{"id":268969,"date":"2023-04-12T11:36:34","date_gmt":"2023-04-12T10:36:34","guid":{"rendered":"https:\/\/www.quantifiedmodels.com\/?p=268969"},"modified":"2023-05-04T17:21:54","modified_gmt":"2023-05-04T16:21:54","slug":"como-evitar-overfitting","status":"publish","type":"post","link":"https:\/\/www.quantifiedmodels.com\/es\/como-evitar-overfitting\/","title":{"rendered":"C\u00f3mo evitar overfitting en backtest"},"content":{"rendered":"

[et_pb_section fb_built=”1″ admin_label=”section” _builder_version=”4.16″ width=”100%” max_width=”100%” module_alignment=”center” custom_margin=”0px||0px||false|false” custom_padding=”0px||0px||false|false” locked=”off” global_colors_info=”{}”][et_pb_row use_custom_gutter=”on” gutter_width=”1″ make_equal=”on” admin_label=”row” _builder_version=”4.16″ width=”100%” max_width=”100%” module_alignment=”center” custom_margin=”0px||0px||false|false” custom_padding=”0px||0px||false|false” global_colors_info=”{}”][et_pb_column type=”4_4″ _builder_version=”4.16″ custom_padding=”|||” global_colors_info=”{}” custom_padding__hover=”|||”][et_pb_text admin_label=”Text” _builder_version=”4.21.0″ header_text_align=”justify” background_size=”initial” background_position=”top_left” background_repeat=”repeat” text_orientation=”justified” hover_enabled=”0″ global_colors_info=”{}” sticky_enabled=”0″]<\/p>\n

\n
\n
\n

C\u00f3mo evitar overfitting en backtest<\/h2>\n

Los backtest han sido una gran ayuda para los traders. Con solo hacer clic en algunos botones, podemos evaluar nuevas estrategias e ideas comerciales en diferentes instrumentos y marcos de tiempo y, a trav\u00e9s de la optimizaci\u00f3n, determinar los par\u00e1metros de la estrategia que producen los mejores resultados.<\/p>\n

Para aquellos que son nuevos en el trading, el significado de backtest es:<\/p>\n

El backtesting es el proceso de probar una estrategia comercial con datos hist\u00f3ricos relevantes para asegurar su viabilidad antes de que el operador arriesgue capital real. Un comerciante puede simular la negociaci\u00f3n de una estrategia durante un per\u00edodo de tiempo apropiado y analizar los resultados para los niveles de rentabilidad y riesgo. \u2013 Investopedia<\/em><\/p>\n

Desafortunadamente, con los backtest tambi\u00e9n debemos lidiar con la maldici\u00f3n del ajuste de curvas. El ajuste de curvas se produce cuando los par\u00e1metros de la estrategia se ajustan para que produzcan resultados optimizados para el conjunto espec\u00edfico de datos hist\u00f3ricos que se prob\u00f3.<\/p>\n

Con cualquier otro conjunto de datos de prueba, los resultados pueden ser radicalmente diferentes. Por ejemplo, podr\u00edamos realizar una prueba durante un per\u00edodo en el que se produjo una gran oscilaci\u00f3n de precios debido a un evento importante.<\/p>\n

Se puede ajustar una estrategia de curva ajustada para capturar el m\u00e1ximo beneficio de esos cambios, inflando as\u00ed sus resultados generales. Elimine ese swing y los mismos par\u00e1metros producir\u00edan resultados dr\u00e1sticamente reducidos o incluso negativos. Esta imagen muestra c\u00f3mo se ve un sistema de curva ajustada.<\/p>\n<\/div>\n<\/div>\n<\/div>\n

