Por qué el machine learning financiero es distinto.

Lo que cambia respecto al ML de otros campos

Las técnicas del nivel —árboles, boosting, redes, transformers— vienen de campos donde funcionan muy bien: clasificar imágenes, traducir textos, recomendar productos. Un gato es un gato hoy y dentro de diez años, la etiqueta está en la imagen y hay millones de ejemplos. Ninguna de esas tres cosas es cierta cuando se predice un rendimiento.

La consecuencia práctica es que casi todo el método cambia: cómo se etiqueta (módulo 5.3), cómo se valida (5.4), qué se mide (5.1.3) y qué resultado se considera creíble. Esta lección mide cada diferencia sobre datos donde se conoce la respuesta.

El techo: un oráculo que apenas acierta

El banco de pruebas del nivel es panel5: 400 acciones ficticias, 730 semanas de 2012 a 2025, 22 features conocidas al cierre de cada viernes y el rendimiento de la semana siguiente. Son datos sintéticos con un modelo generador publicado en el README: el rendimiento esperado extra de cada acción y semana, alfa_verdadero, sale de unos efectos plantados (momentum, reversión, value, sorpresa de resultados, baja volatilidad, sentimiento) cuyo tamaño se eligió para imitar al de un mercado real. Esa columna es el oráculo: la mejor predicción posible con la información de cada viernes. Ningún modelo puede hacerlo mejor fuera de muestra.

import numpy as np
import pandas as pd

f = pd.read_parquet("panel5_features.parquet")
et = pd.read_parquet("panel5_etiquetas.parquet")
ver = pd.read_parquet("panel5_verdad.parquet")
d = (f.merge(et[["fecha", "ticker", "ret_sig_semana"]],
             on=["fecha", "ticker"])
      .merge(ver[["fecha", "ticker", "alfa_verdadero"]],
             on=["fecha", "ticker"])
      .dropna(subset=["ret_sig_semana"]))
print(d.shape, d["fecha"].nunique(), "semanas")
d[["fecha", "ticker", "mom_12_1", "alfa_verdadero",
   "ret_sig_semana"]].head(3)

(291600, 27) 729 semanas
       fecha ticker  mom_12_1  alfa_verdadero  ret_sig_semana
0 2012-01-13   BAGO   -0.2174       -0.000268       -0.059579
1 2012-01-13   BAKA    0.0510       -0.000103       -0.024737
2 2012-01-13   BAKU   -0.2482       -0.001394       -0.072296

La medida natural de una predicción transversal es el coeficiente de información (IC): la correlación de rangos (Spearman) entre la predicción y el rendimiento realizado, calculada cada semana entre las 400 acciones. Se usa el rango porque lo que importa para formar una cartera es el orden, y porque los rendimientos tienen colas gruesas que dominarían una correlación de Pearson. La lección 5.1.3 lo desarrolla; aquí basta con la función:

def ic_semanal(df, col, y="ret_sig_semana"):
    """Correlación de rangos de col con y, semana a semana."""
    s = df[["fecha", col, y]].dropna()
    r = s.groupby("fecha")[[col, y]].rank()
    r = r - r.groupby(s["fecha"]).transform("mean")
    num = (r[col] * r[y]).groupby(s["fecha"]).sum()
    den = ((r[col] ** 2).groupby(s["fecha"]).sum()
           * (r[y] ** 2).groupby(s["fecha"]).sum()) ** 0.5
    return num / den


def resumen(ic):
    return pd.Series({"ic_medio": ic.mean(), "desv": ic.std(),
                      "t": ic.mean() / ic.std() * np.sqrt(len(ic)),
                      "semanas_pos": (ic > 0).mean()})


ic_or = ic_semanal(d, "alfa_verdadero")
resumen(ic_or).round(4)

ic_medio       0.0292
desv           0.0929
t              8.4714
semanas_pos    0.6461
dtype: float64

El modelo perfecto tiene un IC medio de 0,029. Con 729 semanas, eso es muy significativo (t = 8,5), pero semana a semana la desviación típica del IC (0,093) es tres veces su media: en un 35 % de las semanas el oráculo ordena las acciones peor que el azar. La figura de la cabecera dibuja la distribución: una campana centrada casi en cero, con la media apenas desplazada a la derecha.

