Simulação de Monte Carlo

Um backtest te dá uma história — o único caminho que de fato aconteceu. Mas esse caminho foi em parte sorte. A simulação de Monte Carlo pergunta: como minha estratégia se sairia nas muitas histórias que poderiam plausivelmente ter acontecido?

A ideia

O Monte Carlo gera milhares de cenários alternativos introduzindo aleatoriedade controlada, e depois roda a estratégia por cada um. Técnicas comuns:

• Reamostrar as operações — embaralhar a ordem das suas operações históricas, ou amostrá-las com reposição, para construir milhares de curvas de capital alternativas.
• Simular preços — gerar caminhos de preço sintéticos com propriedades estatísticas casadas com os dados reais (crucialmente, incluindo caudas gordas).
• Aleatorizar parâmetros e datas de início — para testar se o resultado dependeu de um único ponto de partida de sorte ou de um ajuste preciso.

O que revela

Em vez de um único 'a estratégia rendeu 30 por cento', você obtém uma distribuição de resultados:

• Uma faixa realista de retornos em vez de uma estimativa pontual.
• A probabilidade e a profundidade de grandes drawdowns — muitas vezes bem mais feios do que o backtest único sugeria.
• A chance de ruína — a probabilidade de sua conta ser zerada em algum ponto de um caminho ruim.

O valor sóbrio

Uma estratégia que parece ótima no seu único caminho histórico pode parecer aterrorizante ao longo de mil caminhos plausíveis — revelando que o resultado de manchete devia mais a uma sequência de sorte do que a uma vantagem robusta. O Monte Carlo não vai salvar uma estratégia sem vantagem real, e depende inteiramente do realismo das suas suposições (lixo entra, lixo sai). Mas é uma das poucas ferramentas que coloca um intervalo de confiança honesto em torno de um resultado, em vez da falsa precisão de um único número.