Dennys Kaluzny Pereira

Construí um pipeline automatizado para estressar a matemática em 5 níveis, implementando a separação de Out-of-Sample (OOS) e rodando um Walk-Forward Analysis para forçar o modelo a lidar com o achatamento de volatilidade e os diferentes ciclos de halving. Alguns insights bem interessantes que saíram da bateria de estresse: Adaptação ao Tempo (Walk-Forward): Fatiando o histórico em 5 janelas deslizantes, o modelo entregou uma consistência de 80% ou seja, em 4 das 5 épocas testadas (absorvendo as mudanças de liquidez dos ETFs e diferentes halvings), o alpha se manteve e superou o Buy & Hold clássico. Sobrevivência no Escuro (OOS): Ao isolar a janela cega, tive a degradação matemática natural saindo do In-Sample, mas o modelo segurou o tranco: o Sharpe Ratio no Out-of-Sample se manteve saudável, na casa de 0.85+. Provou que não estava apenas decorando o passado. A Ilusão do Sentimento: O teste mais valioso foi plugar e desplugar o Fear & Greed Index (FNG). Matematicamente, a validação isolada provou que usá-lo como freio custa muito caro no longo prazo. Ele derruba o retorno projetado e oferece uma proteção ínfima contra o Drawdown. Vou estressar mais com diferentes valores, preciso repensar o peso dele.

Primeiramente, muito obrigado pelo feedback detalhado e pelo rigor na análise do modelo O modelo atual pode ter acabo tirando uma "fotografia" viciada do passado (viés de retrospectiva). Focar de forma estática na janela de 2018 para cá cria uma ilusão projetiva que ignora totalmente a maturação do ativo, o achatamento das curvas de ganho a cada halving e a absorção de volatilidade pela entrada dos ETFs institucionais. Para transformar isso de um simples estudo do passado em uma ferramenta quantitativa séria, estou refatorando o código para rodar de forma dinâmica. O que estou implementando exatamente agora: Janelas Móveis e Walk-Forward Analysis: O modelo não vai mais olhar um bloco fixo. Ele vai iterar e avançar progressivamente por diversos cenários e tempos de entrada/saída desde a criação do BTC. Retornos Decrescentes e Ajuste de Volatilidade: Implementando um fator de decaimento matemático que reduz a projeção de ganho (fundo ao topo) a cada novo ciclo de halving, além de aplicar um redutor de volatilidade para refletir a nova dinâmica de liquidez dos grandes fundos. Validação Out-of-Sample (OOS): Particionando os dados para que o modelo seja treinado no passado, mas testado exclusivamente em janelas cegas. Se ele não sobreviver aos dados novos, a matemática está errada. Tratamento Consistente do FNG: Isentando o código de variáveis soltas. O Fear & Greed Index agora será uma flag opcional: ou ele entra como um peso/freio matemático real nas decisões do modelo, ou é totalmente descartado da projeção. Acredito que hoje mais tarde eu retorno com o resultado 😁

Boa, consegui automatizar os testes, deu um trabalhinho pq precisei refatorar o codigo burro da AI, mas deu boa, depois de fazer isso, foi lindo, fiz centanas de backtest aqui! Com isso cheguei em 3 SMA/EMA interessantes... Agressivo: Valor Final: $ 8.212.670 CAGR: 70,55% ao ano Max Drawdown: -69,83% Equilibrado: Valor Final: $ 6.845.558 CAGR: 66,83% ao ano Max Drawdown: -54,16% Conservador (Posso chamar de conservador? hahaha acho que nao): Valor Final: $ 417.482 (Enquanto o Buy & Hold rendeu apenas $ 170k no mesmo período) CAGR: 38,97% ao ano Max Drawdown: -39,80% Mesmo assim, centenas de teste ainda acho pouco, vou executar mais testes e botar uma AI para analisar, acredito que ainda nao estou no `sweet spot` mas estou comecando a achar que o codigo esta certo mesmo...

