Como escolher pares de criptomoedas para um bot sem selecionar apenas os vencedores

Comece pelas regras de elegibilidade dos pares

Um par não se torna elegível simplesmente porque seus candles podem ser baixados hoje. Antes da otimização, informe a corretora, o mercado à vista ou de futuros perpétuos, a moeda de cotação, o histórico mínimo, o tamanho mínimo negociável e o limite de liquidez. A regra precisa usar apenas informações disponíveis em cada data de seleção.

Por exemplo, uma regra de pesquisa pode admitir pares em USDT de uma corretora escolhida, com pelo menos 90 dias de negociação e volume recente acima de um limite predefinido. Esses números são escolhas ilustrativas, não limites universalmente seguros. Registre exatamente quais pares passaram em cada revisão e quando cada um ficou disponível.

A armadilha de escolher os melhores backtests depois do teste

Suponha que um bot seja testado em 30 pares, mas o gráfico publicado mostre apenas os três melhores. A pergunta deixa de ser se a regra funciona no universo pretendido e passa a ser se é possível encontrar três históricos favoráveis. Quanto mais pares e combinações de parâmetros forem examinados, mais fácil será encontrar resultados atraentes por acaso.

Um relatório hipotético de 30 pares deve mostrar a distribuição completa: mediana, piores pares, quantidade com retorno líquido positivo, número de operações, drawdown, tempo em posição e datas comuns do teste. Não tire a média dos retornos percentuais de backtests independentes que usam todo o saldo e chame isso de carteira.

• Mostre a lista original dos 30 pares e a regra de seleção.
• Informe quantas configurações foram testadas por par.
• Mantenha mercados malsucedidos, ausentes e removidos no histórico de auditoria.
• Separe o desempenho no período de seleção da validação em dados não utilizados.

Considere as moedas que desapareceram

Usar as moedas ativas de hoje em um teste antigo pode excluir as que desapareceram, perderam liquidez ou foram deslistadas. Isso é viés de sobrevivência. Um artigo acadêmico sobre criptomoedas mostra que excluir esses ativos pode distorcer significativamente as medidas de desempenho histórico. As estimativas numéricas dependem da amostra e da construção da carteira, portanto não devem ser usadas como fator de correção para um bot individual.

Se os dados históricos de listagem e remoção estiverem incompletos, informe essa limitação. Reconstrua a elegibilidade de cada época quando possível, guarde listas arquivadas e divulgue as lacunas. Um teste com os pares sobreviventes de hoje ainda pode ser útil como experimento condicionado a essa lista, mas não demonstra como uma regra histórica inalterada teria se comportado.

Simule uma conta, não trinta contas separadas

Um retorno de 10% em cada um de dois testes isolados não significa que uma conta poderia obter ambos. Os sinais podem surgir ao mesmo tempo, o capital já pode estar comprometido, e limites de risco da corretora ou de posições podem impedir uma nova ordem. O backtest da carteira deve reproduzir cronologicamente todos os sinais elegíveis, com as mesmas regras de caixa, dimensionamento e prioridade previstas para a operação real.

Quando várias posições em altcoins se movem juntas, o drawdown da carteira pode aumentar mesmo que cada par pareça aceitável isoladamente. Acompanhe o patrimônio com posições abertas, a exposição simultânea máxima, o número de posições concorrentes e o maior período de capital comprometido. Em sistemas DCA, reserve recursos para entradas posteriores, em vez de presumir que cada par pode usar a conta inteira ao mesmo tempo.

Congele as regras de seleção antes do teste final

Um procedimento viável tem três etapas. Primeiro, desenvolva a estratégia e as regras de elegibilidade em um período de desenvolvimento. Depois, escolha as configurações usando somente esse período. Por fim, congele as regras e avalie todos os pares elegíveis em dados posteriores que não influenciaram a escolha. Consultar repetidamente o período de validação e ajustar as regras transforma esse período em parte do desenvolvimento.

Teste a sensibilidade a pequenas alterações no limite de liquidez, nas premissas de custos e nas datas de revisão. Verifique se o resultado depende de uma única moeda recém-listada ou de uma fase extraordinária do mercado. O trading simulado prospectivo testa depois o caminho operacional, mas nem uma validação bem executada garante lucros futuros.

Um exemplo simples de divulgação

Imagine que 30 pares tenham passado por uma regra escrita antes da otimização. Em uma validação puramente hipotética, oito apresentam retorno líquido positivo, 22 não, e três vencedores têm retornos muito superiores aos demais. Publicar apenas esses três esconderia a baixa abrangência do resultado. Mesmo divulgar os 30 não revela o retorno da carteira até que os sinais sejam reproduzidos com capital compartilhado e exposição sobreposta.

Um relatório útil inclui a lista elegível original, o histórico disponível de cada par, as configurações testadas, retorno líquido, drawdown máximo e número de operações, além de uma curva de patrimônio de uma única conta. Marque as datas em que regras e parâmetros foram congelados. Este exemplo é educacional e não representa o desempenho da TensorParadigm.

• 30 pares testados com uma única regra de elegibilidade predefinida.
• 8 resultados hipotéticos positivos e 22 não positivos.
• Resultados independentes por par não podem ser somados para estimar o retorno de uma conta.
• O patrimônio da carteira e as posições abertas exigem uma única simulação cronológica.

O que isso significa para bots de trading com IA

Um modelo treinado em várias moedas também pode aprender a identidade do ativo, a época de listagem ou o regime de mercado, em vez de um sinal durável. Divida os dados no tempo antes de ajustar características e parâmetros, e examine pares e datas não usados para escolher o modelo. Uma moeda nova, com pouco histórico, não deve receber um desempenho anterior inventado.

Nossos guias anteriores explicam como avaliar o número de operações, detectar vazamento de dados futuros e medir o drawdown. A seleção de pares acrescenta outra pergunta: esse mercado teria sido elegível antes de alguém conhecer o resultado? Uma resposta clara torna a evidência do bot mais útil do que uma galeria de seus melhores gráficos.