Monte Carlo en trading: cómo sé que mi estrategia no es suerte (y cómo lo sabrías tú)
En el casino, hay una diferencia matemática entre ganar tres veces seguidas a la ruleta y ganar tres mil veces seguidas. La primera es suerte. La segunda es trampa o física. En trading pasa exactamente lo mismo: una estrategia que ganó durante seis meses no demuestra nada. Una estrategia que sobrevive a quince mil escenarios distintos sí. Eso es Monte Carlo. Y es la diferencia entre creer y saber.
La pregunta que casi nadie hace antes de copiar
Antes de copiar a un trader, casi todo el mundo pregunta una de estas dos cosas:
- “¿Cuánto rindió el año pasado?”
- “¿Cuál es su porcentaje de aciertos?”
Ambas preguntas son irrelevantes.
La pregunta correcta — la que separa a quien entiende trading cuantitativo del resto — es esta:
¿Cómo sabes que tu estrategia funciona y no es suerte?
Si la respuesta es “porque llevo dos años ganando”, no es suficiente. Dos años son una muestra muy pequeña en mercados financieros. Cualquier persona puede tener dos años de suerte. La estadística lo permite. La historia lo demuestra.
Si la respuesta es “porque mi backtesting de 10 años da positivo”, está más cerca, pero tampoco basta. El backtesting muestra un solo camino histórico. Y el futuro nunca repite la historia exacta. Repite patrones generales, pero el orden específico de las operaciones puede variar enormemente.
La única respuesta técnica seria es: “porque estresé la estrategia con simulación Monte Carlo y sigue siendo rentable en miles de escenarios alternativos.”
Esa frase, dicha con datos verificables, es la diferencia entre un trader cuantitativo y un comerciante de cursos.
Qué es Monte Carlo (sin matemáticas pesadas)
Monte Carlo es un método de simulación estadística que toma una estrategia ya probada históricamente y la somete a miles de variaciones aleatorias para evaluar cómo se comportaría en escenarios distintos al que efectivamente ocurrió.
La idea, explicada en una sola frase: la historia es solo un camino posible. Monte Carlo te muestra los miles de caminos que pudieron haber pasado y aún pueden pasar.
El método se llama así por el famoso casino de Mónaco, porque uno de sus fundadores, el matemático Stanislaw Ulam, lo desarrolló pensando en juegos de azar. Hoy se usa para simular desde el riesgo de huracanes hasta el diseño de reactores nucleares. En trading sirve para algo muy específico: separar lo que funciona de lo que tuvo suerte.
Cómo funciona aplicado a una estrategia de trading
Imagínate que tienes una estrategia con un track record histórico de 1.000 operaciones cerradas. Esas 1.000 operaciones ocurrieron en un orden específico: operación 1, operación 2, operación 3… hasta operación 1.000. Y el resultado final fue rentable.
La pregunta crítica es esta: ¿qué hubiera pasado si esas mismas 1.000 operaciones hubieran ocurrido en un orden distinto?
Porque en el mercado real, el orden importa muchísimo. Cinco operaciones perdedoras consecutivas al inicio pueden quemar la cuenta antes de que llegue la racha buena. Las mismas cinco operaciones distribuidas a lo largo del año, intercaladas con ganancias, son perfectamente sostenibles.
Monte Carlo toma esas 1.000 operaciones reales y las reordena aleatoriamente miles de veces. Cada reordenamiento genera una nueva “historia alternativa” de la cuenta. Y al final tienes miles de curvas de equity distintas, todas construidas con las mismas operaciones, pero en órdenes distintos.
El análisis estadístico de esas miles de curvas te dice cosas que el backtesting solo nunca podría:
- El peor escenario posible: ¿qué pasaría si los meses malos se agruparan al inicio?
- El drawdown máximo realista: no el histórico, sino el estadísticamente esperable.
- La probabilidad de quiebra: ¿en qué porcentaje de simulaciones la cuenta termina en pérdida total?
- La distribución de retornos: ¿qué tan amplio es el rango entre los mejores y peores escenarios?
Una estrategia que sobrevive a miles de simulaciones Monte Carlo con expectativa positiva es estadísticamente robusta. Una estrategia que colapsa en muchas simulaciones es frágil, aunque su histórico se vea bien.
