Combinación de señales y decaimiento

Este es el secreto sucio de la inversión cuantitativa: vuestra mejor señal apenas está correlacionada con lo que las acciones hacen realmente a continuación. Si dibujaseis “lo que el modelo predijo” frente a “lo que de verdad ocurrió”, veríais una nube informe con la más tenue inclinación hacia arriba — una relación tan débil que un inversor fundamental os echaría de la sala entre risas. Y, aun así, ese susurro de ventaja, aplicado a través de miles de apuestas y apilado junto a otros susurros tenues, es todo el negocio. El cuant no encuentra una señal estridente; encuentra muchas señales silenciosas y las suma.

Esta lección trata sobre tres números que gobiernan ese juego: cómo de fuerte es realmente una señal (el coeficiente de información (IC)), cómo combinar varias señales débiles en algo negociable, y cómo de rápido cada señal se queda rancia — porque una señal sobre la que no podéis actuar antes de que decaiga, o que no os podéis permitir negociar con la frecuencia suficiente para capturarla, vale exactamente nada.

El coeficiente de información (IC)

Analogía. Imaginad a un meteorólogo que acierta el 51 % de las veces sobre la lluvia de mañana. En cualquier día concreto, inútil — básicamente una cara o cruz. Pero dejad que apueste un dólar a la lluvia cada día durante treinta años, y ese 1 % de ventaja desangra silenciosamente al casino. Una señal de trading es lo mismo: el IC mide cuánto mejor que una cara o cruz es vuestra predicción, y en cualquier acción concreta esa ventaja es invisible. El dinero viene de hacer la apuesta diez mil veces.

Definición. El coeficiente de información (IC) es la correlación (de rangos) entre las predicciones de una señal y los rendimientos realizados posteriormente. Transversalmente, ordenáis cada acción por vuestra señal hoy, las ordenáis por su rendimiento real durante el periodo siguiente y correlacionáis los dos órdenes:

$\text{IC} = \operatorname{corr}\big(\text{señal}_t,\; r_{t+1}\big).$

El IC va desde $-1$ (perfectamente equivocado), pasando por $0$ (sin habilidad), hasta $+1$ (clarividencia perfecta). Las señales reales de renta variable viven en una banda humillantemente estrecha: un IC típico es de 0,02 a 0,05. Un IC por encima de 0,10 es sospechosamente bueno y normalmente significa que habéis filtrado información del futuro en el backtest.

Por qué una correlación ‘débil’ vale una fortuna. Recordad la Ley Fundamental de la Gestión Activa de la primera lección: vuestro ratio de información es aproximadamente vuestra habilidad por apuesta multiplicada por la raíz cuadrada de cuántas apuestas independientes hacéis.

$\text{IR} \approx \text{IC}\,\sqrt{\text{amplitud}}$

La amplitud es la palanca. Un IC microscópico, esgrimido a través de suficientes apuestas independientes, produce un IR serio.

Ejemplo resuelto. Tomad una señal con $\text{IC} = 0,03$ y una estrategia que hace 500 apuestas independientes al año (digamos, ~500 valores rebalanceados aproximadamente una vez al año, o menos valores negociados con más frecuencia — lo que cuenta son las apuestas independientes):

$\text{IR} \approx 0{,}03 \times \sqrt{500} = 0{,}03 \times 22{,}36 \approx 0{,}67.$

Un IR de 0,67 es una estrategia perfectamente respetable y financiable — construida enteramente a partir de una correlación del 3 %. Recorred la escalera de la amplitud y observad cómo trepa el IR:

Leed las dos últimas filas juntas: subir el IC de 0,03 a 0,05 con amplitud fija eleva el IR de 0,67 a 1,12. La habilidad es valiosa — pero también lo es la amplitud, y la amplitud suele ser la palanca más barata de accionar.

Cuándo usarlo

El IC es el boletín de notas de vuestra señal — medidlo fuera de muestra antes de operar nunca con ella. Un IC fuera de muestra estable y positivo (aunque sea 0,02) es luz verde; un IC enorme dentro de muestra pero que se evapora fuera de muestra es la huella dactilar clásica del sobreajuste. Usad el IC para clasificar y comparar señales candidatas, y usad IC·√amplitud para prever si la estrategia entera puede superar un IR financiable antes de construirla.

Combinar señales

Analogía. Un solo dado ligeramente trucado apenas le gana al limpio. Pero tirad cinco dados trucados de forma independiente y promediadlos, y la ley de los grandes números afila vuestra ventaja — el ruido de cada uno se cancela mientras que el sesgo se refuerza. Combinar alfas funciona igual: cada señal en bruto es mayormente ruido más una astilla de verdad, y promediar señales independientes cancela el ruido más rápido de lo que cancela la verdad.

