Si la estrategia es realmente buena, ¿por qué no ganarse uno mismo? Tres artículos revelan la dura verdad detrás de los indicadores de venta

En el mundo de las transacciones con criptomonedas, muchas personas creen en ciertos “indicadores de trading”. Sin embargo, varios estudios señalan que la mayoría de las estrategias de trading que afirman tener resultados consistentes en backtesting no son necesariamente efectivas en el mercado real, sino que son los supervivientes seleccionados. Es como hacer cien veces los exámenes de la prueba de ingreso del año pasado y sacar la puntuación perfecta; eso no significa que en la prueba de este año también vayas a destacar igual, y esa es la trampa del “sobreajuste” en las estrategias de trading. Una cuestión más realista es: si una estrategia realmente funciona tan bien, ¿por qué no apalancarse uno mismo en lugar de venderla o compartirla públicamente?

Al fin y al cabo, las estrategias efectivas suelen estar limitadas por la capacidad de asimilación del mercado; cuanto más capital se invierte, más la ventaja se ve erosionada por el comportamiento propio y las reacciones del mercado.

Los desarrolladores de indicadores de trading suelen presentar solo las mejores partes para captar fondos

Un artículo publicado por la Sociedad Estadounidense de Matemáticas señala los sesgos en los backtests, y revela que, bajo un marco de prueba tradicional, es posible encontrar algunas estrategias técnicas que generan retornos positivos significativos en datos históricos, lo cual explica por qué el análisis técnico ha sido popular en los mercados durante años. Sin embargo, los autores advierten que estos resultados a menudo ignoran un problema clave: el sesgo de exploración de datos (data-snooping bias).

Cuando los investigadores prueban cientos o incluso miles de reglas de trading simultáneamente, estadísticamente es inevitable que algunas muestren un rendimiento sobresaliente, incluso si el mercado en sí es completamente aleatorio. Confiar en estos ganadores “post hoc” para juzgar la validez del análisis técnico equivale a confundir la suerte con la habilidad.

Corregir el sesgo reduce en gran medida la ventaja de las estrategias técnicas

Para abordar este problema, los estudios emplean métodos estadísticos más rigurosos que ajustan los sesgos de las pruebas múltiples. Los resultados muestran que, tras la corrección, casi todas las estrategias técnicas que parecían ofrecer retornos excesivos significativos pierden su significancia estadística. En otras palabras, en un entorno fuera de la muestra, estas reglas de trading difícilmente reproducen su rendimiento histórico, lo que indica que no capturan realmente estructuras de mercado sostenibles.

Tras incluir los costos de transacción, los retornos reales son aún más pesimistas

El estudio también considera los costos de transacción. Dado que las estrategias técnicas suelen tener una alta rotación, al incluir comisiones, deslizamientos y costos por impacto en el mercado, incluso aquellas que muestran pequeños beneficios en la muestra tienden a volverse negativas. Los autores señalan que este resultado tiene una gran relevancia práctica, ya que la mayoría de los backtests públicos subestiman los costos de fricción en el trading real.

La conclusión del estudio no niega completamente la utilidad del análisis técnico, sino que indica que su papel es más adecuado como herramienta de gestión de riesgos, identificación de tendencias o apoyo conductual, en lugar de una fuente de beneficios por sí misma. En mercados modernos altamente competitivos y con información que se refleja rápidamente, depender únicamente de señales de precios históricos y volumen de transacciones ya no permite obtener ventajas sostenibles.

Errores en el backtesting de indicadores: como usar exámenes pasados para aprobar un test de ingreso

Un artículo titulado “La probabilidad de sobreajuste en backtests” (The Probability of Backtest Overfitting) señala que los resultados perfectos en backtests que se ven en la práctica tienen una alta probabilidad de ser simplemente productos del sobreajuste de datos (Overfitting). En el campo de las finanzas cuantitativas, el backtest es la herramienta estándar para evaluar riesgos y retornos de estrategias. Sin embargo, con el aumento de la capacidad computacional, los investigadores ahora pueden probar fácilmente miles de millones de combinaciones de estrategias en un mismo conjunto de datos históricos.

Los autores comparan esto con la frase: “Si interrogas a los datos lo suficiente, acabarán confesando”. Cuando los investigadores ajustan continuamente parámetros (como la duración de medias móviles, umbrales de entrada, etc.) hasta que los resultados parecen perfectos, en realidad solo están ajustando el ruido del mercado pasado, no capturando señales futuras. Es como hacer muchas veces los exámenes pasados de la prueba de ingreso y, al ver que en el examen del año pasado sacaste 100 puntos, no significa que en la prueba de este año también vayas a tener el mismo rendimiento, porque son cosas diferentes.

