Elegir una fuente de datos: opciones gratuitas, de bajo costo y de pago
El primer paso para construir cualquier estudio histórico es encontrar datos, y los motores de búsqueda suelen ser el punto de partida. Las bases de datos gratuitas o de bajo costo son abundantes en línea. Difieren en lo que cubren: algunas ofrecen datos diarios de acciones, otras datos diarios de futuros, datos diarios de forex o datos intradía para acciones y futuros. También difieren en tres dimensiones menos obvias pero más importantes: si se ajustan los splits y los dividendos, si los datos sufren de sesgo de supervivencia y hasta qué punto se remonta el historial. Las bases de datos de pago generalmente ofrecen un ajuste más completo por splits y dividendos, permiten descargas masivas de muchos símbolos a la vez e incluyen datos fundamentales. Algunos proveedores también ofrecen conjuntos de datos libres de sesgo de supervivencia. La contrapartida es el costo, que puede ser sustancial. Las fuentes gratuitas o económicas a menudo conllevan sesgo de supervivencia, por lo general requieren descargar un símbolo a la vez y varían en la consistencia con la que se han aplicado sus ajustes de precios. Debido a estas diferencias, la elección de la fuente no es una decisión neutral. Dos conjuntos de datos que cubren el mismo mercado y el mismo período pueden producir resultados de backtest diferentes para el mismo conjunto de reglas. Un conjunto de datos que ajusta correctamente las acciones corporativas y conserva los símbolos excluidos de la cotización se comportará de manera muy diferente a uno que no hace ninguna de las dos cosas. Por esa razón, el enfoque práctico es identificar qué contiene realmente una fuente antes de usarla, en lugar de asumir que cualquier archivo etiquetado con un ticker y una fecha es equivalente a cualquier otro. La cobertura, la política de ajuste, la longitud del historial y el manejo del sesgo son las propiedades que determinan si un estudio es significativo o engañoso.
Ajuste por splits y dividendos: la primera pregunta que hay que hacer
Si los precios históricos se han ajustado por splits y dividendos es la cuestión central que debe resolverse antes de utilizar cualquier base de datos. La mecánica es sencilla una vez que la lógica está clara. Cuando una empresa divide sus acciones en la fecha ex, cada acción se convierte en varias acciones nuevas. Todos los precios históricos anteriores a la fecha ex deben multiplicarse por el inverso del ratio de split, lo que significa dividir por el múltiplo del split. Un split de dos por uno, por ejemplo, requiere que todos los precios anteriores se dividan por la mitad para que la serie de precios permanezca continua a través del evento. Los dividendos funcionan mediante un factor diferente. Cuando una empresa paga un dividendo en efectivo en la fecha ex, todos los precios históricos anteriores a esa fecha se multiplican por el factor: cierre del día anterior menos el dividendo por acción, dividido por el cierre del día anterior. Esto preserva el rendimiento diario de la acción a través del límite ex-dividendo. Tenga en cuenta que el método estándar ajusta los precios de forma multiplicativa en lugar de simplemente restar el importe del dividendo, porque la multiplicación mantiene los rendimientos continuos y comparables a lo largo del tiempo. La resta crearía distorsiones en los rendimientos porcentuales. Las consecuencias de omitir estos ajustes son graves. En una fecha ex-dividendo, el precio de apertura es naturalmente más bajo que el cierre anterior aproximadamente por el importe del dividendo, además de cualquier movimiento normal del mercado que ocurra. Esa brecha artificial puede desencadenar señales de trading falsas. Un sistema que busca rupturas a la baja, por ejemplo, podría interpretar la caída mecánica como una ruptura genuina y emitir una instrucción de venta en corto donde no existe una debilidad real de precios. La solución más limpia es utilizar una base de datos que ya haya aplicado los ajustes por splits y dividendos. Cuando el ajuste debe hacerse manualmente, se requiere una fuente independiente de información sobre splits y dividendos para poder calcular los factores, lo cual es tedioso y propenso a errores.