El acierto y la varianza explicada cuentan lo mismo con otras palabras:

med = d.groupby("fecha")[["ret_sig_semana", "alfa_verdadero"]]
dev = d[["ret_sig_semana", "alfa_verdadero"]] - med.transform(
    "median")
acierto = ((dev["ret_sig_semana"] > 0)
           == (dev["alfa_verdadero"] > 0)).mean()
print(f"Acierto frente a la mediana: {acierto:.2%}")
print(f"Varianza explicada (IC²): {ic_or.mean() ** 2:.3%}")
disp = d.groupby("fecha")["ret_sig_semana"].std().mean()
sd_alfa = d.groupby("fecha")["alfa_verdadero"].std().mean()
print(f"Dispersión semanal: {disp:.2%}; "
      f"desv. del alfa: {sd_alfa * 1e4:.1f} pb")

Acierto frente a la mediana: 50.95%
Varianza explicada (IC²): 0.085%
Dispersión semanal: 3.62%; desv. del alfa: 12.3 pb

Un 50,95 % de acierto y un 0,09 % de la varianza. La dispersión de los rendimientos entre acciones en una semana típica es del 3,6 %; la del rendimiento esperado, de 12 puntos básicos: treinta veces menos. Para comparar: un clasificador de imágenes aceptable acierta más del 95 %. En finanzas, un modelo que acierte el 55 % de forma estable en un panel como este no es bueno: es imposible.

Agrupar por deciles del oráculo enseña dónde está la señal y cuánto ruido la rodea:

g = d.groupby("fecha")
exceso = d["ret_sig_semana"] - g["ret_sig_semana"].transform("mean")
decil = g["alfa_verdadero"].transform(
    lambda s: pd.qcut(s, 10, labels=False))
(exceso.groupby(decil).agg(["mean", "std"]) * 1e4).round(1)

                mean    std
alfa_verdadero
0              -14.9  424.3
1              -13.4  384.3
2               -3.9  364.8
3               -1.6  363.0
4               -0.4  354.4
5               -1.4  350.7
6                2.3  349.6
7                6.2  345.7
8                7.2  345.3
9               19.9  369.1

La relación es monótona: el decil más alto rinde unos 20 pb por semana más que la media y el más bajo unos 15 pb menos. Pero dentro de cada decil la desviación típica es de 345 a 424 pb. La diferencia entre extremos, unos 35 pb, es una décima parte del ruido de una sola acción en una sola semana. Por eso una predicción financiera no se evalúa con un caso ni con una semana, sino con muchas apuestas agregadas, y por eso la cartera, no la predicción, es la unidad de medida (lección 5.1.3).

Datos escasos: 291.600 filas no son 291.600 pruebas

El panel tiene casi 300.000 filas con etiqueta. Para un modelo de ML parecen muchas; para la inferencia son bastantes menos, por dos motivos. El primero: las features lentas apenas cambian de una semana a la siguiente, así que la fila de la semana 300 de una acción repite casi la información de la 299. La correlación de rangos de cada feature consigo misma una semana después lo mide:

def persistencia(col):
    p = d.pivot(index="fecha", columns="ticker", values=col)
    p = p.rank(axis=1)
    return p.corrwith(p.shift(1), axis=1).mean()


cols = ["valor_bp", "mom_12_1", "vol_63d", "sue", "ruido_3",
        "ret_1s", "ruido_1", "alfa_verdadero"]
pd.Series({c: persistencia(c) for c in cols}).round(3)

valor_bp          0.999
mom_12_1          0.975
vol_63d           0.977
sue               0.941
ruido_3           0.977
ret_1s            0.019
ruido_1          -0.001
alfa_verdadero    0.515
dtype: float64

El value (valor_bp) tiene una persistencia de 0,999: en 14 años, el orden de las acciones por value cambia tan despacio que aporta, a efectos prácticos, unas pocas decenas de observaciones independientes de su efecto, no cientos de miles. El momentum, la volatilidad y el SUE están entre 0,94 y 0,98. Solo la reversión de una semana (ret_1s) y el ruido i.i.d. se renuevan cada semana. Y ruido_3, un AR(1) con ρ = 0,98 sin ningún efecto, es tan persistente como el momentum: una feature lenta y sin efecto puede correlacionar con el rendimiento durante años por pura casualidad.

