Tu backtest te entrega una sola curva de capital. Sube, baja, termina en algún número final y se siente como la verdad sobre tu estrategia. No lo es. Es un solo ordenamiento de tus operaciones entre un número astronómico de ordenamientos posibles, y el orden que te tocó puede favorecer a una estrategia frágil o enterrar a una sólida.
La simulación Monte Carlo es la forma de ver más allá de esa única secuencia afortunada (o desafortunada). El motor de backtest de Freya baraja tus operaciones mil veces y reporta el rango completo de resultados, incluido el único número que un solo backtest nunca puede mostrarte con honestidad: la probabilidad de que esta estrategia arrase con tu cuenta.
Puntos clave
- Un solo backtest es un ordenamiento de tus operaciones; las mismas operaciones en otro orden pueden terminar en ganancia o en ruina.
- Monte Carlo vuelve a muestrear tus operaciones 1000 veces para mapear la distribución de resultados, no solo el que ocurrió.
- La probabilidad de ruina es la proporción de esos reordenamientos en los que la cuenta queda prácticamente arrasada; incluso un pequeño porcentaje es una señal de alarma.
- El drawdown del percentil 95, no el drawdown de tu único backtest, es el dolor para el que realmente deberías prepararte.
- Freya necesita al menos 10 operaciones para ejecutar la simulación, y el resultado es determinista, así que el mismo backtest siempre da los mismos números.
- Monte Carlo somete a prueba de estrés el riesgo de secuencia. No puede modelar un cambio de régimen de mercado, así que combínalo con la validación walk-forward.
Si aún no has ejecutado un backtest, empieza con la guía de backtesting paso a paso, y lee cómo interpretar los resultados del backtest para las métricas centrales sobre las que se construye este artículo.
Los importes en dólares y los porcentajes aquí son ejemplos ilustrativos, no recomendaciones. El trading de criptomonedas puede generar pérdidas. Dimensiona cada bot con fondos que puedas permitirte perder, y lee la Divulgación de riesgos completa antes de operar en real.
Por Qué Miente una Sola Curva de Capital
Imagina una estrategia con 40 operaciones: 24 ganadoras y 16 perdedoras. Tu backtest las jugó en el orden exacto en que el mercado las entregó. Pero ese orden fue suerte. Si las tres peores pérdidas hubieran caído una tras otra cerca del inicio, antes de que tu cuenta tuviera un colchón de ganancias, las mismas 40 operaciones podrían haber hundido la cuenta lo suficiente como para activar una liquidación o un cierre forzoso del que nunca te recuperaste. Juégalas en un orden más amable y la cuenta se desliza hacia un nuevo máximo.
Las mismas operaciones. La misma tasa de acierto. La misma ganancia promedio y pérdida promedio. Un resultado de supervivencia completamente distinto. Esto es el riesgo de secuencia, y es invisible en una sola curva de capital porque una sola curva solo te muestra una secuencia.
La simulación Monte Carlo existe para hacer visible el riesgo de secuencia.
Qué Hace Realmente Monte Carlo en Freya
El motor de Freya toma la lista de operaciones que produjo tu backtest y ejecuta un remuestreo bootstrap: extrae tus operaciones al azar, con reemplazo, en un orden nuevo, luego recorre una curva de capital a través de ese orden y registra dónde terminó y cuán profundo cayó por el camino. Repite esto 1000 veces, construyendo una distribución de mil historias alternativas plausibles que tu estrategia podría haber vivido.
Algunos detalles que vale la pena conocer, porque son los que hacen que los números sean confiables:
- Necesita al menos 10 operaciones. Por debajo de eso, no hay muestra suficiente para barajar y obtener algo significativo, así que Freya no devuelve ningún resultado Monte Carlo en lugar de uno engañoso. En la práctica quieres muchas más de 10 para que la distribución signifique algo.
- Es determinista. La simulación se inicializa a partir de los propios resultados de tu backtest, así que ejecutar el mismo backtest te da los mismos números Monte Carlo cada vez. La aleatoriedad está en el barajado, no en el reporte.
- Una corrida se detiene en la ruina. Una vez que una cuenta simulada cae al nivel de ruina, esa corrida termina ahí, exactamente como el motor en vivo detiene una cuenta agotada. La simulación no sigue apilando operaciones imaginarias sobre una cuenta que ya no tiene capital, así que los drawdowns quedan acotados por lo que realmente había para perder.
