Se a estratégia for realmente boa, por que não ganhar você mesmo? Três artigos revelam a dura verdade por trás do indicador de venda

No mundo das negociações de criptomoedas, muitas pessoas acreditam em determinados “indicadores de negociação”. No entanto, vários estudos apontam que a maioria das estratégias de negociação que alegam ter retornos estáveis com backtests muitas vezes não são comprovadas pelo mercado, sendo apenas sobreviventes selecionados. É como fazer cem vezes as questões do exame de admissão do ano passado e tirar nota máxima; isso não significa que você terá o mesmo desempenho neste ano. Essa é a armadilha do “sobreajuste” (overfitting) em estratégias de negociação. Uma questão mais realista é: se uma estratégia realmente apresenta um desempenho tão excelente, por que não usar alavancagem própria, em vez de vendê-la ou compartilhá-la publicamente?

Afinal, estratégias realmente eficazes geralmente são limitadas pela capacidade de absorção, pois quanto mais capital, maior a chance de os benefícios serem consumidos pelo comportamento de negociação e pelas reações do mercado.

Desenvolvedores de indicadores de negociação muitas vezes só divulgam as melhores partes para captar recursos

Um artigo publicado na Sociedade de Matemática dos EUA aponta para o viés de backtest, descobrindo que, sob o quadro de backtest tradicional, é possível encontrar algumas estratégias técnicas que geram retornos positivos significativos na história, o que explica a preferência de mercado por análise técnica ao longo dos anos. No entanto, os autores também destacam que esses resultados muitas vezes ignoram uma questão crucial: o viés de exploração de dados (data-snooping bias).

Quando pesquisadores testam centenas ou até milhares de regras de negociação simultaneamente, estatisticamente é inevitável que algumas estratégias apresentem desempenho excepcional, mesmo que o mercado seja completamente aleatório. Confiar apenas nesses vencedores retrospectivos para julgar a eficácia da análise técnica equivale a confundir sorte com habilidade.

Após corrigir o viés, a vantagem das estratégias técnicas diminui drasticamente

Para resolver esse problema, o estudo utilizou métodos de testes estatísticos mais rigorosos, ajustando o viés causado por múltiplos testes. Os resultados mostraram que, após a correção, quase todas as estratégias técnicas que pareciam oferecer retornos excessivos estatisticamente significativos perderam essa significância. Em outras palavras, regras de negociação técnica, em ambientes fora da amostra, têm dificuldade em reproduzir seu desempenho histórico, indicando que essas estratégias não capturam realmente estruturas de mercado sustentáveis.

Após incluir custos de negociação, os retornos reais tornam-se ainda mais pessimistas

O estudo também considerou os custos de transação. Como estratégias técnicas geralmente envolvem alta rotatividade, ao incluir taxas, slippage e impacto de mercado, mesmo estratégias com retornos positivos marginais tendem a se tornar negativas. Os autores destacam que esse resultado é altamente relevante na prática, pois a maioria dos backtests públicos tende a subestimar os custos de fricção do ambiente real de negociação.

A conclusão do estudo não nega completamente o valor da análise técnica, mas aponta que seu papel é mais adequado como ferramenta de gestão de risco, identificação de tendências ou suporte comportamental, e não como fonte de lucro isolada. Em mercados modernos altamente competitivos e com rápida reflexão de informações, confiar apenas em sinais de preços históricos e volume de negociação dificilmente gera vantagens de negociação sustentáveis.

Erro nos backtests de indicadores: como fazer uma prova de vestibular usando questões de exames anteriores

Um artigo intitulado “A Probabilidade de Sobreajuste em Backtests” aponta que o desempenho perfeito que você vê em um backtest provavelmente é apenas um produto do excesso de ajuste aos dados (overfitting). No campo de finanças quantitativas, o backtest é a ferramenta padrão para avaliar riscos e retornos de estratégias. No entanto, com o aumento do poder computacional, pesquisadores agora podem testar facilmente bilhões de combinações de estratégias na mesma base de dados histórica.

Os autores do artigo afirmam que isso é como: “Se você interrogar os dados por tempo suficiente, eles acabarão confessando.” Quando pesquisadores ajustam continuamente parâmetros (como o período de médias móveis, limiares de entrada, etc.) até que o desempenho pareça perfeito, eles geralmente estão apenas ajustando ao ruído do mercado passado, não capturando sinais futuros. É como fazer várias vezes as questões do exame de admissão, até conseguir 100 pontos na prova do ano passado, mas isso não garante que você terá o mesmo desempenho neste ano, pois são coisas diferentes.

