaciones.
Puntos clave
El sobreajuste captura ruido en vez de señal al ajustar las estrategias con demasiada precisión a los datos históricos. Más parámetros significan más riesgo de sobreajuste, porque cada parámetro aporta otro grado de libertad para ajustarse a peculiaridades aleatorias. Compara el desempeño dentro de la muestra y fuera de muestra para detectar el sobreajuste. Las curvas de patrimonio sospechosamente suaves y la sensibilidad extrema a los parámetros son señales visuales de advertencia. Prefiere estrategias más simples, con menos parámetros, y exige tamaños de muestra grandes para la validación.
A continuación, examinaremos la validación walk-forward, la técnica que separa los backtests de aficionado de las pruebas de nivel institucional.