La simulación Monte Carlo aplicada al trading consiste en repetir el historial de trades en miles de órdenes aleatorios para estimar la probabilidad de ruina de una estrategia. A diferencia del backtest clásico, que produce una única curva de equity basada en el orden cronológico real, la simulación Monte Carlo explora cientos de miles de secuencias posibles y revela la probabilidad de que tu cuenta caiga por debajo de un umbral definido como irrecuperable. Es la diferencia entre saber que tu estrategia "funcionó en el pasado" y saber si puede sobrevivir a condiciones desfavorables en el futuro.
¿Qué es el riesgo de ruina en trading?
El riesgo de ruina representa la probabilidad de que tu equity caiga permanentemente por debajo de un umbral más allá del cual la recuperación se vuelve imposible. No es la probabilidad de perder en un trade: es la probabilidad de no poder seguir operando.
Definición y cálculo básico
El riesgo de ruina depende de tres parámetros fundamentales: la tasa de acierto (porcentaje de trades ganadores), la relación media ganancia/pérdida (cuánto ganas en relación a lo que pierdes, expresado en R-múltiplo) y el porcentaje de capital arriesgado por trade. Estos tres elementos forman la base matemática de cualquier estimación del riesgo de ruina.
Existe una fórmula analítica simplificada para series de trades independientes e idénticamente distribuidos. Si tu tasa de acierto es del 50%, tu relación media ganancia/pérdida es de 1.5R y arriesgas el 2% por trade, tu riesgo de ruina teórico hacia un umbral de menos 50% es de aproximadamente el 3 al 5%. Esa cifra parece tranquilizadora sobre el papel, pero asume que todos tus trades son independientes, lo que nunca es completamente cierto en el trading real.
La fórmula analítica subestima sistemáticamente el riesgo de ruina porque ignora las secuencias reales de pérdidas consecutivas en tu backtest. Por eso, la simulación Monte Carlo produce estimaciones más conservadoras y más realistas.
Por qué las tablas actuariales no son suficientes
Las tablas clásicas de riesgo de ruina (Ralph Vince, Van Tharp) asumen una distribución normal de los rendimientos. Sin embargo, los retornos del trading presentan colas gruesas (fat tails): los eventos extremos ocurren con mucha más frecuencia de lo que predice la distribución normal. La simulación Monte Carlo sobre tus propios trades sortea este problema usando la distribución real de tus resultados.
Por qué es la métrica olvidada del backtest
La gran mayoría de los traders que hacen backtest de sus estrategias miran el profit factor, el win rate y el drawdown máximo histórico. Casi nadie calcula el riesgo de ruina. Esta omisión es arriesgada por una razón sencilla: el drawdown máximo histórico es solo un escenario entre una infinidad de secuencias posibles.
Según la Autoridad Europea de Valores y Mercados (ESMA), entre el 74% y el 89% de las cuentas de trading retail pierden dinero en productos apalancados. Esta estadística no es resultado de una mala selección de estrategias: es en gran parte resultado de un dimensionamiento del riesgo que no tiene en cuenta la variabilidad estadística inherente a cualquier serie de trades.
Conocer el riesgo de ruina antes de desplegar una estrategia en directo es exactamente lo que separa un enfoque profesional de uno amateur.
Cómo funciona la simulación Monte Carlo
La simulación Monte Carlo en una serie de trades funciona repitiendo los resultados individuales de los trades en miles de órdenes aleatorios diferentes. Cada repetición produce una curva de equity diferente. Tras 10.000 simulaciones, dispones de una distribución estadística completa de los resultados posibles.
Principio: repetir 10.000 secuencias de trades
Imaginemos que tu backtest contiene 200 trades con sus resultados individuales expresados en R-múltiplos (1R = una unidad de riesgo por trade). La simulación realizará lo siguiente:
Recopilar la serie de R-múltiplos
Permutar aleatoriamente
Calcular la curva de equity
Repetir 10.000 veces
La recomendación estándar es ejecutar al menos 1.000 simulaciones para obtener una distribución estable. Más allá de 10.000, las ganancias marginales de precisión son negligibles para la mayoría de las estrategias de trading. Fuente: Wikipedia, Monte Carlo methods in finance.
Inputs necesarios: la serie de R-múltiplos del backtest
El input principal de la simulación es la serie de R-múltiplos de cada trade. Un R-múltiplo expresa el resultado de un trade como múltiplo del riesgo inicial: si arriesgas 100 euros en un trade y ganas 150 euros, eso es +1.5R. Si pierdes tus 100 euros, eso es -1R.
