Robusto no es lo mismo que ajustado

Un método se ajusta cuando sus reglas y sus parámetros se eligen para que encajen con unos datos concretos. Se vuelve robusto cuando sigue comportándose de forma razonable al cambiar las condiciones. Las dos ideas se confunden con frecuencia porque ambas mejoran el resultado sobre el histórico, pero no significan lo mismo: una prueba que encaja muy bien en el pasado puede ser, precisamente, la señal de que se ha descrito algo que no volverá a darse igual.

La distinción que ocupa a este artículo no es la que separa una prueba retrospectiva de un historial real —ese es otro asunto— sino la que separa el ajuste de la robustez. Es la diferencia entre describir con precisión lo que ya ocurrió y sostener un comportamiento razonable cuando el escenario deja de parecerse al que se usó para diseñar.

Sobreajuste en lenguaje llano

Ajustar de más es adaptar las reglas al ruido. En cualquier serie de datos hay patrones que no significan nada: vaivenes, coincidencias, tramos que parecen responder a una lógica y que solo responden al azar. Si se concede suficiente libertad al proceso de búsqueda, termina encontrando esos tramos y los convierte en reglas.

El resultado no es un método: es una descripción muy precisa de un pasado concreto. Se parece a estudiar una asignatura memorizando las respuestas en lugar de entender la materia. La nota puede ser alta en ese examen exacto y desplomarse en cuanto cambian las preguntas. En un sistema, memorizar equivale a añadir condiciones que solo se cumplían en los datos ya vistos, y que no tienen por qué cumplirse otra vez.

Ajustar hasta describir el pasado

El ajuste excesivo casi nunca es un acto deliberado. Aparece por acumulación: se prueba una variante, se afina un parámetro, se añade un filtro que mejora el tramo incómodo, se repite el proceso unas cuantas veces. Cada iteración enseña algo sobre el histórico concreto y muy poco sobre el comportamiento general.

La cantidad de intentos es parte del problema, pero no la única. También lo es la ausencia de una razón previa. Si no existe una explicación de por qué una regla debería funcionar antes de probarla —un motivo ligado al comportamiento de los participantes y no al dibujo de la curva—, lo que se está haciendo es seleccionar el pasado hasta que uno resulta cómodo. Con suficientes intentos, casi cualquier serie acaba produciendo un tramo presentable.

Probar el método fuera de su muestra

La forma más directa de separar el ajuste de la robustez es reservar datos que no participen en el diseño. Se construye el método con una parte de la información y se observa cómo se comporta en la que se dejó aparte. Si las reglas capturan algo real, deberían mantener un comportamiento razonable donde no fueron afinadas.

Conviene ser honesto con esta prueba. No es infalible. Si la muestra reservada se consulta una y otra vez para decidir qué variante queda, deja de ser externa y pasa a formar parte del ajuste. Reservar datos no convierte una idea en un hecho: limita la libertad de quien diseña. La diferencia entre el tramo usado para construir y el tramo no visto es esperable. Lo relevante no es que el resultado sea llamativo, sino que esa diferencia sea razonable y tenga una explicación.

Sensibilidad a pequeños cambios

Una prueba útil de robustez consiste en mover un poco lo que se decidió. Si un método ofrece resultados muy distintos al variar ligeramente un parámetro, quizá la ventaja no estaba en la lógica, sino en el valor exacto que se eligió tras mucho buscar.

Un comportamiento robusto suele degradarse de forma gradual cuando las condiciones se desvían. Un comportamiento frágil se rompe de golpe: pasa de funcionar a no funcionar por un cambio pequeño. Esa fragilidad no se ve en el resultado del tramo ajustado, porque ese tramo se eligió precisamente para que el parámetro encajara. Se ve en las proximidades, donde no se optimizó nada y donde la regla queda a la intemperie.

Qué sobrevive a condiciones distintas

Un mercado no es un escenario único. Cambian la volatilidad, la liquidez, la velocidad con que se mueve el precio y el tipo de participantes. Cambian también los periodos y los instrumentos. Un método que solo se ha examinado en una ventana concreta puede estar midiendo esa ventana y no una lógica de mercado.

Revisar la sensibilidad a escenarios distintos es preguntar si el comportamiento razonable se mantiene cuando las condiciones cambian. No se trata de exigir el mismo resultado en todas partes —eso no existe—, sino de comprobar que la lógica no depende de una única combinación de circunstancias. Cuando un método funciona en un caso y se deshace en los demás, lo prudente es tratar ese caso como una coincidencia hasta que haya razones de fondo para pensar lo contrario.

Decidir cuándo un método es aceptable

No hay una cifra que convierta un método en aceptable. Lo que sí se puede ordenar es la revisión:

• ¿Las reglas se fijaron antes de conocer el resultado, o se eligieron después?
• ¿Existe una explicación de por qué la lógica debería funcionar, al margen del histórico?
• ¿Se distingue entre los datos usados para diseñar y los reservados para comprobar?
• ¿Se probaron muchas variantes antes de quedarse con esta?
• ¿El resultado cambia mucho cuando se mueve un parámetro ligeramente?
• ¿Se ha observado el comportamiento en condiciones distintas de las del diseño?
• ¿Se conoce cómo se comporta en sus peores tramos y no solo en el mejor?

Estas preguntas no buscan certezas. Buscan separar un método que resiste de uno que se sostiene sobre una coincidencia bien elegida. Aceptar un método es aceptar un alcance definido y unos límites conocidos, no dar por resuelta la incertidumbre: ninguna regla elimina el riesgo de que el próximo tramo se parezca más al azar que a la lógica. Lo que cambia entre un enfoque ajustado y uno robusto no es la ausencia de dudas, sino la capacidad de reconocer hasta dónde llega lo que se sabe.

Nota de riesgo: este artículo es educativo. La operativa en mercados financieros implica riesgo de pérdida y ningún método elimina esa posibilidad. Contar con un enfoque robusto no garantiza resultados futuros ni constituye asesoramiento personalizado, recomendación de inversión o promesa de rentabilidad.