Trend Following (Momentum de Série Temporal): Um Século de Dados e Meus 100+ Robôs

Atualizado em 07/08/2026

Trend following, que a literatura acadêmica chama de momentum de série temporal, é a regra mais simples que existe em trading sistemático: o que subiu tende a continuar subindo, o que caiu tende a continuar caindo. Compra força, vende fraqueza, cada ativo comparado só com o próprio passado. Eu opero essa regra todos os dias, em conta real, através de robôs minerados e validados numa esteira própria. Então este artigo não é resenha de paper. É a literatura (que é boa e merece ser lida) confrontada com o que a mesma regra fez no meu dinheiro, incluindo as duas partes que os vendedores de curva bonita omitem: o chicote que pune a regra simples e a concentração escondida atrás de “dezenas de robôs”. Quem acompanha a minha jornada já viu os bastidores dessa conclusão no capítulo do diário sobre os becos sem saída do forex; aqui eu organizo o assunto pelo lado da estratégia.

O que a pesquisa mostra: Moskowitz, Ooi e Pedersen testaram a regra de seguir o próprio retorno passado em 58 futuros líquidos, cobrindo ações, juros, moedas e commodities, e encontraram prêmio positivo e significativo em praticamente todos. O retorno dos últimos 12 meses prevê o retorno seguinte, o efeito persiste de 1 a 12 meses e depois reverte parcialmente (Moskowitz, Ooi e Pedersen, 2012).

Trend following se posiciona a favor do movimento que já começou, e um século de dados diz que isso paga

A mecânica em texto simples: olhe o retorno de um ativo numa janela passada (o clássico acadêmico usa 12 meses; meus robôs usam janelas bem mais curtas, de horas a dias). Se o retorno foi positivo, fique comprado; se foi negativo, fique vendido. Só isso. Sem prever fundamento, sem opinião sobre valor justo. A premissa implícita é que os preços têm autocorrelação positiva no horizonte da janela: o movimento de ontem carrega informação sobre o de amanhã.

O paper-mãe dessa literatura é Moskowitz, Ooi e Pedersen (2012), “Time Series Momentum”. Eles testaram exatamente essa regra em 58 futuros líquidos, cobrindo ações, juros, moedas e commodities, e encontraram prêmio positivo e significativo em praticamente todos. O achado central: o retorno dos últimos 12 meses prevê o retorno seguinte, o efeito persiste de 1 a 12 meses e depois reverte parcialmente. E o detalhe que separa essa anomalia das outras: ela apareceu em todas as classes de ativo ao mesmo tempo, o que é muito mais difícil de atribuir a mineração de dados do que um padrão achado numa bolsa só. Hurst, Ooi e Pedersen esticaram a evidência pra trás e encontraram o mesmo prêmio por mais de um século de dados. Poucos efeitos em finanças sobrevivem a esse tipo de tortura.

Por que existiria um prêmio tão simples e tão público? As explicações mais aceitas são comportamentais e institucionais: a informação se difunde devagar (o preço demora a incorporar a notícia, criando a tendência), os investidores sub-reagem no começo do movimento e sobre-reagem no final, e há fluxos que perseguem retorno com atraso. Nenhuma dessas fricções desapareceu porque um paper as documentou. É o motivo de eu, catorze anos depois do paper, ainda operar isso.

O preço do prêmio: momentum tem crash risk documentado

A mesma literatura que documenta o prêmio documenta as quedas, e quem cita só a primeira metade está vendendo alguma coisa. Daniel e Moskowitz (2016), “Momentum Crashes”, mostraram que estratégias de momentum sofrem colapsos raros e violentos, concentrados em momentos muito específicos: repiques fortes depois de um bear market, com volatilidade alta. A intuição é direta. Depois de uma queda longa, a carteira de momentum está vendida no que mais caiu; quando o mercado vira em V, essa perna vendida explode. Nos episódios que eles medem, a estratégia clássica de momentum em ações perdeu na casa de dezenas de por cento em poucos meses, devolvendo anos de prêmio.

A mitigação padrão da literatura é o vol-scaling: reduzir a posição quando a volatilidade sobe, já que os crashes se concentram em regime de volatilidade alta. Funciona nos dados, e é um dos motivos de os robôs que eu minero dimensionarem risco por ATR em vez de usar tamanho fixo. Mas eu quero ser honesto sobre o que o vol-scaling é: um redutor de dano, não uma vacina. Ele suaviza a distribuição, não remove a assimetria. O trader que acha que resolveu o crash risk com uma continha de volatilidade ainda não passou por um regime que vira mais rápido que a janela de estimação.

No meu walk-forward, 2025-26 puniu a tendência e 2022 premiou: o regime decide

Agora o meu extrato. Quando eu rodei o walk-forward da minha esteira de montagem de portfólio (5 dobras expandindo de 2019 a 2026, critérios pré-registrados, centenas de sorteios de controle por dobra), a leitura de regime saltou da tela nos dois sentidos.