Para resolver esse problema, a equipe de pesquisa propôs um indicador-chave: a probabilidade de sobreajuste em backtests (PBO)). O PBO calcula a chance de que a estratégia com melhor desempenho no backtest tenha um desempenho inferior à média no futuro. Se o PBO for alto, isso indica que a estratégia foi escolhida com base em “parâmetros ótimos”; se for baixo, a estratégia é mais robusta.

O estudo testou uma estratégia com um índice de Sharpe de 1,27, bastante atraente para investidores comuns, mas descobriu que o PBO era de 55%. Apesar de todos os resultados de backtest dentro da amostra serem positivos, em testes fora da amostra, 53% das vezes ela apresentou prejuízo. Isso demonstra que até estratégias com alto índice de Sharpe podem ser apenas produtos de sobreajuste.

Estudo empírico no mercado de ações indiano: RSI, MACD dificilmente superam o mercado de forma consistente

Após discutir os problemas de backtest e estatística, vamos ver um estudo prático. Uma pesquisa empírica de 18 anos no mercado de ações indiano mostra que as ferramentas de análise técnica amplamente usadas pelos investidores, em geral, têm dificuldade em gerar retornos excessivos de forma consistente. Mesmo durante alguns mercados de baixa, com vantagens temporárias, seu desempenho ajustado ao risco não é suficiente para provar que a análise técnica possui capacidade de lucro a longo prazo.

O estudo foi conduzido por S. Muruganandan, do Sri Dharmasthala Manjunatheshwara College de Negócios na Índia, publicado no Colombo Business Journal. Utilizou dados históricos do índice Sensex da Bolsa de Valores de Mumbai (BSE), de fevereiro de 2000 a maio de 2018, cobrindo múltiplos ciclos de alta, baixa e consolidação, para testar duas das ferramentas mais comuns de análise técnica: o Índice de Força Relativa (RSI) e o MACD (Moving Average Convergence Divergence).

RSI mostra desempenho fraco, incapaz de criar vantagem estável em qualquer ciclo de mercado

Os resultados indicam que a estratégia de RSI, ao longo de todo o período, não apresentou retornos significativamente superiores à média incondicional de não fazer nada, mesmo antes de descontar custos de transação.

Ao dividir o mercado por ciclos, o RSI frequentemente emitia sinais de venda durante altas, mas não conseguia acompanhar a continuação da tendência; durante baixas ou períodos de consolidação, embora aumentasse sinais de compra, entrava cedo demais, levando a retornos ruins. O estudo aponta que a estrutura do RSI faz com que ele seja propenso a operar contra a tendência em mercados de tendência única, tornando-se um peso negativo no desempenho. Do ponto de vista do risco ajustado, o índice de Sharpe do RSI na maior parte do tempo é negativo, indicando que o risco assumido não compensa o retorno.

MACD apenas teve desempenho ligeiramente melhor em sinais de venda durante mercados de baixa

Em comparação, o MACD teve desempenho um pouco melhor, mas ainda assim difícil de confiar de forma consistente. Os resultados mostram que os sinais de compra do MACD, em todos os ciclos de mercado, não tiveram retornos significativamente superiores ao mercado; porém, os sinais de venda durante mercados de baixa apresentaram retornos estatisticamente positivos, superando a média incondicional.

Isso sugere que, em fases de queda, o MACD pode ajudar os traders a evitar parte das perdas ou a lucrar com estratégias de venda a descoberto. No entanto, ao incluir a medição de risco, mesmo esses sinais de venda, que tiveram ganhos em mercados de baixa, apresentaram índices de Sharpe baixos, indicando que os retornos não compensam a volatilidade da estratégia. Em outras palavras, o MACD pode ser útil em certos contextos, mas ainda está longe de ser uma ferramenta de lucro confiável a longo prazo.

O estudo conclui que, sob a hipótese de eficiência fraca do mercado indiano, as informações de preços históricos já são refletidas de forma eficiente, dificultando a obtenção de retornos anormais apenas com indicadores técnicos. Mesmo em mercados emergentes com informações relativamente incompletas, a vantagem da análise técnica tende a ser absorvida pelo mercado ao longo do tempo. Os autores enfatizam que, ao incluir custos de transação, slippage e custos de capital, o desempenho real das estratégias técnicas provavelmente será ainda pior.