Aprenda a validar robôs de investimento com rigor científico. Artigos sobre Backtesting, Walk-Forward Analysis (WFO), Simulação de Monte Carlo, Testes de Robustez e gestão de Overfitting. O guia definitivo para transformar backtests em resultados reais na conta real.
Por que o retorno geométrico é sempre menor que o aritmético: o variance drag (~sigma2/2) escala com o quadrado da volatilidade e corrói o compounding. Vol targeting preserva o crescimento.
Choques de volatilidade saltam de um mercado para outro. Entenda spillover/connectedness, o índice de Diebold & Yilmaz e por que a diversificação falha na crise.
Quase todo o retorno historico das acoes aconteceu no overnight (fechamento a abertura); o intraday e quase plano. O que e a anomalia overnight e o que fazer com ela.
Retornos sao quase imprevisiveis, mas a volatilidade e persistente (clustering). Como o GARCH e o EGARCH modelam isso e para que servem na gestao de risco quantitativa.
LLMs como ChatGPT e Claude sao copilotos poderosos para pesquisa quant, mas pessimos pesquisadores autonomos de edges. Como usa-los sem acelerar o proprio autoengano.
Mercados sao quase o pior cenario para ML: nao-estacionariedade, vazamento de dados, sinal-ruido baixo e overfitting. Onde o ML realmente ajuda e onde ele engana.
Um backtest unico da um numero, nao uma probabilidade. A PBO e a CPCV medem a chance de a estrategia campea no treino decepcionar fora da amostra. Como funciona e por que importa.
Testar muitas estrategias infla o Sharpe por acaso. O Sharpe deflacionado e as correcoes de multiplos testes separam descoberta real de fantasma estatistico.
Opcoes 0DTE viraram metade do volume de opcoes do S&P. O comprador de varejo perde na media; vender colhe premio com risco de cauda. E a gama dos dealers amplifica o intradiario.
Sentimento nao e um sinal unico. 71% das manchetes sao ruido e o FinBERT erra a maioria das positivas. O passo a passo para decompor noticias e extrair sinal de verdade.