El segundo motivo es que todas las acciones de una semana comparten el mismo mercado y los mismos sectores: el ruido de una semana no se cancela entre acciones tanto como si fueran independientes. Juntos, los dos efectos hacen que contrastes con 14 años de datos tengan menos potencia de la que sugiere el número de filas. La tabla de IC de las 22 features, con lo que dice el modelo generador de cada una, lo pone a prueba:

efecto = {"ret_1s": "sí", "mom_12_1": "sí", "vol_63d": "sí",
          "valor_bp": "sí", "sue": "sí", "sentimiento": "sí",
          "volumen_rel": "interacción",
          "dias_desde_informe": "interacción",
          "revision_analistas": "FUGA"}
feats = [c for c in f.columns
         if c not in ("fecha", "ticker", "sector")]
tabla = pd.DataFrame({c: resumen(ic_semanal(d, c)) for c in feats}).T
tabla["efecto"] = [efecto.get(c, "no") for c in tabla.index]
tabla.sort_values("t")[["ic_medio", "t", "efecto"]].round(4)

                    ic_medio        t       efecto
ret_1s               -0.0159  -4.2881           sí
rsi_14               -0.0083  -2.6280           no
ret_1m               -0.0077  -2.1404           no
ret_3m               -0.0050  -1.5616           no
ruido_1              -0.0024  -1.2751           no
dist_max_52s         -0.0031  -0.9992           no
volumen_rel          -0.0014  -0.7362  interacción
ruido_3              -0.0010  -0.5558           no
ruido_5              -0.0008  -0.4661           no
dias_desde_informe   -0.0005  -0.2746  interacción
log_capitalizacion   -0.0005  -0.2103           no
vol_21d               0.0020   0.3569           no
vol_63d               0.0032   0.5593           sí
ruido_2               0.0015   0.7851           no
ruido_4               0.0044   1.8392           no
mom_12_1              0.0077   2.4404           sí
roe                   0.0057   2.7132           no
sentimiento           0.0066   3.0800           sí
sue                   0.0079   3.7415           sí
valor_bp              0.0095   3.9281           sí
ey                    0.0087   4.0399           no
revision_analistas    0.1743  92.1366         FUGA

Tres lecturas de la tabla:

• Efectos verdaderos que no se ven. vol_63d tiene efecto plantado y su IC da t = 0,6: la baja volatilidad queda tapada porque las acciones volátiles tienen más beta y el mercado sube de media (el README lo mide con Fama-MacBeth). sentimiento y sue, con efecto, quedan por debajo de ey.
• Features sin efecto propio que parecen buenas. ey (t = 4,0) y roe (t = 2,7) heredan el efecto del value y del SUE, con los que están correlacionadas; rsi_14 (t = −2,6) y ret_1m (t = −2,1), el de la reversión. Un contraste univariante no distingue causa de parecido. Las pruebas múltiples de la lección 2.1.8 corrigen el número de intentos, pero no esta confusión.
• La fuga. revision_analistas da un IC de 0,174 con t = 92: seis veces el techo del oráculo. No es una gran feature: el proveedor la fecha al inicio de la semana que cubre y contiene los dos primeros días del rendimiento que se predice. Un resultado por encima del techo es un error, no un hallazgo (la lección 5.2.2 enseña a auditar las fechas).

Hay una cuenta sencilla que mide la escasez de datos. Si una señal tiene un IC medio $\overline{IC}$ con desviación semanal $s$, el estadístico t tras $n$ semanas es $\overline{IC}\sqrt{n}/s$, y para llegar a t = 2 hacen falta $n = (2s/\overline{IC})^2$ semanas. Para una estrategia con Sharpe anual $\mathrm{SR}$, los años necesarios son $(2/\mathrm{SR})^2$:

sem = tabla.loc[["valor_bp", "sue", "sentimiento", "mom_12_1"],
                ["ic_medio", "desv"]].astype(float)
sem.columns = ["ic", "desv"]
sem.loc["oráculo"] = [ic_or.mean(), ic_or.std()]
sem["años_para_t2"] = (2 * sem["desv"] / sem["ic"]) ** 2 / 52
print(sem.round(3))
sharpe = pd.Series([0.3, 0.5, 1.0, 2.0], name="sharpe_anual")
print((2 / sharpe) ** 2)

                ic   desv  años_para_t2
valor_bp     0.009  0.065         3.634
sue          0.008  0.057         4.006
sentimiento  0.007  0.058         5.911
mom_12_1     0.008  0.085         9.416
oráculo      0.029  0.093         0.781
0    44.444444
1    16.000000
2     4.000000
3     1.000000
Name: sharpe_anual, dtype: float64

El oráculo, que combina todos los efectos, se distingue del ruido en menos de un año. Una feature suelta con un IC de 0,008 o 0,009 necesita de tres años y medio a seis, y el momentum, cuyo IC varía más entre semanas, más de nueve. Y son cotas por abajo: la fórmula trata las semanas como independientes, y con features tan persistentes no lo son. Una estrategia con Sharpe anual de 0,5 —buena en el mundo real— necesita 16 años de historia para dar t = 2, y eso suponiendo que la relación no cambie en esos 16 años. Que es la siguiente diferencia.

