Sobreajuste (overfitting)

Ajustar una estrategia tanto a los datos pasados que se adapta al ruido y no a la ventaja real. Brilla en el backtest y falla en el mercado en vivo.

Hay sobreajuste cuando una estrategia se diseña, o se optimiza, tan a medida de un periodo histórico concreto que aprende sus casualidades en lugar de un patrón repetible. Los datos financieros contienen mucho ruido y poca señal, así que con suficientes parámetros siempre se puede encontrar una combinación que habría sido espléndida en el pasado. Eso no implica que funcione en el futuro.

El mecanismo básico es el exceso de grados de libertad. Una media móvil con periodo 20 es una regla; añadir un filtro de hora, un umbral de volatilidad, un día de la semana y tres parámetros de salida produce miles de combinaciones. Cuantas más pruebas, más probable es que alguna salga bien por pura suerte. Es el problema de las comparaciones múltiples.

Un ejemplo numérico: si cada prueba individual tiene un 5 % de probabilidad de parecer significativa por azar, la probabilidad de que al menos una de 20 pruebas independientes lo parezca es 1 − 0,95 elevado a 20 ≈ 64,2 %. Con solo 10 pruebas ya es del 40,1 %. Quien optimiza cientos de combinaciones y se queda con la mejor casi siempre está viendo el azar que mejor se disfraza de resultado.

Las señales de alerta son claras: curvas de beneficios demasiado suaves; resultados que cambian mucho al mover un parámetro un 10 %; pocas operaciones con muchas reglas; rendimiento que se desploma fuera de la muestra de optimización; y reglas que no puedes explicar con una lógica económica. Una buena estrategia suele funcionar de forma parecida en una zona amplia de parámetros, no en un único pico.

Para combatirlo, reduce el número de parámetros y reglas, usa muestras largas con distintos regímenes, reserva datos fuera de muestra que no toques hasta el final, aplica validación walk-forward y comprueba la robustez con pequeñas perturbaciones de parámetros, de costes y de datos. Si el sistema solo sobrevive con costes nulos y valores exactos, probablemente está sobreajustado.

Un error muy común es repetir la validación fuera de muestra una y otra vez, ajustando tras cada fallo: en la práctica, esa muestra pasa a formar parte del entrenamiento. Otro es confiar en un único activo o periodo. Probar la lógica en varios instrumentos relacionados es una prueba de robustez más fiable que optimizar sobre uno solo.

En la gestión del riesgo, asume que el rendimiento en vivo será inferior al del backtest. Arranca con tamaños mínimos, compara las métricas reales con las esperadas y define de antemano cuándo, con qué desviación, pararás el sistema.

Más términos