Calibración y el registro encadenado por hash

Todos los servicios de trading de internet te enseñan sus ganadoras. El mecanismo no suele ser el fraude, es la selección. Las capturas de pantalla se eligen después. Un historial publicado es una lista que alguien controla, y cualquier cosa que un editor controla una vez conocido el resultado no contiene información sobre habilidad.

Hay una segunda versión, más sutil, del mismo problema. Un servicio dice «setup de alta probabilidad», la operación pierde, y el servicio señala que alta probabilidad nunca fue una garantía. Esa afirmación es infalsable exactamente de la forma que la vuelve inútil. Una afirmación de probabilidad solo significa algo si puedes contar.

Indikora aborda esos dos problemas con dos mecanismos separados, y es importante que estén separados, porque demuestran cosas distintas.

Qué mide realmente la calibración

La calibración es la comparación entre la confianza declarada y la frecuencia observada. Coge todas las señales publicadas al 60 %, cuéntalas, y cuenta cuántas se resolvieron tal como se declararon. Si lo hicieron aproximadamente 60 de cada 100, el número era honesto. Si lo hicieron 30, no lo era, con independencia de que cualquier señal concreta pareciese razonable.

Esto es una afirmación sobre la etiqueta, no sobre la rentabilidad. Un sistema perfectamente calibrado puede perder dinero y uno mal calibrado puede ganarlo, porque el tamaño de los resultados no forma parte de la medición. La calibración te dice que cuando el motor dice 60 % puedes tomarte ese 60 % literalmente. Qué haces con un 60 % literal es una cuestión aparte que involucra el tamaño de la posición y la distribución de ganancias y pérdidas.

La medición tiene requisitos que es fácil saltarse y letal saltarse.

El intervalo tiene que definirse por adelantado. Agrupar resultados en bandas de confianza después de haberlos visto es la forma de fabricar una buena calibración.

La muestra por intervalo tiene que ser lo bastante grande. Doce señales en el intervalo del 70 % no dicen nada. Una sola racha con mala suerte mueve ese número 20 puntos.

La regla de resolución tiene que estar fijada. Cuándo cuenta una señal como acertada o fallada debe declararse antes de publicarla, no decidirse operación por operación.

La calibración se muestra normalmente como un gráfico con la probabilidad declarada en un eje y la frecuencia observada en el otro, y una diagonal que representa el acuerdo perfecto. La desviación respecto a esa diagonal es el hallazgo. Una desviación persistente en una dirección significa que el sistema peca sistemáticamente de exceso o de defecto de confianza, que es un defecto medible y no una cuestión de opinión.

Por qué el registro se hashea y se encadena

La calibración solo funciona si el registro de lo que se dijo no puede cambiar. Para eso está la cadena de hash.

Cada señal publicada se hashea con SHA-256, una función que convierte cualquier entrada en una huella de longitud fija. Cambia un solo carácter de la entrada y la huella cambia por completo, de una forma que nadie puede dirigir. El hash de cada señal nueva incluye el hash de la señal anterior, lo que las enlaza en una cadena.

La consecuencia: editar una señal de hace tres meses cambiaría su hash, lo que rompería el enlace con la siguiente, lo que rompe todos los enlaces posteriores. Reescribir la historia implica reescribir la cadena entera desde ese punto en adelante, y cualquiera que anotase un hash posterior puede ver que ya no coincide.

Esa es una garantía fuerte sobre una cosa muy estrecha. La cadena demuestra que el registro no se editó ni se fechó hacia atrás. No demuestra nada sobre si las señales eran buenas. Un registro perfectamente encadenado de señales sistemáticamente equivocadas es perfectamente posible, y la cadena verificaría sin problemas. La detección de manipulaciones y la calidad son propiedades distintas, y confundirlas es el error que el mecanismo más tiende a invitar.

Cómo leer un backtest sin dejarse engañar

Los backtests aparecen allí donde hay reglas, y sirven para un propósito más estrecho de lo que casi todo el mundo supone.

Un backtest mide cómo se habría comportado un conjunto fijo de reglas en una ventana histórica concreta. Los buenos te dicen la forma de ese comportamiento: con qué frecuencia se dispararon entradas, cuánto se mantuvieron las posiciones, cuánto profundizaron los drawdowns, qué parte del resultado vino de un puñado de operaciones.

Los límites son estructurales y no desaparecen con mejores datos.

Las reglas las eligió alguien que ya había visto los datos. Incluso con disciplina, las decisiones sobre parámetros absorben información de la muestra.

El número de ciclos de mercado independientes es pequeño. Veinte años de datos diarios no son veinte mil observaciones independientes, son un puñado de regímenes.

Las ejecuciones, los spreads, el funding y el slippage están modelados, no observados. Esos supuestos mueven los resultados más de lo que la mayoría espera, sobre todo en activos volátiles.

La forma honesta de usar un backtest es como descripción de comportamiento, no como pronóstico. Responde a «qué hace esta regla en un mercado como aquel en el que se probó» y no responde a «cuánto va a ganar esto».

Qué exigirle a cualquier historial

Tres preguntas que funcionan con cualquiera, incluido este.

¿Se registró la afirmación antes del resultado? Si no, es una selección, no un registro.

¿Puedo contar las afirmaciones y comprobar la tasa? Si el lenguaje de confianza no es numérico, no puedes.

¿Qué demuestra exactamente la verificación? La detección de manipulaciones, el tamaño de muestra y la calidad son tres cosas distintas, y un servicio que te deja comprobar las dos primeras te ha dicho algo real sin haber afirmado la tercera.

Ser verificable no es lo mismo que tener razón. Es la condición previa para averiguarlo.