Simulación de Equity Monte Carlo: Prueba de Estrés para tu Estrategia de Trading

¿Qué Es la Simulación Monte Carlo en Trading?

La simulación Monte Carlo es una técnica estadística que genera miles de posibles trayectorias futuras de equity para una estrategia de trading, muestreando aleatoriamente su distribución histórica de resultados. En lugar de preguntar "¿qué sucedió?", pregunta "¿qué podría suceder?" a través de todo el rango de secuencias plausibles.

La mecánica: toma los resultados reales de ganancias/pérdidas de tu estrategia (o tu tasa de acierto y R:R asumidas), luego ejecuta entre 1,000 y 10,000 secuencias simuladas de esos resultados. Cada simulación representa un posible "universo paralelo" de cómo podrían desarrollarse tus próximas 100 (o 500, o 1,000) operaciones, dado que la ventaja subyacente es la misma pero el orden de ganancias y pérdidas varía aleatoriamente. El resultado no es una sola curva de equity, sino una distribución de curvas de equity — mostrando simultáneamente el mejor caso, el peor caso y el caso mediano.

Esta es la herramienta correcta para usar antes de comprometer capital real en cualquier estrategia, porque ninguna curva de equity de backtest te dice qué habría pasado con una secuencia diferente de las mismas operaciones. La secuencia importa, y Monte Carlo te muestra el rango completo de lo que las secuencias pueden producir.

Por Qué el Backtesting Solo No Es Suficiente

Un backtest produce exactamente una curva de equity — la que ocurrió en orden histórico. Esta curva única tiene varios problemas como estimación de rendimiento a futuro:

• Riesgo de secuencia: Si tus 20 peores pérdidas hubieran ocurrido al inicio del backtest en lugar de estar distribuidas a lo largo, ¿habría sobrevivido tu cuenta? El backtest no puede decírtelo — solo te muestra la secuencia histórica.
• Sesgo de selección: Los backtests generalmente se ejecutan sobre estrategias que fueron seleccionadas porque tuvieron buen rendimiento histórico. Esto infla las expectativas en comparación con el rendimiento futuro.
• Optimismo de trayectoria única: La secuencia histórica puede haber sido inusualmente favorable para tu estrategia. Monte Carlo revela qué tan amplio es realmente el rango de resultados plausibles.
• Sin probabilidad de ruina: Un backtest no dice nada sobre la probabilidad de ruina. Monte Carlo la cuantifica directamente como el porcentaje de trayectorias simuladas que terminan por debajo del 50% (o el umbral de ruina que establezcas) del capital inicial.

Monte Carlo no reemplaza el backtesting — lo complementa. Usa el backtest para validar que tu ventaja existe. Usa Monte Carlo para entender el perfil de riesgo de operar esa ventaja con el tamaño de posición elegido.

Estadísticas Clave de una Simulación Monte Carlo

Un resultado de Monte Carlo bien diseñado te da varias estadísticas accionables:

• Equity mediano (percentil 50): El resultado "promedio" — el nivel por encima del cual termina el 50% de las simulaciones y por debajo del cual termina el otro 50%. Esta es una mejor estimación central que la única curva de equity del backtest.
• Equity del percentil 5: El escenario a la baja — lo que experimentaría el peor 5% de traders que siguen esta estrategia y tamaño de posición. Si esto todavía está por encima de cero, tu estrategia sobrevive incluso en escenarios de mala suerte.
• Equity del percentil 95: El escenario al alza — lo que experimentaría el mejor 5% de traders. La brecha entre el percentil 5 y el 95 muestra cuánto del resultado está determinado por la suerte versus la ventaja.
• Drawdown máximo mediano: La peor caída de pico a valle experimentada en la simulación típica. Esto suele ser significativamente mayor que el drawdown máximo en tu única curva de equity del backtest.
• Probabilidad de ruina: El porcentaje de trayectorias simuladas donde el equity final cae por debajo del umbral de ruina (típicamente el 50% del capital inicial). Este es el número principal para la evaluación de riesgo.

Cómo Leer el Gráfico de Distribución de Equity

El gráfico de distribución de equity muestra un histograma de los valores finales de equity a través de todas las simulaciones después del número especificado de operaciones. Leyéndolo correctamente:

• Las barras verdes representan simulaciones que terminan por encima del capital inicial — resultados rentables.
• Las barras rojas representan simulaciones que terminan por debajo del capital inicial — resultados de pérdida.
• Una distribución estrecha y ajustada centrada bien por encima del capital inicial indica una estrategia robusta y consistente con alta ventaja. Incluso la mala suerte es manejable.
• Una distribución amplia y dispersa indica alta varianza. Aunque la mediana sea positiva, las colas son extremas — algunas trayectorias terminan muy bien, otras terminan en ruina.
• Una distribución sesgada hacia la izquierda (cola izquierda pesada) es una señal de advertencia — tus escenarios a la baja son peores de lo que tus escenarios al alza son buenos, lo que sugiere que el tamaño de posición es demasiado agresivo para tu ventaja.

La forma de la distribución dice tanto como las estadísticas individuales. Una distribución limpia y compacta sesgada a la derecha es el objetivo.

El Efecto del Tamaño de la Muestra (Número de Operaciones)

La ley de los grandes números establece que a medida que aumenta el tamaño de la muestra, la distribución de resultados promedio converge hacia el valor esperado real. En términos de trading: más operaciones significa resultados más consistentes entre simulaciones, reduciendo la influencia de la suerte en tu equity final.

