La simulación Monte Carlo en trading responde la pregunta que tu backtest esquiva con elegancia: ¿cuánto de este resultado es habilidad, y cuánto es el orden en que casualmente llegaron los trades? El método es simple: coges la lista de trades de tu estrategia, barajas su orden cientos o miles de veces, y miras la distribución de resultados. Mismos trades, mismo win rate, mismo beneficio medio; lo único que cambia es la secuencia. Si tu “drawdown máximo del 12%” se convierte en un 25% en una quinta parte de las barajadas, tu backtest no te mintió, pero solo te contó una historia entre miles. Monte Carlo te cuenta el resto, y lo puedes correr en una hoja de cálculo esta misma tarde.
Este post es la versión práctica: qué hace la simulación de verdad, cómo correr una sin comprar nada, y cómo leer el resultado sin autoengañarte. Es la tercera fase de la metodología de testing que hay detrás de mis cuentas públicas (después del walk-forward y el out-of-sample), y como todo en esta serie, los sistemas que la sobreviven se auditan en vivo en mi track record.
Primero, la absolución. Si alguna vez dimensionaste una cuenta con el drawdown máximo del backtest y luego lo reventaste en vivo, no calculaste mal. Te dieron una muestra única y te dijeron que era una estadística. El drawdown de un backtest es un boleto de una lotería que no sabías que estabas jugando: reordena los mismos trades y la racha perdedora más profunda cae en otro sitio, más honda o menos, por pura suerte. La industria reporta ese boleto único como “el” drawdown porque parece preciso y vende limpio. Es teatro de precisión.
Qué revela barajar (y por qué la secuencia es la variable escondida)
La ventaja de tu estrategia vive en su distribución de trades: cuánto acierta, cómo de grandes son las ganancias, cómo de grandes las pérdidas. Su riesgo, en cambio, vive en buena parte en la secuencia: las rachas perdedoras duelen más cuando se agrupan, y que se agrupen al principio, al final o nunca es suerte. Dos cuentas operando la estrategia idéntica pueden vivir drawdowns radicalmente distintos solo por la fecha de inicio. Eso es riesgo de secuencia, y ningún backtest individual puede enseñártelo, porque un backtest tiene exactamente una secuencia.
Monte Carlo lo ataca por fuerza bruta. Baraja la lista de trades mil veces y tienes mil historias alternativas de la misma estrategia. Ahora, en vez de “drawdown máximo: 12%”, puedes decir cosas como: la mitad de las historias se quedó por debajo del 14%, nueve de cada diez por debajo del 21%, y la cola más fea llegó al 30%. Esos números describen la estrategia. El 12% original describía una tirada de dados, y la diferencia entre ambas frases es la diferencia entre planificar y desear.
Cómo correr una en hoja de cálculo (sin código y sin comprar nada)
Paso uno: consigue la lista de trades. Exporta los resultados individuales de tu backtest (beneficio o pérdida por trade, en divisa o en porcentaje). El informe del strategy tester de MetaTrader te lo da directamente. Quieres al menos un par de cientos de trades; con menos, cada conclusión sale con barras de error más anchas, lo cual también es información.
Paso dos: baraja. En la hoja: pon los resultados en una columna, añade una columna de números aleatorios (ALEATORIO), y ordena por la columna aleatoria para producir una secuencia barajada. Calcula la curva de equity acumulada y apunta su drawdown máximo. Eso es una simulación. Recalcula (F9 en Excel) y apunta otra vez. Hacerlo unas docenas de veces a mano ya enseña la lección de fondo; una macro pequeña o una tabla de datos te lleva a cientos. Los puristas señalarán que las herramientas profesionales remuestrean con reemplazo y miles de ejecuciones: correcto, y no cambia nada de la lección que tienes disponible hoy con ordenar-por-aleatorio.
Paso tres: lee la distribución, no la media. Alinea los drawdowns apuntados de mejor a peor y mira tres hitos: la mediana (tu expectativa realista), el percentil 90-95 (tu número de planificación) y la peor cola (tu test de supervivencia). La media es el número menos útil de la hoja: nadie vive la media, todo el mundo vive un camino concreto.
Paso cuatro: dimensiona la cuenta con el percentil, no con el backtest. Si el drawdown del percentil 95 es un 22% y tu cuenta, tus reglas de fondeo o tus nervios no aguantan un 22%, la estrategia está sobredimensionada para tu situación, dé igual lo buena que sea. Baja el riesgo por trade hasta que el percentil quepa en tu realidad. Este único hábito (dimensionar con la distribución en vez de con la muestra única) evita más muertes de cuenta que cualquier señal de entrada jamás inventada.
Leer los resultados sin autoengaño
Una distribución ancha es información, no un suspenso. Hay estrategias racheadas por naturaleza; la simulación te está contando qué se siente siendo su dueño. El modo de fallo es descubrir esa anchura en vivo, con dinero, en mitad de la racha.
