Qué es el pensamiento bayesiano

Hay una pregunta que se esconde calladamente debajo de cada operación, cada modelo de riesgo y cada «creo que esta estrategia funciona»: ¿qué significa realmente decir que hay un 30% de probabilidad de que vuestra nueva ventaja sea real? No podéis repetir vuestra vida mil veces y contar con qué frecuencia sale bien. Hay exactamente una historia, solo avanza hacia delante, y sin embargo hacéis afirmaciones probabilísticas sobre ella constantemente. Para que eso tenga sentido necesitáis una forma particular de pensar la probabilidad — una que no la trate como una frecuencia que contáis, sino como un grado de creencia que sostenéis y revisáis. Eso es el pensamiento bayesiano, y las finanzas son uno de los terrenos más bayesianos que existen.

Toda la maquinaria tiene solo tres piezas móviles — una creencia de partida, una pieza de evidencia y una regla para combinarlas — y al final de esta lección sabréis nombrar las tres, decir con precisión qué hace cada una y explicar por qué un único buen backtest debería empujar vuestra confianza, no detonarla.

Dos significados de la palabra «probabilidad»

Antes de cualquier fórmula, resolvamos una cuestión más honda: ¿qué es una probabilidad? Hay dos bandos, y las finanzas viven con firmeza en uno de ellos.

La visión frecuentista. Una probabilidad es una frecuencia a largo plazo — la fracción de veces que ocurre un suceso si repetís el mismo experimento sin fin. «Esta moneda cae cara con probabilidad 0,5» significa: lanzadla un millón de veces y aproximadamente la mitad saldrán cara. Es una propiedad objetiva de un montaje repetible. Es la probabilidad que conocisteis en el colegio, y es perfectamente buena — cuando podéis repetir de verdad el experimento.

La visión bayesiana. Una probabilidad es un grado de creencia — un número entre 0 y 1 que mide cuán seguros estáis de que una afirmación es cierta, dado todo lo que sabéis ahora mismo. «Hay un 70% de probabilidad de que esta estrategia tenga una ventaja real» no es la frecuencia de nada; no podéis volver a ejecutar esta estrategia en mil universos paralelos. Es una afirmación sobre vuestra confianza y, crucialmente, tiene permiso para cambiar a medida que llega evidencia.

Por qué las finanzas son un mundo bayesiano

Los mercados casi nunca os entregan un experimento repetible. Tenéis un 2008, una trayectoria para los beneficios de este trimestre, un historial realizado para vuestro fondo. No podéis reiniciar el reloj y volver a ejecutarlo para contar frecuencias. Lo que sí tenéis es justo la materia prima para la que está construido el pensamiento bayesiano:

• Distribuciones a priori. Llegáis con opiniones — previsiones macro, tasas base («la mayoría de las ventajas de backtest son flukes»), una lectura sobre una empresa. Nunca sois una hoja en blanco.
• Un flujo de evidencia. Los precios se imprimen, las operaciones se resuelven, los beneficios aterrizan. Los datos gotean una observación cada vez.
• Una necesidad de actualizar. Cada nuevo dato debería desplazar vuestra confianza en la cantidad correcta — mucho cuando los datos son fuertes, poco cuando son ruidosos.

Un frecuentista pregunta «¿con qué frecuencia ocurre esto a lo largo de muchas repeticiones?». Un trader no puede repetir la operación. La pregunta honesta es «dado lo que creía y lo que ahora he visto, ¿cuán seguro debería estar?» — y esa es la pregunta bayesiana.

Los tres objetos: a priori, verosimilitud, a posteriori

La actualización bayesiana es una historia con tres personajes. Conocedlos con precisión, porque el resto de este tema no es más que estos tres haciendo distintos trabajos.

