Guía de investigación
Predicciones cripto con IA: cómo evaluar sus límites
Escenarios, pruebas fuera de muestra y costes: qué exigir antes de confiar en un resultado algorítmico.
Un escenario no es una promesa
Un objetivo depende de las entradas y supuestos del modelo. Cambiar volatilidad, horizonte o tendencia puede modificar radicalmente el resultado. Una explicación escrita por IA no valida esos cálculos. Un porcentaje llamado confianza solo puede interpretarse como probabilidad calibrada si existe una evaluación que lo respalde; no debe confundirse con la probabilidad de ganar dinero después de comisiones.
Qué exigir a un backtest
Separa los datos utilizados para ajustar el modelo de los empleados para evaluarlo. Revisa si las señales se podían conocer en la fecha simulada, si se incluyen activos que desaparecieron y si se aplican comisiones, diferencial y deslizamiento. Comparar con mantener el activo o con una regla sencilla permite saber si la complejidad añade valor. Un buen resultado en una sola etapa alcista no demuestra robustez.
Acierto, pérdida y costes no son lo mismo
Acertar la dirección seis veces de diez no implica rentabilidad: unas pocas pérdidas grandes pueden superar muchas ganancias pequeñas. Examina pérdida máxima, distribución de resultados, tamaño de muestra y sensibilidad a los costes. Para comprobar una predicción futura hacen falta su fecha de emisión, horizonte, valor objetivo y fuente del precio observado, conservados sin reescribirlos después del resultado.
Datos externos y seguridad operativa
Las herramientas de CryptoOráculo utilizan datos externos y análisis automatizados; pueden existir retrasos o interrupciones. No presentamos esta guía como un historial auditado de resultados ni como un servicio de ejecución de operaciones. Si evalúas un bot externo, empieza sin permisos de retiro y comprueba su funcionamiento sin fondos reales. Nunca introduzcas una frase de recuperación para consultar una predicción.
Antes de tomar una decisión
- Datos y supuestos identificados, incluidos los valores ausentes.
- Evaluación fuera de muestra y comparación con una referencia sencilla.
- Pérdidas y costes visibles, no solo operaciones ganadoras seleccionadas.