Por qué la tasa de aciertos es una métrica engañosa
La tasa de éxito, también llamada tasa de aciertos, mide con qué frecuencia un sistema de trading produce una operación rentable. Es fácil de calcular y psicológicamente satisfactorio: la mayoría de las personas prefiere un sistema que acierta más veces de las que falla. La fuente señala que evaluar un sistema principalmente por su tasa de éxito es un enfoque simplista. Un sistema puede acertar en el 90% de sus operaciones y aun así perder dinero cuando se utiliza en un número suficientemente grande de operaciones. La razón es que la tasa de aciertos no dice nada sobre el tamaño de las ganancias en relación con las pérdidas. Si un sistema gana cantidades pequeñas con frecuencia pero ocasionalmente sufre una pérdida mucho mayor, las ganancias frecuentes pueden verse borradas por un único resultado adverso. Por ejemplo, un sistema genérico que gana +0,1R nueve veces y pierde -2R una vez tiene una tasa de aciertos del 90% pero un resultado neto de -1,1R. Lo contrario también es posible: un sistema con una tasa de aciertos baja puede ser rentable si su ganancia media es mucho mayor que su pérdida media. Los enfoques de seguimiento de tendencia, por ejemplo, a menudo toleran muchas pérdidas pequeñas mientras buscan unas pocas ganancias grandes. La tasa de aciertos también ignora la secuencia de operaciones, las drawdowns y el número de oportunidades. Una tasa de aciertos del 90% en diez operaciones no es lo mismo que el 90% en mil operaciones, y una racha de pérdidas en el momento equivocado puede obligar a un trader a abandonar el sistema. Por lo tanto, la tasa de éxito es una estadística descriptiva, no una medida completa de la calidad del sistema. Puede ser útil como un dato más, pero no puede responder si el sistema tiene una ventaja positiva después de costos, si esa ventaja es estable o cuánto riesgo debe aceptar el trader para realizarla.
Esperanza matemática: el primer paso más allá de la precisión
La esperanza matemática va más allá de la tasa de aciertos al combinar la precisión y el pago en un único promedio. En términos de múltiplos R, la esperanza matemática es el resultado promedio por operación expresado en unidades de riesgo inicial. Una fórmula común es: Esperanza = (Tasa de aciertos × Ganancia media en R) − (Tasa de fallos × Pérdida media en R). Si un sistema gana el 40% de las veces con una ganancia media de +3R y pierde el 60% de las veces con una pérdida media de -1R, su esperanza es (0,40 × 3) − (0,60 × 1) = 1,2 − 0,6 = +0,6R por operación. Esto es más informativo que una tasa de aciertos del 40% por sí sola. Sin embargo, la fuente advierte que un sistema con una esperanza media más alta no es automáticamente mejor. Un sistema que promedia +2,3R por operación puede parecer superior a uno que promedia +0,4R, pero la respuesta no está garantizada. La esperanza es un promedio, y los promedios pueden ocultar detalles importantes: la frecuencia de operaciones, la distribución de resultados, el tamaño y la duración de las drawdowns, y la fiabilidad de la estimación. Un sistema de alta esperanza puede operar raramente, lo que significa que produce menos R total en un período dado. También puede tener resultados de cola gruesa, donde unos pocos ganadores grandes dominan el promedio; si se eliminan esos valores atípicos, la ventaja puede desaparecer. El error de estimación también importa. Una esperanza positiva medida en una muestra pequeña puede no persistir. Además, la esperanza no indica cuánto capital se requiere para sobrevivir a las secuencias perdedoras que ocurren dentro de la distribución. Así que la esperanza es un componente útil, pero no es la tarjeta de puntuación final. Responde cuánto gana un sistema por operación en promedio, no con qué suavidad, con qué frecuencia o con qué riesgo se logra ese promedio.