Em 2022, tendência forte e persistente (o ano do dólar andando quase em linha reta), a regra simples de seguir tendência pagou. Foi o ambiente do livro-texto: o movimento começa, continua, e quem estava montado colhe. Nas minhas dobras, esse foi o regime em que o lado de tendência do portfólio carregou o resultado.

Já a janela de 2025-26 foi o oposto: chicote. O preço estica o suficiente pra armar o sinal de tendência, engana a regra, e devolve. O robô entra, leva stop, o preço volta pra onde armaria o sinal de novo, entra de novo, stop de novo. Stops sucessivos, morte por mil cortes. Nas minhas dobras, esse regime puniu a regra simples de tendência e poupou justamente o comportamento oposto, o grid, que vive do vai-e-volta (contei esse lado da história no artigo sobre reversão à média). O whipsaw não é uma nota de rodapé do trend following. É a forma cotidiana de pagar pelo prêmio: o crash de Daniel e Moskowitz é o imposto raro e violento; o chicote é o aluguel mensal.

A consequência prática incomoda quem quer resposta única: a mesma regra que imprimiu resultado em 2022 sangrou em 2025-26, e vice-versa pro comportamento oposto. Backtest de trend following publicado sem dizer em qual regime a janela caiu está vendendo o regime achando que vende a estratégia. Foi exatamente pra não me enganar com isso que a validação virou walk-forward com critérios definidos antes: cada dobra é uma era diferente, e a estratégia precisa sobreviver à sequência delas, não a uma janela escolhida a dedo.

A concentração escondida: dezenas de robôs de tendência viraram 2,46 fatores de risco

Este é o achado que mudou a direção do meu projeto, e que eu nunca vi num material de venda de robô de tendência. Meu pool tem mais de uma centena de robôs de tendência, minerados em 4 pares, com lógicas, janelas e timeframes diferentes. Parece diversificação. Aí eu rodei PCA na curva de resultado semanal do conjunto pra contar quantos fatores de risco independentes de verdade existiam ali dentro. Resposta: 2,46. A primeira componente principal explicava 67% da variância, e essa componente tem nome: é o fator dólar.

A razão é estrutural, não é defeito dos meus robôs. Todo par relevante de forex é cotado contra o dólar. Quando o dólar resolve andar, EURUSD, GBPUSD, USDJPY e USDCAD tendem juntos, e todo robô de tendência montado neles fica, na prática, do mesmo lado do mesmo fator de risco: “dólar continua andando”. Dezenas de robôs, pares diferentes, indicadores diferentes, e no fundo dois fatores e meio. Espalhar trend following por pares de forex é diversificação cosmética. Quem quiser ver como eu tento montar as pernas do portfólio pra que cada uma carregue risco de verdade, e não só nome diferente, o artigo sobre paridade de risco cobre esse ângulo.

A saída que eu encontrei, medida no mesmo dado, foi diversificar por comportamento em vez de por par. Quando eu somei ao livro os grids (reversão à média rodando na mesma conta, mesmo lote), os fatores de risco efetivos subiram de 2,46 pra 5,69, com correlação diária de −0,15 entre os dois comportamentos. O grid era a única coisa no portfólio que ganhava dinheiro sem estar comprado em “dólar anda”. Tendência e reversão respondem ao mesmo preço com posições opostas, e é essa oposição que o PCA enxerga como dimensão nova. Ressalva honesta que eu repito sempre: o −0,15 é medida de era calma; num risk-off sistêmico as correlações caminham pra 1, e é contra esse cenário que eu dimensiono o teto de perda.

A conclusão lógica: trend following pede múltiplas classes de ativo

Junte as duas metades e a seta aponta sozinha. A literatura diz que o prêmio de momentum de série temporal é robusto porque aparece em dezenas de mercados de classes diferentes ao mesmo tempo; é a versão multi-classe da regra que tem um século de evidência. O meu PCA diz que a versão mono-classe dessa regra, por mais robôs que eu empilhe, satura em pouco mais de 2 fatores de risco efetivos, porque dentro do forex só existe um fator dominante pra capturar. Trend following em forex é, no fundo, a mesma posição direcional no dólar com vários chapéus.

Por isso a evolução do meu projeto aponta pra trend multi-classe: levar a mesma regra de continuação pra mercados que carregam fatores de risco distintos (índices, juros, commodities, energia), onde cada mercado novo tem chance de trazer um fator novo de verdade, em vez de mais um espelho do dólar. É a direção, não o destino já ocupado: a migração tem seus próprios problemas de custo, acesso e validação, e eu vou documentando o caminho na série do diário. Mas o argumento de fundo já está fechado pelo dado: o valor do trend following cresce com o número de fatores independentes que você consegue alcançar, e esse número, dentro de uma classe só, é pequeno e não sobe com esforço.

