¿Qué es el análisis de datos históricos?

En el ámbito del trading activo, los participantes del mercado dedican mucho tiempo y esfuerzo a comprender cómo se relaciona el comportamiento pasado de un mercado con su futuro. La adquisición de datos de mercado oportunos y noticias relevantes genera grandes asignaciones de capital, y empresas de todo el mundo gastan anualmente cerca de 27.000 millones de dólares EE.UU. en información relacionada con el mercado. ^[1] No importa si el enfoque que uno tiene del mercado se basa en un análisis fundamental o técnico, la rentabilidad depende del reconocimiento de oportunidades futuras y la eliminación de errores pasados.

El análisis de datos históricos es el estudio del comportamiento del mercado durante un período de tiempo determinado. La frase "comportamiento del mercado" se utiliza en referencia a las muchas facetas diferentes del mercado y sus interacciones. Los datos registrados relacionados con el mercado, como el precio, la volatilidad y el volumen, pueden cuantificarse y estudiarse durante un período definido.

A través del examen detallado del comportamiento pasado de un mercado, los traders e inversores pueden obtener una perspectiva sobre el funcionamiento interno de ese mercado. La información obtenida en el transcurso del proceso puede resultar útil para desarrollar un plan de trading viable o mejorar una metodología existente.

El análisis de datos históricos pertenecientes a un valor o mercado individual puede ser útil de varias maneras:

• Conocimiento del mercado: un estudio exhaustivo del comportamiento pasado de un instrumento financiero o mercado puede proporcionar al trader una idea de qué características exhibidas son normales y cuáles son extraordinarias.
• Desarrollo del sistema: una definición clara de cuándo, qué y cómo operar en un mercado determinado son los puntos de partida para la creación de un sistema trading. Mediante el análisis de datos históricos, se puede identificar y desarrollar una "ventaja" estadística para el trading activo.
• Coherencia: la selección de operaciones con una expectativa predefinida puede dar al trader confianza en el resultado potencial. Al comprender cómo se ha desempeñado una determinada operación a lo largo del tiempo, se pueden reducir los resultados inesperados.

Se ha dicho que quienes no comprenden la historia están condenados a repetirla. La disciplina del análisis de datos históricos aspira no solo a evitar los errores del pasado, sino a establecer una ventaja operativa para avanzar hacia el futuro.

Minería de Datos Financieros

La minería de datos es el proceso de analizar conjuntos de datos grandes y, a veces, no relacionados, para obtener información útil. A medida que la tecnología ha evolucionado, la capacidad de realizar una operación de minería de datos se ha vuelto fácilmente accesible para cualquier persona con capacidad informática y una base de datos. Esta capacidad de examinar rápidamente grandes cantidades de información en un intento de identificar relaciones y patrones ocultos dentro de los datos es extremadamente valiosa en los mercados financieros.

El análisis de datos históricos es esencialmente un proyecto de minería de datos que se centra en conjuntos de datos relacionados con el comportamiento pasado de un mercado o instrumento financiero específico. Las estadísticas registradas relacionadas con el mercado, como el precio, el volumen, el interés abierto y una variedad de medidas de volatilidad, son algunos tipos de datos de mercado que pueden proporcionar la causa y el contexto de movimientos del mercado aparentemente erráticos.

Para llevar a cabo una operación de minería de datos con un enfoque en un mercado o seguridad específicos, se requieren las siguientes entradas:

• Poder de cómputo: Se requiere acceso a una computadora personal con un procesador adecuado, espacio en disco duro y RAM. Por ejemplo, el uso de plataformas de trading como Metatrader4 y Trading Station requiere un procesador mínimo de 300 MHz, 256 MB de RAM y 60 MB de espacio disponible en el disco duro. Los requisitos de hardware varían según el paquete de software de trading, pero como regla general, cuanta más potencia, mejor.
• Conjunto de datos: la selección de un período de tiempo específico, o la cantidad de datos a analizar, es un elemento clave de un estudio útil. Muchos paquetes de software proporcionados por el intermediario proporcionan datos de mercado complementarios al usuario, además de la capacidad de comprar conjuntos de datos especializados.
• Consulta: las preguntas básicas, generalmente en forma de algoritmos personalizados, son necesarias para comenzar a descifrar datos.

Un estudio de datos históricos pertenecientes a un valor o mercado puede resultar tener valor predictivo. Los patrones, relaciones y tendencias ocultos dentro de los datos pueden identificarse y capitalizarse mediante actividades de trading futuras.