La cola no es una predicción; es un test de estrés. El percentil 99 de las barajadas no es “lo que va a pasar”; es “lo que los mismos trades pueden hacer en un orden desafortunado”. Si sobrevivirlo requiere heroísmo, redimensiona ahora, que es gratis. Y recuerda la limitación honesta de la simulación: barajar asume que el futuro sale de la misma distribución que el pasado. No te avisará de un cambio de régimen ni de una ventaja que se degrada; para eso están la disciplina out-of-sample y la incubación en vivo. Monte Carlo estresa la suerte; no puede validar la ventaja.
Y ojo con la seducción de la cola buena. Una parte de tus barajadas habrá acabado espectacular. Es la misma suerte apuntando al otro lado, y construir expectativas sobre ella es como los ganadores se sobreapalancan hasta la ruina. La distribución es un solo objeto: la coges entera o no la coges.
Dónde encaja esto en un embudo de testing completo
Monte Carlo es potente y barata, pero es un instrumento, no la orquesta. En mi pipeline va después del testing de robustez y antes del encaje de portfolio y la incubación: el walk-forward responde “¿la ventaja es real?”, Monte Carlo responde “¿cómo puede ser el viaje?”, la correlación responde “¿juega bien con las demás?”, y meses de operativa pequeña en vivo tienen el voto final. Una estrategia necesita todos los síes. El orden importa, porque simular la suerte de una ventaja que no has verificado es decorar una corazonada con estadística.
Ese embudo completo (generación, robustez, riesgo de secuencia, construcción de portfolio, asignación por cuenta) es la serie de metodología que estoy publicando ahora mismo, y cada pieza llega a la newsletter antes que a ningún otro sitio. Si el ejercicio de hoy con la hoja de cálculo te ha picado, la serie es el rascado entero.
El cierre honesto
La simulación Monte Carlo no va a mejorar tu estrategia ni un pip. Lo que mejora son tus expectativas, y las expectativas son donde de verdad mueren la mayoría de operaciones: la estrategia era sobrevivible, la sorpresa no. Una tarde con una hoja de cálculo te compra la diferencia entre “mi backtest daba 12% de drawdown” y “conozco el rango realista y estoy dimensionado para el lado feo”. Todos los sistemas de mi track record pasaron por esto exacto, y por eso las rachas rojas que puedes ver ahí estaban planificadas, no provocaron pánico. Corre tú las barajadas antes de que te las corra el mercado.
FAQ
¿Qué es la simulación Monte Carlo en trading?
Una técnica que revela el papel de la suerte en los resultados de una estrategia generando muchas versiones alternativas de su historia. La forma más común coge los trades reales y baraja su orden cientos o miles de veces, calculando la curva y el drawdown de cada versión. El resultado es una distribución (mediana, percentiles, peor cola) en vez del camino único que enseña un backtest, y eso hace posible planificar el riesgo con realismo.
¿Cómo corro una Monte Carlo de mi estrategia en Excel?
Exporta los resultados por trade de tu backtest, ponlos en una columna, añade una columna con ALEATORIO() y ordena por los valores aleatorios para crear una secuencia barajada. Construye la curva de equity acumulada, apunta el drawdown máximo, recalcula y repite. Unas docenas de pasadas a mano ya enseñan el rango; con macros o tablas de datos escalas a cientos. Las herramientas profesionales añaden remuestreo y más pasadas, pero la lección de fondo está disponible con ordenar-por-aleatorio.
¿Qué te dice Monte Carlo sobre el drawdown?
Que el “drawdown máximo” de tu backtest es una muestra, no una propiedad de la estrategia. Los mismos trades en otro orden producen drawdowns distintos, a veces dramáticamente. La simulación te da la distribución: una mediana para expectativas realistas, un percentil 90-95 para planificar y dimensionar, y una peor cola como test de supervivencia. Dimensionar la cuenta con el percentil en vez de con el número único del backtest es el beneficio práctico principal.
¿Cuántos trades hacen falta para una simulación con sentido?
Cuantos más mejor, y por debajo de unos doscientos las conclusiones salen tan anchas que conviene tratarlas como bocetos. Con muestras pequeñas la simulación sigue valiendo; simplemente reporta con honestidad más incertidumbre, que es justo la información que el backtest escondía. Sé más conservador dimensionando cuando la lista es corta, y deja que la incubación en vivo alargue la muestra antes de fiarte de números más finos.
¿Qué limitaciones tiene Monte Carlo en trading?
Barajar asume que los trades futuros salen de la misma distribución que los pasados, así que no detecta cambios de régimen, degradación de la ventaja ni overfitting. Estresa la suerte de la secuencia, nada más. Y hereda todos los defectos de la entrada: simular trades de un backtest sobreoptimizado produce un sinsentido bellamente preciso. Úsala después de que el out-of-sample y el walk-forward hayan aprobado la ventaja, nunca en su lugar.
Recursos
- Mi track record (sistemas dimensionados con este método): doittrading.com/es/track-record
- Módulo USDJPY gratis (datos para tu primera simulación): descárgalo aquí
- Los tests de robustez que van antes: walk-forward y out-of-sample
- Newsletter (la metodología completa, antes que nadie): doittrading.com/es/newsletter
