یک بکتست به شما یک منحنی سرمایه میدهد و آن منحنی، فقط یکی از ترتیبهای ممکن معاملههاست. اگر همان معاملهها با ترتیب دیگری اتفاق میافتادند، بیشترین افت سرمایهی شما میتوانست دو برابر شود. شبیهسازی مونت کارلو دقیقا برای دیدن همین موضوع ساخته شده است: بهجای یک منحنی، هزاران نسخه از همان استراتژی میسازد و نشان میدهد بدترین حالت واقعبینانه چقدر بد است. در این درس سطح پیشرفته میبینیم این روش چطور کار میکند، خروجیاش را چطور بخوانیم، سه شیوهی اجرای آن کدام است و کدام شش محدودیت را نباید فراموش کرد. با اسمارت اف ایکس همراه باشید.
مونت کارلو چیست؟
مونت کارلو روشی است که با اجرای هزاران نسخهی تصادفی از یک فرایند، دامنهی نتیجههای ممکن آن را میسازد.
در معاملهگری، ورودی این روش نتیجهی معاملههای یک بکتست است. هیچ دادهی تازهای ساخته نمیشود؛ فقط ترتیب همان نتیجهها هزاران بار عوض میشود. خروجی نهایی، بهجای یک عدد، توزیعی از نتیجههای ممکن است.
پیشنیاز این کار، داشتن یک بکتست درست است. اگر با روش اعتبارسنجی استراتژی آشنا نیستید، ابتدا درس بکتست و اج معاملاتی را بخوانید.
مشکلی که مونت کارلو حل میکند
فرض کنید استراتژی شما در دو سال گذشته صد معامله داشته و در مجموع سودده بوده است. آن منحنی سرمایهی صاف و رو به بالا، یک واقعیت مهم را پنهان میکند: ترتیب اتفاق افتادن آن معاملهها.
اگر شش ضرر پیاپی آن دوره در ماههای میانی پخش شده باشند، منحنی نرم به نظر میرسد. اگر همان شش ضرر در همان ابتدا پشت سر هم میآمدند، افت سرمایهی شما میتوانست از حد تحملتان بگذرد و حساب را ببندید؛ حتی با اینکه استراتژی در پایان دوره سودده بوده است.
نکتهی کلیدی همینجاست: آینده، ترتیب تازهای از همان معاملههاست. شما نمیدانید ضررهای پیاپی سال آینده کجا جمع میشوند و همین، دلیل وجود این شبیهسازی است.
مونت کارلو چطور کار میکند؟
روش کار مونت کارلو سه گام دارد:
- برداشتن نتیجهها. فهرست سود و زیان همهی معاملههای بکتست را برمیدارید؛ فقط اعداد، بدون تاریخ.
- بر زدن ترتیب. همان اعداد را هزاران بار با ترتیب تصادفی میچینید. هر چیدمان، یک سناریوی ممکن از آینده است.
- ساخت توزیع. برای هر چیدمان، منحنی سرمایه و بیشترین افت آن حساب میشود و در پایان، هزاران نتیجه کنار هم قرار میگیرند.
حاصل کار، پاسخ به این پرسش است: در نود و پنج درصد سناریوها، بدترین افت سرمایه چقدر بود؟ همان عدد، پایهی تصمیمگیری بعدی شماست.
خروجی مونت کارلو را چطور بخوانیم؟
چهار خروجی مهمترینها هستند.
بیشترین افت سرمایه در صدک نود و پنج. یعنی در نود و پنج درصد سناریوها، افت از این عدد بدتر نشده است. اگر بکتست شما افت پانزده درصدی نشان میدهد و این عدد بیست و هشت درصد است، عدد دوم واقعیتی است که باید برایش آماده باشید.
دامنهی بازده پایان دوره. فاصلهی بدترین تا بهترین نتیجه. هرچه این دامنه پهنتر باشد، نقش شانس در نتیجهی استراتژی بیشتر است.
