Qué demuestra la investigación anterior · 17 octubre 2026

La conclusión, en claro

La revisión no aporta una estrategia validada para invertir. Sí cierra el inventario de intentos, reproduce sus diagnósticos y explica por qué no debemos contar las repeticiones o variantes parecidas como descubrimientos distintos.

Hay 19 hipótesis con ensayos terminados: 15 negativas y 4 inconclusas según sus criterios registrados. Incluyen un contraste de la misma regla en otro proveedor; no equivalen a 19 mecanismos independientes. Una estrategia puede haber ganado euros históricamente y fallar por hacerlo peor que la referencia, asumir demasiado riesgo o no resistir costes y variaciones. «Negativo» no significa necesariamente perder euros.

Qué cambia para nosotros: el histórico queda como exploración conocida. No rescataremos una variante favorable de un ensayo rechazado. La prueba multiactivo continúa con sus reglas y costes pendientes, sin cambiar fecha ni criterios por esta auditoría. El trabajo de hoy no necesita esperar al 26 ni requiere pulsar nada.

Qué había realmente detrás de los 39 registros

• 39 ejecuciones archivadas: 38 terminadas y una fallida (13), conservada.
• 18 repeticiones tienen la misma firma de hipótesis, datos, código, parámetros, costes y resultado que otra ejecución. Sirven para reproducibilidad del software.
• Hay 20 firmas de ejecución: el ensayo 3 cambió la huella del código respecto a 1/2, aunque conservó hipótesis, parámetros, datos y resultado. Se mantiene separado como revisión técnica; no se interpreta como nueva evidencia de mercado.
• 19 hipótesis con resultados; 24 registradas en total. Las cinco sin fila de experimento son 12 (observación separada) y 21–24 (versiones del próximo ensayo).
• 91 columnas de reglas en 15 matrices locales, con sus ocho bloques cada una. No son 91 ensayos independientes ni el total de todas las decisiones de búsqueda. Los estudios más antiguos, costes, latencia y contrastes de proveedor añaden otras comprobaciones que no se convierten en columnas independientes.

Resultado de cada hipótesis ensayada

La consulta comprueba que el registro de cada hipótesis precede a sus experimentos. Eso no prueba que la idea se concibiera antes de ver los datos. La valoración gradual (20) fue un seguimiento explícito del fallo de la valoración extrema (19).

Hemos reproducido los números anteriores

Los 15 diagnósticos locales coinciden con sus archivos originales con tolerancia absoluta 1e-12. Ninguno alcanza DSR 0,95: el mayor es aproximadamente 0,820. Esto no es una nueva prueba ni una probabilidad de éxito de inversión.

• DSR: indicador que intenta descontar el efecto de probar variantes y de la forma de sus retornos. El cálculo antiguo usa exceso logarítmico semanal, columnas nominales y supuesto IID; no es una corrección formal de toda la investigación.
• PBO: frecuencia con que la variante escogida en una mitad de los bloques queda por debajo de la mediana en la otra. Los empates en la mediana cuentan medio. No es la probabilidad de que una estrategia pierda dinero.
• Correlación media: cuánto se parecen las series semanales de las variantes. Cercana a uno significa que se mueven casi igual. No mide toda la dependencia.
• Grupos idénticos: conjuntos de variantes con exactamente la misma serie semanal. Se conservan; no se eliminan para obtener un resultado más favorable.

Funding (28) solo tiene 60 de 70 particiones estimables; su PBO permanece ausente. Los estudios iniciales (1–8) no guardan esta matriz de ocho bloques: no se inventa una a partir de curvas mensuales o métricas agregadas. Sus resultados siguen en el inventario.

Qué ocurre al reunir estudios comparables

Se fijaron cuatro parejas por calendario, referencia y ejecución, antes de calcular estos sondeos. Se verificaron los ocho calendarios y todas las métricas de referencia por variante, salvo el nombre del régimen. La inspección de los módulos confirma el calendario de aportaciones y ejecución común dentro de cada pareja. No se hizo un replay nuevo ni se certificaron todas las valoraciones diarias de las referencias.

