¿Cómo de fiable es su estrategia?

Este artículo del Dr. Mark Fric fue publicado originalmente en la edición de febrero de 2016 de la revista TRADERS'

• Dr. Mark Fric tiene un doctorado en ciencias de la computación, es un desarrollador de software de trading con más de 10 años de experiencia. Él es el principal arquitecto de software en StrategyQuant, una compañía de desarrollo de software y tecnología centrada en los productos relacionados con el trading algorítmico e inteligencia artificial.

Introducción al análisis de Monte Carlo

El análisis de Monte Carlo (o simulación) es una técnica estadística basada en utilizar el comercio para ayudar a estimar el riesgo y la rentabilidad de su estrategia de negociación de manera más realista.

La incertidumbre de predecir el rendimiento futuro del Trading 

Los resultados históricos de una estrategia de negociación nos dicen sólo cómo se ha comportado la estrategia en el pasado. Al pronosticar el rendimiento de la estrategia a futuro nos enfrentamos a la incertidumbre. No importa la cantidad de información histórica que tenemos, no podemos saber con certeza cuál será el futuro. Sólo podemos esbozar una estimación, basada en resultados históricos, la experiencia de campo que tengamos, o la experiencia pasada. Aunque esta estimación es útil, no tenemos manera de saber lo mucho que la predicción se corresponde con los resultados futuros reales.

La simulación de Monte Carlo (MC) nos permite disponer de una interpretación probabilística de nuestra predicción a futuro. En pocas palabras, los resultados de la simulación de Monte Carlo nos darán un rendimiento estimado de la estrategia de negociación basada en estadísticas. Puede ayudarle a decidir si su estrategia es robusta, la relación beneficios/máxima pérdida que puede esperar de su estrategia y si debe operar esta estrategia en absoluto o no.

¿Qué es el análisis de Monte Carlo?

La simulación de Monte Carlo crea una lista de modelos de posibles de resultados aleatorizando parámetros del modelo con una distribución de probabilidad dada. A continuación, calcula los resultados una y otra vez, cada vez que utiliza un conjunto diferente de valores aleatorios del modelo.
Una explicación muy simple sería que el método de Monte Carlo se basa en ejecutar la misma simulación varias veces, cada vez haciendo pequeños cambios aleatorios. Cuanto mayor sea el número de repeticiones, mayor es la certeza estadística de los resultados.

Un ejemplo de Análisis MC -Cambio de la secuencia de las operaciones

Una prueba histórica es una simple lista de operaciones. ¿Qué se puede aleatorizar en ella? Por ejemplo, el orden de las operaciones. El orden de las operaciones en el pasado es relativamente aleatorio. Si su sistema tiene una rentabilidad del 60%, entonces usted puede esperar que el 60% de las operaciones sean rentables y el 40% pierdan, pero no se puede esperar el orden en el que van a venir.

Simplemente al barajar las entradas su beneficio final será el mismo, pero su máxima pérdida puede cambiar mucho. En lugar de una reducción del 10% podría terminar con una reducción del 30% con sólo cambiar el orden de las operaciones. Entonces, ¿en qué valor debe confiar? ¿Qué debe esperar en el futuro?

La respuesta está en las estadísticas, es la base de Monte Carlo. Usted puede dejar que un programa ejecute esta reorganización 100 veces y verá cuál es el mejor y el peor promedio de reducción logrado durante estos recorridos aleatorios. En la Figura 1 se puede ver el sistema.

En la figura 3 se pueden ver 100 acciones diferentes utilizando el mismo sistema. Todo lo que hicimos fue cambiar el orden de las operaciones.

¿Cómo se calculan estos valores?

Es muy simple. La primera línea es el resultado de la estrategia original, el resto son los niveles de confianza (o probabilidad) calculados utilizando el análisis de Monte Carlo. Los números de la izquierda son los niveles de confianza, los cuales nos dicen con qué confianza (probabilidad) podemos esperar que los resultados sean iguales o mejores que en una línea respectiva.

Por ejemplo, los valores en el nivel de confianza del 95%significa que del total de 100 simulaciones aleatorias que hicimos, 95 de ellas (95%) tenían los mismos o mejores valores que los del nivel de confianza.
O, en otras palabras, no es sólo el 5% de probabilidad de que la pérdida máxima sea peor que 30,07%. El 95% es el nivel de confianza habitual a considerar. Usted podría esperar de forma realista que los resultados del sistema sean iguales o mejores que los valores en este nivel de confianza.

¿Qué propiedades se pueden hacer aleatorias en el análisis de Monte Carlo?

Cuando trabajamos con los resultados históricos de los traders todo lo que tenemos es una lista de las operaciones del pasado. Entonces ¿qué podemos hacer con ellos?

1. Cambio del orden de las operaciones. Hay 2 posibilidades: En una, sólo se baraja al azar el orden de las operaciones. En una variación más aleatoria de este test no sólo se barajan las operaciones. En cambio, el programa escoge aleatoriamente el número total de operaciones de la agrupación de todas las operaciones históricamente. La diferencia es que en este método la lista de las operaciones no tiene que ser la misma. Puede elegir una operación varias veces y algunas otras no ser elegidas en absoluto.

2. Saltando operaciones. Podemos obtener un resultado de algunas operaciones que al azar no se usarán (con una probabilidad dada). En el trading real de bienes, a menudo se puede perder una operación debido a la plataforma o a internet, o simplemente porque usted dejó de negociar algún tiempo. Esta prueba le dará una idea de cómo serían la curva de las acciones si algunas operaciones se saltan de forma aleatoria.

Uso práctico del análisis de Monte Carlo

Este análisis debería ser uno de los últimos pasos en el desarrollo de su estrategia. Antes de comenzar a operar cualquier estrategia debe ejecutar una simulación de Monte Carlo para estimar las expectativas de máximas pérdidas y ganancias de forma más realista.
Nivel de esperanza y número de simulaciones. Es una buena regla de oro tener un nivel de expectativa del 95%y ejecutar al menos 100 simulaciones. Cuantas más simulaciones más significado estadístico le dará siendo el nivel del 95% el que le indique que sólo hay el 5% posibilidades de que los resultados sean peores que los que simula.
Máxima pérdida y el beneficio neto. Debe buscar valores generados por la simulación de Monte Carlo como algo que podría suceder y considerar si estaría dispuesto a negociar la estrategia con tales expectativas de beneficio y riesgo.