La forma en que Freya vuelve a muestrear depende de cómo tu bot dimensiona las posiciones. Con tamaño fijo, cada operación arriesga una cantidad absoluta similar, así que el motor baraja la ganancia y pérdida brutas de cada operación. Con capitalización, el resultado en dólares de una operación depende de qué tan grande era la cuenta cuando ocurrió, así que el motor baraja los rendimientos porcentuales en su lugar. Barajar dólares brutos en un bot con capitalización inventaría resultados que la estrategia nunca podría producir, así que Freya hace coincidir deliberadamente el remuestreo con tu método de dimensionamiento.
Cómo Leer el Resultado de Monte Carlo
Después de un backtest con suficientes operaciones, el panel de Monte Carlo reporta la distribución a lo largo de las 1000 corridas. Esto es lo que te dice cada número y cómo actuar en consecuencia.
Probabilidad de ruina
El número más importante de todos. Es el porcentaje de los 1000 reordenamientos en los que la cuenta quedó prácticamente arrasada, es decir, cayó a aproximadamente una décima parte del saldo con el que empezaste. Una estrategia que nunca se arruinó ni una sola vez a lo largo de mil barajados muestra resiliencia estructural. Una estrategia con apenas un 2 a 5 por ciento de probabilidad de ruina te está diciendo que un ordenamiento desafortunado de esas mismas operaciones termina con tu cuenta, y los mercados en vivo son perfectamente capaces de repartirte ese orden.
Trata cualquier probabilidad de ruina distinta de cero como un problema de dimensionamiento que resolver antes de operar en real, no como un error de redondeo que ignorar.
Probabilidad de ganancia
La imagen espejo: el porcentaje de reordenamientos que terminaron en verde. Una estrategia puede tener un backtest único hermoso y aun así terminar en positivo en solo, digamos, un 60 por ciento de los reordenamientos, lo que significa que cuatro de cada diez veces una secuencia distinta te habría dado una pérdida. Cuanto más cerca esté esto del 100 por ciento, menos dependió tu resultado de obtener un orden de operaciones favorable.
Intervalos de confianza
Los intervalos de confianza del 95 por ciento y del 99 por ciento te dan el rango en el que aterrizó tu equidad final a lo largo de las simulaciones. El número único en el que terminó tu backtest es un punto dentro de este rango, y a menudo no el del medio. Si tu backtest terminó en la parte alta del intervalo del 95 por ciento, tu resultado principal estaba cerca del extremo optimista de lo que esta estrategia hace de forma plausible. El intervalo, no la cifra única, es la expectativa honesta.
Mediana, mejor caso y peor caso
La equidad final mediana es el resultado del medio, una expectativa más robusta que el número del backtest único porque la mitad de los reordenamientos lo hizo mejor y la mitad peor. El mejor caso y el peor caso son las colas extremas: las secuencias más y menos afortunadas que sacó la simulación. La brecha entre ellas es una lectura rápida de cuánto depende tu resultado de la suerte.
Drawdown mediano y del percentil 95
Este par es donde Monte Carlo se gana el sueldo. Tu backtest único reportó un solo drawdown máximo. Monte Carlo reporta el drawdown mediano a lo largo de todos los reordenamientos y el drawdown del percentil 95, el casi peor caso. Si el drawdown de tu backtest fue del 18 por ciento pero el drawdown Monte Carlo del percentil 95 es del 34 por ciento, tu backtest recibió un ordenamiento suave, y el 34 por ciento se acerca más al dolor para el que realmente deberías estar dimensionado y preparado. Planifica para el percentil 95, no para la corrida única.
| Señal de Monte Carlo | Qué significa | Qué hacer |
|---|---|---|
| Probabilidad de ruina por encima del 0% | Un orden desafortunado de tus operaciones arrasa la cuenta | Reduce el tamaño de posición o el apalancamiento hasta que la ruina llegue al 0% |
| Probabilidad de ganancia por debajo de ~70% | Tu resultado positivo se apoyó en un orden de operaciones favorable | Amplía la ventaja o ajusta el riesgo antes de confiar en él |
| Drawdown del percentil 95 muy por encima del drawdown del backtest | Tu backtest único recibió una secuencia afortunada | Dimensiona para el drawdown del percentil 95, no para el del backtest |
| Brecha amplia entre el mejor y el peor caso | El resultado depende mucho de la suerte | Trata la mediana, no la cifra principal, como la expectativa |
Un Ejemplo Práctico
Supongamos que dos estrategias arrojan en backtest un pulcro +22 por ciento sobre $10,000, terminando cerca de $12,200. En la curva de capital única parecen gemelas. Monte Carlo las distingue:
- Estrategia A: probabilidad de ruina 0 por ciento, probabilidad de ganancia 91 por ciento, equidad final mediana $11,900, drawdown del percentil 95 del 16 por ciento. Casi todos los reordenamientos sobreviven y generan ganancia. Esta es una ventaja robusta.
