O que é simulação de Monte Carlo
Simulação de Monte Carlo é um método que repete muitos sorteios aleatórios de um modelo para estimar a distribuição dos resultados possíveis, em vez de calcular um único resultado.
Em investimentos e trading, o sorteio costuma recair sobre retornos, preços ou a ordem das operações. O resultado não é uma previsão. É um leque de cenários com frequências: quantos terminam com ganho, quantos com perda, qual a queda máxima típica e qual a pior.
Pronto para testar em uma conta real ou demo?
Link de parceiro · operar envolve alto risco de perda
Definição formal
Seja X uma variável aleatória com distribuição conhecida ou estimada e f uma função do resultado, por exemplo o saldo final de uma carteira. O estimador de Monte Carlo para o valor esperado de f(X) é a média de f(Xᵢ) calculada sobre amostras independentes Xᵢ tiradas dessa distribuição.
- Pela lei dos grandes números, a média converge para o valor esperado quando o número de amostras cresce.
- O erro de estimativa cai proporcionalmente ao inverso da raiz quadrada do número de amostras. Para reduzir o erro pela metade, é preciso multiplicar o número de simulações por quatro.
- Há duas variantes comuns:
- Paramétrica: sorteia a partir de uma distribuição assumida, por exemplo a normal.
- Bootstrap: reamostra os dados históricos com reposição.
Exemplo hipotético
Suponha um trader com o histórico de operações de uma estratégia em backtest. O histórico mostra uma taxa de acerto, um ganho médio e uma perda média.
- A ordem das operações é embaralhada aleatoriamente, formando uma nova sequência.
- A curva de capital é recalculada para essa sequência, e o drawdown máximo é anotado. Drawdown é a queda do pico ao vale.
- Os passos anteriores são repetidos muitas vezes.
- Os drawdowns são ordenados e se observa a faixa onde fica a maioria e a cauda dos piores casos.
O ganho total pode ser igual em todas as sequências, mas o drawdown varia muito com a ordem das perdas. Uma estratégia que parecia suave no backtest pode mostrar, na simulação, sequências de perdas capazes de esgotar a margem. Margem é o valor exigido como garantia para manter posições alavancadas.
Com alavancagem, uma sequência ruim consome o capital rapidamente. CFDs e forex alavancados podem gerar perdas rápidas, e nenhuma simulação elimina esse risco.
Onde o termo aparece
- Softwares de backtest e plataformas de análise: ferramentas que embaralham operações ou retornos para testar a robustez de uma estratégia. As plataformas de trading variam no que oferecem nativamente.
- Relatórios de gestoras e planejamento financeiro: aparecem como faixas de patrimônio futuro ou probabilidade de atingir uma meta.
- Gestão de risco institucional: cálculo de VaR (Value at Risk) por simulação e testes de estresse.
- Notícias: projeções com intervalo de cenários, em vez de um número único.
Limites e casos-limite
- Lixo entra, lixo sai: se a distribuição de entrada estiver errada, a saída também estará.
- Caudas gordas: a distribuição normal subestima eventos extremos. Veja fat tails e tail risk e cisne negro.
- Dependência entre operações: o embaralhamento supõe independência e apaga sequências reais de perdas que surgem em mudanças de regime.
- Não estacionariedade: o passado reamostrado não contém condições de mercado que nunca ocorreram.
- Correlação entre ativos: em carteiras, é preciso sortear os retornos de forma conjunta. Veja coeficiente de correlação.
Termos relacionados
- Gerenciamento de risco
- Volatilidade anualizada
- Retorno anualizado
- Média aritmética e geométrica
- Estratégias de trading
- Calculadoras e simuladores
- Glossário de trading
Perguntas frequentes
Qual é o significado de Monte Carlo no nome?
É uma referência ao cassino de Monte Carlo, porque o método depende de sorteios aleatórios, como num jogo de azar.
A simulação de Monte Carlo prevê o mercado?
Não. Ela mostra uma distribuição de resultados possíveis sob as hipóteses do modelo. Não diz o que vai acontecer.
Quantas simulações são necessárias?
Depende da precisão desejada. Mais simulações reduzem o erro de estimativa, mas não corrigem um modelo errado.
Monte Carlo serve para qualquer estratégia?
Serve como teste de robustez. Ainda assim, estratégias com operações dependentes entre si ou sensíveis a regimes de mercado exigem métodos de reamostragem mais cuidadosos.
