A simulação Monte Carlo aplicada ao trading consiste em repetir o histórico de trades em milhares de ordens aleatórias para estimar a probabilidade de ruína de uma estratégia. Ao contrário do backtest clássico, que produz uma única curva de equity baseada na ordem cronológica real, a simulação Monte Carlo explora centenas de milhares de sequências possíveis e revela a probabilidade de que sua conta caia abaixo de um limiar definido como irrecuperável. É a diferença entre saber que sua estratégia "funcionou no passado" e saber se ela pode sobreviver a condições desfavoráveis no futuro.
O que é o risco de ruína no trading?
O risco de ruína representa a probabilidade de que sua equity caia permanentemente abaixo de um limiar além do qual a recuperação se torna impossível. Não é a probabilidade de perder em um trade: é a probabilidade de não poder mais continuar operando.
Definição e cálculo básico
O risco de ruína depende de três parâmetros fundamentais: taxa de acerto (percentual de trades vencedores), relação média ganho/perda (quanto você ganha em relação ao que perde, expresso em R-múltiplo) e o percentual de capital arriscado por trade. Esses três elementos formam a base matemática de qualquer estimativa de risco de ruína.
Uma fórmula analítica simplificada existe para séries de trades independentes e identicamente distribuídos. Se sua taxa de acerto é 50%, sua relação média ganho/perda é 1.5R, e você arrisca 2% por trade, seu risco de ruína teórico em relação a um limiar de menos 50% é de aproximadamente 3 a 5%. Esse número parece tranquilizador no papel, mas assume que todos os seus trades são independentes, o que nunca é totalmente verdade no trading real.
A fórmula analítica subestima sistematicamente o risco de ruína porque ignora as sequências reais de perdas consecutivas no seu backtest. Por isso, a simulação Monte Carlo produz estimativas mais conservadoras e mais realistas.
Por que as tabelas atuariais não são suficientes
As tabelas clássicas de risco de ruína (Ralph Vince, Van Tharp) assumem uma distribuição normal dos retornos. No entanto, os retornos de trading apresentam caudas gordas (fat tails): eventos extremos ocorrem muito mais frequentemente do que o previsto pela distribuição normal. A simulação Monte Carlo nos seus próprios trades contorna esse problema usando a distribuição real dos seus resultados.
Por que é a métrica esquecida do backtest
A grande maioria dos traders que fazem backtest de suas estratégias olha para o profit factor, win rate e drawdown máximo histórico. Quase ninguém calcula o risco de ruína. Essa omissão é arriscada por uma razão simples: o drawdown máximo histórico é apenas um cenário dentre uma infinidade de sequências possíveis.
Segundo a Autoridade Europeia dos Mercados de Valores Mobiliários (ESMA), entre 74% e 89% das contas de trading retail perdem dinheiro em produtos alavancados. Essa estatística não é resultado de uma má seleção de estratégias: é em grande parte resultado de um dimensionamento de risco que não leva em conta a variabilidade estatística inerente a qualquer série de trades.
Conhecer o risco de ruína antes de implantar uma estratégia ao vivo é exatamente o que separa uma abordagem profissional de uma amadora.
Como funciona a simulação Monte Carlo
A simulação Monte Carlo em uma série de trades funciona repetindo os resultados individuais dos trades em milhares de ordens aleatórias diferentes. Cada repetição produz uma curva de equity diferente. Após 10.000 simulações, você tem uma distribuição estatística completa dos resultados possíveis.
Princípio: repetir 10.000 sequências de trades
Imagine que seu backtest contém 200 trades com seus resultados individuais expressos em R-múltiplos (1R = uma unidade de risco por trade). A simulação irá:
Coletar a série de R-múltiplos
Permutar aleatoriamente
Calcular a curva de equity
Repetir 10.000 vezes
A recomendação padrão é executar pelo menos 1.000 simulações para obter uma distribuição estável. Além de 10.000, os ganhos marginais de precisão são negligíveis para a maioria das estratégias de trading. Fonte: Wikipedia, Monte Carlo methods in finance.
Inputs necessários: a série de R-múltiplos do backtest
O input principal da simulação é a série de R-múltiplos de cada trade. Um R-múltiplo expressa o resultado de um trade como múltiplo do risco inicial: se você arrisca R$100 em um trade e ganha R$150, isso é +1.5R. Se você perde seus R$100, isso é -1R.
