Walk-forward en 120 líneas

1def walk_forward(datos, optimizar, evaluar, n_ventanas=8, ratio_is=0.7):
2    """Ventanas deslizantes: optimiza en el tramo IS, mide en el OOS.
3 
4    El tramo OOS SIEMPRE va después del IS en el tiempo. Barajar los
5    datos o normalizarlos con estadísticas de toda la serie filtra
6    información del futuro y produce resultados fantásticos que no
7    existen. Es el error más común y el más caro.
8    """
9    ancho = len(datos) // n_ventanas
10    resultados = []
11 
12    for i in range(n_ventanas):
13        ini = i * ancho
14        corte = ini + int(ancho * ratio_is)
15        fin = ini + ancho
16 
17        tramo_is = datos[ini:corte]
18        tramo_oos = datos[corte:fin]
19        if len(tramo_oos) < 20:       # muestra insuficiente: no cuenta
20            continue
21 
22        params = optimizar(tramo_is)
23        resultados.append({
24            "is": evaluar(tramo_is, params),
25            "oos": evaluar(tramo_oos, params),
26        })
27 
28    return resultados
29 
30 
31def degradacion(resultados):
32    """% que se pierde al salir de la muestra. Por encima de 40 → sobreajuste."""
33    m_is = mean(r["is"] for r in resultados)
34    m_oos = mean(r["oos"] for r in resultados)
35    if m_is <= 0:
36        return 100.0
37    return max(0.0, (1 - m_oos / m_is) * 100)