[\/et_pb_text][\/et_pb_column][\/et_pb_row][et_pb_row _builder_version=”4.20.2″ _module_preset=”default” width=”100%” global_colors_info=”{}”][et_pb_column type=”4_4″ _builder_version=”4.20.2″ _module_preset=”default” global_colors_info=”{}”][et_pb_image src=”https:\/\/www.quantifiedmodels.com\/wp-content\/uploads\/2023\/04\/AA.png” show_in_lightbox=”on” use_overlay=”on” overlay_icon_color=”#F53A71″ hover_overlay_color=”rgba(33,7,80,0.6)” hover_icon=”||divi||400″ align=”center” _builder_version=”4.20.4″ _module_preset=”default” width=”60%” width_tablet=”60%” width_phone=”60%” width_last_edited=”on|desktop” module_alignment=”center” custom_padding=”10px|20px|10px|20px|false|false” global_colors_info=”{}”][\/et_pb_image][et_pb_text admin_label=”Text” _builder_version=”4.20.4″ header_text_align=”justify” background_size=”initial” background_position=”top_left” background_repeat=”repeat” text_orientation=”justified” global_colors_info=”{}”]<\/p>\n

\n
\n
\n

A la izquierda de la l\u00ednea vertical vemos los resultados optimizados, a la derecha vemos el rendimiento del sistema posterior utilizando esos mismos valores. Despu\u00e9s de una prueba inicial, el sistema se desmorona y todas las ganancias iniciales se pierden, como puede ver, una vez que la l\u00ednea de la curva de equidad alcanza su punto m\u00e1ximo.<\/p>\n

\u00bfC\u00f3mo Se Maneja El Ajuste De Curvas Durante el backtest?<\/strong><\/h1>\n

El ajuste de curvas es un proceso potencialmente destructivo y debe encontrar formas de eliminarlo durante la prueba de cualquier sistema de trading o corre el riesgo de operar con un sistema perdedor.<\/p>\n

Hay tres estrategias de backtesting que podemos utilizar para aliviar el problema del ajuste de curvas:<\/p>\n

    \n
  1. Optimice una variable a la vez y busque rangos de valores variables que produzcan resultados rentables, luego elija un valor en el medio del rango. Es posible que este valor no tenga el resultado \u00f3ptimo, pero asegura que las peque\u00f1as variaciones seguir\u00e1n siendo rentables.<\/li>\n
  2. Optimice varios conjuntos de datos hist\u00f3ricos diferentes e identifique las variables de estrategia que producen resultados rentables en todos ellos. Busque superposiciones y seleccione la combinaci\u00f3n de variables que tenga buenos resultados en cada uno de los per\u00edodos de prueba.<\/li>\n
  3. Optimice las variables en un conjunto hist\u00f3rico de datos y luego valide que contin\u00faan funcionando bien aplic\u00e1ndolas a un conjunto diferente de datos. Esto se denomina prueba fuera de muestra.<\/li>\n<\/ol>\n

    Por supuesto, puede aplicar los tres anteriores a su estrategia, pero en este art\u00edculo nos centraremos en las pruebas fuera de muestra.<\/p>\n

    Prueba Fuera De Muestra<\/strong><\/h1>\n

    En las pruebas de fuera muestra, separamos los datos de prueba hist\u00f3ricos disponibles en dos conjuntos.<\/p>\n

    El primer conjunto se utilizar\u00e1 para la optimizaci\u00f3n y las pruebas posteriores. A esto se le llama per\u00edodo en la muestra. A continuaci\u00f3n, los resultados optimizados de la prueba se aplican al conjunto de datos restante no probado, denominado per\u00edodo fuera de muestra.<\/p>\n

    Los datos fuera muestra pueden provenir del comienzo de los datos hist\u00f3ricos o del final, aunque normalmente usamos los datos m\u00e1s recientes para las pruebas fuera muestra.<\/p>\n

    La relaci\u00f3n de dentro de la muestra a fuera de la muestra normalmente var\u00eda de 2: 1 a 4: 1, en otras palabras, del 33% al 20% de los datos totales se reservar\u00e1n para la prueba fuera de la muestra. La siguiente imagen muestra una divisi\u00f3n de 2: 1 aplicada a seis meses de datos diarios.<\/p>\n<\/div>\n<\/div>\n<\/div>\n

