El test que no medía habilidad
Durante dos semanas, el criterio de aceptación "obligatorio" del proyecto puntuaba exactamente igual una señal con un +40 % real por operación que una sin ninguna ventaja.
La pregunta: Si un test rechaza todo lo que se le pone delante, ¿es que no hay nada, o es que el test está roto?
Qué se encontró
El 4 de septiembre de 2026 se declaró "gold standard, obligatorio antes de llamar a nada verificado" un test que comparaba, trimestre a trimestre, la señal contra comprar y mantener. A partir de ahí TODO falló. El diagnóstico se hizo de la forma correcta: inyectando en la serie real de Bitcoin una ventaja genuina y de tamaño conocido, y midiendo con el motor real del proyecto. La tasa de victorias del test era PLANA en alpha: 42,1 % con una ventaja de cero y 42,1 % con una ventaja del 40 % por operación. El test medía exposición al mercado, no habilidad. Una señal que está dentro del mercado un 35 % de los días pierde la mayoría de trimestres contra un comprar y mantener invertido al 100 %, por construcción, en un activo con deriva positiva.
Pruébalo tú mismo
Por qué el test estaba condenado: una señal que sólo está dentro del mercado parte del tiempo se compara contra una que está siempre dentro, en un activo que sube. Mueve la exposición.
Ventaja por unidad de exposición sólo para empatar (%):
Con una exposición del 35 % y una deriva del 45 % anual, la señal empieza casi 30 puntos por detrás antes de acertar una sola vez. Ese es el agujero por el que se colaron dos semanas de rechazos.
Números de ejemplo para practicar — no son datos reales.
Cómo se probó, paso a paso
- El diagnóstico correcto de un test es inyectarle una señal cuya ventaja se conoce, porque uno la ha puesto ahí, y comprobar si la ve. Un test que no ve una ventaja real no vale, por elegante que sea su estadística.
- El test de placebo del proyecto SÍ se comportaba bien: pasaba de 0,52 sin ventaja a 0,95 con una del 10 %. Cuando los dos tests discreparon, se adoptó el que no funciona. Los vaivenes de aquellos días —una señal recuperada, rechazada y recuperada en 24 horas— eran el síntoma.
- El criterio nuevo tiene tres niveles, y ninguno se salta: contenido de información (¿la señal sabe algo?, con nulo emparejado y coeficiente de información sobre el panel completo), valor económico (¿mejora el Sharpe a EXPOSICIÓN IGUALADA, con costes?) y robustez (tramo reservado, sensibilidad a parámetros, y un placebo de la propia hipótesis).
- El test retirado se conserva, pero degradado: sigue calculándose como métrica descriptiva de "¿cuánto beta sacrifica esto?", y se NIEGA a emitir veredicto.