Machine learning para el trading: lo sobrevalorado y lo práctico

💡 El momento de la verdad

El ML no es una estrategia independiente. Es un FILTRO. Ya tienes setups (los sweeps de Janus). El ML predice cuáles tienen un 68 % de probabilidad frente a un 55 %. Opera los del 68 % y sáltate los del 55 %. Ahí está la ventaja.

🎯 Ejercicio práctico: implementa ingeniería de características de ML para filtrar operaciones

Objetivo: Construye un modelo de ML que filtre tus setups actuales y mejore la esperanza entre un 10 y un 15 % operando de forma selectiva.

Parte 1: ingeniería de características (el paso más importante)

Para cada una de tus operaciones históricas, calcula estas características EN EL MOMENTO DE LA SEÑAL (¡sin anticipación!):

Plantilla de conjunto de características (se recomiendan 20+):

CARACTERÍSTICAS DE PRECIO:
1. Distancia al VWAP (%): (precio - VWAP) / VWAP
2. Distancia a la EMA de 50 (%): (precio - EMA50) / EMA50
3. Distancia al máximo del día ANTERIOR (%): (máx.previo - precio) / máx.previo
4. Distancia al mínimo del día ANTERIOR (%): (precio - mín.previo) / mín.previo

CARACTERÍSTICAS DE MOMENTUM:
5. RSI (14): valor 0-100
6. ADX (14): fuerza de la tendencia
7. Ratio +DI / -DI: indicador direccional
8. Rate of Change (10): variación del precio en las últimas 10 velas

CARACTERÍSTICAS DE VOLATILIDAD:
9. Ratio ATR / precio: volatilidad normalizada
10. Anchura de las bandas de Bollinger %: (superior - inferior) / media
11. Expansión reciente del rango: ATR actual / ATR medio de 20 periodos

CARACTERÍSTICAS DE VOLUMEN:
12. Volumen vs. media: actual / media de 20 periodos
13. CVD (delta de volumen acumulado): presión compradora neta
14. Distancia entre VWAP y POC: alineación con el valor justo

CARACTERÍSTICAS DE TIEMPO:
15. Hora del día: minutos desde la apertura (normalizar 0-390)
16. Día de la semana: lun.=1, vie.=5
17. Tiempo desde la última señal: minutos

CARACTERÍSTICAS DE RÉGIMEN:
18. Nivel del VIX: lectura actual del VIX
19. Puntuación de régimen: compuesto de ADX + ATR + anchura de bandas
20. Variación del DXY %: viento en contra o a favor macro

TUS CARACTERÍSTICAS (calcula para 50+ operaciones históricas):
Operación 1: [característica 1: ___, característica 2: ___, ..., característica 20: ___, resultado: ganancia/pérdida]
Operación 2: [...]

Parte 2: división de entrenamiento y prueba (SOLO por tiempo)

NUNCA barajes datos de series temporales. Usa ventanas móviles:

Validación walk-forward del ML:

Ventana 1:
Entrenamiento: ene.-jun. 2023 (operaciones 1-30)
Prueba: jul.-sep. 2023 (operaciones 31-40)
Modelo: Random Forest, max_depth=5
Acierto en la prueba: ___%
Rendimiento en la prueba: ___%

Ventana 2:
Entrenamiento: abr.-sep. 2023 (operaciones 15-50)
Prueba: oct.-dic. 2023 (operaciones 51-65)
Modelo: reentrenar con la nueva ventana
Acierto en la prueba: ___%
Rendimiento en la prueba: ___%

Ventana 3:
Entrenamiento: jul.-dic. 2023 (operaciones 35-75)
Prueba: ene.-mar. 2024 (operaciones 76-90)
Acierto en la prueba: ___%
Rendimiento en la prueba: ___%

Rendimiento medio en las pruebas: ___% de tasa de éxito
Compara con la referencia (sin filtro): ___% de tasa de éxito
Mejora: +___% (objetivo: +10% como mínimo)

Parte 3: selección de modelo y prevención del sobreajuste

Prueba 3 modelos. Gana el más simple que funcione:

Señal de alarma: Si el acierto en entrenamiento es del 90 % pero en prueba es del 60 %, estás sobreajustando. Reduce la complejidad del modelo o añade más datos.