O que eu levo pra prática depois de rodar isso com dinheiro real

Quatro lições, todas medidas antes de viradas em regra. Primeira: o prêmio existe e eu opero em cima dele, mas a validação precisa atravessar eras, não uma janela. Cinco dobras de 2019 a 2026 me mostraram a mesma regra pagando num regime e apanhando no seguinte; qualquer avaliação mais curta teria me contado só metade da história. Segunda: o custo cotidiano do trend following é o chicote, não o crash. O crash raro dos papers merece respeito, mas o que corrói a conta na prática são os stops sucessivos de um mercado sem direção, e é contra eles que o portfólio precisa de um comportamento complementar. Terceira: contar robôs é vaidade, contar fatores de risco efetivos é gestão. Se eu não tivesse rodado o PCA, hoje eu acharia que tenho um portfólio diversificado; eu tinha 2,46 fatores. Quarta: nenhuma perna roda sem teto de perda definido antes de ligar. Regime muda sem avisar, e a defesa que sobrevive à virada é a que foi decidida antes dela.

Os números deste artigo

Trend following e momentum de série temporal são a mesma coisa?

Na essência, sim. Momentum de série temporal é o nome acadêmico (Moskowitz, Ooi e Pedersen, 2012) da regra que a indústria chama de trend following: comprar o que vem subindo e vender o que vem caindo, cada ativo comparado com o próprio passado. A distinção útil é com o momentum cross-sectional, que compara ativos entre si (compra os melhores do ranking, vende os piores) e pode estar comprado num ativo que caiu, desde que ele tenha caído menos que os outros. O trend following puro nunca faz isso.

Trend following funciona em forex?

Funciona, com uma restrição estrutural que eu medi no meu próprio portfólio: os pares de forex compartilham o fator dólar, então empilhar robôs de tendência em vários pares não multiplica fatores de risco. No meu dado, mais de cem robôs em 4 pares equivaleram a 2,46 fatores de risco independentes, com o fator dólar explicando 67% da variância. O prêmio aparece, mas o teto de diversificação dentro da classe é baixo. A literatura sugere e o meu dado confirma: a força do trend following está em ser aplicado a muitos mercados de classes diferentes ao mesmo tempo.

Qual é o maior risco do trend following?

São dois, em frequências diferentes. O raro e violento é o crash documentado por Daniel e Moskowitz (2016): reversões em V depois de quedas longas, com volatilidade alta, que devolvem anos de prêmio em meses. O cotidiano é o whipsaw: mercado sem direção que arma o sinal, estopa, e arma de novo. No meu walk-forward, a janela de 2025-26 foi exatamente isso, stops sucessivos punindo a regra simples enquanto o comportamento oposto (reversão à média) segurava o livro. Quem só se prepara pro crash e esquece o chicote sangra devagar.

Vol-scaling resolve o crash risk do momentum?

Reduz, não resolve. Dimensionar a posição pelo inverso da volatilidade corta exposição justamente nos regimes onde os crashes se concentram, e isso melhora a distribuição de retornos nos dados dos papers e nos meus robôs (que dimensionam risco por ATR). Mas a assimetria não desaparece: uma virada mais rápida que a janela de estimação da volatilidade pega a posição ainda grande. Eu trato vol-scaling como camada um e teto de perda pré-definido no nível do sistema como camada inegociável.

Quantos robôs de tendência eu preciso pra diversificar?

A pergunta certa é outra: quantos fatores de risco efetivos você alcança, e isso depende dos fatores disponíveis, não da quantidade de robôs. No meu caso, multiplicar robôs dentro do forex parou de adicionar dimensão bem cedo (o conjunto inteiro valia 2,46 fatores). O que adicionou dimensão foi mudar de comportamento (somar reversão à média levou o livro a 5,69 fatores, correlação −0,15) e, como direção seguinte, mudar de classe de ativo. Depois que o fator comum domina, robô novo do mesmo tipo é a mesma exposição comprada de novo.

Referências

• Moskowitz, T. J.; Ooi, Y. H.; Pedersen, L. H. (2012). Time Series Momentum. Journal of Financial Economics, 104(2), 228-250. ideas.repec.org (PDF aberto na NYU Stern).
• Daniel, K.; Moskowitz, T. J. (2016). Momentum Crashes. Journal of Financial Economics, 122(2), 221-247. nber.org (PDF aberto em kentdaniel.net).
• Hurst, B.; Ooi, Y. H.; Pedersen, L. H. (2017). A Century of Evidence on Trend-Following Investing. The Journal of Portfolio Management, 44(1), 15-29. aqr.com.