Robô de trading vs. comprar e manter: estamos comparando o mesmo risco?

Pergunte qual alternativa a conta deveria superar

Um robô ganha 30.74%, enquanto comprar e manter ganha 96.28%. O robô também tem aproximadamente metade da volatilidade diária anualizada e do drawdown máximo. São informações úteis, mas não resolvem se ele acrescentou valor. Quem desejasse menos risco de Bitcoin também poderia manter mais caixa, sem operar um modelo preditivo.

A referência deve responder a uma pergunta definida. A manutenção mede o custo de oportunidade de não permanecer fortemente investido. Uma mistura com caixa pergunta o que uma alocação simples e menor teria feito. Uma meta de volatilidade pergunta o que um orçamento de risco adaptativo declarado teria produzido. São alternativas diferentes, não um critério universal de aprovação. A educação ao investidor da SEC também enfatiza referências apropriadas e os custos incluídos na comparação. [1]

A comparação justa começa pelas informações e restrições disponíveis quando a política poderia ter sido escolhida. Igualar o risco realizado após observar toda a avaliação pode ser exercício descritivo, mas não é regra implementável naquela data anterior. Por isso construímos as referências com observações passadas e mantemos visíveis as diferenças realizadas.

Preserve o robô existente e revele o que já era conhecido

Reutilizamos o modelo logístico fixo da comparação de retreinamento. Sua classificação já era conhecida quando o mantivemos por continuidade. Não selecionamos independentemente uma estratégia nova em dados intocados, e este artigo não é um teste de alfa. As observações de Bitcoin de 2024–25 já apareceram em pesquisas anteriores da TensorParadigm.

O padronizador e os coeficientes são ajustados uma vez no fechamento completo de 1º de janeiro de 2024, com 725 linhas resolvidas de uma janela anterior de 730 dias corridos. Seus seis atributos resumem retornos concluídos, volatilidade, amplitude e volume. Probabilidade de pelo menos 0.55 sem posição agenda compra na abertura seguinte e saída cinco dias entre aberturas depois. Usa 90% do caixa disponível incluindo comissão de entrada, sem alavancagem ou posições sobrepostas, e bloqueia entradas cuja saída excede o fim do relatório. A especificação completa está no estudo vinculado.

Reutilizamos a série diária BTCUSDT do arquivo CC BY 4.0 de humblefool06: 2,142 barras de 20 de fevereiro de 2020 a 31 de dezembro de 2025. O SHA-256 normalizado é 43655a51e6cb41c2ee087bd947f4cefb7dd4151617a29d7f75a3cda471ae5cbb. A checagem herdada de 18 de outubro encontrou correspondência exata de 731 candles, ou 3,655 células OHLCV, com o endpoint diário da Binance; não repetimos a verificação externa. As observações antigas de treinamento continuam sem verificação externa, e o arquivo não identifica explicitamente a corretora de origem. As datas representam sessões UTC pela abertura. [4][5] Os números preservam vírgula para milhares e ponto decimal.

Defina três alternativas sem usar o risco futuro do robô

Antes de executar as contas de referência, fixamos as regras abaixo. Cada conta começa com 10,000 USDT no início de 1º de janeiro de 2024 e é avaliada no fechamento de 31 de dezembro de 2025. O caixa rende zero neste exercício; é uma hipótese de retorno, não uma declaração de que USDT ou seu custodiante não têm risco. Nenhuma carteira toma empréstimos ou vende a descoberto.

Para a mistura fixa, a volatilidade anualizada anterior do Bitcoin é o desvio-padrão amostral dos retornos diários simples de fechamento datados de 1º de janeiro de 2022 a 30 de dezembro de 2023, multiplicado por √365. Os 729 retornos produzem 55.007239%. Dividir um orçamento declarado de 10% por essa estimativa dá peso fixo de BTC de 18.179425%, abaixo do teto de 90%. Rebalanceamos para esse peso na primeira abertura UTC de cada mês. O peso não vem da exposição média futura do robô.

A referência adaptativa divide o mesmo orçamento de 10% pela volatilidade dos últimos 60 retornos elegíveis, limitada a 90%. Na primeira abertura mensal, a data da última barra permitida é a execução menos dois dias. A janela inicial é, portanto, 1º de novembro a 30 de dezembro de 2023: o último fechamento está disponível às 00:00 UTC de 31 de dezembro, 24 horas antes da execução de 1º de janeiro. Os pesos mensais variam entre 15.53% e 34.47% nesta execução. O teto vale nos rebalanceamentos; os pesos podem flutuar entre eles, enquanto a ausência de empréstimos mantém exposição abaixo de 100%.

Faça a referência pagar por cada rebalanceamento

Todas as operações usam BTC fracionário, comissão assumida de 10 pontos-base por lado e execução adversa de 5 pontos-base sobre a abertura de referência. Não descontamos spread nem o mesmo slippage de novo. As contas mensais resolvem a quantidade de compra ou venda para que o BTC, avaliado pela abertura de referência, tenha o peso-alvo no patrimônio após os custos modelados. O caixa deve permanecer não negativo. A manutenção conserva a regra anterior de gastar 90% do caixa inicial incluindo taxa; seu peso não fica continuamente limitado a 90% quando o ativo valoriza.

