¿Por qué las personas que son buenas explicando el pasado siempre fallan de manera desproporcionada al predecir el futuro?

¿POR QUÉ EL SOBREAJUSTE EN LA INVERSIÓN CUANTITATIVA HACE QUE LOS GANADORES HISTÓRICOS SE CONVIERTAN EN PERDEDORES FUTUROS?

“LA VIDA DEL SOBREAJUSTE”

#01

Una “mentira” cuidadosamente tejida

Si le muestras a un gestor de fondos cuantitativos una curva de valor neto casi perfecta — con mínimos retrocesos, altos rendimientos y patrones de volatilidad que parecen latidos del corazón — probablemente no se emocione, sino que pregunte fríamente: “¿Estás seguro de que tu estrategia no está sobreajustada?”

La investigación cuantitativa, como toda investigación, es un intento de encontrar patrones en una gran cantidad de datos históricos de precios, pero ese patrón no es para explicar el pasado, sino para predecir el futuro.

Lo que llamamos “sobreajuste”, en términos simples, es que tu modelo funciona demasiado bien, hasta el punto de que solo puede explicar el pasado y no tiene idea del futuro.

¿Por qué en el mundo de las inversiones, explicar el pasado y predecir el futuro parecen contradictorios?

Las siguientes tres imágenes muestran las causas del “sobreajuste”:

La primera imagen corresponde a “subajuste”, donde solo se detecta que los puntos azules están más a la izquierda y los naranjas a la derecha, pero la línea es demasiado simple;

La segunda imagen representa un “modelo perfecto”, que usa una curva sencilla para delinear los puntos azules y naranjas, con solo unos pocos puntos que no encajan, considerados “ruido”, este tipo de modelo tiene capacidad de generalización, es decir, que la experiencia específica puede aplicarse a más escenarios.

La tercera imagen muestra el “sobreajuste”, que no solo intenta delinear los puntos azules y naranjas, sino que también incluye algunos puntos claramente “ruidosos”, haciendo que el modelo sea muy complejo.

Se puede imaginar que, aunque este modelo funcione excelentemente en los datos de entrenamiento, en un entorno real, enfrentando datos futuros distribuidos aleatoriamente y que nunca antes ha visto, fallará rápidamente.

El “sobreajuste” surge porque estás buscando una estrategia perfecta, como un índice de Sharpe mayor a 2, o una caída máxima menor al 5%. Pero los mercados financieros son entornos con una relación señal-ruido extremadamente baja, donde la mayor parte de las fluctuaciones de precios son ruido aleatorio sin significado. Si persigues métricas de rendimiento extremas, tu algoritmo tenderá a ajustarse a ese ruido, interpretándolo como señal, y las estrategias resultantes solo serán productos que encajan exactamente con ciertos datos históricos específicos.

Como en la tercera imagen, las estrategias “sobreajustadas” suelen añadir filtros diversos, como “solo comprar los martes”, “MACD cruza al alza y ese día llueve en Beijing”, etc., y una estrategia con 20 parámetros es mucho más propensa a “armar” una curva de valor neto atractiva en datos históricos que una con solo 2 parámetros, aumentando el riesgo de sobreajuste.

Por ejemplo, si analizamos resultados pasados de loterías con una computadora, con suficientes parámetros, seguramente encontraremos una fórmula que explique perfectamente la distribución de los números ganadores. Pero en la próxima jugada, esa fórmula fallará, y habrá que ajustar más parámetros.

La esencia del sobreajuste es usar modelos demasiado complejos para explicar un mundo lleno de aleatoriedad.

Curiosamente, esta “trampa computacional” que existe en servidores de alto rendimiento, se repite en nuestro cerebro todos los días. En cierto modo, muchas de nuestras creencias profundas en la vida son, en esencia, un “sobreajuste” a experiencias pasadas.