huehueueuh o que eu estou montando não é um robo que promete lucro fácil (o titulo `(Rapido e facil ;p )` foi so de brincadeira 😁 A diferença é sutil, mas gigante: Robô Trader Comum: Geralmente tenta adivinhar o próximo minuto do gráfico baseado em ruído (puro cassino). Estratégia de ETF (Regra de Prateleira): É um modelo de gestão de risco. Ele não tenta prever o futuro, ele apenas reage a tendências macro com disciplina matemática. Se a regra diz 'venda', ele vende; se diz 'alavanque', ele alavanca. É menos sobre 'mágica' e mais sobre tirar o emocional da jogada e seguir um plano que, no backtest provou que sobrevive aos ciclos. É o que as grandes gestoras quantitativas fazem, só que rodando no meu VS Code hahaha (e de verdade, ainda estou buscando falhas, parece doidera d+)

Em algumas janelas mais curtas ele perdeu, mas no geral, no longo prazo, ganhou, considerando que a ideia eh bater o B&H, acho que faz sentido considerar o "longo prazo", alterei o SMA diminuindo o valor, os resultados foram bem interessantes, estou testando manualmente, vou criar uma forma de randomizar dentro de uma janela o SMA e testar varios em varias janelas, iniciando e stopando em diferentes pontos, vou buscar automatizar... obrigado a dica para estressar o modelo Outras janelas: ============================================================ 📊 RESULTADOS DO BACKTEST Estratégia: SMA 200 (1.5x) + FNG <= 15 (1x) ============================================================ Métrica Estratégia Buy & Hold ------------------------------------------------------------ CAGR 53.05% 46.62% Sharpe Ratio 0.84 0.78 Max Drawdown -74.56% -76.63% Total Return 1387.66% 1033.09% Win Rate 28.26% Valor Final $ 1,487,662 $ 1,133,087 Quantidade de Trades 125 Período (dias) 2317 ============================================================ ============================================================ 📊 RESULTADOS DO BACKTEST Estratégia: SMA 200 (1.5x) + FNG <= 15 (1x) ============================================================ Métrica Estratégia Buy & Hold ------------------------------------------------------------ CAGR 18.80% 21.08% Sharpe Ratio 0.50 0.51 Max Drawdown -42.86% -76.63% Total Return 150.98% 177.77% Win Rate 24.64% Valor Final $ 250,980 $ 277,775 Quantidade de Trades 103 Período (dias) 1951 ============================================================ ============================================================ 📊 RESULTADOS DO BACKTEST Estratégia: SMA 200 (1.5x) + FNG <= 15 (1x) ============================================================ Métrica Estratégia Buy & Hold ------------------------------------------------------------ CAGR 38.97% 13.17% Sharpe Ratio 0.77 0.41 Max Drawdown -39.80% -66.89% Total Return 317.48% 71.13% Win Rate 26.78% Valor Final $ 417,482 $ 171,127 Quantidade de Trades 84 Período (dias) 1586 ============================================================ Alterando SMA: ============================================================ 📊 RESULTADOS DO BACKTEST Estratégia: SMA 100 (1.5x) + FNG <= 15 (1x) ============================================================ Métrica Estratégia Buy & Hold ------------------------------------------------------------ CAGR 66.93% 30.30% Sharpe Ratio 0.95 0.61 Max Drawdown -54.16% -76.63% Total Return 6778.89% 789.48% Win Rate 26.88% Valor Final $ 6,878,886 $ 889,479 Quantidade de Trades 183 Período (dias) 3016 ============================================================ ============================================================ 📊 RESULTADOS DO BACKTEST Estratégia: SMA 50 (1.5x) + FNG <= 15 (1x) ============================================================ Métrica Estratégia Buy & Hold ------------------------------------------------------------ CAGR 69.13% 30.31% Sharpe Ratio 0.96 0.61 Max Drawdown -71.99% -76.63% Total Return 7564.18% 789.88% Win Rate 26.22% Valor Final $ 7,664,175 $ 889,885 Quantidade