Estos sondeos tampoco aportan una base que supere DSR 0,95. Se publican las dos reglas base, no la variante ganadora. Son diagnósticos retrospectivos locales, con N nominal; no p-valores de la búsqueda completa. El PBO no tiene por qué subir al añadir columnas: cambia el conjunto contra el que se ordenan las variantes.

La pareja 36/38 conserva el comparador antiguo cuestionado por la auditoría del 16 de octubre. Sus números describen aquel procedimiento y no rehabilitan la ventaja económica aparente. Todos los resultados antiguos se mantienen intactos.

Revisión global: qué queda resuelto y qué no se puede calcular

Inventario y dependencia: revisados. DSR y PBO globales: no identificables con estos ensayos heterogéneos. No basta con poner N=39, N=19 o N=91 en una fórmula.

Las matrices tienen fechas y reinicios distintos; las referencias varían entre EUR, BTC50 y BTC60, con frecuencias diferentes; los objetivos incluyen retorno, caída y Sharpe. Además, hay reutilización del histórico y cambios adaptativos de hipótesis. Recortar todos al tramo común, rellenar huecos o reconstruir una selección por Sharpe que nunca fue la decisión real produciría otra investigación retrospectiva.

El JSON incluye la matriz de correlación de cada grupo y M²/suma(Rij²), una descripción de concentración lineal. No se usa como número efectivo de ensayos ni se le atribuye una interpretación de muestra independiente. Tampoco se han certificado independencia temporal o estacionariedad por agrupar retornos en semanas.

No calculamos Holm/Bonferroni con «1−DSR»: los indicadores existentes no son un conjunto de p-valores comparables para hacerlo. No se reabren descartes ni se declara ausencia de sobreajuste porque falten datos para medirlo globalmente.

Qué sigue mientras se completa la captación

• Queda terminada esta auditoría del historial disponible, con reproducción y huellas.
• El próximo ensayo conserva su base fijada, siete comprobaciones y comparador común; no se elegirá la mejor variante después. El evaluador horario ya está conectado.
• La evidencia nueva vendrá de observaciones futuras bajo ese protocolo. Reutilizar años ya explorados no sustituye esa evidencia ni permite prometer rentabilidad.
• Antes de cualquier validación habrá que revisar los resultados prospectivos, incertidumbre, costes y comportamiento por activo/régimen. El DSR/PBO global antiguo queda documentado como no identificable, no como un cálculo pendiente de esperar días.
• Si se quiere comparar otra familia en el futuro, deberá prerregistrarse su proceso de selección y una matriz común completa antes de probarla. No se inicia ahora.

Fundamento del método

Bailey y López de Prado, The Deflated Sharpe Ratio distinguen número nominal e independiente de pruebas y advierten de los límites de inferir dependencia mediante correlaciones. Aquí se reproduce el diagnóstico antiguo sin presentar su N nominal como estimación de ensayos independientes.

Bailey et al., The Probability of Backtest Overfitting plantean una matriz de resultados por configuración y observación para evaluar selección. Las cuatro parejas son sondeos de alcance limitado; no reconstruyen la selección adaptativa global del proyecto.

Evidencia y límites técnicos

Instantánea SQL de solo lectura: 2026-10-17T19:01:35.294095+00:00. 38 huellas deterministas de resultados recalculadas y contrastadas con SQL. Los 30 archivos de bloques de 15 parejas de ejecuciones reproducen sus DSR/PBO; las repeticiones tienen bloques idénticos. Fuente y configuración se conservan mediante manifiesto SHA-256. 324 pruebas de software correctas (incluidas 13 específicas de esta auditoría); Ruff correcto. Las huellas congeladas del arranque automático siguen intactas. Las pruebas artificiales comprueban código, no rentabilidad.

Se revisan archivos y métricas, no se reejecutan operaciones ni se reconstruyen cotizaciones. Esto no certifica la calidad histórica de todos los proveedores.

Datos y cálculos de la revisión · Evaluación viva del nuevo ensayo · Corrección del comparador anterior.