Expresar los resultados en R-múltiplos en lugar de euros o porcentajes tiene una gran ventaja: la simulación es independiente del tamaño de la cuenta y del apalancamiento utilizado. Puedes recalibrar el riesgo por trade directamente en la simulación para comparar escenarios de riesgo del 1%, 2% o 3% por trade sin volver a ejecutar el backtest.
Interpretando los resultados Monte Carlo
Los resultados de una simulación Monte Carlo se leen principalmente a través de los percentiles. El percentil 5 representa el escenario "pesimista con el 95% de confianza": en el 95% de las simulaciones, los resultados fueron mejores que ese escenario. El percentil 95 representa el escenario optimista.
Curva de equity en el percentil 5
La curva del percentil 5 es la referencia más útil para estimar el drawdown máximo realista. Si tu backtest clásico muestra un drawdown máximo del 12%, no es raro que la simulación Monte Carlo revele un drawdown en el percentil 5 del 22 al 28% en la misma serie de trades.
Esta diferencia no es una señal de que tu estrategia sea mala. Es la variabilidad natural inherente a cualquier serie aleatoria. La pregunta que debes hacerte es: ¿pueden mi cuenta y mi psicología absorber un drawdown del 25% sin que corte la estrategia de forma prematura?
Drawdown realista vs drawdown histórico
El drawdown máximo histórico de tu backtest representa el peor escenario que ocurrió efectivamente, en el orden cronológico real. La simulación Monte Carlo revela el peor escenario posible si las pérdidas se hubieran concentrado al principio de la serie. El drawdown en el percentil 5 es sistemáticamente entre 1,5x y 3x superior al drawdown histórico: utiliza esta cifra como tu "drawdown de diseño" para el dimensionamiento del capital.
Umbral de ruina: a partir de qué porcentaje parar
El umbral de ruina es el nivel de pérdida más allá del cual consideras que la cuenta no puede recuperarse. Para los traders individuales, este umbral se fija generalmente en el 50% del capital inicial (ruina parcial) o el 100% (ruina total). Para los traders de prop firm, el umbral es habitualmente el drawdown máximo autorizado por la empresa (entre el 8% y el 10% según las reglas).
El riesgo de ruina calculado por la simulación representa el porcentaje de simulaciones en las que la equity tocó o superó ese umbral en algún momento. Un riesgo de ruina inferior al 5% se considera generalmente aceptable para los traders profesionales. Por encima del 10%, la estrategia presenta un riesgo de ruina estructural que debe corregirse.
Comparación antes/después del ajuste del riesgo por trade
Uno de los usos más potentes de la simulación Monte Carlo es la comparación de escenarios de riesgo. Al variar el porcentaje arriesgado por trade (del 0,5% al 3%), puedes visualizar directamente el impacto en el riesgo de ruina:
| Riesgo por trade | Drawdown max P5 | Riesgo de ruina (umbral 50%) | Retorno anualizado mediano |
|---|---|---|---|
| 0,5% | 8% | < 1% | 12% |
| 1% | 15% | 2% | 24% |
| 2% | 28% | 8% | 45% |
| 3% | 40% | 18% | 62% |
Esta tabla ilustra el trade-off fundamental entre retorno y riesgo de ruina: doblar el riesgo por trade no duplica el riesgo de ruina, lo multiplica por un factor mucho mayor. Por eso la mayoría de los traders profesionales se mantienen entre el 0,5% y el 2% de riesgo por trade.
Monte Carlo con Backtrex
Backtrex integra la simulación Monte Carlo directamente en el pipeline de backtesting, eliminando la fricción normalmente asociada a este análisis: sin necesidad de exportar trades a una herramienta externa, configurar parámetros en una hoja de cálculo o escribir código. La simulación se ejecuta inmediatamente sobre los resultados de tu backtest visual.
Ejecutar una simulación sobre los resultados de tu backtest
Una vez que tu estrategia está construida usando bloques drag-and-drop y el backtest ha sido ejecutado, Backtrex muestra los resultados de la simulación Monte Carlo directamente en el panel de análisis de rendimiento. El proceso es el siguiente:
- Construye tu estrategia con bloques visuales desde la página de funcionalidades.
- Ejecuta el backtest en el período deseado (hasta 10 años de datos).
- En la pestaña "Análisis Monte Carlo", selecciona el número de simulaciones (1.000 a 10.000), el umbral de ruina (50% por defecto) y el riesgo por trade.
- Backtrex muestra la distribución de las curvas de equity, el riesgo de ruina calculado y el drawdown del percentil 5 en menos de 30 segundos.