احتمال از دست رفتن حساب. سهم سناریوهایی که به سقف ضرر قابل تحمل میرسند. اگر این عدد از چند درصد بیشتر است، حجم معامله باید کم شود؛ روش محاسبهاش در درس مدیریت ریسک و حد ضرر آمده است.
طولانیترین دورهی زیان. بیشترین فاصلهی زمانی تا بازگشت به سقف قبلی سرمایه. این عدد بیشتر از آنکه مالی باشد، روانی است: باید بدانید ممکن است چند ماه بدون رشد سرمایه معامله کنید. آمادگی برای این دوره در درس روانشناسی معاملهگری بررسی شده است.
سه روش اجرای مونت کارلو
هر روش، فرض متفاوتی دربارهی آینده دارد.
روش اول، بر زدن ساده. همان مجموعه معاملهها با ترتیب تصادفی. فرضش این است که آینده همان معاملهها را با چیدمان دیگری تکرار میکند. سادهترین و پرکاربردترین روش است.
روش دوم، نمونهگیری با جایگذاری. در هر اجرا، معاملهها بهصورت تصادفی و با امکان تکرار انتخاب میشوند؛ یعنی یک معامله ممکن است چند بار بیاید و معاملهی دیگری اصلا نیاید. این روش دامنهی نتیجههای پهنتری میسازد و محافظهکارانهتر است.
روش سوم، تصادفیسازی پارامترها. علاوه بر ترتیب، شرایط اجرا هم کمی تغییر میکند: لغزش قیمت، اسپرد و حتی نقطهی ورود. این روش نزدیکترین تصویر به شرایط واقعی را میدهد و پیادهسازی سنگینتری دارد.
برای شروع، هزار اجرا با روش اول تصویر خوبی میدهد. بیشتر پلتفرمهای بکتست و بسیاری از کتابخانههای تحلیل داده این قابلیت را دارند؛ اجرای آن در قالب یک برنامه هم کار پیچیدهای نیست و در درس معاملات الگوریتمی به چنین ابزارهایی پرداخته شده است.
تصمیمهایی که با این خروجی گرفته میشود
شبیهسازی مونت کارلو وقتی ارزش دارد که به تصمیم مشخصی برسد. سه تصمیم رایج:
- تعیین حجم معامله. اگر افت سرمایه در بدترین سناریوها از حد تحمل شما بیشتر است، ریسک هر معامله را کم کنید تا آن عدد در محدودهی قابل قبول بیفتد.
- مقایسهی دو استراتژی. دو استراتژی میتوانند بازده سالانهی یکسانی داشته باشند و توزیع نتیجههایشان کاملا متفاوت باشد. استراتژی با دامنهی باریکتر، قابل اتکاتر است.
- تعیین نقطهی توقف. اگر بدانید افت هجده درصدی در توزیع شما طبیعی است، با رسیدن به دوازده درصد استراتژی را کنار نمیگذارید. در عوض، افت سی درصدی نشانهی جدی خراب شدن شرایط است.
همین قدم آخر مهمترین کاربرد عملی این ابزار است: مرزی مشخص میان «دورهی بد طبیعی» و «استراتژی از کار افتاده».
شش محدودیت و اشتباه در مونت کارلو
- ورودی ضعیف. مونت کارلو کیفیت داده را بهتر نمیکند؛ بکتست بیشبرازششده، خروجی بیارزش میدهد.
- نمونهی کوچک. با کمتر از صد معامله، نتیجهی مونت کارلو بیثبات است و با هر اجرا تغییر میکند.
- نادیده گرفتن توالی بازار. بر زدن ترتیب، خوشهای بودن نوسان را از بین میبرد؛ در بازار واقعی دورههای پرتلاطم پشت سر هم میآیند.
- فرض ثابت بودن شرایط. این روش فرض میکند رفتار بازار آینده مثل گذشته است، در حالی که رژیم بازار عوض میشود؛ موضوع درس رژیم بازار.
- خواندن فقط میانگین. ارزش این ابزار در دنبالهی بد توزیع است و نگاه کردن به میانگین، همان اطلاعات بکتست را تکرار میکند.