Datos de mercado: precio

Los datos relevantes para el mercado vienen en muchas variedades diferentes. Como se mencionó anteriormente, las medidas de volatilidad, el volumen y el interés abierto son ejemplos de datos de mercado. Sin embargo, la forma más referenciada de cualquier información relacionada con el mercado son los datos de precios.

Los datos de precios, o simplemente el precio, son el valor exacto al que tanto el comprador como el vendedor de un valor acuerdan realizar un intercambio. Por ley, los datos sobre precios deben ser fácticos y verificables de forma independiente. ^[2] Debido a que los traders e inversores están muy preocupados por las fluctuaciones de precios en lo que respecta a un mercado o valor específico, los datos históricos de precios se inspeccionan meticulosamente para obtener información útil en la predicción de variaciones futuras de precios.

Hay dos clasificaciones principales de datos de precios:

• ** Datos al final del día (EOD por sus siglas en inglés)**: estos datos se recopilan e informan al final de la sesión de trading. Es utilizado por inversores a largo plazo, swing traders y true day traders para obtener una perspectiva de la acción de una sesión de trading. Los datos de EOD se pueden agrupar en términos de semanas, meses y años.
• Datos intradía: los precios operados de un valor en el transcurso de una sesión de trading se conocen como datos intradía. Se centra en las fluctuaciones de precios que ocurren dentro de una sola sesión de trading. Puede obtenerse en tiempo real o en contexto histórico utilizando incrementos basados en el tiempo o formato tick por tick (conocido como datos tick). Por lo general, los datos intradía son más costosos que los datos EOD y su disponibilidad varía según el instrumento o mercado deseado.

Para los analistas técnicos y traders basados en gráficos, los datos de precios se descifran mediante el uso de aplicaciones de software de gráficos automatizadas. No importa qué clasificación de datos de precios se seleccione, el programa de software encargado de descifrar los datos utilizará parámetros predefinidos para ordenar y compilar el conjunto de datos. Cada parámetro deseado, delineado en términos de días, minutos o número de tics, representará un período único.

Para cada período, hay cuatro aspectos clave del precio que resultan valiosos en el análisis de datos históricos:

• Apertura: La apertura es el primer precio operado al comienzo de un período determinado.
• Cierre: El cierre es el último precio operado al final de un período determinado.
• Máximo: El máximo es el precio más alto operado durante un período determinado.
• Mínimo: El mínimo es el precio más pequeño operado durante un período determinado.

Los valores de precio de apertura, cierre, máximo y mínimo a menudo desempeñan un papel importante en la construcción y análisis de gráficos y sirven como base para muchas estrategias de trading.

Es importante recordar que cualquier estudio de datos históricos debe tener un horizonte de tiempo definido. El enfoque de trading en sí tiene una gran influencia sobre qué parámetros de tiempo son más relevantes para el análisis de datos.

Por ejemplo, si uno está buscando invertir en acciones de primera línea para la jubilación, entonces un estudio de 20 años de los precios de cierre diarios del S&P 500basado en datos EOD puede ser el más apropiado. Asimismo, si uno está involucrado en el scalping de divisas en el mercado de divisas, el estudio de la acción del precio intradía de una divisa en incrementos de 5, 15 y 30 minutos, resultará mucho más útil que sus precios de cierre semanales.

En el mercado electrónico actual, la disponibilidad de datos históricos del mercado ha mejorado enormemente. Las empresas de servicios de trading y los brókers ofrecen diferentes tipos de datos de mercado a costos variables para el trader. FXCM ofrece actualmente hasta 10 años de datos históricos gratuitos, además de servicios de datos premium compatibles con Metatrader4 y otras plataformas.

Backtesting

Quizás la forma de análisis de datos históricos más comúnmente implementada es el backtesting. El backtesting es la aplicación de un método o estrategia de trading un conjunto de datos históricos seleccionados. Los sistemas de trading automatizados, el el trading algorítmico y los enfoques de trading más tradicionales a menudo se basan en datos estadísticos compilados a través de un extenso estudio de backtesting.

Para realizar un backtest, se debe tener una estrategia de trading definida y acceso a un conjunto de datos relevantes. Una vez que ambos están en su lugar, la estrategia se usa como una superposición de los datos y se realiza una simulación del desempeño de la estrategia. Los estudios de backtesting pueden ser simples o intrincados y dependen en gran medida de la sofisticación del enfoque de trading.

