5. Outliers: ruido a ignorar, o la señal de verdad
Nivel 3: Estadística descriptiva e inferencial aplicada a mercados
Quita de un backtest los tres peores días de mercado de la última década y la curva de resultados se vuelve preciosa.
También se vuelve una estrategia que nadie podría haber ejecutado jamás, porque nadie sabe de antemano qué días conviene no estar invertido.
Decidir qué hacer con un dato extremo es, en el análisis de datos financieros, una de las decisiones más caras que existen. Y no la resuelve ninguna fórmula.
Qué es formalmente un outlier
Un outlier, o valor atípico, es una observación que se aleja de forma marcada del resto de los datos de la serie.
La definición formal más usada emplea los cuartiles. Si ordenas todos los datos y los divides en cuatro partes iguales:
- El primer cuartil (Q1) es el valor por debajo del cual queda el 25% de las observaciones.
- El tercer cuartil (Q3) es el valor por debajo del cual queda el 75%.
- La diferencia entre ambos, Q3 menos Q1, se llama rango intercuartílico, y mide la dispersión de la mitad central de los datos, ignorando los extremos.
Una convención habitual marca como outlier cualquier observación que caiga por debajo de Q1 menos 1.5 veces el rango intercuartílico, o por encima de Q3 más 1.5 veces ese mismo rango.
Es una regla mecánica, útil para detectar candidatos a valor atípico de forma sistemática. Pero aquí está lo importante de este módulo: detectar un outlier no es lo mismo que decidir qué hacer con él, y ahí ninguna fórmula sustituye al criterio.
Espurios: los que hay que corregir
Hay dos categorías de outliers en datos financieros, y confundirlas es uno de los errores más caros que puede cometer un analista cuantitativo.
La primera es el outlier espurio: un valor extremo que no refleja nada real del mercado, sino un fallo en la captura o el procesamiento de los datos. Ejemplos típicos:
- Un split de acciones no ajustado correctamente en el histórico de precios. Produce una caída del 50% de un día para otro que nunca ocurrió realmente en términos de valor para el accionista.
- Un dividendo mal registrado.
- Un error de decimal del proveedor de datos.
- Un precio erróneo capturado durante una interrupción técnica de la cotización.
Estos valores hay que corregirlos o eliminarlos. No aportan información sobre el comportamiento del activo: solo ensucian cualquier estadístico que se calcule después.
Genuinos: los que hay que mirar
La segunda categoría es el outlier genuino: un valor extremo que sí ocurrió y sí refleja el comportamiento real del mercado, normalmente asociado a un evento identificable.
Una caída del 20% en un solo día por pánico generalizado. Una subida repentina tras un resultado corporativo sorprendente. El colapso de octubre de 1987, o el de marzo de 2020.
Estos valores no son ruido que limpiar. Son, a menudo, la información más valiosa de toda la serie, y por un motivo concreto: los eventos extremos son los que determinan el riesgo real de una estrategia, el tamaño de las pérdidas máximas posibles y la validez de los supuestos que hacen las herramientas de gestión de riesgo.
Eliminar estos outliers de un backtest para que la curva de resultados se vea más limpia no es limpieza de datos. Es manipular la evidencia para ocultar precisamente el tipo de evento que un inversor necesita entender antes de arriesgar capital.
Volvamos al ejemplo del principio. Una estrategia que parece extraordinaria en un backtest del que se han retirado los tres peores días de mercado de la última década no es la misma estrategia que se está evaluando de verdad. Es una versión ficticia que nunca podría haberse ejecutado en la realidad.
Cómo distinguirlos
El criterio para distinguir entre ambas categorías no es estadístico, es de dominio: hay que investigar el origen del dato.
Tres preguntas que hacer:
- ¿Hay una noticia, un evento macroeconómico, un anuncio corporativo o una crisis conocida que coincida con esa fecha? Si sí, probablemente sea un outlier genuino.
- ¿El movimiento coincide exactamente con la fecha de un split o de un pago de dividendo no ajustado en la base de datos? Si sí, probablemente sea un error de procesamiento.
- ¿Otros proveedores de datos independientes confirman el mismo movimiento extremo en la misma fecha? Si solo aparece en una fuente, sospecha de un error técnico de esa fuente concreta antes que de un evento real de mercado.
Una tercera categoría intermedia
Hay una tercera categoría que merece mención: outliers genuinos pero potencialmente irrelevantes para la pregunta que se está haciendo.
Por ejemplo, al analizar el comportamiento de una acción individual, un movimiento extremo causado por una noticia específica de esa empresa —una demanda judicial, un escándalo contable— es real. Pero puede no decir nada útil sobre cómo se comportará esa acción en el futuro bajo circunstancias normales de mercado, si el evento que lo causó fue verdaderamente idiosincrático y no recurrente.
Aquí la decisión de incluirlo o tratarlo aparte depende del objetivo del análisis:
- Si el objetivo es estimar el riesgo de cola realista de mantener esa acción en cartera, hay que incluirlo. Ese tipo de eventos idiosincráticos también forma parte del riesgo real de invertir en acciones individuales.
- Si el objetivo es aislar el efecto de un factor sistemático concreto —por ejemplo, el efecto del momentum en general, no de esa empresa en particular—, puede tener sentido tratarlo por separado y documentarlo explícitamente. Nunca ocultarlo sin más.
La regla general
La regla que resume este módulo es sencilla de enunciar y difícil de cumplir.
Ante cualquier outlier, la primera pregunta nunca es cómo lo elimino para que mis estadísticos se vean mejor. Es qué lo causó, y qué me dice eso sobre el sistema que estoy intentando entender.
Ignorar un outlier genuino por incomodidad estadística es, con frecuencia, la forma más directa de construir una estrategia que parece robusta en el papel y quiebra en la primera crisis real que atraviesa.