La magia de la ortogonalidad. Supongamos que tenéis dos señales, cada una con el mismo IC, y sus errores están no correlacionados. Promediarlas conserva la señal completa pero reduce a la mitad el ruido independiente, así que el IC combinado sube. Para dos señales igual de buenas e independientes:

$\text{IC}_{\text{combinado}} \approx \text{IC}\,\sqrt{2}.$

Más en general, mezclar $n$ señales igual de buenas y mutuamente no correlacionadas escala el IC combinado por $\sqrt{n}$ — exactamente la misma matemática de diversificación $\sqrt{\,\cdot\,}$ que gobierna las apuestas en la Ley Fundamental, ahora aplicada a señales en lugar de a posiciones. Dos señales con IC 0,03 se combinan en ≈ 0,042; cuatro en ≈ 0,06; nueve en ≈ 0,09.

Por qué una señal correlacionada no añade casi nada. Si una nueva señal está muy correlacionada con lo que ya negociáis, no aporta información nueva — simplemente reformula una apuesta que ya habéis hecho. El bono $\sqrt{n}$ asume independencia; la correlación se lo come. Añadir vuestra décima variante de momentum apenas vale nada, mientras que añadir una señal genuinamente distinta (una métrica de calidad, una puntuación de sentimiento, un indicador de posicionamiento) es donde el IC realmente da un salto.

Métodos de combinación, la tentación más débil al final.

Ejemplo resuelto. Tenéis tres señales, cada una con IC ≈ 0,03, no correlacionadas entre pares. Las ponderáis por igual:

$\text{IC}_{\text{combinado}} \approx 0{,}03 \times \sqrt{3} = 0{,}03 \times 1{,}732 \approx 0{,}052.$

Casi habéis doblado vuestra habilidad efectiva — de 0,03 a 0,052 — sin encontrar ni una sola idea nueva, solo combinando lo que ya teníais de forma ortogonal. Ahora supongamos que esas tres estaban en realidad correlacionadas a 0,6 entre sí. El beneficio de diversificación se encoge drásticamente; el $\sqrt{n}$ efectivo colapsa hacia $\sqrt{1}$, y el IC combinado apenas supera 0,03. Las mismas tres señales, una recompensa radicalmente distinta — la ortogonalidad lo es todo.

Cuándo usarlo

Recurrid al peso igual como opción por defecto y como referencia que todo método más sofisticado debe batir. Graduaos a la ponderación por IC solo cuando tengáis estimaciones de IC estables y fuera de muestra y varias señales de calidad genuinamente distinta. Reservad la regresión/ML para cuando tengáis muchos datos, una fuerte disciplina de validación cruzada y una razón a priori real para esperar interacciones — e incluso entonces, guardaos el peso igual en el bolsillo trasero como la línea base honesta.

Decaimiento del alfa

Analogía. Una señal es un cubito de hielo que se derrite. En el momento en que se forma está a su tamaño máximo, y predice el futuro muy cercano con nitidez — pero cada día que esperáis, se encoge. Una señal “rápida” (un cubito diminuto) es intensa pero desaparece en días; una señal “lenta” (un cubito grande) dura meses pero nunca estuvo tan fría para empezar. Esperad demasiado para actuar y estaréis sosteniendo un charco.

Definición / fórmula. El poder predictivo de una señal se desvanece geométricamente a medida que el horizonte de mantenimiento $h$ se alarga. Modelad el IC al horizonte $h$ como un decaimiento exponencial:

$\text{IC}(h) = \text{IC}_0\, e^{-h/\tau}$

donde $\text{IC}_0$ es el IC al horizonte más corto y $\tau$ (la constante de decaimiento, en días) fija lo rápido que se desangra. Un $\tau$ pequeño es una señal rápida — predictiva durante unos días, luego ruido; un $\tau$ grande es una señal lenta — predictiva más allá pero típicamente más débil al empezar.

El estadístico resumen estrella es la vida media de la señal — el horizonte al que el IC ha caído a la mitad de su valor inicial:

$\text{vida media} = \tau \ln 2 \approx 0{,}693\,\tau.$

Ejemplo resuelto. Una señal tiene $\tau = 8$ días. Su vida media es:

$\text{vida media} = 8 \times \ln 2 = 8 \times 0{,}693 = 5{,}5\ \text{días}.$

Así que tras ~5,5 días la señal es la mitad de predictiva; tras otros 5,5 días, un cuarto; y así sucesivamente. Tabulando $\text{IC}(h)/\text{IC}_0 = e^{-h/8}$:

Para el día 20 la señal retiene el 8 % de su mordisco — efectivamente ruido. Si vuestra realidad operativa (capital, liquidez, cumplimiento normativo) significa que solo podéis actuar sobre esta señal una semana después de que se dispare, ya habéis entregado más de la mitad de su valor antes de colocar la operación.

