La IA está acelerando las pruebas retrospectivas. Pero no las está haciendo infalibles

La estrategia de trading más peligrosa no siempre es aquella con malos resultados históricos. Puede ser la estrategia con un backtest excepcionalmente fluido, un índice de Sharpe impresionante y sin una explicación convincente de por qué debería seguir funcionando.

La inteligencia artificial ha permitido analizar más valores, variables y condiciones de mercado de los que un equipo de investigación humano podría examinar manualmente. Los modelos de aprendizaje automático pueden identificar relaciones no lineales, procesar datos alternativos y ajustar sus parámetros a medida que cambian los patrones. La IA generativa también puede ayudar a los operadores a escribir código, investigar anomalías y convertir una hipótesis de inversión en una estrategia que se pueda poner a prueba.

Sin embargo, nada de esto cambia la limitación fundamental del backtesting: reconstruye un pasado hipotético. No puede demostrar qué habría sucedido una vez que una estrategia hubiera comenzado a realizar órdenes reales, a influir en los precios y a competir con otros inversionistas.

Por lo tanto, la IA mejora el proceso de investigación solo cuando se utiliza para cuestionar una estrategia, en lugar de crear un registro histórico más atractivo.

Lo que realmente aporta la IA

El backtesting tradicional aplica un conjunto definido de reglas de negociación a datos históricos del mercado. Una estrategia relativamente sencilla podría consistir en comprar un índice bursátil cuando su promedio móvil a corto plazo supere su promedio a largo plazo, para luego calcular la rentabilidad, la volatilidad y la caída máxima resultantes.

El aprendizaje automático permite que el modelo analice una gama mucho más amplia de relaciones. Podría combinar el impulso de los precios con los fundamentos de las empresas, el lenguaje utilizado en las conferencias sobre resultados, las expectativas de tasas de interés y la liquidez del mercado. En lugar de imponer una sola relación fija, el sistema puede aprender cómo se comportaron las combinaciones de señales en diferentes partes de la muestra histórica.

El procesamiento del lenguaje natural amplía aún más el conjunto de información. Los modelos pueden clasificar comunicados de bancos centrales, transcripciones de resultados financieros, documentos regulatorios o cobertura periodística, y luego convertir ese texto en variables para una estrategia de negociación. La IA generativa puede acelerar la programación y la documentación, lo que permite a los investigadores pasar más rápidamente de una idea a una prueba ejecutable.

Plataformas como QuantConnect combinan datos históricos, cuadernos de investigación, pruebas retrospectivas y implementación en tiempo real dentro de un mismo entorno. Su motor LEAN de código abierto es compatible con Python y C#, múltiples clases de activos y conexiones con proveedores de datos y casas de bolsa. Esto reduce el trabajo de ingeniería necesario para construir una infraestructura de investigación desde cero.

Para una firma de inversión más pequeña o un operador independiente con experiencia, esa accesibilidad es muy importante. Las herramientas que antes estaban disponibles principalmente para los grandes fondos cuantitativos ahora se pueden alquilar a través de la nube. Sin embargo, la ventaja competitiva no radica en poseer el software. Miles de otros usuarios tienen acceso a modelos, datos y capacidad de cómputo similares. La ventaja proviene de la calidad de la hipótesis y de la disciplina del proceso de validación.

Hacer más pruebas puede llevar a menos verdad

La investigación basada en inteligencia artificial genera una tentación estadística: si se prueban suficientes combinaciones, tarde o temprano algo resultará rentable.

Un investigador podría analizar cientos de indicadores, períodos de tiempo, reglas de entrada, tamaños de posición y niveles de stop-loss. Una combinación determinada podría generar excelentes rendimientos históricos, aunque no exista una relación duradera detrás de ella. La estrategia ha aprendido las casualidades del conjunto de datos en lugar de una fuente de rendimiento repetible.

Esto se conoce como sobreajuste. El problema se vuelve particularmente grave en el ámbito financiero, ya que los mercados ofrecen relativamente pocos datos verdaderamente independientes. Veinte años de cotizaciones diarias pueden parecer un conjunto de datos extenso, pero las observaciones están relacionadas entre sí a través de los ciclos económicos, los regímenes monetarios y los períodos recurrentes de tensión. Un modelo entrenado principalmente en un contexto de inflación a la baja y capital barato podría fallar cuando esas condiciones se inviertan.

El peligro aumenta cuando los investigadores analizan repetidamente el mismo período de prueba. La información procedente de los datos supuestamente no observados influye gradualmente en el diseño del modelo, convirtiendo la prueba fuera de la muestra en otra parte del proceso de entrenamiento.

Por lo tanto, un backtest que se vea muy bien puede ser señal de una optimización excesiva, más que de habilidad para invertir. Cuantas más decisiones se tomen después de ver los resultados, menos independientes se vuelven esos resultados.

La calidad de los datos es más importante que la complejidad del modelo

Un modelo avanzado no puede corregir un registro histórico defectuoso.

