El método conocido como Análisis de Monte Carlo ha existido desde hace alrededor de 70 años, desde que fue formalizado durante la investigación de la bomba atómica. Mientras que la mayoría de los métodos de prueba como el back testing para optimizar variables emplean un conjunto de datos históricos e investigan distintos resultados, el método de Monte Carlo no ha presunciones acerca de que valores pueden producirse. La debilidad del backtesting consiste en que los resultados previos no garantizan el desempeño futuro, por lo tanto es fácil verse atrapado en el ejercicio de sobre optimizar variables con base en historia específica.
Este análisis tiene muchas aplicaciones en negocios y comercio, generalmente es aplicado en los casos en que se tiene una entrada variable que puede ser definida por una función estadística. El punto es que no se necesita el uso del "promedio" de valores previos, con la incertidumbre que estos conllevan, además de que también introducen algunos errores en los cálculos. El análisis de Monte Carlo permite ingresar variables estadísticas y obtener variables estadísticas como producto. En el contexto de la gestión monetaria en el trading, permite realizar simulaciones más precisas del efecto que puede producir, por ejemplo, el cambio del tamaño de posición fijo tanto en las ganancias como en el drawdown (pérdida máxima).
Por ejemplo, supongamos que tenemos una estrategia de spread betting la cual hemos probado y en la que hemos obtenido como resultado que genera posiciones ganadoras en un 40% de las ocasiones y por lo tanto produce posiciones perdedoras en un 60% de las veces. No obstante, cuando la estrategia funciona produce el doble en ganancia promedio en comparación con la pérdida promedio. Con un beneficio del 40% x 2 comparado con una pérdida del 60% x 1, este puede parecer un sistema ganador, pero en este caso nuestro interés inicial será determinar la pérdida máxima que puede generar el sistema para lo cual aplicamos inicialmente un back testing sobre los resultados de años anteriores. Si esto es lo mejor que tenemos a disposición, ciertamente es mucho mejor que operar a ciegas, pero al final vamos a finalizar con un solo resultado, el cual básicamente nos diría que hubiéramos hecho y que habríamos obtenido de haber aplicado el sistema de trading durante el periodo analizado.
Podríamos pensar en esto como un resultado "promedio", pero la realidad es que puede que no sea el resultado más probable y no hay manera de saber cuan variable puede ser este resultado. Puede depender de si el test comienza o finaliza con una serie de pérdidas, lo cual puede distorsionar los resultados, aún si el número de ganancias y pérdidas cumple con los porcentajes.
El método de Monte Carlo evita esta limitación al brindarle al trader probabilidades de resultados. Puesto de forma simple, este principio filosófico sostiene que no hay tal cosa como un "sistema perfecto" para vencer en juegos que producen resultados a través de eventos independientes. Tomando el punto de inicio de una probabilidad de entrada, el análisis examina muchas series de eventos distintos, cumpliendo con nuestros parámetros tales como el porcentaje de ganancias y pérdidas. Como resultado se obtiene otra curva de probabilidad -podemos pensar por ejemplo en la curva de distribución normal- la cual nos da información mucho más precisa. Simplemente con mirar el área bajo la curva, el trader es capaz de decir que la probabilidad de una cuenta de terminar con un monto menor a X es 30% por ejemplo.
En caso de que alguien piense que este método es de suma utilidad, pero tiene el problema de que no es muy hábil para las matemáticas, tiene que saber que hay programas comerciales disponibles y add-ons de Excel que hacen posible la aplicación del análisis de Monte Carlo de forma sencilla.
0 comentarios:
Post a Comment