- Estrategia B: probabilidad de ruina 7 por ciento, probabilidad de ganancia 63 por ciento, equidad final mediana $10,400, drawdown del percentil 95 del 41 por ciento. La misma cifra principal, pero la sostuvieron un puñado de grandes ganancias que casualmente cayeron después de que la cuenta tenía un colchón. Reordena esas ganancias más temprano o más tarde y una porción significativa de las corridas cae catastróficamente.
El backtest único no podía separarlas. Monte Carlo hace que la diferencia sea imposible de pasar por alto, y es exactamente la diferencia entre un bot que puedes dimensionar con confianza y uno que tarde o temprano te entregará su peor caso.
Qué No Puede Decirte Monte Carlo
Monte Carlo es una prueba de estrés de un riesgo específico: el orden en que llegan tus operaciones. No es una bola de cristal, y tratarlo como tal es su propia trampa.
- Supone que tus operaciones son representativas. Barajar las operaciones que tienes no puede conjurar una operación que la estrategia nunca hizo. Si un régimen de mercado cambia y tu ventaja deja de funcionar, Monte Carlo construido a partir de las operaciones viejas seguirá barajando los resultados viejos, ahora irrelevantes. Para ese modo de fallo necesitas el análisis walk-forward, que prueba tus parámetros sobre datos a los que nunca se ajustaron.
- Basura entra, basura sale. Si el backtest subyacente está sobreajustado, Monte Carlo simplemente baraja operaciones de fantasía en mil historias de fantasía. Confirma primero que el backtest es honesto, usando las verificaciones de sobreajuste en cómo interpretar los resultados del backtest.
- Baraja, no pronostica. Los resultados en vivo también difieren de cualquier backtest por la latencia, los llenados parciales, el financiamiento y la comisión por rendimiento de Freya, nada de lo cual modela un reordenamiento. Consulta backtest frente a resultados en vivo para esa brecha.
Usadas en conjunto, estas tres herramientas cubren las tres grandes formas en que un backtest de buena apariencia falla: Monte Carlo para el riesgo de secuencia, walk-forward para el sobreajuste, y la guía de en vivo frente a backtest para la realidad de la ejecución.
Preguntas Frecuentes
¿Qué es la probabilidad de ruina en un backtest?
Es el porcentaje de reordenamientos simulados de tus operaciones en los que la cuenta quedó prácticamente arrasada, cayendo a aproximadamente una décima parte de tu saldo inicial. Freya la calcula volviendo a muestrear las operaciones de tu backtest 1000 veces. Cualquier valor por encima de cero significa que al menos un orden plausible de tus propias operaciones termina con tu cuenta, lo cual es una señal para reducir el tamaño o el apalancamiento.
¿Cuántas operaciones necesito para que Monte Carlo funcione?
Freya requiere al menos 10 operaciones antes de ejecutar la simulación, y no devuelve ningún resultado Monte Carlo por debajo de eso. Diez es el piso, no el objetivo. Cuantas más operaciones tengas, más se puede confiar en la distribución y en la probabilidad de ruina.
¿Por qué el drawdown de Monte Carlo es peor que el drawdown de mi backtest?
Porque tu backtest único vio solo un ordenamiento de operaciones, y a menudo era uno relativamente amable. Monte Carlo revela el drawdown a lo largo de mil ordenamientos, y la cifra del percentil 95 es el casi peor caso. Si es mucho más profunda que el drawdown de tu backtest, tu resultado principal obtuvo una secuencia afortunada, y deberías dimensionar para el número del percentil 95.
¿El mismo backtest dará el mismo resultado de Monte Carlo dos veces?
Sí. La simulación de Freya se inicializa a partir de los propios resultados de tu backtest, así que es determinista. Ejecutar el backtest idéntico produce los números Monte Carlo idénticos. El barajado es aleatorio, pero es reproducible.
¿Una probabilidad de ruina del 0 por ciento significa que la estrategia es segura?
No. Significa que a lo largo de mil reordenamientos de las operaciones de tu backtest, ninguno terminó arrasado, lo cual es una fuerte señal de resiliencia solo para el riesgo de secuencia. No dice nada sobre un cambio de régimen de mercado ni sobre un backtest sobreajustado. Combínala con la validación walk-forward y una verificación de sensatez del propio backtest antes de operar en real.