Explorá seis perfiles de pronóstico sobre los mismos 90 orígenes sintéticos. Sus nombres remiten a familias de modelos; aquí se generan con coeficientes fijos. Las métricas sí se calculan a partir de sus pronósticos y etiquetas.
Deslizá el gráfico horizontalmente para recorrerlo.
No se entrenan AR, Random Forest, XGBoost, LSTM ni GRU. BTC/ETH son escenarios de un proceso sintético, no series históricas descargadas. Los términos técnicos y on-chain son ondas sintéticas conocidas en t.
| Perfil de pronóstico | RMSE · pp | MAE · pp | Acierto de dirección | Sharpe* | Max DD* | Mejora vs baseline |
|---|
* Posición −1/0/+1; decisiones cada H períodos; retornos simples netos de costos sobre |Δposición|; Sharpe anualizado √(365/H), tasa libre 0. Naive retorna cero y mantiene efectivo; su accuracy y Sharpe no se informan.
Si LSTM no supera un baseline simple fuera de muestra, su complejidad no está justificada.
Una comparación real requiere ajustar cada algoritmo en el mismo train y evaluar los mismos targets. Este ejercicio sólo compara perfiles prefijados en los mismos orígenes.
Comparar modelos con métricas distintas puede fabricar conclusiones.
Experimentá y explicá
1. Activá on-chain, cambiá BTC/ETH y compará RMSE con baseline.
El resultado depende del proceso sintético y de coeficientes prefijados. Ninguno de los seis algoritmos nombrados se entrena aquí.
2. Compará costos 0 y 30 bp con H=7. ¿Cambian RMSE y Sharpe de la misma manera?
RMSE no cambia: el pronóstico permanece fijo. Sharpe y drawdown se recalculan con retornos netos y decisiones sin solapamiento.
Registrá la configuración, el resultado y tu interpretación.