Para solucionar esto, el equipo de investigación propone un indicador clave: la probabilidad de sobreajuste en backtests (PBO, por sus siglas en inglés). El PBO calcula la probabilidad de que la estrategia con mejor rendimiento en el backtest tenga un rendimiento inferior a la media en el futuro. Si el PBO es alto, indica que la estrategia fue seleccionada deliberadamente por sus parámetros “óptimos”; si es bajo, sugiere que la estrategia es robusta.

El estudio prueba una estrategia con un índice de Sharpe de 1.27, muy atractiva para inversores comunes, pero tras el análisis, se encontró que su PBO era del 55%. Aunque todos los resultados en la muestra fueron positivos, en las pruebas fuera de muestra, el 53% de las veces resultaron en pérdidas. Esto demuestra que incluso estrategias con un alto índice de Sharpe pueden ser simplemente sobreajustes.

Estudio empírico en el mercado de acciones de India: RSI, MACD difícilmente superan consistentemente al mercado

Tras analizar los problemas de backtesting y estadísticos, pasemos a los estudios prácticos. Una investigación que abarcó 18 años en el mercado de acciones de India muestra que las herramientas de análisis técnico más utilizadas por los inversores, en general, tienen poca capacidad para generar retornos excesivos de forma estable. Aunque en algunos periodos bajistas se observaron ventajas temporales, su rendimiento ajustado por riesgo no fue suficiente para demostrar una capacidad de obtener beneficios sostenidos a largo plazo.

Este estudio fue realizado por S. Muruganandan, académico del Sri Dharmasthala Manjunatheshwara College de India, publicado en el Colombo Business Journal. Utilizó datos históricos del índice Sensex de la Bolsa de Bombay (BSE) desde febrero de 2000 hasta mayo de 2018, cubriendo varias fases de mercado alcista, bajista y de consolidación, para evaluar la efectividad de dos indicadores técnicos muy comunes: el índice de fuerza relativa (RSI) y el MACD (Moving Average Convergence Divergence).

El RSI no logra crear ventajas estables en ningún ciclo de mercado

Los resultados muestran que las estrategias basadas en RSI, tanto en señales de compra como de venta, no superan de manera significativa el rendimiento promedio sin estrategia alguna, incluso antes de descontar costos de transacción. Al analizar por separado diferentes fases de mercado, se observa que en los mercados alcistas, RSI genera muchas señales de venta, pero no logra seguir la tendencia; en mercados bajistas o de consolidación, aunque aumenta las señales de compra, estas suelen ser prematuras, resultando en bajos retornos. La estructura del RSI hace que en mercados con tendencia unidireccional, sea propenso a operar en contra de la tendencia, lo que perjudica su rendimiento. Desde una perspectiva ajustada por riesgo, la mayoría de las estrategias RSI tienen un índice de Sharpe negativo, indicando que el riesgo asumido no compensa los retornos.

El MACD solo en fases bajistas muestra resultados ligeramente mejores en ventas

En comparación, el MACD tiene un rendimiento algo mejor, pero aún así difícil de considerar confiable y estable. Se encontró que las señales de compra del MACD, en todos los ciclos de mercado, no generan retornos significativamente superiores al mercado en general; sin embargo, las señales de venta en fases bajistas sí muestran retornos estadísticamente significativos y mejores que el promedio sin estrategia. Esto indica que en caídas del mercado, el MACD puede ayudar a evitar pérdidas o a obtener beneficios mediante posiciones cortas. Pero, al incluir la medición del riesgo, incluso estas señales de venta en mercados bajistas, con un índice de Sharpe bajo, muestran que los retornos no compensan la volatilidad del propio estrategia. En resumen, el MACD puede ser útil en ciertos contextos, pero aún está lejos de ser una herramienta confiable para beneficios sostenidos a largo plazo.

El estudio concluye que, en el mercado de acciones de India, bajo la hipótesis de eficiencia débil, la información de precios históricos ya se refleja en los precios, haciendo que depender únicamente de indicadores técnicos sea insuficiente para obtener retornos anormales a largo plazo. Incluso en mercados emergentes con información menos eficiente, la ventaja del análisis técnico se va disipando con el tiempo. Los autores enfatizan que, si se consideran costos de transacción, deslizamientos y costos de capital, el rendimiento real de las estrategias técnicas sería aún peor.