A quién sirve — A quien optimiza hasta Profit Factor 3,0 en el mismo histórico. Out-of-sample (OOS) es el examen ciego — pasas o descartas el sistema.
Out-of-sample (OOS) = porción de datos blindada durante el desarrollo de reglas, testada una sola vez con sistema congelado. Complementa backtest in-sample y forward test live.
En palabras sencillas — Ejercicios del libro, examen con preguntas nunca vistas.
Protocolo
| Paso | Acción |
|---|---|
| 1. Split | Ej. 70 % IS / 30 % OOS (temporal) |
| 2. Develop | Reglas solo en IS |
| 3. Sello | Cero tweak post-OOS peek |
| 4. Test OOS | Run una tantum |
| 5. Verdict | Pass → forward; fail → discard o restart |
Si OOS falla, no re-optimizar en el mismo OOS — datos «sucios».
Criterios pass
- Expectancy OOS > 0 (con costes punitivos)
- Degradación vs IS tolerable (ej. PF −20 %, no colapso)
- Sample size OOS suficiente
Error típico — «Ajusto un filtro y reintento OOS» — peeking bias, validación falsa.
Ejemplo — 2015–2022 IS, 2023–2025 OOS; reglas congeladas ene 2023; OOS +0,35R expectancy → go live reducido.
Ficha resumen
- Regla: OOS = una oportunidad.
- Split: temporal, no random en series.
- Fail: overfitting probable.
Recorrido Plata — Módulo validación. Índice: Recorrido Plata.