#02

El empirismo es sobreajuste

El cerebro humano tiene aproximadamente 86 mil millones de neuronas, con suficiente “capacidad” para recordar cada trauma, cada éxito, cada momento emocional intenso, y codificarlos en pesos para decisiones futuras. Es una ventaja evolutiva, pero también trae el riesgo de “sobreajuste”.

Solo que, en estrategias cuantitativas, el “sobreajuste” es una coincidencia precisa, mientras que en la mente humana, suele ser un prejuicio burdo.

Imagina a alguien que, tras dos experiencias de “parece muy entusiasta pero luego lo engañaron”, desarrolla dos modelos cognitivos:

Modelo correcto: Necesito investigar mejor antes de colaborar y dividir la inversión en etapas.

Modelo sobreajustado: Todos los entusiastas no son confiables. Si alguien muestra entusiasmo, automáticamente me alejo.

El segundo es una regla de decisión demasiado específica, ajustada a esas dos experiencias, que pierde capacidad de generalización. En el futuro, puede evitar “estafadores entusiastas”, pero también puede perderse a socios sinceros y apasionados.

En toda una vida, solo unas pocas “grandes decisiones” con impacto estadístico real — como qué universidad elegir, qué carrera seguir, con quién casarse, en qué ciudad vivir, una inversión importante en un año clave, o un giro en una crisis — cambian realmente el destino.

Usar unas pocas decenas de ejemplos para modelar un mundo con dimensiones casi infinitas y una complejidad mucho mayor que la de los mercados financieros, en lógica matemática, casi garantiza el sobreajuste.

Como en las tres imágenes anteriores, la mayoría no se conforma con el modelo del medio, sino que intenta explicar el pasado con el modelo de la derecha, “sobreajustado”, y usarlo para guiar el futuro.

Además, en la retroalimentación de datos, en estrategias cuantitativas, solemos reforzar los modelos con rentabilidad; en la cognición humana, las emociones — dolor y placer — son las señales de retroalimentación más fuertes. Un dolor intenso puede actualizar nuestro “peso” mucho más que una retroalimentación suave, como si en una prueba de backtest, una situación extrema recibiera un peso desproporcionado.

Cuando alguien logra éxito en algo por “esfuerzo + suerte”, su cerebro rápidamente construye una lógica muy compleja. Suma la temperatura, sus palabras, incluso una frase que creía, todo para explicar su éxito. Cree que ha descifrado el código del mundo, sin saber que quizás solo fue un rayo de luz en medio del ruido del destino.

Este fenómeno de “sobreajuste” que llamamos, en realidad, “empirismo”, consiste en usar muestras limitadas para ajustar un modelo demasiado complejo, sacrificando la capacidad de generalización en escenarios desconocidos.

Lo más interesante es que, aunque nuestro cerebro también tiene “sobreajuste”, no cuenta con mecanismos científicos para corregirlo, a diferencia de las estrategias cuantitativas.

#03

La vida no tiene conjunto de prueba

Para evitar el sobreajuste, en la inversión cuantitativa existen métodos científicos, como dividir los datos en conjuntos de entrenamiento y prueba, construir el modelo con los primeros, y validar con los segundos, o entrenar con datos históricos y validar con datos nuevos.

Pero la vida siempre es en tiempo real, sin conjuntos de entrenamiento ni de prueba, no hay dos veces la misma corriente, y no podemos clonar nuestra mente para probar en universos paralelos si nuestras experiencias siguen siendo válidas.

Más importante aún, los humanos tenemos mecanismos de defensa psicológica que dificultan reconocer que muchas de nuestras experiencias valiosas son, en realidad, “sobreajustes” a periodos específicos del pasado.

Por ejemplo, el sesgo de confirmación: una vez que creemos en algo, nuestro cerebro busca activamente evidencia que lo apoye, ignorando los casos que lo contradicen. Es como agregar más parámetros a un modelo sobreajustado, ajustándolo a nuevos datos, pero alejándolo de la verdad.

