Tu estrategia tiene una tasa de aciertos del 58% y un factor de beneficio de 1.7. Eso se ve bien en papel. Pero si reordenaras las mismas 200 operaciones en un orden diferente, ¿cuántas de esas secuencias habrían acabado con tu cuenta antes de la operación 100? Eso es lo que responde una simulación de Monte Carlo, y si nunca has ejecutado una en tu propia curva de equidad, estás tomando decisiones de riesgo con información incompleta.
Lo que una simulación de Monte Carlo realmente hace por los traders
La idea central es simple: toma un conjunto fijo de resultados de operaciones (tus ganancias, pérdidas y sus tamaños), aleatoriza el orden miles de veces y registra lo que le sucede a la cuenta en cada ejecución simulada. Después de 5,000 o 10,000 iteraciones, obtienes una distribución de posibles caminos de equidad: un mejor caso, un peor caso y todo lo demás.
Lo que a los traders les importa de esos resultados suele ser tres cosas. Primero, la reducción máxima en todos los caminos simulados, no solo la que realmente experimentaste, sino la peor que los mismos resultados de operaciones podrían haber producido. Segundo, la probabilidad de ruina en un umbral de reducción dado (por ejemplo, perder el 20% de tu cuenta). Tercero, el rango de equidad final, que te dice cuánto de tu rendimiento real es ventaja repetible versus suerte de secuencia.
Esto no es backtesting. No estás reproduciendo datos de mercado. Estás sometiendo a prueba una serie de resultados ya probados para entender cuán frágil o duradera es realmente la ventaja subyacente.
Cómo ejecutar una simulación de Monte Carlo gratuita a mano (y por qué los datos de entrada importan)
No faltan herramientas gratuitas de simulación de Monte Carlo en línea; una hoja de cálculo básica puede hacerlo. La estructura para una simulación manual es:
- Enumera tus retornos de operaciones como múltiplos de R (por ejemplo, +1R, +2.3R, -1R, -0.5R).
- Usa una función de números aleatorios para barajar esa lista.
- Calcula la curva de equidad acumulada para esa secuencia barajada.
- Repite ese barajado de 1,000 a 10,000 veces.
- Registra la reducción máxima y la equidad final para cada ejecución.
Las matemáticas en un ejemplo práctico: digamos que tienes 50 operaciones: 29 ganadoras con un promedio de +1.2R y 21 perdedoras con un promedio de -1R. La tasa de aciertos es del 58% (29 ÷ 50). El factor de beneficio es (29 × 1.2) ÷ (21 × 1.0) = 34.8 ÷ 21.0 = 1.657, redondeado a 1.66. La expectativa es (0.58 × 1.2) + (0.42 × -1.0) = 0.696 − 0.420 = +0.276R por operación. Esa es una ventaja positiva genuina. Pero las mismas 50 operaciones barajadas en su secuencia más desafortunada podrían producir una reducción de 14R antes de recuperarse, aproximadamente un golpe del 28% a tu cuenta si arriesgas un 2% por operación. Una ejecución de Monte Carlo saca a la superficie esa posibilidad para que no te sorprenda a mitad de camino.
Esos números solo significan algo si los datos de entrada son honestos. Una simulación construida con datos estimados o seleccionados te dará una falsa sensación de seguridad. Aquí es donde tener un historial de operaciones preciso y completo importa más que la herramienta de simulación en sí.
El problema con la mayoría de los simuladores de Monte Carlo gratuitos en línea
La mayoría de las herramientas gratuitas de simulación de Monte Carlo que encuentras en línea te piden que escribas una tasa de aciertos y un promedio de R. Eso está bien para una verificación rápida, pero aplana dos cosas que importan: la distribución de tus ganadores y perdedores, y la consistencia de tu tasa de aciertos en diferentes condiciones de mercado.
Una estrategia con ganadores agrupados entre +0.8R y +1.4R se comporta de manera muy diferente a una con la mayoría de ganadores en +0.5R y ocasionales valores atípicos de +4R, incluso si el promedio es idéntico. Y un trader que gana el 62% en configuraciones de la sesión de Londres pero solo el 44% durante el solapamiento de Nueva York tiene un perfil de riesgo muy diferente al que sugiere su tasa de aciertos combinada del 55%.
Cuanto más granulares sean tus datos de operaciones, más honestos serán tus datos de entrada de Monte Carlo. Filtrar por configuración, por sesión, por instrumento: ese tipo de desglose es lo que convierte una simulación genérica en algo que refleja tu ventaja real en lugar de una aproximación suavizada de ella.