    [\/et_pb_text][et_pb_image src=”https:\/\/www.quantifiedmodels.com\/wp-content\/uploads\/2023\/04\/bb.png” show_in_lightbox=”on” use_overlay=”on” overlay_icon_color=”#F53A71″ hover_overlay_color=”rgba(33,7,80,0.6)” hover_icon=”||divi||400″ align=”center” _builder_version=”4.20.4″ _module_preset=”default” width=”60%” width_tablet=”60%” width_phone=”60%” width_last_edited=”on|desktop” module_alignment=”center” custom_padding=”10px|20px|10px|20px|false|false” global_colors_info=”{}”][\/et_pb_image][et_pb_text admin_label=”Text” _builder_version=”4.20.4″ header_text_align=”justify” background_size=”initial” background_position=”top_left” background_repeat=”repeat” text_orientation=”justified” global_colors_info=”{}”]<\/p>\n

    \n
    \n
    \n

    Realizar una prueba sin muestra en TradeStation (que es una potente pieza de software de backtesting) es extremadamente f\u00e1cil. Comience agregando sus estrategias y estableciendo los par\u00e1metros de optimizaci\u00f3n.<\/p>\n

     <\/p>\n

    Para este ejemplo, utilic\u00e9 tres de las estrategias que vienen con TradeStation y puede ver los par\u00e1metros de optimizaci\u00f3n en la siguiente figura:<\/p>\n<\/div>\n<\/div>\n<\/div>\n

    [\/et_pb_text][et_pb_image src=”https:\/\/www.quantifiedmodels.com\/wp-content\/uploads\/2023\/04\/11.png” show_in_lightbox=”on” use_overlay=”on” overlay_icon_color=”#F53A71″ hover_overlay_color=”rgba(33,7,80,0.6)” hover_icon=”||divi||400″ align=”center” _builder_version=”4.20.4″ _module_preset=”default” width=”60%” width_tablet=”60%” width_phone=”60%” width_last_edited=”on|desktop” module_alignment=”center” custom_padding=”10px|20px|10px|20px|false|false” global_colors_info=”{}”][\/et_pb_image][et_pb_text admin_label=”Text” _builder_version=”4.20.4″ header_text_align=”justify” background_size=”initial” background_position=”top_left” background_repeat=”repeat” text_orientation=”justified” global_colors_info=”{}”]<\/p>\n

    \n
    \n
    \n

    Una vez hecho esto y antes de ejecutar la optimizaci\u00f3n, hacemos clic en el bot\u00f3n Configuraci\u00f3n avanzada para abrir la ventana Configuraci\u00f3n avanzada como se muestra a continuaci\u00f3n:<\/p>\n<\/div>\n<\/div>\n<\/div>\n

    [\/et_pb_text][et_pb_image src=”https:\/\/www.quantifiedmodels.com\/wp-content\/uploads\/2023\/04\/qq.png” show_in_lightbox=”on” use_overlay=”on” overlay_icon_color=”#F53A71″ hover_overlay_color=”rgba(33,7,80,0.6)” hover_icon=”||divi||400″ align=”center” _builder_version=”4.20.4″ _module_preset=”default” width=”60%” width_tablet=”60%” width_phone=”60%” width_last_edited=”on|desktop” module_alignment=”center” custom_padding=”10px|20px|10px|20px|false|false” global_colors_info=”{}”][\/et_pb_image][et_pb_text admin_label=”Text” _builder_version=”4.20.4″ header_text_align=”justify” background_size=”initial” background_position=”top_left” background_repeat=”repeat” text_orientation=”justified” global_colors_info=”{}”]<\/p>\n

    \n
    \n
    \n

    La ventana Configuraci\u00f3n avanzada es donde se define el tama\u00f1o del per\u00edodo fuera de la muestra como un porcentaje del conjunto total de datos hist\u00f3ricos. Tenga en cuenta que puede establecer per\u00edodos de muestra separados: uno al principio y otro al final del bloque de datos. Alternativamente, podr\u00eda especificar fechas para definir los per\u00edodos fuera de la muestra.<\/p>\n