La a priori — escrita $P(H)$. Es vuestra creencia en una hipótesis $H$ antes de ver los nuevos datos. ($H$ de hipótesis: «la estrategia tiene una ventaja», «la moneda es justa», «esta acción batirá al mercado».) La a priori empaqueta todo lo que ya sabíais. Una a priori puede ser segura («estoy 90% seguro») o tibia («podría ser cualquier cosa, digamos 50/50»), y puede venir de tasas base, de la teoría o de la experiencia ganada a pulso.

La verosimilitud — escrita $P(D \mid H)$. Leed $P(D \mid H)$ como «la probabilidad de los datos $D$ dada la hipótesis $H$». Responde: si la hipótesis fuera cierta, ¿qué probabilidad tiene la evidencia que acabo de ver? Es una propiedad de cada hipótesis, que puntúa cuán bien esa hipótesis habría predicho los datos. Una hipótesis que hace que los datos observados parezcan probables sale premiada; una que los hace parecer una casualidad sale penalizada.

La a posteriori — escrita $P(H \mid D)$. Es vuestra creencia actualizada en la hipótesis tras incorporar los datos — «la probabilidad de $H$ dado $D$». La a posteriori es la respuesta — el objetivo entero del ejercicio. Se convierte en vuestra nueva a priori la próxima vez que llega evidencia, por lo que el pensamiento bayesiano es un bucle, no un único disparo.

La regla cualitativa: a posteriori ∝ a priori × verosimilitud

Aún no necesitáis toda la aritmética (eso es la próxima lección). Lo que necesitáis es la forma de la regla, y es bellamente simple:

$P(H \mid D) \;\propto\; P(H) \times P(D \mid H).$

El símbolo $\propto$ significa «es proporcional a». En palabras: vuestra creencia actualizada es vuestra creencia de partida multiplicada por cuán bien la hipótesis predijo los datos. Una hipótesis en la que ya confiabais y que explicaba bien los datos sale a la cabeza. Una hipótesis con una a priori fuerte pero que hizo que los datos parecieran una casualidad sale arrastrada hacia abajo. Ambos factores importan — ni la a priori ni los datos ganan solos.

Tres consecuencias caen directas de esa multiplicación, y son la intuición que deberíais llevar para siempre:

• A priori fuerte más datos débiles → a posteriori cerca de la a priori. Si entrabais muy seguros y la evidencia es escasa, vuestra creencia apenas se mueve. La a priori domina.
• A priori débil más datos fuertes → a posteriori cerca de los datos. Si teníais poca convicción y la evidencia es abrumadora, los datos toman el control. La a priori queda lavada.
• La a posteriori es siempre más afilada que cualquiera de sus entradas. Combinar dos fuentes de información os deja más seguros (una distribución más estrecha) de lo que estabais con cualquiera por separado. La evidencia encoge la incertidumbre — esa es la razón entera para recogerla.

Mirad la sogatira ocurrir

El gráfico de esta página es esa sogatira, dibujada en vivo. Tres campanas de Gauss: vuestra creencia a priori, la verosimilitud de los datos y la a posteriori que resulta de multiplicarlas. Cuanto más estrecha una curva, más segura es esa fuente — una curva alta y delgada está gritando; una ancha y plana está mascullando.

Probad estos dos experimentos y mirad cómo reacciona la a posteriori. Primero, agarrad el deslizador de «Fuerza de los datos / tamaño muestral» y subidlo a tope: la curva de verosimilitud se afila, y la a posteriori se desliza fuera de la a priori y aterriza casi exactamente encima de los datos — eso es «a priori débil más datos fuertes → a posteriori cerca de los datos». Ahora haced lo contrario: bajad la fuerza de los datos y subid en su lugar la «Confianza a priori». La a priori se vuelve alta y estrecha, y la a posteriori se queda pegada cerca de la a priori diga lo que diga los datos — eso es «a priori fuerte más datos débiles → a posteriori cerca de la a priori». Y fijaos: en cada configuración, la curva a posteriori es más alta y más estrecha que cualquiera de sus progenitoras: combinar evidencia siempre afila vuestra creencia.