Ajuste manual: factores, multiplicación y riesgo de error
Si un conjunto de datos llega sin ajustar y no se puede reemplazar, el trabajo de ajuste recae en el usuario, y vale la pena entender con precisión qué implica eso. El proceso requiere un registro separado y fiable de cada split y cada dividendo para cada símbolo. A partir de ese registro, se calcula un factor de ajuste para cada acción corporativa: el inverso del ratio de split para los splits, y el cierre menos el dividendo dividido por el cierre para los dividendos. Cada factor se aplica luego a todos los precios históricos que ocurren antes de la fecha ex correspondiente. Cuando una acción tiene tanto múltiples splits como múltiples pagos de dividendos en su historial, el factor de ajuste total para cualquier precio histórico dado es el producto de todos los factores individuales de split y de dividendo que se aplican al intervalo de tiempo de ese precio. Esta estructura multiplicativa es lo que mantiene la serie internamente consistente: cada evento se compone sobre los anteriores. Surgen dos dificultades prácticas. Primero, la recopilación de datos en sí es laboriosa. Los splits y dividendos deben obtenerse de una fuente independiente del archivo de precios, y cualquier evento faltante deja una discontinuidad permanente en la serie que puede confundirse con un movimiento real de precios. Segundo, los errores aritméticos se propagan. Un solo factor incorrecto corrompe todos los precios anteriores a esa fecha, y la distorsión resultante puede parecer lo suficientemente plausible como para pasar desapercibida. También hay un problema de verificación. Diferentes proveedores pueden manejar los ajustes de maneras ligeramente distintas, por lo que una serie ajustada manualmente y una serie ajustada por el proveedor pueden no coincidir exactamente incluso cuando ambas son internamente consistentes. Cuando los resultados dependen de niveles de precios precisos, vale la pena confirmar cómo define una fuente su ajuste antes de combinarla con datos de otro lugar. En la mayoría de los casos, el esfuerzo del ajuste manual solo se justifica cuando no existe una fuente preajustada adecuada.
Sesgo de supervivencia: la distorsión oculta
El sesgo de supervivencia es una de las trampas más comunes al utilizar bases de datos históricas gratuitas o de bajo costo, y ya se discutió en el material de selección de estrategias. El término describe un conjunto de datos que contiene solo instrumentos que todavía existen hoy. Las empresas que fueron excluidas de cotización, quebraron o fueron adquiridas han sido eliminadas, por lo que el historial refleja solo a los ganadores. Para un trader que recién comienza, las bases de datos libres de sesgo de supervivencia suelen ser demasiado caras. Esa brecha de costo es precisamente la razón por la que la trampa está tan extendida: la opción asequible es la sesgada, y el sesgo es invisible a menos que lo busques. La distorsión puede ser extrema. La misma estrategia ejecutada en una base de datos sesgada y en una no sesgada puede producir conclusiones completamente opuestas. Un conjunto de reglas que en realidad pierde dinero puede parecer muy rentable en una prueba retrospectiva, porque la base de datos eliminó silenciosamente los instrumentos que fallaron en el camino. El rendimiento reportado puede pasar de una cifra negativa de decenas de puntos porcentuales a una cifra positiva de varios cientos por ciento simplemente por qué símbolos se conservaron. El mecanismo es simple de enunciar. Una prueba retrospectiva asume que podría haber operado con el universo tal como está registrado. Si ese universo se armó mirando hacia atrás y conservando solo a los supervivientes, la prueba está seleccionando efectivamente acciones con el beneficio de la retrospectiva. No es en absoluto una prueba de una regla de decisión; es una prueba de la regla aplicada a un grupo que ya se sabe que tuvo éxito. Eliminar esa retrospectiva requiere datos que incluyan los instrumentos que desaparecieron, que es exactamente lo que carecen los conjuntos de datos más baratos.