     <\/p>\n

    Por simplicidad, reserv\u00e9 el \u00faltimo 30% de los datos para realizar pruebas fuera de la muestra.<\/p>\n

     <\/p>\n

    Despu\u00e9s de ejecutar su optimizaci\u00f3n, puede obtener el Informe de rendimiento de la estrategia para ver qu\u00e9 tan bien se desempe\u00f1\u00f3 el sistema en general y en el per\u00edodo fuera de la muestra. En la parte superior del informe, puede hacer clic en el men\u00fa desplegable y seleccionar “Todos los datos”, “En muestra” o “Fuera de muestra” para filtrar los resultados para el per\u00edodo de datos seleccionado<\/p>\n

     <\/p>\n

    Puede ver el men\u00fa desplegable a continuaci\u00f3n donde coloqu\u00e9 una l\u00ednea vertical roja para mostrar los resultados generales, en la muestra a la izquierda de la l\u00ednea y fuera de la muestra a la derecha.<\/p>\n<\/div>\n<\/div>\n<\/div>\n

    [\/et_pb_text][et_pb_image src=”https:\/\/www.quantifiedmodels.com\/wp-content\/uploads\/2023\/04\/12.png” show_in_lightbox=”on” use_overlay=”on” overlay_icon_color=”#F53A71″ hover_overlay_color=”rgba(33,7,80,0.6)” hover_icon=”||divi||400″ align=”center” _builder_version=”4.20.4″ _module_preset=”default” width=”60%” width_tablet=”60%” width_phone=”60%” width_last_edited=”on|desktop” module_alignment=”center” custom_padding=”10px|20px|10px|20px|false|false” global_colors_info=”{}”][\/et_pb_image][et_pb_text admin_label=”Text” _builder_version=”4.20.4″ header_text_align=”justify” background_size=”initial” background_position=”top_left” background_repeat=”repeat” text_orientation=”justified” global_colors_info=”{}”]<\/p>\n

    \n
    \n
    \n

    Compare esta curva de equidad con la primera curva de equidad que apareci\u00f3 al principio de este art\u00edculo.<\/p>\n<\/div>\n<\/div>\n<\/div>\n

    [\/et_pb_text][et_pb_image src=”https:\/\/www.quantifiedmodels.com\/wp-content\/uploads\/2023\/04\/ee.png” show_in_lightbox=”on” use_overlay=”on” overlay_icon_color=”#F53A71″ hover_overlay_color=”rgba(33,7,80,0.6)” hover_icon=”||divi||400″ align=”center” _builder_version=”4.20.4″ _module_preset=”default” width=”60%” width_tablet=”60%” width_phone=”60%” width_last_edited=”on|desktop” module_alignment=”center” custom_padding=”10px|20px|10px|20px|false|false” global_colors_info=”{}”][\/et_pb_image][et_pb_text admin_label=”Text” _builder_version=”4.20.4″ header_text_align=”justify” background_size=”initial” background_position=”top_left” background_repeat=”repeat” text_orientation=”justified” global_colors_info=”{}”]<\/p>\n

    \n
    \n
    \n

    Podemos ver que el sistema de negociaci\u00f3n continu\u00f3 funcionando bien a diferencia de nuestra primera prueba, incluso despu\u00e9s del per\u00edodo de optimizaci\u00f3n de datos y esto nos da una gran confianza para operar en el futuro.<\/p>\n

     <\/p>\n

    Este enfoque funciona bien para probar la solidez del sistema. El inconveniente es que la prueba se realiza durante un per\u00edodo de tiempo limitado. Durante ese per\u00edodo de prueba, el mercado puede haber experimentado diferentes niveles de volatilidad de precios o los precios pueden haber cambiado significativamente, y los par\u00e1metros de la estrategia no reflejan esta evoluci\u00f3n.<\/p>\n<\/div>\n<\/div>\n<\/div>\n

