Inicio/Glosario/Exploración repetida de datos
Inicio/Glosario/Exploración repetida de datos
Análisis y métricas

Exploración repetida de datos

Por Jarosław Wasiński (EN) • Publicado:
Sesgo que surge al buscar repetidamente o reutilizar los mismos datos para seleccionar reglas atractivas. Un modelo puede ajustarse a rasgos históricos accidentales, no a un mecanismo repetible. El problema incluye modificar repetidamente una estrategia después de ver sus resultados en un conjunto de evaluación supuestamente independiente. Difiere del sesgo de anticipación, aunque ambos pueden ocurrir juntos.
Ejemplo. Para 50 pruebas independientes de hipótesis nulas verdaderas con α = 0.05, el número esperado de rechazos falsos es 2.5. La probabilidad de al menos uno es 1−0.95⁵⁰ ≈ 92.3%. Las variantes reales de estrategias no suelen ser independientes.

Cómo funciona

Registre toda la familia de intentos: parámetros, filtros, instrumentos y versiones rechazadas. Separe el desarrollo de la evaluación final. Inspeccionar repetidamente una muestra reservada la convierte en parte de la selección del modelo y compromete su función original de comprobación independiente.

Error habitual

El 92.3% del modelo no significa que una estrategia seleccionada concreta tenga esa probabilidad de ser falsa. El ajuste por pruebas múltiples puede ayudar, pero no elimina filtraciones de información ni un modelo de ejecución inexacto.

Para seguir aprendiendo

En el curso: 5.12 Automatización y filtrado en análisis técnico: herramientas, flujo y errores; 15.4 Backtesting y pruebas prospectivas: métodos, pruebas y errores. Fuentes: ASA: declaración sobre valores p.

Un registro de decisiones de investigación

Registre filtros descartados, instrumentos y cambios manuales, además de archivos guardados. Si se eligió una condición tras inspeccionar una muestra reservada, ese conjunto se incorporó al desarrollo. Una prueba final necesita datos independientes de esas decisiones de selección.

Fuente primaria comprobada el 11 de octubre de 2026: stat.ethz.ch.

Preguntas frecuentes

¿Un buen resultado fuera de muestra elimina el problema?
No automáticamente. Importan los procedimientos de selección, los intentos anteriores y la independencia de los datos de evaluación respecto a las decisiones de diseño.
¿Denominar OOS a un conjunto de datos lo hace independiente?

No. Importa su influencia real en la selección de reglas, no la etiqueta de su carpeta.

← Volver al glosario completo

Jarosław Wasiński

Redactor jefe, ForexMechanics.com • Analista macro y FX

Analista independiente y profesional con mas de 20 anos de experiencia en los mercados financieros. Activo en Forex desde 2004, con enfoque en analisis fundamental, estructura del mercado OTC y gestion disciplinada del riesgo de capital.

  • Creador y redactor jefe de MyBank.pl, ofreciendo educacion financiera fiable desde 2004.
  • Autor de cientos de comentarios de mercado en profundidad, analisis estructurales y materiales educativos para traders e inversores.
  • Defensor de la transparencia del mercado, promoviendo una educacion basada en datos concretos e informes institucionales (BIS, ESMA, CFTC).

Todo el contenido tiene caracter exclusivamente educativo e informativo – no constituye asesoramiento de inversion ni recomendacion alguna. Recuerde: el trading con apalancamiento (Forex/CFD) conlleva un alto riesgo de perdida rapida de capital.