1. Sistema de etiquetagem narrativa: transformar texto em “linguagem de eventos agrupáveis”
O primeiro passo na investigação narrativa consiste em mapear notícias e conteúdos de redes sociais para um espaço de etiquetas unificado. O sistema de etiquetagem deve cumprir três requisitos:
- Equilíbrio entre exclusividade mútua e exaustividade: cobre os principais tipos de narrativa sem provocar uma explosão de etiquetas;
- Transferibilidade entre plataformas: a mesma etiqueta aplica-se a textos provenientes de diferentes fontes;
- Rastreabilidade: cada etiqueta pode ser rastreada até à evidência original e ao respetivo carimbo temporal.
Na prática, utiliza-se frequentemente uma estrutura de etiquetas com três níveis:
Etiquetas de nível 1 (nível macro)
- Exemplos: regulação, liquidez macro, riscos geopolíticos, eventos de segurança sistémica.
- Aplicadas para avaliar se uma narrativa tem potencial de “spillover em todo o mercado”.
Etiquetas de nível 2 (nível sectorial)
- Exemplos: ecossistemas de public chain, DeFi, NFT, GameFi, pagamentos, infraestrutura, entre outros.
- Utilizadas para identificar os principais campos de rotação de capital.
Etiquetas de nível 3 (nível de ativo)
- Exemplos: projetos específicos, tokens, atualizações de protocolo.
- Servem para mapear narrativas a objetos negociáveis.
O valor das etiquetas narrativas está em transformar “histórias” em “séries temporais agrupáveis”, permitindo testar estatisticamente a força, duração e correlação narrativa com ativos.
2. Pontuação de sentimento: evolução de “positivo/negativo” para “estrutura de sentimento”
A análise tradicional de sentimento tende a produzir um único resultado: positivo ou negativo. Nos mercados de criptomoedas, este resultado pode ser enganador, já que o mesmo evento pode desencadear simultaneamente ganância e medo (exemplo: “clareza regulatória = menos incerteza mas maior pressão vendedora de curto prazo”).
Uma abordagem mais robusta passa por construir um “vetor de estrutura de sentimento” com pelo menos quatro dimensões:
- Valência: inclinação global bullish ou bearish (−1 = fortemente bearish, 0 = neutro, 1 = fortemente bullish);
- Excitação: intensidade da discussão e nitidez emocional;
- Dispersão: grau de divergência entre perspetivas de diferentes grupos;
- Confiança: se a narrativa é apresentada como “facto estabelecido” ou “rumor/especulação”.
A dispersão é frequentemente negligenciada na prática, mas normalmente explica melhor a volatilidade do que a valência:
Quando uma comunidade evolui da divergência para o consenso, as tendências de preço tendem a acelerar; quando o consenso se fragmenta em divergência, as tendências tendem a esgotar-se.
3. Pontuação de difusão: medir se uma narrativa está “realmente a espalhar-se” ou apenas “artificialmente promovida”
O hype nas redes sociais é facilmente manipulado; por isso, a pontuação de difusão deve dar primazia à estrutura em vez do volume total. Entre os principais indicadores estruturais contam-se:
- Raio de difusão: se a discussão se propaga dos nodos centrais para um leque mais vasto de contas;
- Ressonância entre plataformas: se a mesma narrativa se intensifica simultaneamente em várias plataformas;
- Taxa de entrada de novos participantes: se a proporção de novos utilizadores na discussão está a aumentar;
- Índice de homogeneidade: se a proporção de frases repetidas é anormalmente elevada (indicando atividade de bots).
O ponto central da pontuação de difusão é perceber se o aumento do hype corresponde a uma verdadeira mudança de atenção.
Se apenas o volume total cresce mas o raio de difusão não se expande, a narrativa é provavelmente um impulso de curto prazo — as expectativas de persistência devem ser ajustadas em baixa.
4. Grafos de eventos: ligar “notícias isoladas” numa “rede inferível”
O maior desafio na negociação narrativa é a fragmentação da informação — o mesmo tema repete-se em diferentes momentos e canais.
