Cos'è la simulazione Monte Carlo nel trading
La simulazione Monte Carlo nel trading è un metodo per testare una strategia su molti scenari possibili, invece di fidarsi di un solo percorso storico. Prende trade, rendimenti o ipotesi operative e li ricombina in centinaia o migliaia di percorsi alternativi.
Il punto non è prevedere il futuro. Il punto è vedere quanto fragile può diventare la strategia quando il futuro non replica esattamente il backtest.
Perché un backtest bello non basta
Un backtest può essere elegante, crescente e convincente. Ma spesso racconta una sola sequenza: quell'ordine specifico di trade, quella volatilità, quel regime di mercato, quella combinazione di entrate e uscite.
Il problema è che nel trading reale non ricevi i trade nell'ordine più comodo. Le perdite possono arrivare prima dei profitti. Il drawdown può concentrarsi quando la size è più alta. La strategia può vivere lo stesso edge, ma con un percorso psicologicamente e finanziariamente molto più duro.
Per questo Monte Carlo si collega direttamente a metriche come maximum drawdown, Value at Risk e Ulcer Index. Non basta sapere quanto ha guadagnato. Devi capire quanto poteva farti soffrire.
Come funziona Monte Carlo su una strategia di trading
Nel trading, una simulazione Monte Carlo può essere costruita in vari modi. Il più semplice è rimescolare l'ordine dei trade storici. Versioni più avanzate ricampionano rendimenti, introducono slippage, cambiano volatilità o simulano errori di esecuzione.
- shuffle dei trade: cambia l'ordine dei risultati storici
- bootstrap dei rendimenti: ricampiona blocchi o singoli ritorni
- stress su costi e slippage: peggiora condizioni realistiche di esecuzione
- variazione dei parametri: controlla se il sistema resta stabile vicino ai settaggi scelti
- simulazione del rischio di rovina: misura la probabilità di drawdown non sostenibili
Per un Expert Advisor, questo controllo è fondamentale: un sistema non deve essere bello solo nel report. Deve restare credibile quando cambia la sequenza degli eventi.
Cosa guardare nei risultati Monte Carlo
La parte importante non è generare mille curve colorate. La parte importante è leggere cosa ti stanno dicendo. Se le simulazioni divergono troppo, il backtest è fragile. Se il worst case è ingestibile, il sizing è troppo aggressivo. Se il drawdown percentile è molto più alto del drawdown storico, il report originale era troppo comodo.
- drawdown mediano e drawdown al 90° o 95° percentile
- range finale del capitale dopo N trade
- probabilità di chiudere sotto una certa soglia
- numero massimo di perdite consecutive
- risk of ruin o probabilità di superare un drawdown limite
Qui il confronto con Recovery Factor, K-Ratio e Sortino Ratio diventa molto utile: Monte Carlo stressa il percorso, le metriche leggono la qualità del rischio.
Errori comuni quando si usa Monte Carlo
L'errore più grande è usare Monte Carlo come decorazione del backtest. Se lo fai solo per aggiungere un grafico, non serve. Deve diventare una regola decisionale.
- non considerare costi, spread e slippage peggiorativi
- fidarsi di pochi trade storici
- ignorare dipendenza tra trade e regimi di mercato
- guardare solo la curva media e non i percentili peggiori
- non ridurre la size quando lo scenario critico è troppo duro
Un buon sistema non è quello che produce la curva più bella. È quello che resta sensato anche quando il percorso si sporca.
Vuoi capire se il tuo Expert Advisor è robusto o solo ottimizzato bene?
Possiamo analizzare backtest, Monte Carlo, drawdown distribution, sizing e stabilità dei parametri per capire se il sistema può reggere condizioni reali.
FAQ
Monte Carlo prevede il futuro?
No. Serve a stressare la strategia su molti percorsi possibili, non a prevedere quale percorso arriverà davvero.
Quanti trade servono per una simulazione utile?
Più trade hai, più il test diventa informativo. Con pochi trade Monte Carlo può mostrare fragilità, ma non rende il campione magicamente affidabile.
È utile per Expert Advisor?
Sì. È uno dei controlli più utili per capire se un EA dipende troppo da una sequenza fortunata di trade o da parametri sovraottimizzati.
Monte Carlo sostituisce il forward test?
No. Lo completa. Monte Carlo stressa il backtest, il forward test controlla il comportamento su dati nuovi.