Las cuatro métricas que Monte Carlo revela y el backtesting esconde
El backtesting tradicional te muestra un solo número: la rentabilidad histórica. Monte Carlo te muestra una distribución completa de posibles resultados. Y dentro de esa distribución, hay cuatro métricas críticas que un trader cuantitativo serio nunca ignora:
1. Drawdown máximo proyectado
El backtesting te dice cuál fue el peor drawdown que ocurrió. Monte Carlo te dice cuál podría ser el peor drawdown que ocurra en el futuro, basándose en estresar la estrategia con miles de escenarios alternativos.
Esta diferencia es brutal. Una estrategia con drawdown histórico del 18% puede tener un drawdown máximo Monte Carlo del 32%. Si tú dimensionas tu cuenta basándote en el 18%, vas a abandonar la estrategia cuando llegue el 25%, convencido de que algo se rompió. Pero el sistema sigue funcionando: solo estás en el peor escenario estadísticamente esperable, no en uno imposible.
2. Probabilidad de quiebra (Risk of Ruin)
Es el porcentaje de simulaciones en las que la cuenta termina en pérdida total. Cualquier estrategia seria debería tener una probabilidad de quiebra menor al 1% sobre el horizonte temporal previsto.
Si una estrategia tiene un 15% de probabilidad de quiebra en 5 años, una de cada siete personas que la copien va a quedar sin nada. No importa cuán brillante haya sido su track record: ese nivel de riesgo es inaceptable.
3. Rango de retornos esperados
Monte Carlo te da no un retorno proyectado sino una distribución. Por ejemplo: en el 80% de las simulaciones la cuenta termina entre +20% y +60% anual; en el 10% supera el +80%; en el 10% queda por debajo del +20%.
Ese rango es lo que realmente debes esperar. No el promedio, sino el espectro completo de resultados posibles.
4. Tiempo proyectado de recuperación
Cuánto tarda estadísticamente la cuenta en recuperarse de un drawdown bajo distintos escenarios. Una estrategia que en el peor 5% de los casos tarda 18 meses en recuperarse es muy distinta de una que en el peor 5% tarda 4 años.
Por qué las estrategias sobreajustadas mueren en Monte Carlo
Aquí es donde Monte Carlo se vuelve una herramienta de filtro brutal contra estrategias falsamente rentables.
Existe en trading un fenómeno técnico llamado sobreajuste o overfitting. Ocurre cuando una estrategia ha sido optimizada tanto sobre la data histórica que aprende las particularidades exactas del pasado, en lugar de capturar un patrón general que se repita.
Una estrategia sobreajustada se ve maravillosa en el backtesting: rentabilidad del 80% anual, drawdown del 5%, win rate del 75%. Parece perfecta. Pero cuando opera en mercados reales, colapsa. Porque el futuro no repite exactamente el pasado: repite el patrón general, pero con variaciones.
Monte Carlo expone el sobreajuste sin piedad. Si una estrategia depende del orden exacto en que ocurrieron las operaciones históricas, cualquier reordenamiento aleatorio la destruye. En las simulaciones aparecen drawdowns enormes, probabilidades de quiebra altas, escenarios catastróficos.
Esa es la utilidad real del método: distinguir lo que funciona estructuralmente de lo que se ajustó al pasado.
El caso de Robust Strategy: 15.000 simulaciones
Voy a hablar concretamente del sistema que opero, no como venta sino como ejemplo educativo de aplicación real.
Robust Strategy es una estrategia cuantitativa sobre XAU (oro) y Nasdaq 100, desarrollada durante 4 meses de investigación. Antes de operarla con capital real, la sometí a un proceso de validación que incluye:
- 10 años de backtesting sobre datos históricos reales.
- 15.000 simulaciones Monte Carlo estresando la estrategia ante miles de reordenamientos aleatorios.
- Validación pública en el índice DarwinIA RHWQ, donde el track record es verificable por cualquiera.
Las 15.000 simulaciones Monte Carlo me dieron información que el backtesting solo nunca me hubiera dado:
- El drawdown máximo proyectado estadísticamente esperable (mayor que el histórico, como suele ocurrir).
- La probabilidad de quiebra, mantenida bajo el umbral del 1%.
- El rango realista de retornos que un cliente puede esperar, no el “número mágico” del backtesting.
- El tiempo esperado de recuperación en distintos escenarios adversos.
Cuando alguien me pregunta si debe copiar mi estrategia, la respuesta no es “te va a hacer ganar tanto”. La respuesta es: “estos son los rangos estadísticamente esperables, este es el peor escenario realista, esta es la probabilidad de que algo salga muy mal.”