Expressar os resultados em R-múltiplos em vez de reais ou percentuais tem uma grande vantagem: a simulação é independente do tamanho da conta e da alavancagem utilizada. Você pode recalibrar o risco por trade diretamente na simulação para comparar cenários de risco de 1%, 2% ou 3% por trade sem reexecutar o backtest.
Interpretando os resultados Monte Carlo
Os resultados de uma simulação Monte Carlo são lidos principalmente através dos percentis. O 5o percentil representa o cenário "pessimista com 95% de confiança": em 95% das simulações, os resultados foram melhores do que esse cenário. O 95o percentil representa o cenário otimista.
Curva de equity no 5o percentil
A curva do 5o percentil é a referência mais útil para estimar o drawdown máximo realista. Se seu backtest clássico mostra um drawdown máximo de 12%, não é incomum que a simulação Monte Carlo revele um drawdown no 5o percentil de 22 a 28% na mesma série de trades.
Essa diferença não é um sinal de que sua estratégia é ruim. É a variabilidade natural inerente a qualquer série aleatória. A pergunta a fazer é: minha conta e minha psicologia conseguem absorver um drawdown de 25% sem que eu corte a estratégia de forma prematura?
Drawdown realista vs drawdown histórico
O drawdown máximo histórico do seu backtest representa o pior cenário que ocorreu de fato, na ordem cronológica real. A simulação Monte Carlo revela o pior cenário possível se as perdas tivessem sido concentradas no início da série. O drawdown no 5o percentil é sistematicamente 1,5x a 3x maior que o drawdown histórico: use esse número como seu "drawdown de projeto" para o dimensionamento de capital.
Limiar de ruína: a partir de qual percentual parar
O limiar de ruína é o nível de perda além do qual você considera que a conta não consegue se recuperar. Para traders individuais, esse limiar é geralmente fixado em 50% do capital inicial (ruína parcial) ou 100% (ruína total). Para traders de prop firm, o limiar é frequentemente o drawdown máximo autorizado pela empresa (8 a 10% dependendo das regras).
O risco de ruína calculado pela simulação representa o percentual de simulações nas quais a equity tocou ou ultrapassou esse limiar em algum momento. Um risco de ruína abaixo de 5% é geralmente considerado aceitável para traders profissionais. Acima de 10%, a estratégia apresenta um risco de ruína estrutural que deve ser corrigido.
Comparação antes/após ajuste do risco por trade
Um dos usos mais poderosos da simulação Monte Carlo é a comparação de cenários de risco. Ao variar o percentual arriscado por trade (de 0,5% a 3%), você pode visualizar diretamente o impacto no risco de ruína:
| Risco por trade | Drawdown max P5 | Risco de ruína (limiar 50%) | Retorno anualizado mediano |
|---|---|---|---|
| 0,5% | 8% | < 1% | 12% |
| 1% | 15% | 2% | 24% |
| 2% | 28% | 8% | 45% |
| 3% | 40% | 18% | 62% |
Esta tabela ilustra o trade-off fundamental entre retorno e risco de ruína: dobrar o risco por trade não dobra o risco de ruína, ele o multiplica por um fator muito maior. É por isso que a maioria dos traders profissionais mantém entre 0,5% e 2% de risco por trade.
Monte Carlo com o Backtrex
O Backtrex integra a simulação Monte Carlo diretamente no pipeline de backtesting, eliminando a fricção normalmente associada a essa análise: sem necessidade de exportar trades para uma ferramenta externa, configurar parâmetros em uma planilha ou escrever código. A simulação é executada imediatamente sobre os resultados do seu backtest visual.
Executando uma simulação nos resultados do seu backtest
Depois que sua estratégia é construída usando blocos drag-and-drop e o backtest é executado, o Backtrex exibe os resultados da simulação Monte Carlo diretamente no painel de análise de desempenho. O processo é o seguinte:
- Construa sua estratégia com blocos visuais a partir da página de funcionalidades.
- Execute o backtest no período desejado (até 10 anos de dados).
- Na aba "Análise Monte Carlo", selecione o número de simulações (1.000 a 10.000), o limiar de ruína (50% por padrão) e o risco por trade.
- O Backtrex exibe a distribuição das curvas de equity, o risco de ruína calculado e o drawdown do 5o percentil em menos de 30 segundos.
A vantagem da integração nativa é a consistência dos dados: o Backtrex usa exatamente os mesmos trades e as mesmas regras anti-repainting que o seu backtest. Sem distorções por exportação ou conversão de formato de dados.
