Edges não se encontram no chute
A maioria dos traders chega às suas estratégias por acaso. Leem sobre divergência de RSI em algum lugar, testam, veem alguns ganhos e declaram que encontraram um edge (vantagem estatística). Seis meses depois, a conta deles conta outra história.
O trading quantitativo profissional não funciona assim. Você não encontra edges no chute—você os encontra com uma exploração sistemática.
Esta aula apresenta o método que usamos para descobrir edges de trading. Nada de palpites. Nada de dicas de indicador tiradas do Twitter. Edges reais, validados estatisticamente, que sobrevivem ao contato com o mercado ao vivo.
Descoberta por hipóteses vs mineração de dados
Existem duas abordagens fundamentalmente diferentes para encontrar edges:
Descoberta orientada por hipóteses começa com uma teoria sobre por que algo deveria funcionar. "Taxas de financiamento (funding rates) acima de 0.1% criam pressão vendedora, porque os Longs pagam para manter suas posições" é uma hipótese. Depois, você testa se os dados dão suporte a ela.
Mineração de dados (data mining) faz o caminho oposto: varre quantidades enormes de dados em busca de padrões e só depois tenta explicá-los. "O RSI de 17 períodos cruzando abaixo de 23 às terças-feiras mostra taxa de acerto de 58%" pode ser um resultado de mineração de dados.
As duas abordagens podem funcionar, mas falham de maneiras diferentes:
A descoberta orientada por hipóteses pode deixar passar edges que você nem pensaria em procurar. Seu modelo mental dos mercados pode estar incompleto ou errado.
A mineração de dados pode encontrar padrões que são puro ruído—artefatos estatísticos que existem na sua amostra, mas não vão persistir no futuro.
A nossa abordagem usa as duas. Temos hipóteses sobre o que deveria funcionar (com base na microestrutura de mercado, na mecânica dos derivativos e na dinâmica de fluxo), mas também varremos combinações de forma sistemática para encontrar edges que não teríamos adivinhado.
O pipeline de descoberta
Descobrir edges não é um passo único—é um pipeline. Cada etapa filtra candidatos, e só os sobreviventes seguem adiante.
Etapa 1: Preparação dos dados Antes de descobrir qualquer coisa, você precisa de dados limpos, alinhados e normalizados do jeito certo. Vimos isso no nível Dados. A normalização z-score, a rotulagem de regimes e o alinhamento temporal acontecem todos aqui.
Etapa 2: Geração de candidatos É aqui que você gera os possíveis edges a testar. Para nós, isso significa combinar indicadores de forma sistemática:
- O indicador principal cruza um limiar
- Confirmação por um indicador secundário
- Direção (LONG ou SHORT)
- Período de permanência na posição
Um único indicador pode ter 10 níveis de limiar relevantes. Dois indicadores combinados, em duas direções e cinco períodos de permanência, geram 10 × 10 × 2 × 5 = 1,000 candidatos. E isso com apenas dois indicadores.
Etapa 3: Backtest inicial Passe cada candidato pelo seu motor de backtesting. A maioria vai falhar logo de cara: taxa de acerto abaixo de 50%, expectativa matemática negativa ou amostras pequenas demais. Esses candidatos são descartados.
Normalmente eliminamos 95%+ dos candidatos nesta etapa.
Etapa 4: Testes de validação Os candidatos que sobrevivem passam por uma validação de verdade: teste walk-forward, períodos fora da amostra, testes de estresse por regime. É aqui que os edges com ajuste à curva (curve fitting) ficam expostos.
Outros 80-90% costumam falhar aqui.
Etapa 5: Testes de robustez Os sobreviventes finais passam por uma análise de robustez: sensibilidade dos parâmetros, pequenas mudanças nos limiares, janelas de tempo diferentes. Se pequenas mudanças alteram drasticamente o desempenho, o edge é frágil.
Etapa 6: Trading demo Os edges que passam por toda a validação de backtest rodam em conta demo antes de receber capital real. Essa etapa revela premissas de execução erradas, problemas de timing dos dados e falhas operacionais.
Só depois de todas as etapas um edge é promovido para o trading ao vivo, com dinheiro real.
A abordagem de combinação de indicadores
Por que combinar indicadores? Porque edges de um único indicador quase sempre são fracos ou inexistentes em mercados eficientes.