O el sesgo de atribución: cuando tenemos éxito, atribuimos el logro a nuestra habilidad; cuando fracasamos, lo atribuimos a la suerte o a factores externos. Esta asimetría en la retroalimentación hace difícil evaluar fríamente nuestras estrategias, como un trader cuantitativo.

Pero, al entender esto, podemos crear nuestros propios mecanismos de corrección.

#04

El aislamiento de la experiencia

Para prevenir el sobreajuste, los traders cuantitativos dejan un “conjunto ciego” de datos, que no pueden ver hasta que la estrategia esté completamente definida y los parámetros fijados. Solo cuando todo está listo, usan ese conjunto “invisible” para la prueba final.

Los humanos también podemos aplicar esta idea.

Cuando formamos una creencia firme (modelo), no debemos considerarla como la verdad absoluta. Podemos crear en nuestra mente un “área de aislamiento”, donde, antes de tomar decisiones importantes, podemos abrir esa zona, incluyendo:

Buscar experiencias nuevas y completamente diferentes a las pasadas

Buscar evidencias contrarias que hayamos ignorado

Adoptar una perspectiva que no habíamos considerado

Leer un libro con ideas opuestas

Consultar a alguien con un fondo muy distinto

……

Luego, preguntarnos: ¿Esta experiencia que aprendí, se basa en una lógica repetible o solo en un detalle casual? Si cambiamos de personas o de tiempo, ¿la lógica sigue funcionando?

Para cualquier lección que nos haya impresionado, debemos recordarnos: “Esto puede ser solo un caso aislado, no sacar conclusiones demasiado fuertes”.

Y también, desarrollar un pensamiento probabilístico, considerando nuestras opiniones como distribuciones de probabilidad, y actualizando esas creencias con nueva información, en lugar de desechar todo o aferrarse ciegamente.

#05

La grandeza en la sencillez

Zhuangzi dijo: “Mi vida es finita, pero el conocimiento no tiene fin; si con lo finito persigo lo infinito, estaré en peligro.”

¿Cómo puede una persona usar experiencias limitadas (datos de prueba) para afrontar posibilidades infinitas (el futuro)?

En la inversión cuantitativa, existe un concepto famoso llamado “la maldición de la dimensionalidad”: cada parámetro adicional en un modelo parece aumentar su capacidad explicativa, pero su estabilidad y longevidad disminuyen exponencialmente. La mayoría de las estrategias exitosas usan menos de cinco factores fundamentales relacionados con la economía o la estructura del mercado.

Los traders con más experiencia prefieren estrategias simples basadas en lógica económica básica o en la microestructura del mercado. Por ejemplo, la “regla de reversión a la media” se basa en la psicología de miedo y avaricia, y no solo fue efectiva hace 100 años, sino que probablemente siga siéndolo en 100 años.

Cuanto más simple sea la lógica, más capaz será de atravesar diferentes ciclos, porque captura la esencia de las cosas, en lugar de imitar el ruido.

La filosofía de inversión de Buffett también es muy sencilla: buenas empresas + interés compuesto, y casi sin cambios, simple y estable, hasta el punto de que muchos piensan que Buffett no es más que un inversor común.

La vida funciona igual.

Un camino de éxito muy complejo, que depende de relaciones específicas, políticas particulares o beneficios sectoriales, puede colapsar en entornos cambiantes. En cambio, las “estrategias simples” basadas en el sentido común y en principios fundamentales (como la honestidad, el interés compuesto, el aprendizaje continuo y la gestión del riesgo) aunque no ofrezcan ganancias espectaculares a corto plazo, son más resistentes y te acompañarán en múltiples ciclos de la vida.

Esta es la explicación moderna del “camino grande en la sencillez” que los antiguos resumieron, y también el principio de “Ockham’s Razor” en la filosofía occidental.

No intentes analizar todas las fallas, ni ajustar cada éxito. Debes aceptar la aleatoriedad, mantener una actitud escéptica hacia tus experiencias, y siempre preferir la sencillez en tu estrategia de vida.