O objetivo de um grafo de eventos é organizar informação discreta numa estrutura de rede:
- Nodos: eventos (notícias, anúncios, publicações-chave em redes sociais, transferências anómalas on-chain);
- Ligações: relações causais, sequência temporal, semelhança temática, associação de entidades;
- Ponderações: credibilidade da fonte, nível de propagação, força da correlação com capital.
Os grafos de eventos permitem três capacidades fundamentais:
- Fusão narrativa: consolidar informação repetida e variantes numa só storyline para reduzir ruído;
- Identificação de forks narrativos: detetar caminhos de interpretação concorrentes para o mesmo evento;
- Monitorização da degradação narrativa: quando surgem menos ligações e aumenta o isolamento dos nodos, normalmente sinaliza degradação da narrativa.
O valor dos grafos de eventos está em elevar a “investigação textual” a “investigação de sistemas dinâmicos”, tornando-os mais adequados como estruturas de monitorização e alerta.
5. Camada de validação on-chain: alinhar pontuações narrativas com evidência de capital
Sem validação on-chain, as pontuações narrativas rapidamente se transformam em mera especulação textual. O método de alinhamento segue normalmente um “duplo limiar”:
- Limiar narrativo: força da narrativa e estrutura de difusão atingem padrões mínimos para negociação;
- Limiar de capital: verifica-se alinhamento observável on-chain ou na estrutura de negociação (exemplo: entradas líquidas sustentadas, alterações nos padrões de comportamento dos endereços).
Só quando ambos os níveis são cumpridos se passa ao mapeamento estratégico; se apenas a camada narrativa for satisfeita, é mais adequado para observação de risco e investigação de eventos.
Este mecanismo faz a transição da negociação narrativa de “acreditar em histórias” para “verificar se as histórias têm consequências em capital”.
6. Output em camadas dos sistemas de indicadores: sinais de investigação vs sinais de negociação
Para evitar sobreajuste e uso indevido, os outputs devem ser claramente organizados por camadas:
- Indicadores de nível de investigação: utilizados para interpretação de mercado, formulação de hipóteses e elaboração de relatórios;
- Indicadores de nível de monitorização: utilizados para alerta precoce, identificação de alterações narrativas e difusão anómala;
- Indicadores de nível de negociação: acionam regras de posição e controlo de risco — estes devem ser mais rigorosos e robustos.
Muitos insucessos resultam da utilização direta de indicadores de investigação como indicadores de negociação.
O output em camadas reconhece que interpretar o mercado e obter lucros consistentes são objetivos distintos, que exigem limiares e critérios de validação diferentes.
7. Erros comuns: estruturado não significa “mais complexo”
Erros habituais em métodos estruturados incluem:
- Etiquetas demasiado granulares: conduzem a amostras dispersas e sobreajuste;
- Léxicos de sentimento estáticos: incapazes de se adaptar a novos memes, frases ou modelos narrativos;
- Ignorar o alinhamento temporal: tratar evidência on-chain retardada como gatilhos imediatos;
- Confundir hype com alpha: assumir que maior discussão implica maior probabilidade de subida de preço.
O objetivo da estruturação deve ser “manutenção possível”, e não “abrangência total”.
A viabilidade a longo prazo de um sistema de indicadores depende de mecanismos claros de atualização e monitorização — não do número absoluto de métricas.
8. Resumo da lição
Esta lição completa um salto fundamental na metodologia de negociação narrativa — da recolha de informação à sistematização baseada em indicadores.
Os principais pontos a reter incluem:
- Estabelecimento de um sistema de etiquetagem narrativa de três níveis para tornar a informação textual agrupável e estatisticamente analisável;
- Expansão da pontuação de sentimento para vetores estruturais para melhorar a explicação da volatilidade e reversão de tendências;
- Utilização de métricas de estrutura de difusão para distinguir hype genuíno de hype manipulado;
- Integração de informação fragmentada com grafos de eventos para fusão, forks e monitorização da degradação narrativa;
- Alinhamento da pontuação narrativa com evidência de capital através de validação on-chain para reduzir o risco de negociação puramente textual.
A próxima lição avança para a execução: mapear pontuações para negociações — com foco em como traduzir métricas narrativas e de sentimento em regras de dimensionamento de posição, frequência e controlo de risco, gerindo simultaneamente riscos de execução associados a negociações saturadas e discrepâncias de expectativas.
