Anomalias de Calendário: Testei o Efeito Dia-da-Semana nos Meus Trades

Atualizado em 26/08/2026

Anomalias de calendário existem nos meus dados? Sim, existe pelo menos uma que salta da tela: no meu livro de EURUSD, a terça-feira rende menos da metade do que os outros dias. Só que a pergunta que importa não é essa. A pergunta é se esse padrão é real ou se é ruído que eu encontrei porque fui procurar. Efeito de dia da semana e de virada de mês é o assunto onde essa dúvida mais dói, porque o número de calendários que dá pra testar é enorme e a chance de um deles parecer significativo por puro acaso é alta. Eu opero momentum de série temporal com dinheiro real, e a disciplina que eu uso pra não me enganar com a minha estratégia principal é a mesma que eu aplico aqui: descontar o resultado pelo número de tentativas, como manda a lei do Sharpe deflacionado, e desconfiar de todo padrão que só existe dentro da amostra que o gerou, o problema que a probabilidade de overfitting mede. Este texto conta o que eu achei, o que eu deliberadamente não fiz com o achado, e por que o valor do exercício está no método e não na terça-feira.

O que a pesquisa mostra: Kenneth French, no paper que batizou o “efeito fim de semana”, documentou que os retornos das ações às segundas-feiras foram em média negativos entre 1953 e 1977, um resultado que contraria a ideia de que o retorno deveria crescer com o tempo de calendário decorrido. Foi um dos primeiros padrões sazonais que a academia levou a sério, e virou o exemplo clássico de anomalia de calendário (French, 1980).

O efeito fim de semana clássico é de ações, e o meu livro é forex 24 horas

Antes de olhar o meu dado vale situar o fenômeno, porque boa parte da confusão sobre anomalia de calendário nasce de aplicar num mercado o efeito que foi medido em outro. O efeito fim de semana de French é uma história de ações: a bolsa fecha na sexta e reabre na segunda, e todo o fluxo de notícia ruim que se acumula com o mercado fechado desagua na abertura de segunda, empurrando o retorno pra baixo. É um fenômeno de gap, de mercado que fecha e depois reabre com defasagem de informação. Ariel (1987) documentou o primo dele no eixo do mês, o efeito virada de mês, com o retorno se concentrando na primeira metade do calendário e atribuído a fluxos institucionais como depósito de salário e rebalanceamento de carteira.

Fora do eixo do calendário, uma das anomalias mais antigas do mercado de ações é a do balanço: Bernard e Thomas (1989) mediram o spread positivo em 41 de 48 trimestres no drift que segue a surpresa de lucro, e a vantagem encolheu com o tempo.

O câmbio não tem esse desenho. EURUSD negocia 24 horas por dia, cinco dias por semana, sem o fechamento longo que cria o gap de segunda das ações. Existe um pequeno gap de domingo à noite quando o mercado reabre, mas ele não carrega o mesmo mecanismo do fim de semana acionário. E pro trader brasileiro que opera índice e dólar futuro na B3, o desenho é ainda mais diferente: WIN e WDO fecham todo dia e o contrato tem vencimento, então o efeito fim de semana clássico simplesmente não mapeia direto. A consequência prática é que eu não posso pegar o “venda na segunda” dos livros de ações americanas e colar no meu robô de EURUSD. O que sobra de universal é o hábito de olhar o próprio extrato com ceticismo. Foi o que eu fui fazer.

O que apareceu quando quebrei 21.097 trades por dia da semana

Peguei o resultado das 88 estratégias de EURUSD no gráfico de 1 hora que eu mantenho no pool, agreguei os 21.097 trades e separei cada um pelo dia da semana em que a posição foi aberta. O resultado médio por trade ficou assim: segunda $0,436, terça $0,208, quarta $0,404, quinta $0,421 e sexta $0,434. Quatro dos cinco dias estão num aperto de mão, todos entre $0,40 e $0,44. A terça-feira está sozinha lá embaixo, rendendo menos da metade dos vizinhos.

