Anatomia de uma Estratégia Real: a que Ganhou Dois Terços do Lucro em Um Ano Só

Isto é um estudo. Digo na primeira linha o que ele não é: não é recomendação para você operar esta estratégia, não é um produto à venda, e não é promessa de nada. Resultado passado não garante resultado futuro, e os valores em dólar são pequenos porque medi tudo no lote mínimo 0,01. Nos textos anteriores desta série mostrei uma estratégia que degradou 52%, outra que degradou 1% e uma que ficou 28% melhor fora da amostra. Esta quarta é o caso extremo da série, e ela ensina a pergunta que eu faço antes de qualquer outra quando olho uma curva de backtest bonita.

O que a pesquisa mostra: Bailey, Borwein, López de Prado e Zhu (2014) mostram que resultados de backtest concentrados em poucos períodos são o padrão típico de sobreajuste, porque o otimizador encontra a configuração que melhor explica os eventos raros da amostra, e esses eventos não se repetem na mesma proporção depois (Notices of the AMS, 61(5), 458-471).

Como ela funciona, em português

Antes dos parâmetros, o mecanismo. Esta estratégia se apoia numa ferramenta que quase todo trader já viu no gráfico sem saber o nome.

Imagine uma fileira de pontinhos acompanhando o preço. Quando o mercado sobe, os pontos ficam abaixo das velas, como um piso que sobe atrás do movimento; quando o mercado cai, eles pulam para cima das velas e viram um teto que desce. E tem uma característica que define tudo: a cada barra nova, o ponto se aproxima um pouco mais do preço, e a cada novo extremo do movimento ele se aproxima mais rápido ainda. Se o preço encosta, ele inverte de lado. Isso se chama Parabolic SAR. As duas letrinhas que você configura nele são a velocidade dessa aproximação e o teto dela.

Aqui está a esquisitice desta estratégia: ela não usa o Parabolic SAR do jeito normal, que seria “o preço cruzou o ponto, virou a mão”. Ela cria dois Parabolic SAR com velocidades diferentes e compara um com o outro. Um deles é configurado com aceleração alta e teto baixo, o outro com aceleração baixa e teto alto, de modo que o primeiro se cola no preço rápido e trava logo, enquanto o segundo demora a colar e não trava. Comparar os dois é uma forma indireta de perguntar se o movimento atual é novo ou já está maduro.

A segunda medida é a distância do preço até a média dele. Você mede o quanto o preço se afastou da própria média e divide pelo afastamento médio típico daquele período, o que deixa o número comparável entre épocas calmas e agitadas. Esse número se chama CCI. Junto dele a estratégia usa a variação percentual do preço nas últimas barras, que é o ROC, e a abertura da semana comparada a uma média curta.

Para vender ela usa marcadores de topo e fundo. Quando uma vela tem a máxima maior que a das velas vizinhas dos dois lados, aquele ponto vira um topo marcado no gráfico. É o que se chama de fractal, e serve para o robô ter uma referência de “onde foi o último pico” sem precisar de julgamento humano. Ela compara esse topo marcado com a abertura do mês.

A estratégia inteira, em três frases. Ela compra quando a semana abriu fraca em relação à média curta e a comparação entre os dois Parabolic SAR indica movimento ainda não maduro. Ela vende quando o último topo marcado no gráfico ficou abaixo da abertura do mês, o que é uma forma de dizer que o mês está perdendo força. E ela sai de tudo sem consultar indicador nenhum, por alvo, por stop ou por tempo, igual à estratégia de Keltner do segundo texto desta série.

A lógica completa, sem esconder nada

Abri o arquivo .sqx (nome interno “Strategy 2.7.77”, formato AlgoWizard do StrategyQuant X) e li o XML inteiro: motor MetaTrader 5, avaliação no fechamento da barra de 8 horas, tamanho de posição apontando para a gestão de dinheiro global do projeto. Medi a curva no lote mínimo 0,01.

Entrada comprada. Três condições. A abertura da semana, três barras atrás, abaixo da sua própria média exponencial de 9 períodos, mais a comparação entre o ROC de 40 períodos e o CCI de 20. Mais o Parabolic SAR de aceleração 0,270 e teto 0,01 abaixo ou igual ao Parabolic SAR de aceleração 0,020 e teto 0,10, medidos em barras diferentes.

Entrada vendida. Três condições. O fractal de 5 períodos abaixo ou igual à abertura do mês, mais uma comparação entre esse mesmo fractal e a mínima do intervalo entre 600 e 1500. Mais o filtro anti-conflito, que impede vender na barra em que existe sinal de compra.

