Limitações de indicadores, backtests e dados de mercado

Indicadores comprimem a realidade e sempre deixam algo de fora

Todo indicador escolhe quais dados usar, quanto histórico observar e como resumir o resultado. Essa redução é útil para comparar situações, mas perde detalhes. Uma média móvel mostra direção suavizada e oculta parte das oscilações; um oscilador normaliza momentum, mas não conhece notícias, fundamentos ou ordens ainda não executadas.

Como a maioria deriva de preço e volume passados, há atraso. Reduzir a janela torna a resposta mais rápida e também mais sensível a ruído. Aumentá-la suaviza ruído, mas posterga mudanças. Nenhum parâmetro remove esse compromisso.

Sinais também dependem do regime. Uma leitura de “sobrecompra” pode anteceder recuo num mercado lateral, mas permanecer elevada durante uma tendência forte. Um cruzamento de médias pode acompanhar bem um movimento persistente e alternar repetidamente numa congestão.

Repintura, barras abertas e uso acidental de informação futura

Um indicador repinta quando um valor histórico ou marcação muda depois que novos dados chegam. O último pivô do Zig Zag, algumas detecções de padrão e indicadores calculados em períodos maiores podem mudar enquanto a estrutura ainda está em formação. Isso não torna a ferramenta inútil, mas exige que a simulação represente o momento em que o sinal realmente ficaria disponível.

Mesmo cálculos que não repintam após o fechamento mudam durante uma barra aberta. Um cruzamento observado às 14h pode desaparecer até o encerramento. Se a regra exige fechamento, o backtest não pode considerar execução no mesmo preço antes de esse fechamento existir.

Look-ahead bias ocorre quando o teste usa, direta ou indiretamente, informação ainda indisponível. Exemplos incluem comprar no fechamento com base no próprio fechamento sem modelar a execução, conhecer a máxima final da semana antes de sexta-feira ou usar uma lista atual de ações para simular anos anteriores.

Dados de mercado precisam de origem, ajuste e consistência

Duas fontes podem divergir por arredondamento, fuso horário, tratamento de leilões, negócios cancelados ou ajustes corporativos. Pequenas diferenças alteram indicadores próximos de um limiar e podem criar ou remover um sinal.

Ajustar preços é necessário para comparar retornos em muitas análises, mas também pode transformar níveis que não foram efetivamente negociados. O método deve declarar qual série usa. Misturar preços ajustados no indicador com preços não ajustados na execução gera incoerência.

Dados gratuitos são valiosos para estudo, porém podem ter limites de período, atraso, rate limit ou mudanças de formato. Quando a fonte não responde, substituir silenciosamente por valores simulados torna a análise imprópria para qualquer conclusão sobre o mercado real. O sistema precisa informar a origem e a condição dos dados.

Um backtest responde somente à pergunta que foi programada

Uma simulação histórica aplica regras a uma amostra. Ela não comprova que a regra continuará funcionando. Definições imprecisas — “tendência forte”, “volume alto”, “próximo da média” — precisam ser convertidas em critérios mensuráveis; caso contrário, o resultado não é reproduzível.

Sobreajuste e mineração de parâmetros

Testar muitas combinações e publicar apenas a melhor aumenta a chance de encontrar um padrão casual. Uma EMA de 17 períodos pode parecer superior à de 18 numa amostra sem que exista motivo econômico ou comportamental. Quanto maior a busca, maior a necessidade de validação fora da amostra e correção para múltiplas tentativas.

Viés de sobrevivência

Usar somente as empresas que hoje fazem parte do Ibovespa ignora ações removidas, incorporadas, falidas ou que perderam liquidez. A amostra passa a favorecer sobreviventes. Um teste histórico fiel precisaria reconstruir o universo disponível em cada data.

Viés de seleção e período

Escolher ativos, datas ou regimes depois de observar os resultados também distorce. Um teste restrito a uma tendência de alta longa pode atribuir mérito ao setup quando a direção geral do mercado explica boa parte do desempenho.

Vazamento entre treino e teste

Separar uma parte final dos dados não basta se ela for consultada repetidamente para ajustar a estratégia. Depois de muitas revisões, esse período deixa de ser verdadeiramente desconhecido. Walk-forward e validação temporal ajudam, mas não eliminam todas as decisões humanas influenciadas pelo histórico.

Custos, liquidez e execução mudam resultados teóricos

Um backtest que usa o preço exato do sinal pressupõe uma execução ideal. Na prática, há spread entre compra e venda, slippage quando a ordem encontra preços diferentes, emolumentos, tributação e impacto de mercado. Estratégias com muitas operações ou margens pequenas são especialmente sensíveis.

• Spread: diferença entre melhores ofertas, variável ao longo do dia e entre ativos.
• Slippage: diferença entre preço esperado e preço executado.
• Liquidez: capacidade de negociar quantidade sem deslocar significativamente o preço.
• Gap: salto entre sessões que pode ultrapassar uma ordem de proteção.
• Filas e leilões: regras de prioridade e formação de preço que um modelo diário simplificado normalmente não reproduz.

Incluir uma taxa fixa arbitrária é melhor que ignorar custos, mas ainda pode subestimar períodos de estresse. Modelos conservadores testam diferentes níveis de custo e verificam se a conclusão depende de uma execução quase perfeita.

Mudanças de regime quebram relações que pareciam estáveis

Volatilidade, juros, participação de investidores, regras de mercado, composição dos índices e microestrutura mudam ao longo do tempo. Uma regra desenvolvida num ambiente de juros baixos e tendência ampla pode se comportar de outra forma em choque de liquidez.

Correlações também aumentam em crises. Diversas ações que pareciam independentes podem cair juntas, elevando o risco agregado. Avaliar cada posição isoladamente ignora concentração setorial, exposição ao mesmo fator e dependência entre sinais.

Uma degradação recente não prova que a regra “parou para sempre”, assim como uma sequência favorável não prova estabilidade. Monitoramento requer limites definidos, amostra suficiente e disposição para admitir incerteza.

Taxa de acerto não resume qualidade estatística

Vinte acertos em trinta ocorrências produzem 66,7% na amostra, mas a estimativa é imprecisa porque há poucos casos. Sinais sobrepostos podem não ser independentes, e várias ocorrências durante a mesma tendência podem representar essencialmente um único ambiente.

Também é preciso observar retorno médio, dispersão, maior perda, drawdown, sequência de perdas e expectativa por unidade de risco. A média pode ser dominada por poucos resultados extremos; a mediana e a distribuição completa acrescentam contexto.

“Probabilidade de alta” exibida por uma ferramenta é uma estimativa baseada em regras e dados disponíveis. Ela não é probabilidade física conhecida, não incorpora todos os acontecimentos futuros e não deve receber mais casas decimais do que a amostra sustenta.

Checklist para avaliar uma simulação histórica

1. As regras são completas, objetivas e conhecidas antes do teste?
2. O sinal usa apenas dados disponíveis naquele momento?
3. O universo histórico inclui ativos que deixaram o índice ou o mercado?
4. Preços e volume receberam ajustes corporativos coerentes?
5. Execução, spread, slippage, custos e tributação foram modelados?
6. Há dados fora da amostra e validação temporal?
7. Quantas combinações foram testadas antes da escolhida?
8. A amostra inclui tendências, lateralizações e períodos de estresse?
9. São mostrados erros, drawdown e dispersão, além de acertos e média?
10. O resultado permanece razoável com pequenas mudanças de parâmetros e custos?

Use essas perguntas ao interpretar as simulações do Vector B3. Para entender os termos da tabela, consulte o glossário de análise técnica.