🎲 Validación de sistemas
Monte Carlo en trading: cómo medir la robustez de un sistema
Un backtest suele entregar una única curva de capital. Es útil, pero cuenta solamente una de las muchas historias que podrían haber ocurrido.
Imagina que una estrategia realizó 200 operaciones y terminó con un beneficio del 35%. Ese resultado depende, entre otras cosas, del orden en que aparecieron las ganancias y las pérdidas. Si las mismas operaciones hubieran ocurrido en otra secuencia, el beneficio final podría ser parecido, pero el drawdown habría sido muy diferente.
🎲 Monte Carlo permite generar muchos escenarios alternativos y observar cómo cambia el comportamiento del sistema, en lugar de quedarse con un único escenario histórico.
🔀 ¿Qué hace una simulación de Monte Carlo?
La idea básica es tomar los resultados de las operaciones de un backtest y generar nuevas secuencias mediante procesos aleatorios. Por ejemplo, si tenemos +2R, −1R, +1,5R, −0,8R, −1R, +3R, podemos crear miles de secuencias diferentes a partir de esos resultados.
Las operaciones son las mismas, pero el camino de la cuenta cambia — el drawdown depende mucho de la secuencia de ganancias y pérdidas.
🧬 Dos formas de simular
🔄 Reshuffling
Mantiene las operaciones originales, pero cambia su orden. Sirve para estudiar cuánto puede variar el drawdown por la secuencia.
🎯 Resampling
Selecciona operaciones al azar con reemplazo. Una operación puede repetirse o no aparecer — genera una distribución más amplia.
También existen métodos más avanzados que modifican entradas, salidas o generan series de precios sintéticas.
📊 Un ejemplo sencillo
El backtest mostraba 15% de drawdown. 5.000 simulaciones cuentan una historia distinta.
Supongamos un sistema con 100 operaciones, rentabilidad de +40% y drawdown máximo del 15% en el backtest original. A primera vista parece bastante atractivo. Ahora ejecutamos 5.000 simulaciones:
El backtest original mostraba un drawdown de solo 15%, pero la simulación sugiere que existen escenarios plausibles donde el retroceso podría ser considerablemente mayor. Si estamos dimensionando la posición pensando que el máximo drawdown será 15%, podríamos estar asumiendo demasiado riesgo.
📐 La distribución importa más que un único resultado
“Mi estrategia tuvo un drawdown del 15%.”
“El 95% de las simulaciones tuvo un drawdown inferior al 31%.”
Esta segunda información resulta mucho más útil para la gestión del riesgo. Lo mismo puede hacerse con rentabilidad, CAGR, drawdown, rachas de pérdidas, capital final, riesgo de ruina y Sharpe.
🌫️ Escenarios simulados
● Mejor escenario ● Escenarios centrales ● Escenarios adversos
Cuanto más dispersos estén los resultados, mayor incertidumbre existe alrededor del comportamiento esperado.
🚫 Monte Carlo no demuestra que una estrategia sea buena
Si el backtest original está sobreajustado, Monte Carlo no va a convertirlo en una estrategia robusta. La simulación trabaja con los resultados que recibe — si provienen de una estrategia que encontró accidentalmente patrones en el histórico, podemos generar miles de simulaciones de ese mismo ruido.
🌪️ No ignores los regímenes de mercado
Una simulación basada únicamente en operaciones históricas no puede inventar de forma fiable un régimen que nunca estuvo presente en la muestra. Si una estrategia nunca experimentó una crisis de volatilidad extrema, reordenar sus operaciones no significa que hayamos simulado una crisis.
Por eso existen enfoques como el block resampling, que conserva grupos consecutivos de operaciones, o métodos de permutación que generan datos sintéticos.
🧯 Una prueba de estrés para el sistema
⚠️ Errores que conviene evitar
Buena práctica: “Si el percentil 95 de drawdown supera el 30%, reduzco el tamaño de la posición o descarto el sistema” — definido antes de ver los resultados.
✅ ¿Cuándo considerar robusto un sistema?
La robustez no significa que todas las simulaciones sean rentables. Significa que el sistema puede soportar escenarios razonablemente adversos sin quedar completamente destruido.
✨ Un backtest aparentemente cómodo puede esconder un riesgo de drawdown mucho mayor. Conocer ese riesgo antes de poner capital real puede ser mucho más importante que conocer cuánto ganó la estrategia en el pasado.
Este contenido tiene fines educativos y no constituye una recomendación de inversión. El trading conlleva un alto riesgo de pérdida de capital. Analiza siempre tu propia situación financiera antes de operar.