Agora o achado que me fez escolher esta estratégia para o texto. Duas dessas condições são comparações de desigualdade. A primeira pergunta se o ROC de 40 é diferente do CCI de 20. A segunda pergunta se o fractal é diferente da mínima do intervalo. São dois indicadores de escalas completamente diferentes sendo comparados com casas decimais, então eles praticamente nunca são exatamente iguais. As duas condições são verdadeiras quase sempre. De cinco condições reais de entrada, duas não filtram absolutamente nada. E isso não aparece em relatório de performance nenhum.

As saídas. Nas duas direções a saída por sinal está gravada no XML como uma constante booleana false, ou seja, desligada. A compra fecha por alvo de 0,9%, stop de 0,5% ou saída forçada após 8 barras, enquanto a venda fecha por alvo de 2,4%, stop de 0,6%, saída após 12 barras ou por um stop móvel de 4,5 vezes o ATR de 17 períodos. Repare no desequilíbrio. A venda tem alvo quase três vezes maior que o da compra, com stop parecido, e isso é um desenho que espera muito mais de um lado do que do outro.

Segundo aviso do texto. Mostrar a receita completa não entrega uma máquina de fazer dinheiro. Uma estratégia isolada, sem teto de perda e sem gestão de risco de portfólio, é frágil por construção. O que você acabou de ler é uma peça. E uma peça sozinha não sobrevive a um ano ruim.

O ano que carregou tudo

Cruzei o resultado ano a ano com o contexto macro do EUR/USD. Um ano domina o estudo inteiro.

2019 (−US$ 102,26), o pior ano. Par preso entre 1,09 e 1,16, sem catalisador, com o Fed cortando juros no meio do ciclo. Mercado sem direção e ela sangrou. Começou perdendo mais de cem dólares no primeiro ano da amostra.

2020 (+US$ 213,53). O ano da COVID, com o crash de pânico em março e a alta firme até dezembro, com o Fed a zero e compra de ativos sem teto anunciado. Movimento grande nos dois sentidos. Ela recuperou tudo e mais um pouco.

2021 (−US$ 35,47). Queda persistente de 1,23 para 1,12, com o mercado precificando o aperto do Fed. Ano negativo.

2022 (+US$ 289,00), e este ano é o estudo inteiro. O ano do dólar forte: o Fed subiu 425 pontos-base, veio o choque de energia da guerra na Europa, e o EUR/USD despencou até a paridade em julho e ao mínimo de 0,9536 em setembro, o menor nível desde 2002. A tendência de baixa mais longa e mais limpa em vinte anos. Ela colheu 289 dólares num único ano, mais que os outros seis anos somados. Some 2019, 2020 e 2021 e você chega a +US$ 75,80 em três anos inteiros; some 2022 sozinho e você chega a +US$ 289,00. Um ano. Dois terços do lucro.

2023 (+US$ 44,59). Par preso numa faixa de cerca de 830 pips o ano inteiro. Ano modesto e positivo.

2024 (+US$ 18,02). Miolo do ano entre 1,07 e 1,09, com pernada de alta do dólar no quarto trimestre depois da eleição americana. Positivo e pequeno.

2025 (−US$ 12,33). O par saiu de 1,02 para 1,18 no primeiro semestre depois do choque tarifário de abril, numa fuga do dólar cheia de saltos. Negativo.

2026 até junho (+US$ 22,00). Pernada de alta em janeiro com o par cruzando 1,20, depois correção. Positivo e pequeno.

O retrato fica evidente quando você separa 2022 do resto. Nos outros 6,4 anos ela rendeu US$ 149,65 no total, algo em torno de US$ 23 por ano. Com 2022 dentro, a média salta para US$ 59 por ano. A estratégia inteira depende de um evento macro que aconteceu uma vez em vinte anos. Uma vez.

A degradação de 88%, e o que ela realmente diz

Ela foi construída e otimizada com dados de 2019 a 2023, o período in-sample, e 2024 a 2026 é forward real. No in-sample, +US$ 410,96, uma média de US$ 82,3 por ano; no forward, +US$ 23,97, uma média de US$ 9,9 por ano. A degradação é de 88%, a maior das cinco estratégias desta série.

E aqui está a leitura que interessa. A degradação de 88% mede, antes de tudo, o fato de o período de construção conter 2022 e o forward não ter recebido nada parecido. Faça a conta sem 2022: o in-sample cai para US$ 121,96 em cinco anos, ou US$ 24,4 por ano, e aí o forward de US$ 9,9 por ano deixa de ser um colapso e vira uma queda comum. O número de 88% mede principalmente de que lado do corte caiu o ano excepcional.

Compare com a estratégia de médias exponenciais do texto anterior, que ficou 28% melhor no forward. Lá, o ano excepcional era negativo e caiu dentro da construção; aqui, o ano excepcional é positivo e caiu dentro da construção. O mecanismo é o mesmo. O sinal da conta inverte só porque o ano extremo era de lucro num caso e de prejuízo no outro. É por isso que eu não decido nada olhando só a degradação, e prefiro medir a probabilidade de sobreajuste do backtest e o Sharpe deflacionado, que levam em conta quantas configurações foram testadas.

