Cómo lo medimos — y qué no logramos probar
Todo indicador que te vendieron alguna vez venía con un backtest que funcionaba. Eso no es evidencia: es el resultado natural de probar reglas hasta que una encaja, y publicar solamente esa.
Así que hicimos lo contrario. Escribimos cómo íbamos a medir, antes de mirar, y estamos publicando todo lo que la medición produjo — incluidas las partes que mataron nuestras propias ideas.
Esta página es larga a propósito. Saltéate las tablas si querés; el punto es que el trabajo existe y lo podés revisar.
La regla que fijamos antes de mirar
Cuatro compromisos, puestos por escrito antes de calcular ningún número:
- Una observación por día. Una auditoría de nuestro propio trabajo encontró la muestra inflada unas 6× por contar filas intradiarias superpuestas. Todas las estadísticas de acá cuentan cada sesión una sola vez.
- El benchmark no es una moneda. Es la regla trivial del IB: el día cierra del lado donde quedó el punto medio de la primera hora respecto de la apertura. Cualquiera la calcula en diez segundos con datos gratis. Sobre nuestra muestra acierta el 71% de las veces (IC 95%: 66–77). Ese es el piso. Un resultado cuenta como nuestro solo si le gana a eso, no al 50%.
- Dirección predicha declarada de antemano. Cuando una hipótesis implica un ordenamiento, escribimos el ordenamiento primero. Un resultado que coincide con una predicción hecha a ciegas vale muchísimo más que el mismo número encontrado después.
- Una sola corrida. Si una regla falla, no se ajusta y se vuelve a probar. Se reporta como fallida.
Todo lo que sigue está medido sobre futuros de NQ y ES, unas 260 sesiones cada uno, con el camino recorrido barra por barra — no sobre precios de cierre.
Lo que se sostuvo
El tamaño del gap predice si se cierra
La lógica de subasta es directa: un gap chico es ruido de la sesión y el mercado lo rellena; un gap grande es revalorización genuina — pasó algo, y revertirlo significaría deshacer esa revalorización. Así que predijimos el ordenamiento chico > mediano > grande, y después lo medimos.
| Tamaño del gap (vs ATR diario) | NQ | ES |
|---|---|---|
| Chico (< 0.25 × ATR) | 71% (IC 95%: 63–79) · n=126 | 79% (IC 95%: 72–87) · n=126 |
| Mediano (0.25–0.5) | 55% · n=77 | 59% · n=68 |
| Grande (≥ 0.5 × ATR) | 43% (IC 95%: 26–60) · n=35 | 41% (IC 95%: 26–59) · n=34 |
| Chico − Grande | +28.6pp (IC 95%: +10.3 a +46.7) | +38.2pp (IC 95%: +19.8 a +56.1) |
El ordenamiento predicho se sostuvo exactamente, en los dos mercados, y los dos intervalos de confianza excluyen el cero. Sobrevive a la corrección por la cantidad de comparaciones que corrimos.
Cómo se comportan los primeros 30 minutos predice el resto
Cuando un gap se cierra, se cierra rápido — mediana de una a dos barras de 15 minutos. Así que preguntamos si la primera media hora te dice si la premisa sigue viva.
La versión ingenua de esta pregunta es circular, y la descartamos antes de correrla: comparar el movimiento en contra de toda la sesión entre los días que cerraron el gap y los que no es la misma observación dos veces — un día que no lo cerró se alejó por definición. En cambio medimos solo los primeros 30 minutos, y evaluamos solo los días que todavía no habían cerrado el gap dentro de esa ventana. La ventana de medición y la del resultado no se superponen.
| Movimiento en contra en los primeros 30 min | NQ | ES |
|---|---|---|
| Chico (< 0.10 × ATR) | 64% · n=28 | 63% · n=35 |
| Mediano (0.10–0.25) | 54% · n=57 | 59% · n=56 |
| Grande (≥ 0.25 × ATR) | 24% · n=70 | 37% · n=59 |
| Chico − Grande | +40.0pp (IC 95%: +19.3 a +60.0) | +25.6pp (IC 95%: +5.1 a +45.5) |
De nuevo el ordenamiento predicho se sostuvo en los dos mercados, y los dos intervalos excluyen el cero. Esta es una lectura en vivo: a las 10:00 te dice si conviene seguir esperando o soltar el día.
Un número que la industria repite y es simplemente falso
Lo vas a encontrar en cursos, blogs y foros: "el precio vuelve al POC del día anterior alrededor del 80% de las veces."
Lo medimos sobre nuestros propios datos: 57% en NQ, 55% en ES. Dos mercados, consistentes, y ni cerca del 80%. Nosotros no usamos ese número, y quien te lo cite tampoco debería.
Lo que no logramos probar
Esta es la parte que nadie publica.
| Qué probamos | Resultado |
|---|---|
| Predecir la dirección del día | Nunca le ganó a la regla trivial del IB, en ningún segmento |
| El desequilibrio de inventario nocturno como filtro del gap | Sin poder de discriminación — medido tres veces; a la tercera salió invertido |
| Dónde abre respecto del valor previo, condicionando el gap | +4.0pp (IC 95%: −12.3 a +20.4). El ordenamiento predicho no se sostuvo |
| Una lectura temprana solo por ubicación | −3.6pp (IC 95%: −15.5 a +7.9), y se degradó fuera de muestra (22% → 12%) |
| Una lectura rotacional temprana | +15.4pp (IC 95%: −0.4 a +31.0) — falló por 0.4pp contra un criterio firmado de antemano |
| Mayor granularidad del gráfico | La cobertura no se movió nada |
| Filtrar operaciones por riesgo-beneficio | Medido antes de construirlo: el porcentaje de aciertos cae casi exactamente en proporción a lo que sube el pago. El mercado cotiza la asimetría de forma justa |
El resultado del inventario cambió el producto: el indicador exigía un desequilibrio antes de emitir el plan del gap. Ese filtro estaba descartando sistemáticamente los mejores días. Lo sacamos.
La lectura rotacional temprana es la que duele. Falló por cuatro décimas de punto porcentual contra un criterio que habíamos firmado antes de exportar los datos. Podríamos haberla llamado "esencialmente positiva". No lo hicimos, y no lo vamos a hacer.
Lo que no afirmamos
- No afirmamos que el producto sea rentable. Ninguna medida de esperanza matemática que corrimos superó el cero.
- No publicamos un porcentaje de aciertos por operación. No tenemos uno que podamos defender.
- Las frecuencias de arriba son tasas históricas, no probabilidades para hoy. Describen cómo se comportó esa clase de gap en nuestra muestra. Mañana no está en la muestra.
- Todo lo anterior es una sola familia de instrumentos — futuros de índices bursátiles de EE.UU. — sobre aproximadamente un año.
Lo que hace el producto es más acotado y, creemos, más útil: construye el mapa de la subasta del día igual todas las sesiones, marca los dos momentos donde existe una decisión, y te muestra el destino, la invalidación y el riesgo-beneficio para que decidas con la aritmética ya hecha.
Verificalo vos
El indicador escribe su propia telemetría. Prendé el log de backtest, dejá que reconstruya tu historial, y obtenés tres archivos CSV con el camino crudo — precios, barras, marcas de tiempo — y sin columnas de veredicto. Nada que diga "correcto" o "acertó": el juicio se calcula en el análisis, así que cambiar la pregunta nunca obliga a volver a exportar los datos.
Eso significa que los números de esta página son reproducibles desde tu propio gráfico, sobre tu propio instrumento. Si tus datos no coinciden con los nuestros, queremos saberlo.