Cómo se conecta tu diario de trading con las pruebas de estrés de la curva de equidad
Aquí es donde llevar un diario deja de ser un ejercicio de registro y comienza a ser un ejercicio analítico.
Si has registrado cada operación con etiquetas de configuración, etiquetas de sesión y precios precisos de entrada/salida, puedes extraer listas de múltiplos de R filtradas para condiciones específicas. Eso te permite ejecutar simulaciones de Monte Carlo separadas para diferentes subconjuntos de tu trading: tus operaciones de configuración A vs. tus operaciones de configuración B, por ejemplo, o tus operaciones en sesiones de alta volatilidad vs. tus operaciones en sesiones más lentas. Podrías descubrir que tu curva de equidad de configuración A es extremadamente duradera en 5,000 simulaciones, mientras que tu curva de configuración B supera un umbral de reducción del 25% en el 30% de las ejecuciones. Eso es un hallazgo accionable.
Edgelog rastrea la tasa de aciertos, el factor de beneficio, la expectativa y los desgloses por par y por configuración como parte de su diario gratuito: puedes ver tu curva de equidad, tu gráfico de reducción y tu calendario de P&L diario sin pagar nada ni alcanzar un límite de operaciones. No tiene un simulador de Monte Carlo integrado (es una herramienta en la que estamos trabajando), pero los datos de múltiplos de R que extraes de tu diario son exactamente lo que pegas en una simulación de hoja de cálculo o en una herramienta gratuita de simulación de Monte Carlo en línea.
Si quieres comenzar a construir esos datos, un diario gratuito en Edgelog no cuesta nada y se sincroniza automáticamente desde MT4/MT5 a través del EA EdgelogSync, o desde Binance, Bybit y OKX mediante claves API de solo lectura. Nada que pagar, sin período de prueba.
Qué hacer realmente con los resultados
Una vez que hayas ejecutado una simulación, esto es lo que debes mirar:
- Reducción máxima del percentil 5 — el peor resultado de reducción en el 95% de tus caminos simulados. Arriesga tu cuenta como si este número fuera real, porque puede serlo.
- Probabilidad de ruina — cuántos caminos alcanzan tu umbral personal de reducción "dejaría de operar esta estrategia". Si eso es más del 5-10% de las ejecuciones, tu tamaño de posición es agresivo para la ventaja que tienes.
- Diferencia de equidad final — si la brecha entre tus percentiles 10 y 90 es enorme, una gran parte de tus retornos reales dependen de la secuencia en lugar de la habilidad. Eso no es una razón para abandonar la estrategia, pero sí para dimensionar de manera conservadora.
Una simulación de Monte Carlo no te dice si tu ventaja es real. Te dice si tu gestión de riesgos es lo suficientemente robusta para sobrevivir a la varianza que una ventaja real aún produce. Esas son preguntas diferentes, y ambas importan.
Hacer que la simulación valga la pena
El error más grande que cometen los traders con el análisis de Monte Carlo es ejecutarlo una vez con números aproximados, sentirse tranquilizados y no volver a revisarlo. Tu ventaja se desvía. Las condiciones del mercado cambian. Una estrategia que superó una prueba de estrés de Monte Carlo con datos de 2022 podría verse muy diferente con datos de 2024 si las condiciones de spread o los perfiles de volatilidad cambiaron.
Ejecuta una simulación nueva cada 100-200 operaciones usando tus resultados reales registrados, no los datos originales de backtesting. Tu diario hace eso posible: si has estado registrando de manera consistente, siempre tienes una serie de múltiplos de R actualizada con la que trabajar. Verifica tu factor de beneficio y tu tasa de aciertos como comprobaciones de referencia antes de cada ejecución de simulación, para no alimentar una simulación con datos de una ventaja en deterioro y malinterpretar el resultado como confirmación de que la estrategia sigue siendo válida.
Los traders que he visto arruinar cuentas con estrategias que sabían que eran rentables casi siempre omitieron este paso. La ventaja estaba bien. El riesgo de secuencia, combinado con un tamaño que no dejaba espacio para una mala racha, es lo que los acabó. Una simulación de Monte Carlo gratuita no te garantiza nada, pero te mostrará exactamente cuánto margen no tienes.
Comienza a registrar los datos de operaciones que hacen que una simulación valga la pena: diario de trading gratuito en Edgelog.