Esa transparencia técnica es lo que define a un trader cuantitativo serio. Sin Monte Carlo, todo lo demás es opinión disfrazada de método.
Las cinco preguntas Monte Carlo que debes exigir
Si vas a copiar una estrategia — la mía o la de cualquier otro — estas son las preguntas técnicas que separan a un trader cuantitativo de un vendedor de humo. Si no puede responder con datos, no estás frente a un sistema validado, estás frente a una historia bonita.
Pregunta 1 — ¿Cuántas simulaciones Monte Carlo se ejecutaron?
Mínimo aceptable: 5.000 simulaciones. Lo profesional empieza en 10.000. Por debajo de eso, la muestra estadística es insuficiente.
Pregunta 2 — ¿Cuál es el drawdown máximo proyectado por Monte Carlo?
Esta cifra suele ser entre 1,5x y 2x el drawdown histórico. Si el operador del sistema te dice que su drawdown proyectado Monte Carlo es igual o menor al histórico, algo está mal en su análisis.
Pregunta 3 — ¿Cuál es la probabilidad de quiebra en el horizonte previsto?
Cualquier respuesta superior al 1-2% sobre 5 años debería hacerte salir corriendo.
Pregunta 4 — ¿Cuál es el percentil 10 de retornos esperados?
Es decir: en el 10% peor de los escenarios, ¿cuánto rendiría la estrategia? Si esa cifra es muy negativa, el sistema no es tan robusto como aparenta.
Pregunta 5 — ¿Existe la simulación documentada y revisable?
Una estrategia validada con Monte Carlo deja archivos, reportes y datos que pueden ser revisados. Si “todo está en mi cabeza” o “la corrí, pero no tengo el reporte”, no se hizo seriamente.
Por qué esto importa para quien recién está empezando
Si estás recién entrando al mundo de las inversiones cuantitativas, puede que todo esto suene técnico de más. Te lo simplifico:
El backtesting solo te muestra qué hubiera pasado si invertías ayer. Monte Carlo te muestra qué te puede pasar si invertís hoy.
Esa diferencia, aplicada a tu dinero real, te puede ahorrar pérdidas significativas. Porque cuando entiendes Monte Carlo, dejas de creer en historias y empiezas a evaluar en distribuciones de probabilidad. Y esa madurez es lo que separa al inversor sostenible del que abandona después del primer susto.
Si aún no estás en el nivel de copiar estrategias algorítmicas, el paso previo es entender los fundamentos. Para eso existe el Método Sisa Yachay, que construye desde cero las bases que cualquier inversor serio necesita antes de pensar en sistemas cuantitativos.
El cierre incómodo
Voy a terminar con una verdad que pocos en el nicho dicen en voz alta:
La mayoría de las personas que venden cursos, señales o copy trading en redes sociales no saben qué es Monte Carlo. No la ejecutaron sobre sus estrategias. Ni siquiera podrían explicar la diferencia entre el percentil 10 y el percentil 90 de una distribución de retornos.
Y aún así, cobran miles de dólares.
No es porque sean malas personas. Es porque el mercado les permite seguir operando sin estos estándares. Mientras la audiencia general no exija validación Monte Carlo, los gurús sin método van a seguir vendiendo.
Tú, después de leer este artículo, no tenés esa excusa. Sabés qué exigir antes de copiar a alguien. Sabés cuáles son las preguntas técnicas que separan lo real de lo aparente.
Esa información, sola, vale más que cualquier curso de trading que te puedas comprar este año.
Para profundizar
- Conoce los detalles de Robust Strategy, mi sistema cuantitativo sobre XAU y Nasdaq, validado con 10 años de backtesting + 15.000 simulaciones Monte Carlo. Opciones de copia con cuenta Procent (desde $100) o cuenta Normal (desde $1.000).
- Si quieres entender primero las bases antes de copiar estrategias, el Método Sisa Yachay es la puerta de entrada con respaldo institucional Fundación Logos.
- Lee también el artículo previo de esta serie: Drawdown: por qué perder a veces es parte del plan.
Agenda una asesoría sin costo y evaluamos honestamente si copiar estrategias algorítmicas tiene sentido para tu perfil.
Contenido educativo, no asesoría financiera. Toda inversión conlleva riesgo de pérdida de capital. Rendimientos pasados no garantizan resultados futuros. Las decisiones financieras son responsabilidad exclusiva de cada inversor.