Una vez completadas las pruebas, las métricas de rendimiento se pueden aplicar a los resultados y utilizar para determinar la viabilidad de la estrategia. Varias estadísticas clave se cuantifican mediante un estudio exhaustivo de backtesting:

• Número de oportunidades: El alcance y la frecuencia de las configuraciones de trading creadas por una estrategia durante un período de tiempo específico es un dato crucial.
• Tasa de éxito: Ael porcentaje de ganancias/pérdidas de una estrategia, o la probabilidad de éxito, puede ser útil para determinar si es un medio de trading adecuado para un producto o mercado determinado. También puede arrojar algo de luz sobre el momento y el producto óptimos para participar.
• Riesgo vs recompensa: Un estudio de backtesting puede determinar la cantidad necesaria de capital necesario para ejecutar correctamente un enfoque de trading en un mercado o producto. El diagnóstico de la volatilidad inherente de un mercado puede ser útil para identificar el grado de riesgo que enfrenta la estrategia de trading.

En días anteriores, el backtesting era una tarea ardua que se realizaba manualmente con lápiz y papel. Afortunadamente para los trader de hoy en día, la automatización ha simplificado el procedimiento, mejorando exponencialmente la eficiencia. Las plataformas de trading ofrecen funciones de software capaces de ejecutar operaciones de backtesting de estrategias detalladas.

Desafíos y obstáculos

Aunque el análisis de datos históricos es una herramienta poderosa tanto en el desarrollo del sistema como en el ajuste fino estratégico, también existen algunas trampas que debe tener en cuenta:

• Sesgo de retrospectiva: El sesgo de retrospectiva puede ser un problema importante que afecta la precisión de un estudio de backtesting. También conocido como el sesgo de "Lo supe desde el principio", es la tendencia de las personas a asumir que los eventos impredecibles se pueden pronosticar con anticipación. El sesgo de retrospectiva es muy perjudicial para el análisis de datos históricos porque ciertos resultados pueden percibirse como evitables o ignorados. Compromete activamente la objetividad del estudio, lo que produce resultados sesgados.
• Omisiones y erreres de datos: La precisión física del conjunto de datos históricos es de suma importancia para el estudio de backtesting. Incluso una cantidad relativamente pequeña de errores de datos puede afectar en gran medida los resultados de un estudio a lo largo del tiempo. Este factor es especialmente importante en el examen de datos intradiarios. Cuando se consideran marcos de tiempo pequeños o intervalos tic-tac, la precisión en el registro de los datos de precios puede ser difícil de alcanzar. La calidad del conjunto de datos históricos es crucial para la precisión del backtest y pequeños errores pueden comprometer la integridad de los resultados del estudio.
• Rendimiento del Software: Un "fallo" del software puede destruir la credibilidad de los resultados de las pruebas. El software de prueba de estrategias es el filtro mediante el cual se tamizan los datos del mercado. Si hay alguna discrepancia entre la función deseada del software y su función real, los resultados del backtest son inexactos. Puede ser extremadamente difícil detectar errores de software. Se necesitan comprobaciones manuales y diagnósticos automatizados para garantizar la precisión.
• Subestimación de la aleatoriedad: La probabilidad aleatoria juega un papel importante en el mercado. Una estrategia de trading puede producir resultados sobresalientes durante un backtest, pero tener dificultades en las condiciones del mercado en vivo. Factores como el deslizamiento, la mayor volatilidad y los cambios fundamentales periódicos en la estructura del mercado pueden ser imposibles de explicar, lo que compromete la viabilidad de una estrategia de trading.

La psicología humana y el fracaso tecnológico pueden afectar la relevancia de cualquier backtest o estudio de la historia del mercado. Inevitablemente, al trader le conviene estar consciente del viejo axioma: "el rendimiento pasado no garantiza resultados futuros".

Resumen

El análisis de datos históricos es un método común para poner en contexto el comportamiento a veces "irracional" que exhiben los mercados. Mediante una revisión exhaustiva del pasado, tanto los traders como los inversores pueden eliminar muchos errores y preservar las oportunidades futuras.

Sin embargo, es importante estar al tanto de la calidad, las fuentes y la confiabilidad de los datos históricos del mercado en sí. Los errores a veces son inevitables, pero a través de la debida diligencia, los ejercicios como la extracción de datos financieros y el backtesting pueden proporcionar información invaluable al trader.

Como ocurre con la mayoría de los aspectos de trading, el análisis de datos históricos puede contribuir al éxito a largo plazo de un trader cuando se utiliza junto con otras herramientas analíticas y principios adecuados de gestión de riesgos.

Las opiniones, noticias, investigaciones, análisis, precios, otra información o enlaces a sitios de terceros se proporcionan como comentarios generales del mercado y no constituyen un consejo de inversión. FXCM no aceptará responsabilidad por ninguna pérdida o daño, incluidos, entre otros, cualquier pérdida de ganancias que pueda surgir directa o indirectamente del uso o la confianza en dicha información.