Análisis cuantitativo: muestras, esperanza y validación

El análisis cuantitativo convierte una idea en una regla precisa y la mide con datos. Para eso cada término debe estar definido como en las lecciones anteriores: cuándo se entra, cuándo se sale y cuánto se arriesga. Una regla que necesita tu interpretación en cada caso no se puede medir, porque cada vez que la apliques será una regla distinta.

La unidad de medida es la R, la misma de la calculadora de esperanza matemática del sitio: lo que arriesgas en cada decisión. Con números redondos: si una regla acierta 40 % de las veces, con beneficio promedio de 2R y pérdida promedio de 1R, su esperanza es 0.40 por 2 menos 0.60 por 1, o sea 0.2R por repetición. Para quedar en cero necesitaría un tercio de aciertos, alrededor de 33.3 %.

Una muestra chica engaña. Si en 10 repeticiones salieron 6 aciertos, eso no demuestra que la regla acierte 60 %: con tan pocos casos, el azar pesa mucho. Necesitas muchas repeticiones, en distintos periodos y condiciones del mercado, y aun así el resultado es una estimación con margen de error. Antes de medir, escribe cuántos casos te parecerán suficientes, para no detenerte justo cuando el número te guste.

El error más común es el sobreajuste: mover parámetros hasta que la regla se ve perfecta en los datos que ya conoces. La defensa es la validación: separa los datos en dos partes, diseña con la primera y prueba una sola vez con la segunda, sin tocarla antes. Si probaste muchas variantes, anótalas todas: entre muchas, alguna se verá bien solo por suerte.

Cuida también tres trampas. Mirar el futuro: usar en una decisión un dato que en ese momento todavía no existía, como el cierre del día cuando decides a media sesión. Supervivencia: estudiar solo las emisoras que siguen en la bolsa y olvidar las que salieron. Y costos: comisiones y ejecución peor que la planeada. Todo esto se practica con dinero ficticio; fuera de la simulación, perder es real.

Contenido exclusivamente educativo. No es asesoría ni recomendación de inversión.