Un ejemplo resuelto, sin matemáticas pesadas

Pasemos los tres objetos por una historia que reconoceréis. Habéis construido una nueva estrategia de trading. Sed honestos sobre vuestra creencia de partida: la mayoría de las ventajas de backtest con pinta ingeniosa resultan ser flukes — ruido sobreajustado que se evapora en el trading real. Así que vuestra a priori de que esta tenga una ventaja real es modesta: digamos un 30%. ($P(\text{ventaja}) = 0.30$.) Eso no es pesimismo, es realismo de tasa base: el cementerio de estrategias muertas es enorme.

Ahora llegan los datos. Hacéis el backtest de la estrategia y gana 7 de 10 operaciones. ¡Pinta bien! ¿Seguro que la ventaja es real?

Frenad y pensad como la sogatira. Los datos son genuinamente algo de evidencia a favor de una ventaja — una ventaja verdadera tendería de hecho a producir más victorias que derrotas, así que 7 de 10 puntúa razonablemente bien en la verosimilitud de la hipótesis «ventaja real». Vuestra creencia debería subir por encima del 30%. ¿Pero cuánto? Aquí está la trampa que la verosimilitud os obliga a afrontar: una estrategia sin ninguna ventaja — una moneda al aire — también produce 7 de 10 bastante a menudo. Diez lanzamientos de moneda cayendo 7 caras o más ocurre alrededor del 17% de las veces por pura suerte. Así que 7 de 10 es coherente con una ventaja real, pero está lejos de ser exclusivo de ella; la hipótesis de no-ventaja lo predice casi con la misma comodidad.

Multiplicadlo cualitativamente: una a priori modesta (30%) por una verosimilitud que favorece levemente «ventaja» pero que también está bastante a gusto bajo «sin ventaja» da una a posteriori que trepa — quizá hasta los 40 o 50 en términos porcentuales — pero que aterriza en ninguna parte cerca de la certeza. Vuestra creencia se mueve en la dirección correcta en una cantidad sensata. Haría falta una racha mucho más larga, o mucho más desequilibrada, para que la verosimilitud arrollara esa a priori escéptica y os empujara hacia la convicción. (El número exacto es un cálculo con la regla de Bayes — eso es la lección 2. La dirección y la contención son la intuición bayesiana, y eso es lo importante aquí.)

Tres ideas equivocadas que matar ya

El pensamiento bayesiano es intuitivo una vez que encaja, pero unos cuantos errores tercos hacen tropezar a casi todo el mundo. Detectadlos pronto.

Idea equivocada 1: «Que los datos hablen por sí solos — las a priori son solo sesgo». Suena riguroso y es calladamente imposible. Siempre tenéis una a priori, lo admitáis o no. Negarse a enunciarla no la hace desaparecer; solo la vuelve invisible y sin examinar. Hasta «no tengo ni idea, todas las hipótesis igual de probables» es una a priori — una a priori plana (o no informativa), una elección explícita de que cada opción empieza con igual peso. La disciplina bayesiana no es tener una a priori (inevitable); es hacerla explícita para poder defenderla y actualizarla con honestidad.

Idea equivocada 2: confundir $P(D \mid H)$ con $P(H \mid D)$. Estas dos parecen casi idénticas y significan cosas tremendamente distintas, e intercambiarlas es el error más caro de la probabilidad aplicada. $P(D \mid H)$ es «cuán probable es este dato si la hipótesis se cumple» (la verosimilitud). $P(H \mid D)$ es «cuán probable es la hipótesis dado este dato» (la a posteriori — lo que realmente queréis). «Los datos son probables si tengo una ventaja» no significa «probablemente tengo una ventaja» — porque, como acabamos de ver, los datos podrían ser perfectamente probables bajo la historia de no-ventaja también. Esto es la falacia de la inversión, y es tan importante que se lleva la lección siguiente entera. Por ahora, basta con sentir la asimetría: $P(D \mid H) \neq P(H \mid D)$.