Regra anti-repainting do Backtrex
Todos os sinais gerados pelo Backtrex usam close[1] (a barra confirmada anterior) em vez de close[0] (a barra atual). Essa regra garante que a simulação Monte Carlo seja executada em resultados de backtest realistas, sem o viés de repainting que infla artificialmente o desempenho. Veja a página de funcionalidades anti-repainting para detalhes técnicos.
Cenários de stress: o que acontece durante um período de drawdown?
Um recurso avançado da simulação Monte Carlo é o stress test em sub-períodos específicos. Em vez de simular toda a série histórica, é possível restringir a simulação aos 20% de trades com pior desempenho (a "cauda esquerda" da distribuição) para simular um período prolongado de drawdown.
Esse cenário de stress revela quanto tempo leva, no pior caso, para a estratégia se recuperar aos níveis anteriores. Se a simulação indica que um período de 30 trades consecutivos com desempenho abaixo do esperado é possível com 10% de probabilidade, você pode planejar esse cenário e decidir com antecedência em qual patamar suspenderia a estratégia para reavaliação. Acesse a página de preços para ver como o Backtrex facilita essa análise.
Important Risk Warning
FAQ
Como regra geral, são necessários pelo menos 100 trades para que os resultados da simulação Monte Carlo sejam estatisticamente significativos. Abaixo de 30 trades, os resultados são muito sensíveis a alguns trades extremos para serem utilizáveis. O ideal é uma série de 200 ou mais trades: além disso, a precisão da simulação aumenta lentamente e as conclusões se tornam muito estáveis. Quanto mais longa a série, mais a distribuição do risco de ruína converge para seu valor teórico.
O risco de ruína é a probabilidade de que o saldo de uma conta atinja um nível de perda definido como irrecuperável, geralmente 50% ou 100% do capital inicial. Esse risco depende da taxa de acerto, da relação média ganho/perda e do percentual arriscado por trade. Um risco de ruína abaixo de 5% é geralmente considerado aceitável para um trader profissional que busca operar no longo prazo.
Não. A simulação Monte Carlo não prevê perdas futuras: ela modela a distribuição dos cenários possíveis repetindo os trades históricos em ordens aleatórias. É probabilística, não preditiva. Ela assume que as características estatísticas futuras da sua estratégia (taxa de acerto, relação ganho/perda) serão semelhantes às do backtest, o que nunca é garantido. Seu papel é quantificar o risco inerente à sua série de trades atual, não prever o mercado.
Não, os dois métodos são complementares. A simulação Monte Carlo analisa a variabilidade estatística de uma série de trades: ela responde à pergunta "e se meus trades tivessem ocorrido em uma ordem diferente?". O out-of-sample testing valida a capacidade da estratégia de generalizar para dados não vistos durante a otimização. Uma estratégia robusta passa nos dois testes: baixo risco de ruína no Monte Carlo e desempenho consistente out-of-sample.
Para traders de prop firm (FTMO, MFF, Topstep), o limiar de ruína relevante é o drawdown máximo autorizado pela empresa, tipicamente entre 8% e 12% do capital avaliado. Um risco de ruína abaixo de 5% em relação a esse limiar é recomendado. Se a simulação Monte Carlo revelar 15% de probabilidade de atingir o drawdown máximo da prop firm, o risco por trade deve ser reduzido antes de tentar a fase de challenge.
O método shuffle (amostragem sem reposição) reordena aleatoriamente seus trades históricos mantendo exatamente os mesmos resultados. O método bootstrap (amostragem com reposição) seleciona aleatoriamente trades do seu pool permitindo repetições, o que pode gerar sequências de perdas mais longas do que as observadas historicamente. O shuffle dá uma estimativa conservadora; o bootstrap é mais pessimista e revela melhor os cenários de cauda. O Backtrex oferece ambos os métodos no seu módulo Monte Carlo.
A variável mais diretamente acionável é o percentual arriscado por trade. Reduzir o risco por trade pela metade tipicamente reduz o risco de ruína por um fator de 3 a 10, dependendo da distribuição dos resultados. Aumentar o número de trades (expandindo o universo ou a frequência) também melhora as propriedades estatísticas da série. Por fim, definir uma regra de stop de estratégia (suspender o trading se o drawdown ultrapassar X%) limita mecanicamente o risco de ruína ao vivo.