de Trades 193 Período (dias) 3016 ============================================================ ============================================================ 📊 RESULTADOS DO BACKTEST Estratégia: SMA 150 (1.5x) + FNG <= 15 (1x) ============================================================ Métrica Estratégia Buy & Hold ------------------------------------------------------------ CAGR 63.34% 30.30% Sharpe Ratio 0.92 0.61 Max Drawdown -60.89% -76.63% Total Return 5649.54% 789.72% Win Rate 26.52% Valor Final $ 5,749,545 $ 889,719 Quantidade de Trades 154 Período (dias) 3016 ============================================================ SMA 100 por algumas janelas: ============================================================ 📊 RESULTADOS DO BACKTEST Estratégia: SMA 100 (1.5x) + FNG <= 15 (1x) ============================================================ Métrica Estratégia Buy & Hold ------------------------------------------------------------ CAGR 71.17% 51.61% Sharpe Ratio 0.96 0.82 Max Drawdown -54.16% -76.63% Total Return 5075.71% 2023.39% Win Rate 28.77% Valor Final $ 5,175,709 $ 2,123,389 Quantidade de Trades 177 Período (dias) 2682 ============================================================ ============================================================ 📊 RESULTADOS DO BACKTEST Estratégia: SMA 100 (1.5x) + FNG <= 15 (1x) ============================================================ Métrica Estratégia Buy & Hold ------------------------------------------------------------ CAGR 69.82% 46.63% Sharpe Ratio 0.98 0.78 Max Drawdown -54.16% -76.63% Total Return 2776.77% 1033.79% Win Rate 28.65% Valor Final $ 2,876,765 $ 1,133,789 Quantidade de Trades 156 Período (dias) 2317 ============================================================ ============================================================ 📊 RESULTADOS DO BACKTEST Estratégia: SMA 100 (1.5x) + FNG <= 15 (1x) ============================================================ Métrica Estratégia Buy & Hold ------------------------------------------------------------ CAGR 18.56% 21.09% Sharpe Ratio 0.49 0.51 Max Drawdown -54.03% -76.63% Total Return 148.25% 177.93% Win Rate 24.18% Valor Final $ 248,253 $ 277,928 Quantidade de Trades 131 Período (dias) 1951 ============================================================ ============================================================ 📊 RESULTADOS DO BACKTEST Estratégia: SMA 100 (1.5x) + FNG <= 15 (1x) ============================================================ Métrica Estratégia Buy & Hold ------------------------------------------------------------ CAGR 35.03% 13.19% Sharpe Ratio 0.72 0.41 Max Drawdown -49.38% -66.89% Total Return 268.38% 71.24% Win Rate 24.20% Valor Final $ 368,382 $ 171,239 Quantidade de Trades 101 Período (dias) 1586 ============================================================ ============================================================ 📊 RESULTADOS DO BACKTEST Estratégia: SMA 100 (1.5x) + FNG <= 15 (1x) ============================================================ Métrica Estratégia Buy & Hold ------------------------------------------------------------ CAGR 32.04% 60.98% Sharpe Ratio 0.68 1.03 Max Drawdown -49.38% -49.74% Total Return 153.23% 391.12% Win Rate 27.99% Valor Final $ 253,233 $ 491,124 Quantidade de Trades 87 Período (dias) 1221 ============================================================ ============================================================ 📊 RESULTADOS DO BACKTEST Estratégia: SMA 100 (1.5x) + FNG <= 15 (1x) ============================================================ Métrica Estratégia Buy & Hold ------------------------------------------------------------ CAGR 2.90% 29.97% Sharpe Ratio 0.22 0.65 Max Drawdown -45.56% -49.74% Total Return 6.94% 84.83% Win Rate 22.64% Valor Final $ 106,937 $ 184,833 Quantidade de Trades 63 Período (dias) 856 ============================================================