O primeiro instinto de quem quer vender um sistema é óbvio: desligar o robô na terça e ver a curva melhorar. O número parece limpo, a diferença é grande, a amostra tem mais de vinte mil trades. Mas repare num detalhe que já devia acender a luz amarela. A literatura de ações diz que o dia fraco é a segunda, o dia do gap de fim de semana. O meu dado aponta a terça. Se eu tivesse encontrado a anomalia no dia que a teoria manda, eu teria uma história causal pronta pra contar. Encontrei em outro dia, o que já sugere que talvez eu esteja diante de um padrão que só existe dentro da estrutura específica da minha amostra de robôs de câmbio.

Por que a terça pode ser real e por que pode ser puro acaso

Sou obrigado a segurar as duas hipóteses ao mesmo tempo, porque o dado sozinho não decide entre elas. A favor de “é real”: a terça-feira concentra uma parte relevante da agenda econômica que move o euro e o dólar, e dia de dado costuma trazer reversões bruscas que castigam sistema de continuação como os meus. Se os meus robôs são majoritariamente seguidores de tendência, faz sentido econômico que eles apanhem mais no dia em que o preço estica e volta em cima de um número de inflação ou de emprego. É uma hipótese plausível, com mecanismo, e mecanismo é o que separa um padrão que sobrevive de uma coincidência.

A favor de “é ruído”: o padrão é in-sample, medido no mesmo período em que os robôs foram selecionados, e vem de um único par. Selecionar estratégias que foram boas no passado e depois garimpar nelas o dia fraco é quase uma receita pra achar estrutura que não existe fora dali. Além disso, $0,21 contra $0,43 é uma diferença de alguns centavos por trade num ativo onde o custo de spread e de swap já mora nessa mesma ordem de grandeza. Não custa muito pra um viés de custo, de horário de dado ou de composição da amostra fabricar essa diferença sem que exista anomalia nenhuma de calendário por trás. Enquanto eu não separar as duas hipóteses com dado que a amostra original não viu, a honestidade obriga a tratar a terça como suspeita, não como culpada.

A armadilha: sete dias, doze meses e a estatística que engana

Aqui está o coração do artigo, e a razão de eu não ter desligado nada na terça. Efeito de calendário é o terreno mais fértil que existe pra data mining espúrio, e a conta é simples. Se eu testo os 7 dias da semana, os 12 meses do ano, as semanas do mês, os dias antes e depois de feriado e os dias de virada de mês, eu estou rodando dezenas de testes ao mesmo tempo. Com um corte de significância de 5%, um em cada vinte testes de puro nada vai parecer significativo por acaso. Rode quarenta calendários sobre uma série que é só ruído e você volta pra casa com dois “achados” lindos, ambos falsos.

Foi exatamente isso que Bailey, Borwein, López de Prado e Zhu formalizaram em 2014, no trabalho que chamou de charlatanismo financeiro a prática de reportar o backtest vencedor sem contar quantas configurações foram testadas antes dele. Eles provaram que basta um número modesto de tentativas pra que o melhor backtest exiba desempenho impressionante puramente por sorte, e que quanto mais configurações você experimenta, maior a chance de o resultado ser overfit. A terça-feira do meu livro é uma dessas configurações. Eu não a escolhi entre um teste só; ela emergiu de olhar todos os dias de uma vez, e o dia mais extremo de um conjunto sempre parece mais significativo do que é, porque eu o escolhi justamente por ser o extremo. É o mesmo mecanismo que infla o Sharpe de uma estratégia garimpada entre mil, e é por isso que a régua honesta desconta o resultado pelo número de tentativas antes de acreditar nele.

Como eu olharia esse efeito sem me enganar

O valor deste exercício não está na terça-feira, está no protocolo. Se um dia eu quisesse de fato transformar um efeito de calendário em decisão, o caminho teria etapas que a minha terça ainda não cumpriu. Primeiro, definir o teste antes de olhar: escrever “vou testar o dia da semana da abertura” antes de ver qual dia ganha, pra não estar contando a história em torno do vencedor que a amostra me entregou. Segundo, descontar pelo número de calendários testados, aplicando a mesma deflação que eu uso pra Sharpe garimpado, porque o dia mais extremo entre sete precisa cruzar uma barra mais alta do que um dia escolhido a priori. Terceiro, e mais importante, validar fora da amostra: o padrão da terça precisa reaparecer num período que não foi usado pra selecionar os robôs, de preferência em outros pares e em outra corretora, antes de virar regra. Quarto, checar se o efeito sobrevive ao custo, porque uma diferença de centavos por trade é frágil a spread, swap e slippage.