No estacionariedad: la relación cambia

En visión artificial, la función que lleva de los píxeles a la etiqueta es fija. En panel5, el coeficiente de cada efecto cambia cada semana: es su valor base multiplicado por un factor de régimen y por un término AR(1) que lo debilita y a veces lo invierte. Además, el momentum se multiplica por −2,5 en los rebotes tras una crisis: es el crash del momentum, documentado en mercados reales (las acciones que más cayeron son las que más rebotan). El archivo panel5_coef_verdad.csv da el coeficiente verdadero de cada semana:

coef = pd.read_csv("panel5_coef_verdad.csv", parse_dates=["fecha"])
coef = coef.set_index("fecha")
c_mom = coef["c_mom"] * 1e4          # pb por semana y unidad
print(c_mom.groupby(coef["regimen"]).agg(["mean", "count"])
      .round(2))
ic_mom = ic_semanal(d, "mom_12_1")
anual = pd.DataFrame({"c_mom_pb": c_mom, "ic_mom": ic_mom})
anual.groupby(anual.index.year).mean().round(4)

          mean  count
regimen
calma     4.71    576
estres    2.02     89
rebote  -10.44     65
       c_mom_pb  ic_mom
fecha
2012     4.9549  0.0133
2013     5.6347  0.0175
2014     5.5424  0.0207
2015     3.4455  0.0153
2016     0.7704 -0.0134
2017     6.0316  0.0188
2018     4.5862  0.0050
2019     0.7888 -0.0069
2020    -2.0040 -0.0101
2021     4.2767  0.0003
2022    -1.4078  0.0177
2023     4.0448  0.0057
2024     3.8732  0.0134
2025     2.0747  0.0107

En calma (576 semanas), el momentum rinde 4,7 pb por semana y unidad; en estrés, 2,0; en rebote, −10,4. El año 2020 tiene un coeficiente medio negativo (−2,0) por el rebote de marzo a junio, y 2022 otro (−1,4). El IC medido del momentum sigue al coeficiente con ruido: es negativo en 2016, 2019 y 2020, años de coeficiente bajo o negativo, pero en 2022, con el coeficiente verdadero negativo, sale positivo (0,018): un año de datos no basta ni para acertar el signo. Un modelo entrenado con 2012-2015 aprende un momentum «bueno» que en 2016 y en 2020 hace daño, y nada en los datos de entrenamiento le avisa.

Hay dos tipos de cambio y conviene separarlos desde ahora. La deriva de datos cambia la distribución de las features (una feature se desplaza o se dispersa), y la deriva de concepto cambia la relación entre features y etiqueta, como aquí. La segunda es la peligrosa, porque no se ve mirando las features: solo se ve en los resultados, tarde. La lección 5.10.2 la detecta con datos donde se conoce la fecha de cada cambio; las ventanas móviles frente a expansivas del reentrenamiento, en la 5.4.3.

Sobreajuste: un modelo flexible aprende el ruido

Con poca señal, mucho ruido y relaciones que cambian, un modelo flexible encuentra patrones en el ruido con facilidad. El experimento: tres modelos con las 21 features sin la fuga, transformadas a rango transversal (lección 5.2.4), entrenados con 2012-2018 y evaluados en 2019-2025. La etiqueta es el rendimiento de la semana siguiente menos su media transversal. Una ridge (lineal y regularizada), un LightGBM moderado (8 hojas, al menos 2.000 filas por hoja) y un LightGBM flexible (512 hojas, 5 filas por hoja, 400 árboles). El entrenamiento es corto a propósito: el flexible tarda unos 15 segundos en CPU.

