Co je Monte Carlo simulace v tradingu

Trading patří do oblasti Osobní finance a peníze a konkrétně do tématu Burza a trading (indexy, forex, CFD). Monte Carlo simulace v tradingu je statistická metoda, která umožňuje pomocí velkého množství náhodně vytvořených scénářů odhadnout, jak se může obchodní strategie chovat v různých podmínkách. Trader díky ní může například zkoumat možné drawdowny, série ztrát, rozložení výsledků nebo pravděpodobný vývoj obchodního účtu. Nejde o předpověď budoucnosti, ale o způsob, jak lépe pochopit rozsah možných výsledků strategie.

Jak Monte Carlo simulace funguje

Monte Carlo simulace vychází z historických výsledků obchodní strategie a vytváří z nich velké množství alternativních scénářů. Výsledky obchodů mohou být například náhodně přeskupovány nebo náhodně vybírány podle jejich statistických vlastností.

Pokud má trader například 500 historických obchodů, simulace může vytvořit tisíce různých hypotetických posloupností těchto výsledků. Každá posloupnost může vést k jinému průběhu kapitálu.

Jedna simulace tak může vytvořit relativně hladký růst účtu, zatímco jiná může obsahovat dlouhou sérii ztrát.

Proč nestačí pouze backtest

Backtest ukazuje, jak strategie fungovala v konkrétním historickém pořadí obchodů. To však neznamená, že stejné pořadí výsledků nastane také v budoucnosti.

Strategie může mít například 55 % vítězných obchodů a kladnou Expectancy, ale skutečné pořadí zisků a ztrát může být v budoucnu úplně jiné.

Monte Carlo simulace umožňuje tento problém částečně řešit tím, že testuje mnoho různých možných pořadí výsledků.

Monte Carlo simulace a drawdown

Jedním z nejdůležitějších využití Monte Carlo simulace je odhad možného maximálního drawdownu.

Představme si strategii, která měla v backtestu maximální drawdown 15 %. To však nemusí znamenat, že budoucí maximální drawdown bude také pouze 15 %.

Monte Carlo simulace může ukázat scénáře, ve kterých se série ztrát seřadí nepříznivěji a drawdown dosáhne například 20 %, 25 % nebo ještě vyšší hodnoty.

Trader tak získá realističtější představu o riziku strategie.

Monte Carlo a série ztrát

Simulace může ukázat také pravděpodobnou délku série ztrát. Strategie s vysokou úspěšností nemusí být imunní vůči několika ztrátovým obchodům za sebou.

Pokud má systém například 50% win rate, série pěti, šesti nebo více ztrát není automaticky důkazem, že strategie přestala fungovat.

Monte Carlo simulace může traderovi ukázat, jaké série ztrát jsou při daných statistických parametrech možné a jak často se mohou v simulovaných scénářích objevit.

Monte Carlo a velikost obchodní pozice

Výsledky simulace mohou pomoci také při nastavení velikosti pozice. Pokud například trader zjistí, že při riziku 2 % na obchod může v nepříznivém scénáři dojít k velmi hlubokému drawdownu, může zvážit nižší riziko.

Stejnou strategii lze simulovat například při riziku 0,5 %, 1 % nebo 2 % účtu na obchod a porovnat možné průběhy kapitálu.

Monte Carlo tak nepřináší pouze informaci o strategii, ale také o tom, jak agresivně ji trader obchoduje.

Monte Carlo simulace a Expectancy

Expectancy ukazuje průměrný očekávaný výsledek obchodu, zatímco Monte Carlo simulace umožňuje zkoumat možné rozložení budoucích výsledků.

Strategie může mít například Expectancy +0,30R, ale jednotlivé simulace mohou vytvořit velmi odlišné výsledky.

Jedna cesta může skončit vysokým zhodnocením účtu, zatímco jiná může nejprve projít hlubokým drawdownem a teprve potom růst.

Kombinace těchto statistik proto poskytuje lepší pohled než samotná Expectancy.

Monte Carlo a obchodní deník

Pro kvalitní simulaci je potřeba dostatečné množství kvalitních historických dat. Trader by měl mít zaznamenané výsledky jednotlivých obchodů, ideálně v jednotkách R nebo v procentuální změně účtu.