    [\/et_pb_text][\/et_pb_column][\/et_pb_row][et_pb_row use_custom_gutter=”on” gutter_width=”1″ make_equal=”on” _builder_version=”4.19.5″ _module_preset=”default” width=”100%” max_width=”100%” module_alignment=”center” custom_margin=”0px||0px||false|false” custom_padding=”0px||0px||false|false” locked=”off” global_colors_info=”{}”][et_pb_column type=”4_4″ _builder_version=”4.19.5″ _module_preset=”default” global_colors_info=”{}”][et_pb_text _builder_version=”4.20.4″ _module_preset=”default” text_font=”TT Octosquares Medium||||||||” text_text_color=”#7138DF” link_font=”TT Octosquares Medium|700|||||||” link_text_color=”#F53A71″ text_orientation=”right” custom_margin=”0px||0px||false|false” custom_padding=”0px||2px||false|false” global_colors_info=”{}”]Art\u00edculo escrito por Quantified Models[\/et_pb_text][et_pb_cta title=”Canal de YouTube de Quantified Models” button_url=”https:\/\/www.youtube.com\/channel\/UC1aM_BnnBAWRSjiApHVGD5w” url_new_window=”on” button_text=”Mira nuestros videos” _builder_version=”4.19.5″ _module_preset=”default” header_text_align=”center” header_text_color=”#75E1EE” header_font_size=”26px” body_font_size=”18px” background_color=”#210750″ custom_button=”on” button_text_color=”#210750″ button_bg_color=”#75E1EE” button_border_width=”0px” button_border_radius=”0px” button_font=”TT Octosquares Medium||||||||” button_icon=”||divi||400″ button_icon_color=”#FFFFFF” custom_margin=”20px||20px||false|false” custom_padding=”56px||43px|||” locked=”off” global_colors_info=”{}” button_bg_color__hover=”#F53A71″ button_bg_color__hover_enabled=”on|desktop” button_bg_enable_color__hover=”on” button_text_color__hover=”#FFFFFF” button_text_color__hover_enabled=”on|hover”]<\/p>\n

    En nuestro canal de YouTube tenemos varios videos disponibles que pueden resultarle muy \u00fatiles para desarrollar sistemas de trading.<\/p>\n

    Esperamos que esta informaci\u00f3n te haya sido de utilidad.\u00a0<\/p>\n

     <\/p>\n

    [\/et_pb_cta][\/et_pb_column][\/et_pb_row][\/et_pb_section]<\/p>\n","protected":false},"excerpt":{"rendered":"

    Los backtest han sido una gran ayuda para los traders, pero es de vital importancia evitar overfitting en nuestro desarrollo.<\/p>\n","protected":false},"author":1,"featured_media":268990,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_et_pb_use_builder":"on","_et_pb_old_content":"","_et_gb_content_width":"","_ayudawp_aiss_exclude":false,"_ayudawp_aiss_summary":"","_ayudawp_aiss_summary_provider":"","_ayudawp_aiss_summary_hash":"","footnotes":""},"categories":[110,114],"tags":[],"class_list":["post-268969","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-easylanguage-es","category-tradestation-es"],"_links":{"self":[{"href":"https:\/\/www.quantifiedmodels.com\/es\/wp-json\/wp\/v2\/posts\/268969","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.quantifiedmodels.com\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.quantifiedmodels.com\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.quantifiedmodels.com\/es\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.quantifiedmodels.com\/es\/wp-json\/wp\/v2\/comments?post=268969"}],"version-history":[{"count":0,"href":"https:\/\/www.quantifiedmodels.com\/es\/wp-json\/wp\/v2\/posts\/268969\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.quantifiedmodels.com\/es\/wp-json\/wp\/v2\/media\/268990"}],"wp:attachment":[{"href":"https:\/\/www.quantifiedmodels.com\/es\/wp-json\/wp\/v2\/media?parent=268969"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.quantifiedmodels.com\/es\/wp-json\/wp\/v2\/categories?post=268969"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.quantifiedmodels.com\/es\/wp-json\/wp\/v2\/tags?post=268969"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}