Pense bem: se comprar quando o RSI cai abaixo de 30 funcionasse de forma consistente, todo mundo faria isso, e o edge desapareceria. Os mercados incorporam sinais simples ao preço quase instantaneamente.
Mas as combinações são diferentes. Quando o z-score da taxa de financiamento cai abaixo de -2 E os contratos em aberto (open interest) estão subindo E o preço está em um cluster de liquidações, isso é uma confluência específica, que exige entender várias fontes de dados.
O espaço combinatório é enorme. Com 50 indicadores, 10 limiares cada, 2 direções e 5 períodos de permanência, você está diante de milhões de combinações possíveis. Não dá para testar isso manualmente.
É por isso que a descoberta sistemática exige código. Você precisa gerar candidatos de forma programática, testá-los com eficiência e registrar os resultados em bancos de dados.
Como filtrar falsos positivos
O maior perigo na descoberta de edges são os falsos positivos—padrões que parecem edges, mas na verdade são ruído.
Com milhões de candidatos, é certo que você vai encontrar alguns com taxa de acerto de 80%+ por puro acaso. Se você lançar uma moeda 1,000 vezes, vai encontrar sequências que parecem de uma moeda viciada, mesmo ela sendo perfeitamente honesta.
Lidamos com isso de várias formas:
Requisitos de tamanho da amostra: exigimos um tamanho mínimo de amostra (normalmente 500+ eventos) antes de considerar um edge válido. Mais amostras = menos chance de ser ruído.
Validação walk-forward: o edge precisa funcionar não só dentro da amostra, mas também fora da amostra. Se ele só funcionou no histórico, pode ser ajuste à curva.
Testes em vários períodos: teste em períodos diferentes. Edges reais devem persistir; padrões de ruído desaparecem.
Estabilidade dos parâmetros: se mudar o limiar de 2.0 para 2.1 destrói o edge, ele provavelmente está com overfitting naquele parâmetro exato.
Lógica econômica: você consegue explicar POR QUE o edge deveria existir? Edges com explicações claras de microestrutura de mercado têm mais chance de persistir.
Documentação e acompanhamento
Todo candidato a edge precisa de uma documentação adequada:
- Data da descoberta: quando você o encontrou
- Período dos dados: qual período o backtest cobre
- Parâmetros: limiares e condições exatos
- Resultados: taxa de acerto, fator de lucro (profit factor), tamanho da amostra, índice de Sharpe
- Status da validação: em quais testes passou/falhou
- Observações: o que você notou sobre o comportamento
Guardamos tudo isso em um banco de dados. Quando descobrimos um edge novo, conseguimos verificar se já testamos combinações parecidas antes. Quando edges param de funcionar em produção, conseguimos rastrear as condições em que foram descobertos.
Uma boa documentação também evita que você "redescubra" o mesmo edge várias vezes com parâmetros ligeiramente diferentes—uma armadilha comum.
O jogo dos números
A realidade é esta: a maioria dos candidatos falha. Dos milhões de combinações testadas, talvez 0.1% sobreviva a todas as etapas de validação.
Isso não é um problema—é exatamente a ideia.
Você não precisa de milhares de edges. Precisa de um punhado de edges realmente robustos. Melhor ter 10 edges validados com taxa de acerto de 60% do que 100 edges não testados que podem ser só ruído.
O pipeline de descoberta foi feito para ser brutal. Falsos positivos custam caro—eles perdem dinheiro real quando entram em produção. Cada filtro, cada teste de validação, cada checagem de robustez existe para matar os candidatos fracos antes que eles matem o seu capital.
O que vem a seguir
Esta aula apresentou o método. Nas próximas aulas, vamos nos aprofundar em técnicas específicas:
- Normalização z-score para comparar indicadores
- Filtro de regime para encontrar edges que dependem do contexto
- Como combinar indicadores sem redundância
- Como testar milhões de combinações com eficiência
- O pipeline de promoção, da descoberta ao trading ao vivo
A descoberta de edges é um trabalho sistemático. Não tem glamour. A maior parte do seu tempo vai para filtrar ruído. Mas os edges que sobrevivem são a base de um trading lucrativo.
O objetivo não é encontrar edges. O objetivo é encontrar edges que funcionam de verdade.