Staging ::: VER CORREOS
Acceder

Análisis de Monte Carlo para seleccionar traders

La simulación de Monte Carlo es un método no determinista (no supone que el pasado va a ser como el futuro) que utiliza la aleatoriedad para obtener posibles escenarios futuros. El método de Monte Carlo fue creado por Stan Ulam y John Von Neuman en la década de los años 40, pero no para aplicarlo al mundo de las finanzas, sino para investigar el movimiento de los neutrones. Este método tiene dicho nombre por el Casino de Monte Carlo, ya que se le considera la capital del juego de azar, y además tiene muchas aplicaciones en el ámbito financiero como por ejemplo a la hora de seleccionar un darwin.

¿Cómo seleccionar Darwins con el análisis de Monte Carlo?

Con el Análisis Monte Carlo se consigue aleatorizar operaciones para generar nuevos escenarios igual de probables cada uno de ellos. Con el análisis de Monte Carlo podremos saber si una estrategia o un darwin funciona y es robusto y en qué grado de fiabilidad.

Para calcular las diferentes curvas de un análisis de Monte Carlo necesitaremos primero una secuencia de resultados generados por un determinado darwin, es decir, necesitaremos que el darwin haya realizado varias operaciones, cuantas más operaciones haya hecho y cuanto más tiempo haya estado operando mejor.

Para conseguir estos datos deberemos acceder al perfil de riesgo del darwin que queramos analizar, ahí tendremos un histograma de todas sus operaciones, por ejemplo, la siguiente imagen es el histograma de las rentabilidades conseguidas por el darwin Bestescalperl desde Julio de 2014 hasta la actualidad.

histograma darwinex

Como podemos ver, de todas las operaciones que ha hecho este darwin, 137 han tenido un resultado comprendido entre el 0 y el 2 % y 50 operaciones han tenido un resultado comprendido entre el 0 y el -2 %. Con este histograma podemos sacar la siguiente tabla en la que tenemos la frecuencia en la que se repite un resultado y la frecuencia acumulada.

tabla frecuencias

Una vez tenemos esta tabla tendremos que generar una serie de números aleatorios entre 0 y 100 (o entre 0 y 1, depende de cómo lo tengamos configurado), y según el número que salga asignaremos un resultado a cada operación, de tal forma que si nuestra hoja de cálculo hace que el número aleatorio sea de 55 el resultado de esa operación será de +2 %. ¿Cómo sabemos esto? Porque la frecuencia acumulada del resultado +2 % es de 68.90 % y la frecuencia acumulada de -2 % es de 30.53, así que todo número aleatorio que salga comprendido entre 30.53 y 68.9 tendrá un resultado de +2 %.

Esto deberemos generarlo para cada operación de cada curva, y con ello podremos elegir el número de operaciones que queremos simular y el número de curvas que queremos simular, por ejemplo, una simulación de 50 curvas con 50 operaciones para el darwin seleccionado tiene el siguiente aspecto.

monte carlo

Éstas serían 50 posibles futuras curvas de capital del darwin. Como podemos observar los beneficios de estas curvas oscilan entre el +178 % y el -53 %. De estas curvas también podemos sacar datos interesantes como la media y la desviación típica de estas curvas de capital o incluso el drawdown medio. Un darwin con una media positiva querrá decir que a largo plazo tiene bastantes probabilidades de ser ganador, por otra parte la desviación típica nos da una idea de la variabilidad de los posibles resultados de este darwin, cuanto más pequeña sea mejor. Obviamente estos parámetros dependerán del número de curvas que simulemos (el número de curvas que hemos tomado como ejemplo no es suficiente, hay que simular más, normalmente se suelen simular 1000 curvas de capital) y del número de operaciones que queramos simular.

Para analizar datos de distintos darwins puedes hacerlo a través de Darwinex. En próximos artículos entraremos más en detalle de cómo utilizar este análisis para seleccionar darwins.

3
¿Te ha gustado mi artículo?
Si quieres saber más y estar al día de mis reflexiones, suscríbete a mi blog y sé el primero en recibir las nuevas publicaciones en tu correo electrónico
  1. en respuesta a David Snchz
    -
    #3
    Nega16
    20/12/16 21:10

    No exactamente
    Me refiero, que si algo sirve estas siulaciones es para testar modelos de trading, bueno o de inversion. Por lo menos para mi.
    Mi metodo es primero simular eltrading o la operativa, y apuntar los resultados
    Estos luego los paso a excell, y los analizo alli. Me refieroa la serie de datos simulados en un periodo de tiempo, mis datos suelen ser % de ganancias o perdidas. Sobre eso y en funcion de la formula de Kelly y lo que me de una campana de Gauss, diseño un algoritmo sobre el tamaño de la apuesta y lo proyecto en el futuro. Asi mas o menos veo el potencial, del sistema respecta a datos simulados. Eso tiene el inconveniente, de suponer que el pasado se repite.

    A veces a la distribucion uniforme, le meto la simulacion que da Excell para Montecarlo, que no esta basada solo en la repetibilidad de los datos historicos y tengo otra vision de que podria pasar. Bueno esto no lo hago yo solo, de hecho esos instrumentos son para eso.

    Un saludo

  2. en respuesta a Nega16
    -
    #2
    19/12/16 09:31

    Hola Nega!

    Gracias por tus comentarios. Más adelante intentaré poner ejemplos prácticos de cómo utilizar Monte Carlo, a ver si lo puedo hacer con R o Python porque con la hoja de cálculo que utilizo simular 1000 curvas puede ser la muerte...

    Respecto a lo último que me comentas, te refieres a simular el comportamiento de varios activos y en función de éstos hacer una cartera de inversión?

    Un saludo!

  3. #1
    Nega16
    17/12/16 07:44

    gracias

    Gran articulo se agradece. Yo estoy utilizando excell para este tipo de cosas, pero mas bien como curiosidad, y de incorporar parte del azar y no de los resultados históricos en las previsiones futuras.
    Vendría bien que pusieras ejemplos, o los que pusieras, estén en función de la construcción de modelos de trading o inversión, sobre bases simuladas de datos.
    Un saludo