Con solo 50 operaciones simuladas, la distribución de los valores finales de equity es muy amplia — unas pocas pérdidas seguidas pueden dominar el resultado. Con 500 operaciones, la distribución se ajusta significativamente. Con 2,000 operaciones, si tienes una ventaja genuina, prácticamente todas las simulaciones son rentables.

Esto tiene una implicación práctica: los traders de baja frecuencia (5–10 operaciones por mes) necesitan mantener posiciones por más tiempo para permitir que su ventaja se exprese estadísticamente. Los traders de alta frecuencia ven que la ley de los grandes números funciona a su favor más rápido. Si tu tamaño de muestra es pequeño, tu intervalo de confianza de Monte Carlo será amplio — eso no es un error, es un reflejo honesto de la incertidumbre estadística.

Efecto del Riesgo por Operación: 1% vs 3%

El tamaño de posición tiene un efecto no lineal en la distribución de equity. Considera una estrategia con 55% de tasa de acierto y 1.5R de ganancia promedio:

• Con 1% de riesgo por operación en 200 operaciones: distribución ajustada, probabilidad de ruina cercana a cero, drawdown mediano alrededor del 8–12%, equity mediano aproximadamente 1.5–2× el capital inicial.
• Con 3% de riesgo por operación en 200 operaciones: la distribución se dispersa significativamente. El equity mediano es mayor (el interés compuesto funciona más rápido), pero el percentil 5 cae bruscamente. La probabilidad de ruina puede subir al 3–8%. El drawdown máximo mediano se expande al 25–35%.

El compromiso no es simétrico. La ventaja de un mayor riesgo escala linealmente en el mejor de los casos; la desventaja se expande mucho más rápido debido a la asimetría entre pérdidas y ganancias porcentuales. Con 3% de riesgo, necesitas un porcentaje de ganancia mayor para recuperarte del mismo porcentaje de drawdown.

Tasa de Acierto vs R:R: Lo Que Revela la Simulación

Dos estrategias pueden tener la misma expectativa pero perfiles de Monte Carlo muy diferentes:

• Una tasa de acierto del 40% con recompensa de 3.0R tiene expectativa = (0.40 × 3.0) - (0.60 × 1.0) = 0.60R por operación. Pero su curva de equity es irregular — las rachas largas de pérdidas son estadísticamente normales, el drawdown máximo es grande, y muchos traders abandonan antes de que la ventaja rinda frutos.
• Una tasa de acierto del 60% con recompensa de 1.0R tiene la misma expectativa = 0.60R por operación. Su curva de equity es más suave, los drawdowns son menos profundos, y el resultado del percentil 5 es mucho mejor — a pesar de tener retornos esperados a largo plazo idénticos.

Monte Carlo hace esto concreto: ejecuta ambas estrategias con el mismo tamaño de posición y compara la probabilidad de ruina, el drawdown máximo mediano y el equity del percentil 5. La estrategia más suave casi siempre gana en métricas de riesgo incluso cuando la expectativa es la misma.

Usos Prácticos Antes de Operar en Vivo

La simulación Monte Carlo tiene tres aplicaciones directas para traders:

• Validación previa a la operativa en vivo: Antes de operar cualquier estrategia con dinero real, ejecuta Monte Carlo con tu tamaño de posición planeado. Si la probabilidad de ruina supera el 5%, reduce el tamaño de posición hasta que caiga por debajo del 2%.
• Prueba de estrés de rachas de pérdidas: Pregunta "¿qué pasa si tengo 20 pérdidas consecutivas?" Configura todas las simulaciones para comenzar con una racha de 20 pérdidas. Si el equity mediano aún se recupera, tu sistema es robusto. Si no lo hace, tu tamaño de posición es demasiado agresivo para tu tasa de acierto.
• Calibración del tamaño de posición: Ejecuta el simulador en niveles de riesgo de 0.5%, 1%, 1.5%, 2% y 3%. Encuentra el nivel de riesgo más alto donde la probabilidad de ruina se mantenga por debajo del 2%. Ese es tu tamaño de posición óptimo — máximo crecimiento consistente con la supervivencia.

Cómo Usar el Simulador de Equity Monte Carlo

Abre el Simulador de Equity Monte Carlo, configura los parámetros de tu estrategia, y ejecuta 500 trayectorias de equity aleatorizadas a la vez.

1. Capital Inicial ($) — el saldo de la cuenta con el que comienza cada trayectoria, p. ej. 10,000.
2. Tasa de Acierto % — la proporción de operaciones que ganas, p. ej. 55.
3. Ganancia Promedio (R) — la ganancia promedio expresada en R, p. ej. 1.5.
4. Riesgo % por Operación — el capital arriesgado en cada operación, p. ej. 1 o 3.
5. Número de Operaciones — la duración de cada secuencia simulada, p. ej. 200.
6. Ejecutar Simulación — haz clic para generar las 500 trayectorias aleatorias; vuelve a ejecutar para explorar nuevos ordenamientos.

El simulador devuelve Equity Final Mediano, Percentil 5 (peor 5%), Percentil 95 (mejor 5%), Drawdown Máximo Mediano, y Probabilidad de Ruina (<50% del capital). Ejecuta el ejemplo de 55% / 1.5R con 1% y luego 3% de riesgo y observa cómo cae el percentil 5 y sube la probabilidad de ruina — exactamente el compromiso no lineal descrito arriba. Abre el Simulador de Equity Monte Carlo para probar tus propios números.