Enquanto a terça não passar por essas quatro peneiras, ela fica onde está: uma curiosidade honesta do meu extrato, anotada e vigiada, longe do painel de controle do robô. Eu não retiro operação de nenhum dia da semana com base num corte in-sample de um par só, pela mesma razão que eu não subo o lote de um robô porque ele foi o melhor do backtest. O padrão que decide dinheiro é o que sobrevive ao teste que ele não ajudou a construir. Todo o resto é história bonita que a amostra conta sobre si mesma.

Os números deste artigo

Base: 21.097 trades agregados de 88 estratégias de EURUSD no gráfico de 1 hora, medidos dentro da amostra de seleção.

O efeito fim de semana funciona no mercado brasileiro?

Estudos brasileiros encontram o padrão, mas com força decrescente. Silva, Melo e Pinto (2013) mediram retorno médio negativo nas segundas e positivo nas sextas nos índices da bolsa entre 2005 e 2009, o mesmo desenho visto em EUA, Canadá e Japão. Só que a intensidade do efeito vem caindo com os anos, e ele foi documentado em ações à vista, não em WIN e WDO, que fecham todo dia e têm vencimento. Pro trader de futuros da B3 o fenômeno não mapeia direto, e a lição útil é metodológica: olhar o próprio dado com ceticismo em vez de importar o efeito de outro mercado.

Qual é o dia da semana pior no meu livro de EURUSD?

A terça-feira, disparado. Quando separo 21.097 trades das minhas 88 estratégias de EURUSD H1 pelo dia de abertura, a terça rende $0,21 por trade contra algo perto de $0,43 nos outros quatro dias, menos da metade. Mas isso é medido dentro da amostra que selecionou os robôs e num único par, então eu trato como padrão suspeito, não como regra. Curiosamente, o dia fraco na literatura de ações é a segunda, não a terça, o que reforça que provavelmente estou olhando a estrutura da minha amostra e não uma lei de mercado.

Por que efeito de calendário é tão perigoso pra data mining?

Porque há calendários demais pra testar. Sete dias da semana, doze meses, semanas do mês, dias de feriado, viradas de mês: são dezenas de recortes. A um corte de 5% de significância, um em cada vinte testes de puro ruído parece significativo por acaso, então quem roda muitos calendários quase sempre volta com um “achado” falso. Bailey e coautores (2014) mostraram que basta um punhado de configurações testadas pra que o melhor backtest impressione por sorte. O dia mais extremo entre sete precisa cruzar uma barra bem mais alta do que um dia escolhido antes do teste.

Devo desligar meu robô na terça-feira por causa desse dado?

No meu caso, não, e eu não desliguei. Um corte in-sample de um par só não é base pra retirar operação de um dia inteiro. Antes disso, o padrão precisaria reaparecer fora da amostra, em outros pares e outra corretora, sobreviver ao desconto pelo número de calendários testados e ainda pagar o custo de spread e swap. Enquanto não passa por essas peneiras, a terça fica anotada e vigiada, longe da decisão de capital. O padrão que move dinheiro é o que sobrevive ao teste que ele não ajudou a construir.

Referências

• French, K. R. (1980). Stock Returns and the Weekend Effect. Journal of Financial Economics, 8(1), 55-69. ideas.repec.org (PDF aberto na Rotman).
• Ariel, R. A. (1987). A Monthly Effect in Stock Returns. Journal of Financial Economics, 18(1), 161-174. econpapers.repec.org.
• 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.
• Silva, W. A. C.; Melo, A. O.; Pinto, E. A. (2013). Efeito dia da semana: análise de anomalias de retorno dos índices acionários no mercado brasileiro. REGE: Revista de Gestão, 20(4), 477-495. sciencedirect.com.