Parte 4: análisis de la importancia de las características

¿Qué características importan de verdad? Usa la importancia de características del modelo:

Importancia de características del Random Forest:

Las 10 primeras características (por puntuación de importancia):
1. Nivel del VIX: 0,18 (la más importante)
2. Distancia al VWAP: 0,15
3. ADX: 0,12
4. Hora del día: 0,10
5. CVD: 0,09
6. RSI: 0,07
7. Ratio de ATR: 0,06
8. Volumen vs. media: 0,05
9. Anchura de bandas: 0,04
10. Variación del DXY: 0,03

Características de cola (< 0,02): día de la semana, tiempo desde la última señal
→ Elimina estas características (ruido, no señal)

Modelo simplificado (solo las 6 características principales):
Acierto en la prueba: ___% (compara con el modelo de 20 características)
Si la diferencia es menor del 2%, usa el modelo más simple (menos sobreajuste)

Parte 5: despliegue en producción con umbrales de confianza

No operes TODAS las predicciones. Opera solo las de alta confianza:

Salida del modelo = probabilidad (de 0,0 a 1,0)

Umbrales de confianza:
Probabilidad > 0,65 = alta confianza (tomar la operación)
Probabilidad 0,45-0,65 = neutral (saltarla)
Probabilidad < 0,45 = baja confianza (saltarla o invertirla)

Resultados del backtest por umbral:
Todas las operaciones (sin filtro): 55% de acierto, 0,5R de media
Confianza > 0,60: ___% de esperanza, ___R de media
Confianza > 0,65: ___% de esperanza, ___R de media
Confianza > 0,70: ___% de esperanza, ___R de media (menos operaciones)

Umbral óptimo: 0,___ (maximiza la esperanza, no el acierto)

TUS RESULTADOS:
Operaciones tomadas con el filtro de ML: ___ / 100 señales totales
Mejora de la tasa de éxito: de ___% → ___% (+___%)
Mejora de la esperanza: de ___ $/operación → ___ $/operación

Parte 6: protocolo de seguimiento y reentrenamiento

Los modelos de ML se degradan con el tiempo. Vigílalos y reentrénalos:

Calendario de seguimiento:

Semanas 1-4: sigue el rendimiento en directo frente a las predicciones de prueba
Esperado: 60% de acierto
Real: ___% de acierto
Deriva: ___% (< 5% OK)

Semanas 5-8: sigue vigilando
Real: ___% de acierto
Deriva: ___% (si es > 10%, reentrena)

Disparador de reentrenamiento:
1. El acierto cae > 10% por debajo de la referencia de prueba
2. Cambia el régimen de mercado (picos del VIX, nuevo ciclo)
3. Como mínimo cada 3 meses (refresca con datos recientes)

Proceso de reentrenamiento:
- Añade los datos de operaciones de los últimos 3 meses
- Repite la validación walk-forward
- Compara el modelo nuevo con el antiguo sobre el mismo conjunto de prueba
- Despliega solo si el nuevo supera al antiguo en un 3% o más

Objetivo de implantación: Construye un filtro de ML a lo largo de 4-6 semanas usando tus últimas 50-100 operaciones. Despliégalo en paper trading durante 20 señales. Objetivo de ejemplo: mejorar la esperanza un 10 % o más filtrando de forma selectiva. Si lo consigues, el ML habrá elevado tu esperanza de forma medible al ayudarte a saltarte los setups de baja probabilidad. Así usan el ML los profesionales: no como magia, sino como mejora sistemática de la ventaja.