Formas prácticas de reducir el sesgo de supervivencia
Dado que una base de datos libre de sesgo de supervivencia a menudo está fuera de alcance al principio, vale la pena conocer dos soluciones prácticas. La primera es construir tu propia base de datos futura. Si guardas los precios de todos los instrumentos que sigues todos los días, con una marca de tiempo adjunta, acumulas un conjunto de datos que no puede sufrir sesgo de supervivencia, porque nada se elimina después del hecho. Lo que sea que se excluya de cotización o desaparezca permanece en tus registros exactamente como sucedió. Este enfoque tiene límites obvios: lleva tiempo volverse útil, y solo cubre los instrumentos que elegiste rastrear. Pero es genuinamente libre de sesgo para el período que cubre, y no cuesta nada más allá de la rutina de guardar los archivos. El segundo enfoque es restringir las pruebas retrospectivas a datos recientes. Al probar en una ventana más corta y más reciente, la estrategia se evalúa en un período en el que relativamente pocos de los instrumentos incluidos han tenido tiempo de excluirse de cotización y desaparecer de la base de datos. El grupo de empresas desaparecidas es más pequeño, por lo que su ausencia distorsiona los resultados con menos severidad. Ambos métodos intercambian un problema por otro. Construir tu propia base de datos intercambia tiempo por calidad de datos. Usar solo datos recientes intercambia longitud de historial por sesgo reducido, lo que también significa que se muestrean menos regímenes de mercado, por lo que la prueba cubre una gama más estrecha de condiciones. Ninguno de los dos enfoques es perfecto, y ninguno sustituye a un conjunto de datos sin sesgo cuando haya uno disponible. El punto importante es la conciencia. Si sabes que una base de datos contiene solo instrumentos supervivientes, puedes interpretar sus resultados con la debida cautela en lugar de tomarlos al pie de la letra. El sesgo que se reconoce se puede razonar; el sesgo que no se reconoce simplemente infla la confianza en una estrategia que puede que nunca haya funcionado.
Por qué los precios máximos y mínimos son menos fiables
En los datos diarios de casi todas las acciones, el máximo y el mínimo registrados conllevan mucho más ruido que la apertura y el cierre. Esto no es una tecnicidad menor; tiene consecuencias directas sobre cómo deben leerse los resultados de las pruebas retrospectivas. Considere una orden de compra limitada colocada a un precio por debajo del máximo registrado del día. Aunque el precio se negoció a ese nivel o por debajo según la base de datos, es posible que la orden no se haya ejecutado en el trading en vivo. Lo mismo se aplica a las órdenes de venta limitadas. Hay varias razones. La operación al precio extremo puede haber involucrado un número muy pequeño de acciones, mucho menos de lo que requería la orden. Puede haber ocurrido en un mercado donde su orden no podría haberse enrutado. O el máximo y el mínimo registrados pueden simplemente ser incorrectos y nunca se filtraron del archivo. Debido a esto, hacer pruebas retrospectivas con máximos y mínimos es menos fiable que usar aperturas y cierres. Eso no significa que las aperturas y los cierres sean impecables. Incluso las órdenes a mercado en la apertura o al cierre pueden no ejecutarse exactamente en la apertura o el cierre históricos registrados en una base de datos, ya que un precio histórico puede provenir de una cotización consolidada de un único gran mercado o de un compuesto que incluye mercados regionales. Dependiendo de dónde se enrute una orden, el precio de ejecución puede diferir de la cifra registrada. Aun así, el impacto de las discrepancias de apertura y cierre en el rendimiento de la prueba retrospectiva es generalmente mucho menor que el impacto de las discrepancias de máximo y mínimo. La razón es direccional: las pruebas que asumen ejecución en los máximos y mínimos inflan sistemáticamente los rendimientos, porque la estrategia siempre vende al mejor precio del día y compra al peor. Ese patrón es casi imposible de lograr de manera consistente en el trading en vivo.