import lightgbm as lgb
from sklearn.linear_model import Ridge

feats_x = [c for c in feats if c != "revision_analistas"]
X = d.groupby("fecha")[feats_x].rank(pct=True).sub(0.5).fillna(0)
y = d["ret_sig_semana"] - g["ret_sig_semana"].transform("mean")
d["y"] = y
ent = d["fecha"] < "2019-01-01"
pru = d["fecha"] >= "2019-01-08"     # una semana de margen

comun = dict(random_state=0, n_jobs=4, deterministic=True,
             force_row_wise=True, verbose=-1)
modelos = {
    "ridge": Ridge(alpha=10.0),
    "lgbm_moderado": lgb.LGBMRegressor(
        n_estimators=200, learning_rate=0.02, num_leaves=8,
        min_child_samples=2000, subsample=0.5, subsample_freq=1,
        **comun),
    "lgbm_flexible": lgb.LGBMRegressor(
        n_estimators=400, learning_rate=0.1, num_leaves=512,
        min_child_samples=5, **comun),
}


def ic_medio(pred, mascara):
    s = d.loc[mascara, ["fecha", "y"]].assign(p=pred)
    return ic_semanal(s, "p", "y").mean()


filas = {"oráculo": [ic_medio(d.loc[ent, "alfa_verdadero"], ent),
                     ic_medio(d.loc[pru, "alfa_verdadero"], pru)]}
for nombre, m in modelos.items():
    m.fit(X[ent], y[ent])
    filas[nombre] = [ic_medio(m.predict(X[ent]), ent),
                     ic_medio(m.predict(X[pru]), pru)]
pd.DataFrame(filas, index=["ic_2012_2018", "ic_2019_2025"]).T.round(4)

               ic_2012_2018  ic_2019_2025
oráculo              0.0327        0.0254
ridge                0.0258        0.0190
lgbm_moderado        0.0658        0.0141
lgbm_flexible        0.9626       -0.0022

El oráculo marca el techo de cada periodo: 0,033 en entrenamiento y 0,025 en prueba. La ridge queda por debajo en los dos (0,026 y 0,019): aprende poco y lo que aprende se mantiene. El LightGBM moderado da 0,066 dentro de muestra, el doble del techo, y 0,014 fuera: ha aprendido algo de señal y bastante ruido. El flexible da 0,963 dentro de muestra —ordena casi perfectamente rendimientos que son, en un 99,9 %, ruido— y −0,002 fuera. No es que el boosting no sirva: la lección 5.5.3 lo ajusta con validación honesta. Es que en estos datos la flexibilidad sin control se convierte en memoria del ruido mucho antes que en señal.

De aquí sale una regla de cordura que se usa en todo el nivel. Si se conoce, aunque sea de forma aproximada, cuánto puede dar como máximo una señal:

flowchart TB
  R[Resultado] --> A{¿IC dentro muy por encima del techo?}
  A -- sí --> S[Sobreajuste]
  A -- no --> B{¿IC fuera por encima del techo?}
  B -- sí --> F[Fuga o error]
  B -- no --> C{¿Gana tras costes?}
  C -- no --> N[Señal sin valor]
  C -- sí --> V[Validar más: 5.4]

En datos reales no hay oráculo, pero sí órdenes de magnitud: el R² de la literatura, el Sharpe de las mejores estrategias conocidas, el IC de las anomalías publicadas. Un resultado muy por encima de esa escala se investiga como un error antes de celebrarse.

Competencia: la señal caduca y se reparte

La última diferencia es que el mercado reacciona. Si una señal da dinero, otros la encuentran, la operan y la gastan. Un primer efecto se ve en los datos: el horizonte de la señal es corto, y quien la explota tarde se queda con menos. La celda usa el oráculo de cada semana para predecir el rendimiento de la semana siguiente, como siempre, y también el de una, dos, tres y cuatro semanas después:

a = d.pivot(index="fecha", columns="ticker",
            values="alfa_verdadero").rank(axis=1)
r = d.pivot(index="fecha", columns="ticker",
            values="ret_sig_semana")
retraso = {}
for k in range(5):
    ic_k = a.corrwith(r.shift(-k).rank(axis=1), axis=1).dropna()
    retraso[k] = resumen(ic_k)
print(pd.DataFrame(retraso).T.rename_axis("semanas_tarde").round(4))
for col in ("ret_1s", "valor_bp"):
    x = d.pivot(index="fecha", columns="ticker",
                values=col).rank(axis=1)
    ics = [x.corrwith(r.shift(-k).rank(axis=1), axis=1).mean()
           for k in range(4)]
    print(col, np.round(ics, 4))

               ic_medio    desv       t  semanas_pos
semanas_tarde
0                0.0292  0.0929  8.4714       0.6461
1                0.0110  0.0900  3.2974       0.5701
2                0.0111  0.0875  3.4129       0.5695
3                0.0105  0.0907  3.1194       0.5565
4                0.0075  0.0875  2.2963       0.5462
ret_1s [-0.0159 -0.0001  0.0004 -0.0012]
valor_bp [0.0095 0.0089 0.0087 0.0087]