O que este estudo ensina

Três lições que passam desta estratégia para qualquer outra.

Primeira, tire o melhor ano e olhe o que sobra. É a checagem mais barata que existe. E a que mais reprova candidato. Aqui, tirar 2022 leva o resultado de US$ 59 por ano para US$ 23 por ano. Se uma estratégia só se sustenta com o melhor ano dentro da conta, o que você está comprando é a expectativa de que um evento raro volte na mesma proporção.

Segunda, condição inerte é mais comum do que parece. Esta é a segunda estratégia desta série em que encontrei comparação de desigualdade entre indicadores de escalas diferentes, que é verdadeira quase sempre. Nesta aqui são duas. Um gerador automático produz milhares de combinações e mantém as que não atrapalham o resultado, então condição inútil sobrevive à otimização com facilidade. Só a leitura do arquivo revela isso.

Terceira, degradação alta e degradação baixa medem a mesma coisa. As duas comparam a dificuldade de duas amostras. A qualidade do sistema fica de fora dessa conta, então antes de ler qualquer porcentagem de degradação, olhe quais anos caíram de cada lado do corte. Foi isso que transformou o 88% desta estratégia numa informação útil, em vez de um veredito.

Fecho com o mesmo aviso do começo. Nada aqui é recomendação. É a dissecação de uma estratégia real com os defeitos escancarados, publicada porque ver onde uma estratégia falha ensina mais do que ver onde ela brilha.

Os números deste estudo

Perguntas frequentes

Como funciona o Parabolic SAR?

Ele desenha uma fileira de pontos que acompanha o preço, ficando abaixo das velas quando o mercado sobe e acima quando o mercado cai, e a cada barra nova esse ponto se aproxima um pouco mais do preço, acelerando a aproximação a cada novo extremo do movimento. Quando o preço encosta, o indicador inverte de lado. Os dois parâmetros que você configura são a velocidade dessa aproximação e o teto dela. Nesta estratégia ele aparece de um jeito incomum: em vez de usar o cruzamento do preço com o ponto, ela cria dois Parabolic SAR com velocidades diferentes e compara um com o outro.

Uma estratégia que depende de um ano só é necessariamente ruim?

Ela é frágil como peça isolada, porque o resultado esperado depende de um evento raro se repetir na mesma proporção, e nos outros 6,4 anos esta estratégia rendeu cerca de US$ 23 por ano, o que num lote mínimo é praticamente empatar com os custos. Dentro de uma carteira grande a leitura muda um pouco: um comportamento que só aparece em choque macro pode ter valor justamente quando o resto da carteira apanha. Mas isso precisa ser medido antes de virar decisão, e a régua é o quanto ela se move junto com as outras nos anos difíceis.

O que é uma condição que “não filtra nada”?

É uma regra que está escrita no robô e que é verdadeira em praticamente toda barra, então ela nunca impede uma entrada. Nesta estratégia há duas: uma pergunta se o ROC de 40 períodos é diferente do CCI de 20, e outra pergunta se o fractal é diferente da mínima de um intervalo. São indicadores de escalas diferentes comparados com casas decimais, e o resultado dá “diferente” quase sempre. A regra existe no papel e não existe no efeito. Isso só aparece lendo o arquivo, porque nenhum relatório de desempenho mostra quantas vezes cada condição foi acionada.

Essa estratégia está à venda?

Não. Este é um estudo, e abri a lógica inteira de propósito, incluindo cada parâmetro, porque a minha tese é que o valor não está na receita secreta. Não há link de compra nem assinatura, e não estou recomendando que ninguém opere isto. O objetivo é mostrar como uma estratégia real se comporta ao longo de sete anos e por que ela ganha ou perde, para que o leitor aprenda a olhar o processo de validação, que é onde a vantagem mora.

Referências

• Bailey, D. H.; Borwein, J. M.; López de Prado, M.; Zhu, Q. J. (2014). Pseudo-Mathematics and Financial Charlatanism: The Effects of Backtest Overfitting on Out-of-Sample Performance. Notices of the American Mathematical Society, 61(5), 458-471. ssrn.com.
• López de Prado, M. (2018). Advances in Financial Machine Learning. Wiley. Sobre in-sample contra out-of-sample e por que o backtest superestima. wiley.com.
• Atlantic Council (2022). The euro at parity with the USD: implications for the global economy. Contexto do dólar forte e da paridade em 2022. atlanticcouncil.org.
• Pound Sterling Live. EUR/USD history 2023. Faixa de ~1,0448 a 1,1276, amplitude de ~827 pips no ano. poundsterlinglive.com.