Čím menší vzorek dat použijeme, tím méně spolehlivé mohou být výsledky simulace.

Pokud je například strategie otestována pouze na 30 obchodech, nemusí statistické vlastnosti tohoto vzorku dobře reprezentovat její skutečné chování.

Jak Monte Carlo simulaci interpretovat

Výsledkem simulace není jedna konkrétní předpověď. Obvykle vzniká velké množství možných scénářů, které lze následně statisticky vyhodnotit.

Trader může sledovat například medián výsledku, nejhorší simulované drawdowny, délku ztrátových sérií nebo procento simulací, ve kterých účet dosáhl určitého zhodnocení.

Čím širší je rozpětí výsledků, tím větší nejistotu může strategie představovat.

Monte Carlo simulace není garance

Monte Carlo simulace nemůže zaručit, že budoucnost bude odpovídat historickým datům. Simulace totiž vychází z předpokladu, že statistické vlastnosti minulých obchodů budou alespoň částečně relevantní také v budoucnu.

Pokud se změní tržní prostředí nebo přestane fungovat obchodní výhoda strategie, mohou být skutečné výsledky výrazně horší než simulované scénáře.

Proto by Monte Carlo mělo být pouze jedním z nástrojů hodnocení systému.

Monte Carlo versus běžný backtest

Backtest odpovídá především na otázku, jak by strategie fungovala v konkrétní historické sekvenci trhu. Monte Carlo simulace se naopak snaží zjistit, jak rozdílně by mohl stejný soubor statistických výsledků vypadat při jiném pořadí obchodů.

Oba přístupy se proto doplňují. Backtest poskytuje historický základ a Monte Carlo pomáhá testovat jeho odolnost vůči náhodnému pořadí výsledků.

Jak využít Monte Carlo v praxi

Praktický postup může začít kompletním obchodním deníkem a backtestem strategie. Z výsledků trader získá win rate, průměrný zisk, průměrnou ztrátu, Expectancy a další statistiky.

Následně lze vytvořit tisíce simulovaných průběhů a sledovat zejména maximální drawdown, možné série ztrát a rozpětí konečných výsledků.

Pokud například většina simulací vykazuje přijatelné riziko, ale určitá část scénářů vytváří extrémní drawdown, trader může podle toho upravit velikost pozic.

Monte Carlo jako kontrola robustnosti strategie

Hlavním přínosem Monte Carlo simulace je lepší pochopení nejistoty. Úspěšný backtest ještě neznamená, že trader přesně ví, jak bude jeho účet vypadat v budoucnosti.

Simulace může ukázat, že strategie má například dobrý průměrný výsledek, ale současně musí trader počítat s výrazně delšími ztrátovými obdobími.

To je důležité při plánování kapitálu, velikosti pozic i psychologické přípravě.

Monte Carlo simulace v tradingu pomáhá traderovi zjistit, jak široké rozpětí výsledků může jeho strategie za různých náhodných scénářů vytvářet. Vychází z historických výsledků a vytváří velké množství alternativních průběhů, například změnou pořadí jednotlivých obchodů. Díky tomu lze lépe odhadnout možné drawdowny, délku ztrátových sérií nebo rozdíly mezi optimistickými a nepříznivými scénáři. Její význam je především v tom, že samotný backtest ukazuje pouze jeden konkrétní historický průběh. Strategie mohla mít například maximální drawdown 15 %, ale jiné pořadí stejných obchodních výsledků může vytvořit podstatně hlubší propad. Monte Carlo simulace proto pomáhá traderovi připravit se na skutečnost, že budoucí průběh účtu nemusí kopírovat historický backtest. Výsledky lze následně využít při nastavování velikosti pozice a rizika na jeden obchod. Pokud simulace ukazuje, že při riziku 2 % na obchod může strategie v nepříznivém scénáři zaznamenat extrémní drawdown, může dávat smysl testovat nižší riziko. Monte Carlo však není předpověď budoucnosti ani garance výsledků. Stále vychází z předpokladu, že historické statistické vlastnosti strategie budou alespoň částečně relevantní i nadále. Proto by měla být používána společně s backtestem, obchodním deníkem, Expectancy, drawdownem a dalšími statistikami. Jejím hlavním přínosem je lepší pochopení nejistoty a robustnosti obchodní strategie.