El sesgo de supervivencia se produce cuando un análisis utiliza únicamente empresas que aún existen en la actualidad, excluyendo aquellas que fracasaron, se fusionaron o dejaron de cotizar en la bolsa. La cartera resultante está compuesta por empresas que, en retrospectiva, resultaron ganadoras.

El sesgo de anticipación se produce cuando el modelo utiliza información que no habría estado disponible en el momento de la operación. Una estrategia puede utilizar datos económicos revisados, la composición definitiva de un índice o los resultados de una empresa según el período de reporte, en lugar de la fecha en que los inversionistas los recibieron realmente.

Los datos históricos alternativos plantean problemas adicionales. Un conjunto de datos de noticias o de redes sociales puede haber cambiado su cobertura, metodología o población de origen con el paso del tiempo. Las imágenes satelitales, el tráfico web y los datos de tarjetas de crédito pueden contener lagunas que coincidan con determinadas empresas o regiones. Un modelo de aprendizaje automático puede detectar estos artefactos estructurales y confundirlos con señales económicas.

Por lo tanto, los compradores institucionales deberían preguntar cuál es el origen de cada conjunto de datos, cuándo se hizo disponible la información, cómo se manejaron los valores faltantes y si la versión histórica coincide con los datos que recibiría una estrategia en tiempo real.

“Impulsado por IA” no es un estándar de calidad de datos.

Los costos de negociación pueden anular la ventaja aparente

Muchas pruebas retrospectivas asumen que una orden se ejecuta al último precio cotizado. Los mercados en tiempo real no son tan flexibles.

Una estrategia conlleva comisiones, diferenciales entre precio de compra y venta, impacto en el mercado, costos de financiamiento y demoras entre la generación de la señal y la ejecución. Estos efectos son particularmente importantes para las estrategias de alta rotación, los valores menos líquidos y los fondos que buscan invertir un capital considerable.

Un modelo puede identificar una pequeña ventaja teórica en miles de operaciones. Una vez que se aplican los costos de ejecución reales, esa ventaja puede desaparecer. Si otras empresas descubren la misma señal, la operación también puede volverse muy concurrida, lo que aumenta el costo de entrar y salir de la posición.

Por lo tanto, la capacidad forma parte de la tesis de inversión. Una estrategia que funciona con 100 000 euros puede que no funcione con 100 millones de euros. El software de backtesting debe simular la liquidez, las ejecuciones parciales, los tipos de órdenes y el deslizamiento, en lugar de suponer una ejecución ilimitada a un precio favorable.

La estrategia propuesta también debe ponerse a prueba en condiciones más adversas de las que el administrador espera. ¿Qué pasaría si los diferenciales se duplicaran, la ejecución se retrasara, los costos de financiamiento aumentaran o fuera necesario cerrar varias posiciones al mismo tiempo? Una estrategia que solo resulta viable bajo supuestos ideales no es lo suficientemente sólida como para aplicarla con capital real.

Los regímenes históricos deben separarse

Una sola cifra de rendimiento puede ocultar de dónde provino realmente la ganancia de una estrategia.

Un modelo de inteligencia artificial puede parecer exitoso a lo largo de 15 años porque tuvo un desempeño excepcional durante un período inusual. Esto puede deberse a tasas de interés a la baja, correlaciones estables o un mercado alcista prolongado en las acciones. El resultado promedio dice muy poco sobre cómo podría comportarse cuando ese régimen termine.

Los investigadores deberían analizar el rendimiento según las condiciones del mercado: tasas al alza y a la baja, volatilidad alta y baja, períodos inflacionarios y desinflacionarios, mercados líquidos y en situación de tensión. Deberían examinar si el mismo mecanismo económico se mantiene en todas las regiones y clases de activos.

El objetivo no es demostrar que una estrategia sea ganadora en cualquier contexto. Pocas lo son. Se trata de entender cuándo debería funcionar, cuándo podría tener dificultades y si el desempeño observado concuerda con esa explicación.

Es aquí donde el razonamiento económico sigue siendo esencial. El aprendizaje automático puede descubrir un patrón sin explicar por qué los participantes del mercado seguirían generándolo. Una estrategia creíble debería identificar el comportamiento, la restricción institucional, la prima de riesgo o la ineficiencia estructural que subyace a la rentabilidad.

Sin ese razonamiento, se les pide a los inversionistas que crean que la correlación de ayer seguirá siendo la oportunidad de mañana.

El examen debería volverse cada vez más difícil

Un proceso de validación serio no consiste en una sola prueba retrospectiva.

El modelo debe desarrollarse primero con una muestra de entrenamiento y, luego, evaluarse con datos que no se hayan utilizado en el proceso de investigación. El análisis «walk-forward» permite entrenar repetidamente el modelo con una ventana anterior y evaluarlo en el siguiente período, lo que refleja con mayor precisión cómo se habría actualizado en la práctica.

Los investigadores también deberían variar los supuestos. Si una estrategia funciona solo con un período retrospectivo de 47 días, pero falla a los 45 o 50 días, su precisión aparente podría ser engañosa. Una relación sólida debería, por lo general, mantenerse incluso ante cambios razonables en los parámetros, los costos y las fechas de la muestra.