Verificación de errores: los rendimientos diarios como diagnóstico
Una vez que se han recuperado los datos de una base de datos, deben verificarse en busca de errores antes de usarlos. El diagnóstico más simple es calcular los rendimientos diarios. Si el archivo contiene máximo, mínimo, apertura y cierre, los rendimientos diarios se pueden calcular a partir de varias combinaciones de estos precios. El siguiente paso es marcar los valores de rendimiento extremos; por ejemplo, cualquier observación que se desvíe de la media en más de unas pocas desviaciones estándar merece inspección. Este umbral no es una regla de la naturaleza, sino un filtro que concentra la atención en el pequeño número de observaciones más propensas a estar equivocadas. Cuando se encuentra un rendimiento extremo, la pregunta es si es real o artificial. Los movimientos grandes a menudo coinciden con comunicados de noticias importantes o oscilaciones inusuales en el índice de mercado más amplio. Si un valor atípico se alinea con tal evento, es plausiblemente genuino. Si no lo hace, es más probable que sea un error de entrada de datos o un ajuste defectuoso que debe corregirse o eliminarse. Verificar los rendimientos en lugar de los precios brutos es útil porque normaliza entre instrumentos y tiempo. Un rendimiento sospechoso aparece como un valor atípico independientemente del nivel de precio nominal, mientras que los precios brutos parecen poco notables de forma aislada. Comparar los rendimientos calculados a partir de diferentes combinaciones de precios también ayuda a aislar el problema: si el rendimiento de apertura a cierre parece normal pero el rendimiento de máximo a mínimo es extremo, el problema puede estar en el máximo o el mínimo en lugar de en toda la serie. Este tipo de verificación es poco glamorosa pero decisiva. Un puñado de observaciones corruptas, especialmente en torno a acciones corporativas, puede producir las rupturas falsas y las señales espurias descritas anteriormente. Detectarlas y corregirlas cuesta mucho menos que construir una estrategia sobre datos que nunca fueron inspeccionados. Palabra final: Basado en notas de estudio, solo con fines educativos y no como asesoramiento de inversión.
Reuniendo las verificaciones: una rutina de revisión de datos
Los problemas individuales cubiertos hasta ahora se combinan en una rutina de revisión práctica que se puede aplicar a cualquier conjunto de datos nuevo antes de que alimente una prueba retrospectiva. Comience con la procedencia. Establezca qué cubre la fuente, hasta dónde se remonta su historial, si incluye precios ajustados y si conserva instrumentos excluidos de cotización. Estas cuatro propiedades determinan el techo de lo que puede mostrar cualquier prueba que utilice los datos. A continuación, confirme específicamente la política de ajuste. Si se ajustan los splits y los dividendos, pregunte cómo. Si no se ajustan, decida si hay disponible una fuente independiente de acciones corporativas y si el esfuerzo del ajuste manual es realista. Omitir este paso deja en su lugar brechas de precios mecánicas que pueden confundirse con señales de mercado. Luego evalúe el sesgo. Si el conjunto de datos contiene solo instrumentos supervivientes, planifique en torno a ello: ya sea construya una base de datos de recopilación prospectiva a lo largo del tiempo o limite las pruebas a períodos recientes, e interprete los resultados teniendo en cuenta la distorsión. Después de eso, decida qué precios utilizará la prueba. Las aperturas y los cierres son la base más segura. Las pruebas que asumen ejecución en el máximo o mínimo registrados incorporan una ventaja que el trading en vivo rara vez proporciona, lo que favorece los resultados sin ningún cambio en la regla subyacente. Finalmente, ejecute la verificación de errores sobre los rendimientos. Calcule los rendimientos diarios a partir de múltiples combinaciones de precios e inspeccione los valores atípicos frente a noticias y movimientos del índice. Corrija o elimine las observaciones que no puedan explicarse. Ninguno de estos pasos le dice si una estrategia es buena. Solo determinan si los números que produce una prueba significan algo en absoluto. Esa distinción es el punto central: una prueba retrospectiva es una inferencia a partir de datos, y una inferencia es tan sólida como los datos en los que se basa.