Cuándo usarlo

Estimad la curva de decaimiento de cada señal, no solo su IC pico. La vida media os dice el reloj natural de la señal: una vida media de 2 días exige rebalanceo intradía o diario y una ejecución ajustada; una vida media de 60 días es una posición paciente y de baja rotación. Igualad vuestra infraestructura de trading a la vida media — una señal rápida en un canal de ejecución lento es alfa tirado a la basura. Este perfil de decaimiento alimenta directamente la disyuntiva de más abajo.

La disyuntiva decaimiento-vs-rotación

Este es el corazón de la lección. El decaimiento del alfa os empuja a negociar rápido — actuar sobre la señal mientras todavía está fresca. Los costes de transacción os empujan a negociar despacio — cada rebalanceo paga el diferencial de ida y vuelta, y volver a operar constantemente os desangra. Estas dos fuerzas luchan, y la ganadora es una joroba: el alfa neto por unidad de tiempo se maximiza en un horizonte de mantenimiento óptimo en el medio.

Analogía. Recoger fruta. Recoged demasiado pronto (negociáis demasiado rápido) y estaréis de vuelta en el huerto cada día pagando la entrada — coste de rotación — antes de que la fruta haya madurado. Esperad demasiado (negociáis demasiado despacio) y la fruta se pudre en la rama — la señal decae a ruido. Hay un punto dulce en el medio donde la fruta está madura y habéis amortizado el viaje.

El mecanismo. Mantened durante $h$ días y capturáis más de la señal acumulada — el alfa bruto crece como $A_0(1 - e^{-h/\tau})$ — pero pagáis un coste de ida y vuelta repartido sobre esos $h$ días. El alfa neto por día es:

$\text{neto/día}(h) = \frac{A_0\big(1 - e^{-h/\tau}\big) - \text{coste}}{h}.$

$h$ diminuto: el término de coste, dividido por un $h$ diminuto, domina y el neto/día se desploma. $h$ enorme: habéis capturado casi todo $A_0$ pero estáis dividiendo por un $h$ grande, así que el neto/día se desvanece. En medio se sienta el pico $h^*$.

Dos reglas generales salen directamente de la fórmula:

• Decaimiento más rápido (τ más pequeño) → rebalancead más rápido. Una señal perecedera no puede esperar; actuad antes de que desaparezca.
• Coste más alto → rebalancead más despacio (mantened más tiempo). Cuando cada ida y vuelta es cara, debéis mantener lo suficiente para recuperar el diferencial.

Ejemplo resuelto — encontrar el horizonte de mantenimiento óptimo. El alfa bruto total capturable de una señal es $A_0 = 30$ pb, con constante de decaimiento $\tau = 8$ días, y el coste de ida y vuelta es de $10$ pb. Calculad el alfa neto por día, $\frac{30(1 - e^{-h/8}) - 10}{h}$, a través de horizontes candidatos:

Negociad a diario (h = 1) y perdéis dinero — la ida y vuelta de 10 pb empequeñece los 3,5 pb de alfa bruto que habéis capturado en un día. Mantened 20 días y habréis embolsado la mayor parte del alfa pero repartida fina, así que el neto/día decae de nuevo a 0,88. El pico se sienta cerca de h ≈ 10 días, donde el alfa neto por día es máximo en ~1,14 pb/día. Ese horizonte — ni “lo más rápido posible” ni “lo más lento posible” — es el óptimo consciente de los costes, y fija directamente vuestra frecuencia de rebalanceo y vuestra rotación.

Poniéndolo todo junto

El proceso completo se lee de arriba abajo: tomad muchas señales en bruto, cada una con un IC humilde de 0,02–0,05; ortogonalizad y combinadlas en un alfa compuesto (peso igual como opción robusta por defecto — el bono de diversificación √n solo se dispara con señales independientes); medid la curva de decaimiento del compuesto para obtener su vida media; luego fijad la frecuencia de rebalanceo en el óptimo consciente de los costes, donde el alfa neto por día alcanza su pico. Ese horizonte elegido fija vuestra rotación — y la rotación, escalada por el capital, es lo que determina vuestra capacidad, el puente hacia la siguiente lección.

Ahora sabéis cómo convertir un montón de señales débiles y perecederas en un único compuesto negociable y con qué frecuencia operarlo. Pero cada respuesta aquí asumió silenciosamente que vuestras apuestas se mantienen independientes y vuestras operaciones se mantienen baratas — y ambos supuestos se rompen a medida que escaláis o a medida que otros fondos se amontonan en la misma operación. ¿Qué pasa cuando todo el mundo descubre la misma señal a la vez, cuando la masificación colapsa vuestra amplitud y convierte una estrategia plácida en una estampida? Esa pregunta violenta — capacidad, masificación y el Quant Quake — es hacia donde nos dirigimos a continuación.