2. Econometría frente a machine learning: dos objetivos distintos
Nivel 10: Machine Learning Aplicado al Trading
Muchos algoritmos son idénticos en ambas disciplinas, pero el objetivo no lo es, y confundirlos es la fuente de la mitad de los malentendidos entre economistas y practicantes de machine learning.
El objetivo de la econometría es encontrar el parámetro estimado, lo que se escribe habitualmente como theta con un sombrero encima. Y por theta se entiende aquí el impacto causal de X sobre y. La preocupación estadística principal de la econometría es el error muestral: cuantificar la incertidumbre alrededor de ese parámetro estimado debida a la aleatoriedad con la que se ha muestreado la población. Por eso los papers de econometría están llenos de errores estándar, intervalos de confianza y contrastes de hipótesis.
El fin último es hacer predicciones contrafactuales. Por ejemplo: ¿qué le pasaría a los beneficios de Amazon si cambiara el diseño de su web? Trasladado a mercados: ¿qué le pasaría a la liquidez de una acción si el regulador cambiara el tamaño mínimo de tick? No podemos observar el mundo bajo esas políticas alternativas, así que no basta con buscar la respuesta en los datos. Conocer el contrafactual exige medir un efecto causal, y medir un efecto causal exige hacer supuestos. De eso va precisamente la economía.
El objetivo del machine learning es, por el contrario, conseguir la mejor predicción posible fuera de muestra. Decimos que su preocupación principal es la y con sombrero, es decir, el valor predicho. El objetivo es asegurarse de que la mejor predicción se obtiene ajustando y validando muchos tipos distintos de modelo. De eso va la validación cruzada, y es la obsesión declarada de los practicantes de machine learning.
La consecuencia práctica en trading es enorme. Si tu pregunta es "¿este factor causa retornos o es un artefacto?", estás haciendo econometría y necesitas supuestos de identificación. Si tu pregunta es "¿qué modelo predice mejor el retorno de mañana en datos que nunca ha visto?", estás haciendo machine learning y necesitas un protocolo de validación honesto.
Tabla de traducción entre econometría (estadística) y machine learning:
- Variables explicativas X ... se llaman variables de entrada (input) X
- Variable dependiente y ... se llama variable de salida (output) y
- El intercepto o constante ... se llama bias, el término independiente
- Los coeficientes ... se llaman pesos (weights, w)
- El modelo lineal f() ... se llama algoritmo f()
- Nosotros estimamos los coeficientes ... ellos aprenden, entrenan o ajustan los pesos
- Dentro de muestra y fuera de muestra ... se llama train (más validación) y test
- Shrinkage (contracción) ... se llama regularización
Ojo con una trampa terminológica clásica: en esa tabla, bias significa término independiente de la ecuación, no el sesgo del que se habla en el compromiso sesgo-varianza. Es la misma palabra inglesa para dos cosas distintas, y en las conversaciones se mezcla constantemente.