- تکرار تا نتیجهی دلخواه. تغییر فرضها تا رسیدن به عددی که خوشایند است، خودفریبی است و همهی فایدهی کار را از بین میبرد.
نکات کلیدی این درس
- مونت کارلو هزاران نسخه از یک استراتژی میسازد.
- دادهی تازهای ساخته نمیشود؛ فقط ترتیب معاملهها عوض میشود.
- خروجی مونت کارلو یک عدد نیست، توزیعی از نتیجههاست.
- مهمترین خروجی، بیشترین افت سرمایه در صدک بالا است.
- سه روش دارد و بر زدن ساده برای شروع کافی است.
- با کمتر از صد معامله نتیجه بیثبات است.
- ارزش اصلیاش در دنبالهی بد توزیع است.
اسمارت اف ایکس؛ مرجع مقایسه و انتخاب بهترین خدمات مالی
اسمارت اف ایکس همراه هوشمند شما در مسیر معاملهگری است؛ ما ابزار، دانش و تحلیلهای پیشرفته را در اختیار شما میگذاریم تا با اطمینان و هوشمندی، تصمیمات سرمایهگذاری بهتر و بهروزتری بگیرید.
برخی از مزایای همکاری با اسمارت اف ایکس شامل موارد زیر است:
- بررسی بیطرفانه: بروکرها و بسترهای معاملاتی را بر اساس واقعیتها و بدون جانبداری بررسی میکنیم تا انتخاب آگاهانهای داشته باشید.
- رشد سواد مالی: محتوای آموزشی و تحلیلی جامع تهیه میکنیم تا مهارتهای لازم برای فعالیت موفق در بازارهای مالی را کسب کنید.
- تهیه مقالات جدید: با تمرکز بر دانش روز، مقالات آموزشی و تحلیلی بهروز منتشر میکنیم.
- پایبندی به اصل شفافیت: نظرات و بازخوردهای کاربران را بدون حذف یا ویرایش منتشر میکنیم.
💬 اگر سوالی دارید یا نیاز به راهنمایی دارید، میتوانید از راههای ارتباطی زیر با ما در تماس باشید:
- تلگرام پشتیبانی: smartfxsupport
- ایمیل پشتیبانی: support@smartfxac.com
جمعبندی
مونت کارلو تصویر خوشبینانهای که یک بکتست میسازد را با واقعیت روبهرو میکند و نشان میدهد همان استراتژی، در ترتیبهای دیگر چه سرنوشتی داشت. اگر یک جمله از این درس بماند، همین باشد: بکتست میگوید استراتژی چه کرد و این شبیهسازی میگوید چه میتوانست بکند. برای تمرین، فهرست سود و زیان آخرین صد معاملهی خودتان را در یک صفحهگسترده بریزید، ده بار ترتیبشان را دستی بر بزنید و بیشترین افت سرمایهی هر بار را بنویسید. فاصلهی میان کمترین و بیشترین آن ده عدد، همان چیزی است که این درس دربارهاش بود.
سوالات متداول درباره مونت کارلو
۵ سوالمونت کارلو چند اجرا لازم دارد؟
هزار اجرا برای بیشتر کاربردها کافی است. بالاتر از پنج هزار، تغییر محسوسی در نتیجه ایجاد نمیشود.
حداقل چند معامله باید داشته باشم؟
زیر صد معامله نتیجه بیثبات است. برای تصمیمگیری جدی، دویست معامله یا بیشتر پایهی مطمئنتری میدهد.
آیا این روش آینده را پیشبینی میکند؟
خیر. دامنهی نتیجههای ممکن را بر اساس گذشته نشان میدهد و دربارهی احتمال هر سناریو در آینده تضمینی نمیدهد.
برای معاملهی دستی هم کاربرد دارد؟
بله، به شرط داشتن ژورنال کامل. فهرست سود و زیان معاملههای ثبتشده، همان ورودی لازم را فراهم میکند.
با چه ابزاری میشود اجرا کرد؟
بسیاری از پلتفرمهای بکتست این قابلیت را دارند. در سادهترین حالت، با یک صفحهگسترده یا چند خط کد هم قابل اجراست.