Con una semana de retraso, el IC baja de 0,029 a 0,011: se pierden casi dos tercios. Lo que queda no se agota enseguida (0,011 y 0,010 con dos y tres semanas de retraso) porque es la parte lenta de la señal: value, momentum y SUE cambian despacio, y el rendimiento esperado de dentro de tres semanas se parece al de la siguiente. Las dos últimas líneas lo separan: el IC del value apenas se mueve con el retraso (de 0,0095 a 0,0087), y el de la reversión de una semana (ret_1s, −0,016) desaparece por completo con el primer retraso. En un mercado real, ese reparto es el de la competencia: las señales rápidas las cobran quienes llegan antes, y a un sistema semanal le queda la parte lenta.

A escala de años, el efecto lo midieron McLean y Pontiff (2016) con 97 variables publicadas en la literatura académica que predecían rendimientos: el rendimiento de sus carteras es un 26 % menor fuera de la muestra del artículo original y un 58 % menor después de su publicación. Los autores leen el 26 % como cota superior de la parte debida a la minería de datos y la diferencia (32 puntos) como el efecto de los inversores que aprenden de la publicación. Para el ML, la lección es doble: lo que funcionó en el pasado documentado es lo que más competidores conocen, y un modelo que «descubre» una anomalía conocida no ha descubierto nada.

Qué cambia en el método

Las cuatro diferencias se traducen en un flujo de trabajo que es el esqueleto del nivel:

flowchart TB
  D[Datos point-in-time] --> E[Etiquetas y pesos]
  E --> V[Validación purgada]
  V --> M[Modelo y baseline]
  M --> K[Métricas económicas]
  K --> B[Backtest y DSR]
  B --> W[Vigilar la deriva]

• Datos point-in-time (5.2.2): cada feature, con la fecha en que se conoce. La fuga de revision_analistas no la detecta ninguna validación; solo la auditoría de fechas.
• Etiquetas y pesos (5.3): etiquetas que solapan en el tiempo significan menos muestras independientes; la unicidad y el bootstrap secuencial lo corrigen.
• Validación purgada (5.4.1-5.4.3): el k-fold aleatorio mezcla vecinos en el tiempo y promete aciertos que no existen.
• Modelo y baseline (5.5-5.8): cada modelo se compara con una referencia simple —una ridge, una feature sola, el HAR en volatilidad— y con el techo cuando se conoce.
• Métricas económicas (5.1.3) y backtest con Deflated Sharpe (5.4.4): un modelo se juzga por la cartera que produce, tras costes, y descontando cuántos experimentos se hicieron (lección 2.5.4).
• Vigilar la deriva (5.10.2): la relación cambiará; hay que saber cuándo.

Ejercicios

1. Calcula el IC medio del oráculo por régimen (calma, estres, rebote) con la columna regimen de panel5_coef_verdad.csv. ¿En qué régimen es más difícil predecir aunque se conozca el rendimiento esperado?

reg = coef["regimen"].reindex(ic_or.index)
ic_or.groupby(reg).agg(["mean", "std", "count"]).round(4)

           mean     std  count
regimen
calma    0.0286  0.0889    575
estres   0.0301  0.0948     89
rebote   0.0330  0.1223     65

2. Con la fórmula $n = (2s/\overline{IC})^2$, calcula cuántas semanas necesitaría una señal con el IC medio de la ridge fuera de muestra (0,019) y una desviación semanal de 0,09 para dar t = 2, y cuántas para t = 3, el umbral que propone la literatura de pruebas múltiples (lección 2.1.8).

ic_r, s_r = 0.019, 0.09
for t_obj in (2, 3):
    n = (t_obj * s_r / ic_r) ** 2
    print(f"t = {t_obj}: {n:.0f} semanas ({n / 52:.1f} años)")

t = 2: 90 semanas (1.7 años)
t = 3: 202 semanas (3.9 años)

3. Un colega presenta un clasificador entrenado sobre panel5 que predice si una acción quedará por encima de la mediana dentro de 21 sesiones, con un acierto del 59,7 % en validación cruzada de 5 bloques barajados. Explica por qué no te lo crees y qué pedirías.