English Français العربية

Monte Carlo Backtest Validator

Registre officiel Autres

Bootstrap Monte Carlo backtest validation and prop-firm challenge pass-probability simulation.

Code source Documentation

Installation

Ajoutez ceci à la configuration MCP de votre client (Claude Desktop : claude_desktop_config.json ; Cursor : .cursor/mcp.json ; VS Code et les autres utilisent la même forme « mcpServers »).

Remote (streamable-http)
Claude Code 
claude mcp add --transport http monte-carlo-backtest-validator 'https://montecarlo-validator-mcp.mcpize.run/mcp'
Configuration JSON (Claude Desktop, Cursor, VS Code) 
{
    "mcpServers": {
        "monte-carlo-backtest-validator": {
            "type": "http",
            "url": "https://montecarlo-validator-mcp.mcpize.run/mcp"
        }
    }
}

Documentation

Tirée du README du projet sur GitHub, actualisée chaque semaine. Les liens ouvrent GitHub.

Sommaire
  1. montecarlo-validator-mcp
  2. The problem this solves
  3. Tools
  4. Use it
  5. Part of the AlgoForge suite
  6. License

montecarlo-validator-mcp

An MCP server that statistically validates whether a backtest's edge is real, using bootstrap-resampling and reshuffling Monte Carlo methodology, plus prop-firm-specific pass-probability simulation.

The problem this solves

A single backtest equity curve tells you what happened on one path through history — it doesn't tell you how likely that result was to happen by chance, or what the range of plausible outcomes looks like on the next set of trades. This wraps the actual statistical validation (bootstrap confidence intervals, drawdown-path percentiles, challenge pass-probability simulation) instead of eyeballing one curve.

Tools

monte_carlo_validate

Bootstrap 90% confidence interval on per-trade expected value (flags when the interval includes zero), plus drawdown-path percentiles via reshuffling.

expected_value_calculator

Per-trade EV from win rate, average win, and average loss.

prop_firm_pass_probability

Simulates challenge pass probability from win-rate/risk-reward/target/drawdown-limit inputs.

risk_geometry_comparator

Ranks multiple win-rate/risk-reward geometries by simulated pass rate — surfaces that tight, high-win-rate setups often out-pass high-RR/low-win-rate setups on a fixed-target challenge, independent of raw expected value.

Use it

Hosted (recommended): MCPize — free tier, paid Pro tier for higher limits.

Self-host:

npm install
node server.js

Part of the AlgoForge suite

Prop-firm and quant-validation tools for algo traders: prop-rules-mcp, trade-journal-mcp, payout-calc-mcp, econ-calendar-mcp, overfitting-audit-mcp, walkforward-validator-mcp, pinescript-audit-mcp, backtest-cost-sensitivity-mcp, pinescript-mcp.

License

MIT

Questions fréquentes

Qu'est-ce que Monte Carlo Backtest Validator ?

Bootstrap Monte Carlo backtest validation and prop-firm challenge pass-probability simulation.

Comment installer Monte Carlo Backtest Validator ?

Il fonctionne comme serveur distant. Dans Claude Code : claude mcp add --transport http monte-carlo-backtest-validator 'https://montecarlo-validator-mcp.mcpize.run/mcp'. Pour les autres clients, collez la configuration JSON de cette page dans leurs réglages MCP.

Faut-il une clé API pour Monte Carlo Backtest Validator ?

Son entrée au registre n'indique aucune clé ni secret obligatoire. Certaines fonctions peuvent tout de même demander un compte auprès du service auquel il se connecte.

Monte Carlo Backtest Validator est-il open source ?

Oui. Son code est sur GitHub sous licence MIT.

Qui maintient Monte Carlo Backtest Validator ?

Il est publié par tylerscomic-lab. AI.tn le référence sans le maintenir ni le recommander.

Issu du registre MCP officiel. Être listé n'est pas une recommandation : vérifiez le code et les permissions d'un serveur avant de lui donner accès à vos données.