Machine Learning para Alpha

Lánzale un random forest a una serie de precios y te devolverá un backtest con un Sharpe de 4 y una sonrisa. Te está mintiendo. Los mercados son el conjunto de datos más adversarial que el machine learning llega a encontrar: la relación señal-ruido es brutalmente baja, el proceso generador de datos se desplaza bajo tus pies, las muestras se solapan y se filtran información unas a otras y —lo peor de todo— tú estás dentro del bucle, probando configuración tras configuración hasta que algo “funciona”. Casi todos los fracasos del ML en finanzas se reducen a la misma causa raíz: el investigador se engañó a sí mismo, y el backtest fue su cómplice.

Este curso es el antídoto. No es un recorrido por algoritmos —ya sabes qué es un árbol de decisión, o puedes consultarlo—. Es un recorrido por las trampas, y por la disciplina que las derrota. El enemigo único, nombrado en cada página, es el sobreajuste: confundir ruido con señal, dentro de muestra con fuera de muestra, suerte con habilidad. Este es el recorrido, del dato crudo a una señal desplegable:

• El ML y el enemigo del sobreajuste — por qué los mercados rompen la intuición habitual del ML: baja relación señal-ruido, no estacionariedad y el problema de contrastes múltiples con el humano en el bucle. El cambio de mentalidad de “encontrar el mejor modelo” a “no dejarse engañar”.
• Features financieras y etiquetado — convertir precios en features estacionarias e informativas, y el problema del etiquetado que nadie advierte: las etiquetas de horizonte fijo y sus defectos, el método de la triple barrera, el meta-etiquetado y la ponderación de muestras para resultados solapados.
• Fugas y validación cruzada purgada — la fuga que hace brillar un backtest, por qué el k-fold normal es inválido en series temporales con etiquetas solapadas, y la solución: purgado, embargo, walk-forward y la CV purgada combinatoria.
• Sobreajuste del backtest y el Sharpe desinflado — la trampa de los contrastes múltiples, por qué el mejor de N estrategias probadas está inflado por la suerte, la probabilidad de sobreajuste del backtest, el ratio de Sharpe desinflado y la longitud mínima de backtest que necesitarías para fiarte de un resultado.
• Modelos, ensembles e importancia de variables — modelos lineales frente a árboles con datos de baja señal, por qué la regularización y los ensembles (bagging, boosting) se ganan el sueldo, y cómo leer la importancia MDI y MDA sin dejarte despistar por ellas.
• De la señal de ML a la cartera — integrar una predicción ruidosa de ML en el pipeline de stat-arb: dimensionar la posición a partir de la señal, combinar alphas de ML con el motor de amplitud, respetar la capacidad y la rotación, y la disciplina de despliegue que mantiene honesta una señal en producción.

Al terminar tratarás un backtest reluciente como un perito forense trata un trimestre demasiado bueno: con sospecha, una lista de comprobación y las herramientas para encontrar el fraude. Un examen final calificado te devuelve toda la disciplina al final, una pregunta bloqueada cada vez.