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.
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.
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.
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.
