Entrenamos una red neuronal para el oro y luego la eliminamos: lo que mostraron los años fuera de muestra

La versión 2 de nuestro sistema para XAUUSD incluía un modelo neuronal ONNX. Su backtest se veía excelente y lo publicamos. Después hicimos la prueba que realmente importa y el modelo la suspendió.

El modelo se entrenó con datos de enero de 2020 a julio de 2026. La impresionante curva de capital se midió dentro de ese mismo periodo. Eso no es prueba de una ventaja: es una demostración de ajuste. Un modelo que ya ha visto los datos los describirá bien, pueda o no predecir algo.

Probamos de 2016 a 2019, periodo que el modelo nunca había visto. En nuestras pruebas resultó perdedor. La cuenta forward que teníamos en marcha mostró esperanza matemática negativa en el mismo periodo de observación. Dos comprobaciones independientes, ambas negativas, sobre los únicos datos capaces de confirmar el modelo.

Teníamos dos opciones: seguir publicando el gráfico favorecedor dentro de la muestra, o sustituir el motor. En la versión 3.10 eliminamos el modelo neuronal. El filtro de entrada se reconstruyó con gradient boosting y se validó con análisis walk-forward, de modo que la regla de decisión siempre se prueba en periodos con los que no aprendió. La actualización fue gratuita para los usuarios existentes. El backtest antiguo sigue publicado en la página del producto, etiquetado como dentro de muestra, porque borrarlo ocultaría el error en lugar de corregirlo.

Pida dos fechas: la ventana de entrenamiento del modelo y la ventana del backtest que le muestran. Si se solapan, el número que tiene delante describe lo bien que el modelo memorizó el pasado. No dice nada del futuro. Esto se aplica a nuestra versión antigua igual que a la versión actual de cualquier otro.

El sistema reconstruido, con todo el historial de mediciones incluido el fallo anterior: https://www.mql5.com/en/market/product/187329

Todos los productos y utilidades gratuitas: https://www.mql5.com/en/users/app.develop.sk/seller