Fala, pessoal! Como vocês sabem pelos meus posts anteriores, sou da área de tecnologia e apaixonado por investimentos. Recentemente, entrei em uma "punheta mental" depois de ouvir o @Raul sena comentar em uma live sobre o desejo de montar um ETF de Bitcoin que subisse mais e caísse menos. Fiquei com essa ideia na cabeça, peguei meu editor de código e comecei a programar um modelo para validar essa tese. Executei o backtest dos últimos anos (período de ~3000 dias) e, sinceramente... estou surpreso e um pouco cético. Os números parecem absurdos demais: Tenho aquele sentimento clássico de dev: "Algo está muito errado no meu código". O problema é que já revisei inúmeras vezes, chequei as taxas de corretagem, o custo da alavancagem, os dados de fechamento... e tudo parece certo. Se esse backtest estiver correto, o resultado desse "ETF hipotético" seria um completo absurdo. O meu dilema atual é: O retorno é excelente, mas eu queria muito diminuir esse Drawdown (-74%) sem sacrificar tanta rentabilidade. Mas, acima de tudo, queria saber se mais alguém aqui já tentou simular algo parecido ou se consegue enxergar onde pode estar o erro (ou se o mercado é bizarro assim mesmo). Alguém mais já entrou nesse buraco de coelho de tentar bater o B&H de BTC com indicadores de tendência e sentimento? Aqui está o resumo comparativo direto para você entender a diferença entre as duas situações: 1. Buy & Hold (O jeito tradicional) Investimento (X): Você coloca $ 100.000 e não mexe em nada. O que acontece (Y): Você acompanha a montanha-russa do Bitcoin. Quando ele sobe, você ganha; quando ele cai 80%, você amarga a queda total. Resultado (XZ): Depois de ~8 anos, seus $ 100k viraram $ 888.824. É um lucro excelente, mas você teve que ter estômago de aço para não vender nas quedas. 2. Minha Estratégia (O "ETF" Dinâmico) Investimento (X): Você coloca os mesmos $ 100.000, mas o código gerencia o risco. O que acontece (Y): Quando o mercado está "em paz" e subindo, o código alavanca (pega dinheiro emprestado) para subir 1.5x mais rápido. Quando o mercado fica perigoso (abaixo da média de 200 dias), o código vende tudo e fica protegido em dólar. Resultado (XZ): Graças a essa "mãozinha" na subida e proteção na queda, seus $ 100k viraram $ 2.090.476. Em resumo: Enquanto no Buy & Hold você quase multiplicou por 9, na minha estratégia multiplicou por 20.

Trabalho realizando pentest já faz alguns anos e atualmente atuo como líder técnico de um time de segurança ofensiva em uma instituição financeira. Se ainda precisar dessa ajuda, sinta-se à vontade para me chamar na DM, posso tentar te ajudar indicando algumas empresas que conheço e recomendo, ou também prestar esse serviço, caso seja do seu interesse. Se quiser, me chama na DM por aqui e podemos trocar uma ideia. As recomendações acima também são boas por sinal.

Fala, comunidade! Tudo certo? Desenvolvi uma Gem no Gemini para facilitar nossa vida na hora de preencher os critérios da nossa metodologia: o AUVP Análise. A ideia central é automatizar aquela parte que muita gente considera chata e morosa: ficar buscando os dados brutos para responder às perguntas do Diagrama. O bot faz o "trabalho sujo" de pesquisa e organiza tudo para você ganhar tempo. 🚀 O que ele faz? No momento, a ferramenta está otimizada para Ações. Basta digitar o ticker (ex: BPAC11) e ele gera a resposta estruturada: Tabela Resumo: Um checklist de Sim/Não para cada pergunta técnica do Diagrama. Dissertação: Uma explicação detalhada para cada item, justificando o porquê do "Sim" ou do "Não" com base nos fundamentos atuais. 🔗 Link para acessar: AUVP Análise - Gemini Gem https://gemini.google.com/gem/1r2sV9WbWndXAVGBkL2rdh00JAPdP4t3i?usp=sharing ⚠️ Aviso Importante: Vale lembrar que essa Gem não substitui uma análise detalhada e manual. O olhar do investidor e o filtro final são indispensáveis, mas o bot serve como um excelente ponto de partida para agilizar o processo e garantir que você não esqueceu nenhum critério essencial. 💬 Feedback: O projeto está em constante evolução. Se você testar e sentir falta de algo, ou se tiver sugestões de perguntas para adicionar ou remover, manda aqui nos comentários! Quero ajustar para que fique o mais útil possível para todo mundo. Bons investimentos!