La siguiente etapa es la simulación de operaciones o la implementación en modo de prueba, en la que se generan señales en tiempo real sin comprometer todo el capital. Esto pone de manifiesto las diferencias entre los datos históricos y los datos en vivo, las fallas del software, los retrasos en la ejecución y los supuestos operativos que la prueba retrospectiva no captó.

Solo después de estas etapas se debe inyectar capital, inicialmente en una cantidad que permita a la empresa comparar el desempeño real con el simulado sin generar un riesgo desproporcionado.

La propia QuantConnect señala que los algoritmos en tiempo real suelen dar resultados diferentes a los de las pruebas retrospectivas, ya que una simulación no puede reproducir la realidad a la perfección. Sus herramientas de conciliación comparan los resultados en tiempo real con una prueba retrospectiva fuera de muestra para identificar en qué momento ambos comienzan a divergir. Esa divergencia no es un inconveniente que haya que ocultar. Es información sobre cómo funciona la estrategia en el mercado real.

La IA generativa necesita sus propios controles

Los modelos de lenguaje a gran escala pueden ayudar a los investigadores a escribir código para pruebas retrospectivas, pero un código plausible no es necesariamente un código correcto.

Un modelo puede introducir un error sutil de previsión, manejar mal las zonas horarias, utilizar precios ajustados de manera incorrecta o calcular los costos de transacción de una forma que exagere el rendimiento. También puede inventar un campo de datos o una función de biblioteca que no exista.

Por lo tanto, cada componente generado por IA debe ser revisado, probado y documentado por alguien capaz de entenderlo. Las empresas deben mantener un control de versiones, registrar los cambios realizados en el modelo y conservar los supuestos utilizados para cada resultado.

La confidencialidad también es importante. Las estrategias propias, las posiciones de los clientes y los datos de mercado con licencia no deben introducirse en sistemas públicos de IA sin un permiso explícito y controles contractuales adecuados. Un asistente de programación que resulte práctico no debe convertirse en un canal sin control a través del cual la propiedad intelectual salga de la empresa.

La responsabilidad sigue recayendo en las personas. Decir que “el modelo escribió el código” no es una justificación cuando se pierden fondos o se les muestra a los clientes un rendimiento hipotético engañoso.

Cómo evaluar una plataforma de backtesting

La primera pregunta no debería ser cuántas funciones de inteligencia artificial ofrece la plataforma, sino si el sistema puede reproducir las condiciones en las que la estrategia operaría realmente.

Los compradores deben analizar la procedencia y el historial de los datos, el tratamiento de los valores retirados de cotización, las acciones corporativas y los datos fundamentales en un momento determinado. Deben comprender cómo la plataforma modela las comisiones, los diferenciales, el deslizamiento, la liquidez y la ejecución de órdenes.

La reproducibilidad es igualmente importante. ¿Puede otro investigador realizar la misma prueba y obtener el mismo resultado? ¿Se registran los conjuntos de datos, las versiones del código y los cambios en los parámetros? ¿Puede la empresa exportar su trabajo, o la estrategia queda dependiente de la infraestructura de un solo proveedor?

La seguridad y la gobernanza cobran mayor importancia cuando la plataforma se conecta a una cuenta de corretaje activa. Los permisos de acceso, los flujos de trabajo de aprobación, los registros de auditoría y los controles de emergencia deben evaluarse con la misma seriedad que la lógica de inversión. Un modelo mal gestionado puede ejecutar una mala decisión a la velocidad de una máquina.

El precio debe evaluarse en función de los requisitos operativos completos. Una herramienta de bajo costo puede resultar costosa una vez que la empresa adquiera datos especializados, capacidad computacional y conexiones con corredores de bolsa. Por el contrario, una plataforma institucional sofisticada puede resultar innecesaria para un usuario que esté probando estrategias de baja frecuencia con valores líquidos.

Lo que debe mostrar una prueba retrospectiva confiable

Un comité de inversiones debería recibir algo más que un gráfico de rendimiento acumulado.

La presentación debe exponer la hipótesis de inversión, la justificación económica por la que podría mantenerse y los datos disponibles en el momento en que se habría tomado cada decisión. Debe indicar cuántas variaciones de la estrategia se evaluaron, qué supuestos se modificaron y cómo se seleccionó el modelo final.

El rendimiento debe mostrarse antes y después de los costos reales, en distintos regímenes de mercado y en la muestra que realmente no se ha visto. La caída máxima, la rotación, la liquidez, la concentración y la capacidad son al menos tan importantes como el rendimiento total.

Lo más importante es que el administrador explique las condiciones bajo las cuales se prevé que la estrategia falle. Un investigador que no pueda describir ese límite tal vez no comprenda el modelo lo suficientemente bien como para administrarlo.

La IA permite generar más estrategias, más rápidamente y con una mayor sofisticación aparente. Eso es útil, pero también eleva el nivel de escepticismo necesario. El mejor proceso de backtesting impulsado por IA no es aquel que descubre el rendimiento histórico más impresionante, sino aquel diseñado para eliminar las estrategias débiles antes de que se apliquen con dinero real.