La ventaja de la integración nativa es la consistencia de los datos: Backtrex usa exactamente los mismos trades y las mismas reglas anti-repainting que tu backtest. Sin distorsiones por exportación o conversión de formato de datos.
Regla anti-repainting de Backtrex
Todas las señales generadas por Backtrex usan close[1] (la barra confirmada anterior) en lugar de close[0] (la barra actual). Esta regla garantiza que la simulación Monte Carlo se ejecute sobre resultados de backtest realistas, sin el sesgo de repainting que infla artificialmente el rendimiento. Consulta la página de funcionalidades anti-repainting para los detalles técnicos.
Escenarios de stress: ¿qué ocurre durante un período de drawdown?
Una funcionalidad avanzada de la simulación Monte Carlo es el stress test en subperíodos específicos. En lugar de simular toda la serie histórica, es posible restringir la simulación al 20% de trades con peor rendimiento (la "cola izquierda" de la distribución) para simular un período prolongado de drawdown.
Este escenario de stress revela cuánto tiempo se tarda, en el peor caso, en que la estrategia recupere sus niveles anteriores. Si la simulación indica que un período de 30 trades consecutivos con bajo rendimiento es posible con un 10% de probabilidad, puedes planificar ese escenario en tu plan de trading y decidir de antemano en qué nivel suspenderás la estrategia para reevaluarla. Accede a la página de precios para ver cómo Backtrex facilita este análisis.
Important Risk Warning
FAQ
Como regla general, se necesitan al menos 100 trades para que los resultados de la simulación Monte Carlo sean estadísticamente significativos. Con menos de 30 trades, los resultados son demasiado sensibles a unos pocos trades extremos para ser utilizables. Lo ideal es una serie de 200 o más trades: a partir de ahí, la precisión de la simulación aumenta lentamente y las conclusiones se vuelven muy estables. Cuanto más larga es la serie, más converge la distribución del riesgo de ruina hacia su valor teórico.
El riesgo de ruina es la probabilidad de que el saldo de una cuenta alcance un nivel de pérdida definido como irrecuperable, generalmente el 50% o el 100% del capital inicial. Este riesgo depende de la tasa de acierto, la relación media ganancia/pérdida y el porcentaje arriesgado por trade. Un riesgo de ruina inferior al 5% se considera generalmente aceptable para un trader profesional que busca operar a largo plazo.
No. La simulación Monte Carlo no predice las pérdidas futuras: modela la distribución de los escenarios posibles repitiendo los trades históricos en órdenes aleatorios. Es probabilística, no predictiva. Asume que las características estadísticas futuras de tu estrategia (tasa de acierto, relación ganancia/pérdida) serán similares a las del backtest, lo que nunca está garantizado. Su función es cuantificar el riesgo inherente a tu serie de trades actual, no predecir el mercado.
No, los dos métodos son complementarios. La simulación Monte Carlo analiza la variabilidad estadística de una serie de trades: responde a la pregunta "¿y si mis trades hubieran ocurrido en un orden diferente?". El out-of-sample testing valida la capacidad de la estrategia para generalizar en datos no vistos durante la optimización. Una estrategia robusta supera ambas pruebas: bajo riesgo de ruina en Monte Carlo y rendimiento consistente out-of-sample.
Para los traders de prop firm (FTMO, MFF, Topstep), el umbral de ruina relevante es el drawdown máximo autorizado por la empresa, típicamente entre el 8% y el 12% del capital evaluado. Se recomienda un riesgo de ruina inferior al 5% en relación a ese umbral. Si la simulación Monte Carlo revela una probabilidad del 15% de alcanzar el drawdown máximo de la prop firm, el riesgo por trade debe reducirse antes de intentar la fase de challenge.
El método shuffle (muestreo sin reposición) reordena aleatoriamente tus trades históricos manteniendo exactamente los mismos resultados. El método bootstrap (muestreo con reposición) selecciona aleatoriamente trades de tu pool permitiendo repeticiones, lo que puede generar secuencias de pérdidas más largas que las observadas históricamente. El shuffle da una estimación conservadora; el bootstrap es más pesimista y más revelador de los escenarios de cola. Backtrex ofrece ambos métodos en su módulo Monte Carlo.
La variable más directamente accionable es el porcentaje arriesgado por trade. Reducir el riesgo por trade a la mitad suele reducir el riesgo de ruina por un factor de 3 a 10, según la distribución de los resultados. Aumentar el número de trades (ampliando el universo o la frecuencia) también mejora las propiedades estadísticas de la serie. Por último, definir una regla de stop de estrategia (suspender el trading si el drawdown supera X%) limita mecánicamente el riesgo de ruina en directo.