Idea equivocada 3: «un buen backtest demuestra una ventaja». No lo hace, y la sogatira os dice por qué: una única racha corta son datos débiles, y los datos débiles no pueden vencer a una a priori sensatamente escéptica. Peor: los backtests son fáciles de sobreajustar, lo que infla la verosimilitud aparente de una ventaja falsa. Un backtest limpio debería empujar vuestra creencia, no ungir la estrategia. La convicción real necesita evidencia lo bastante fuerte — lo bastante larga, lo bastante desequilibrada, lo bastante fuera de muestra — para arrastrar la a posteriori decisivamente lejos de una a priori dudosa.

Cuándo el pensamiento bayesiano se gana el sueldo

El razonamiento bayesiano es siempre válido, pero es más valioso — claramente mejor que limitarse a ojear los datos — justo en las situaciones que las finanzas os lanzan:

• Muestras pequeñas. Cuando solo tenéis un puñado de operaciones, señales o sucesos, los datos por sí solos son demasiado ruidosos para fiarse. Una a priori sensata estabiliza vuestra estimación y os impide sobrerreaccionar a una racha corta afortunada (o desafortunada). Cuantos menos puntos de datos, más debería la a priori — y matemáticamente lo hace — cargar el peso.
• Decisiones secuenciales. Cuando la evidencia llega pieza a pieza y debéis actuar sobre la marcha — dimensionar una posición mientras se acumula el historial en vivo de una estrategia, digamos — la actualización bayesiana está hecha a propósito para ello. Cada a posteriori se convierte en la siguiente a priori, así que siempre actuáis sobre toda la evidencia hasta el momento, actualizada en tiempo real en lugar de esperar a alguna línea arbitraria de «datos suficientes».
• Combinar una opinión con datos. Cuando sostenéis una opinión externa genuina — una tesis macro, la ventaja de un analista, un argumento estructural — y también tenéis datos de mercado, el pensamiento bayesiano es la forma con principios de mezclarlos en vez de elegir uno dogmáticamente. Vuestra opinión es la a priori, los datos son la verosimilitud, y la a posteriori es el compromiso disciplinado ponderado por cuánta confianza se ha ganado el derecho a tener cada lado.

Atando cabos

La probabilidad tiene dos significados, y las finanzas viven en el segundo. El frecuentista lee la probabilidad como una frecuencia a largo plazo — maravillosa cuando podéis repetir el experimento, inútil cuando os toca una sola historia. El bayesiano lee la probabilidad como un grado de creencia — una confianza que enunciáis por adelantado y revisáis a medida que aterriza la evidencia, que es exactamente la situación en el trading y el riesgo. La maquinaria tiene tres piezas: la a priori $P(H)$ (creencia antes de los datos), la verosimilitud $P(D \mid H)$ (cuán bien cada hipótesis predice los datos) y la a posteriori $P(H \mid D)$ (creencia actualizada), combinadas por la regla $P(H \mid D) \propto P(H) \times P(D \mid H)$. Una a priori segura resiste los datos débiles; los datos fuertes lavan una a priori vaga; y la a posteriori siempre acaba más afilada que ambas. Mantened fuera tres errores: las a priori son inevitables (incluso una plana es una elección), $P(D \mid H)$ no es $P(H \mid D)$ (la falacia de la inversión), y un buen backtest son datos débiles, no una demostración.

A continuación — la regla de Bayes, hecha precisa. Convertiremos el bosquejo proporcional $P(H \mid D) \propto P(H) \times P(D \mid H)$ en la ecuación completa con el denominador normalizador, le pasaremos números reales y le clavaremos una estaca en el corazón a la falacia de la inversión con el clásico ejemplo del falso positivo — donde datos que son «fiables al 95%» pueden aun así dejar un resultado positivo mucho más probablemente equivocado que acertado.