Un artículo de ingeniería crítico de un desarrollador cuantitativo chino expone un problema sutil pero devastador de fuga de datos en el backtesting de acciones A. El problema surge del uso de precios ajustados hacia adelante (前复权), que incorporan eventos corporativos futuros como divisiones de acciones y dividendos en datos de precios históricos. Esto crea un sesgo Point-in-Time: el backtesting ve información que no estaba disponible en el momento de la negociación, inflando artificialmente métricas de rendimiento como los rendimientos anualizados. El autor compara sistemáticamente los métodos de precios no ajustados, ajustados hacia adelante y ajustados hacia atrás, deriva relaciones lineales y proporciona código Python para la validación y el mapeo entre los precios de backtesting y de negociación en vivo. Para desarrolladores cuantitativos e ingenieros financieros, esta es una lección fundamental sobre integridad de datos. La publicación no es un tutorial sino un estudio de caso de ingeniería real, lo que la hace muy valiosa para construir marcos de backtesting robustos. Evitar este sesgo puede evitar que los equipos implementen estrategias defectuosas basadas en resultados de backtesting que no se pueden replicar en vivo, lo que le otorga un alto valor comercial.
Un análisis profundo de cómo los precios ajustados hacia adelante causan un sesgo Point-in-Time en el backtesting de acciones A, lo que lleva a fugas de datos y rendimientos inflados.