A primeira compra da mistura fixa mostra a diferença entre um alvo e uma alocação aproximada de caixa. Na abertura de referência de 42,283.58, o preço modelado de compra é 42,304.721790. Comprar 0.042982329393 BTC custa 1,818.355487 USDT mais 1.818355 de comissão, deixando 8,179.826158 em caixa. O BTC vale 1,817.446763 na referência, e o patrimônio após custos é 9,997.272921: o peso é o alvo de 18.179425%. Em 1º de fevereiro, mantê-lo exige vender 10.422243 USDT de BTC e pagar 0.010422 de comissão. Operações pequenas também têm custo.

As 731 observações de patrimônio no fechamento incluem caixa e posições abertas. O robô termina sem posição; as três alternativas conservam BTC, marcado sem venda terminal hipotética. O P&L líquido final da mistura fixa é 1,809.983898 USDT, com 1,225.864569 realizado e 584.119329 não realizado; o adaptativo é 1,734.388210, dividido em 1,663.694161 e 70.694048. Liquidar obrigatoriamente seria outra política de relatório, com execuções e custos adicionais. Não há depósitos ou retiradas.

O mesmo capital produziu quatro perfis de risco

A manutenção termina em 19,627.85 USDT, o robô em 13,073.92, a mistura fixa em 11,809.98 e a meta de volatilidade em 11,734.39. A manutenção tem o maior retorno e drawdown de fechamento diário. O robô cai menos, mas ambas as referências de risco reduzido têm menor drawdown e volatilidade realizada muito menor que ele.

Volatilidade anualizada aqui é o desvio-padrão amostral dos 731 retornos diários líquidos multiplicado por √365. É uma convenção de relatório da trajetória observada, não previsão, afirmação de independência de longo prazo ou limite de perda. Drawdown de fechamento pode omitir perdas intradiárias. O pior dia de cada política oferece outro ângulo: a pior perda diária do robô, 7.53%, ocorreu em 19 de março de 2024; os 8.13% da manutenção ocorreram em 3 de março de 2025. São extremos amostrais em datas distintas, apesar da exposição média bem menor do robô.

A meta de 10% realiza 10.87% de volatilidade, enquanto a mistura fixa realiza 8.88%. Uma estimativa histórica, a defasagem mensal e mercados em mudança não garantem o nível solicitado. São regras de orçamento de risco ex ante, não carteiras construídas depois para ter risco exatamente igual ao do robô.

Exposição média parecida não é o mesmo padrão de risco

O robô tem exposição média ao BTC de 20.33%, e a mistura fixa, 18.56%, mas as volatilidades realizadas são 22.33% e 8.88%. O robô mantém BTC em 165 dos 731 fechamentos, fortemente investido quando está posicionado; a mistura fixa conserva uma parcela pequena o tempo todo. Concentrar exposição em menos dias muda o tamanho e o momento das perdas. A média sozinha não captura esse padrão.

O retorno do robô supera a mistura fixa em 12.64 pontos percentuais, mas com mais que o dobro da volatilidade medida. Dividir retorno por drawdown não faz as políticas terem o mesmo risco. O drawdown máximo é um extremo realizado; volatilidade resume outra propriedade. Nenhum dos dois identifica quanto veio de habilidade preditiva, exposição, timing favorável, custos ou desta amostra selecionada.

Resultados anuais mostram trajetórias sem inventar replicações independentes. Em 2025, o robô ganha 8.49%; a manutenção perde 6.03%, a mistura fixa perde 0.27% e a adaptativa perde 3.41%. O segmento favoreceu relativamente o robô. Selecionar só 2025 esconderia o custo de oportunidade muito maior de 2024. São partes consecutivas de cada conta original, sem reinícios anuais.

Conte a negociação necessária para entregar cada exposição

O robô registra 66 fills, a manutenção um e cada referência mensal 24. O giro abaixo é a soma dos nocionais de compras e vendas dividida por 10,000 USDT; os dois lados contam. Isso torna visível o peso da implementação do robô. Retornos brutos são execuções separadas com taxas e slippage zerados, preservando as regras. A diferença para o líquido depende de quantidades e composição, não apenas da soma das taxas em dinheiro.

Mantendo comissão de 10 pontos-base por lado, elevar o slippage de 5 para 20 reduz o retorno do robô de +30.74% para +19.59%. A manutenção passa de +96.28% a +96.00%, a mistura fixa de +18.10% a +18.00% e a meta de +17.34% a +17.14%. O giro baixo reduz a sensibilidade dessas referências a essa mudança específica. Computação, monitoramento, impostos, custódia/inadimplência, filtros de ordem, latência e impacto de mercado continuam fora do modelo.

Uma referência de volatilidade gerida é estratégia, não ajuste neutro

Nossa referência adaptativa altera exposição após observar volatilidade anterior. É uma decisão de timing baseada em regras, mesmo sem prever direção. Metodologias estabelecidas de controle de risco especificam separadamente estimativa, defasagem, teto de exposição e custos ou buffers de rebalanceamento. Nossa regra mensal sem alavancagem para Bitcoin é ilustração própria, não réplica de um índice MSCI. [2]

A pesquisa de Moreira e Muir usa o inverso da variância anterior; nossa meta divide pela volatilidade, não pela variância. Não replicamos seu estudo de fatores nem transferimos os resultados de alfa para Bitcoin. A questão metodológica relevante é comparar regras completas e historicamente possíveis, sem tratar ajuste de risco como gratuito. [3]

Usar volatilidade realizada, exposição média ou drawdown do período inteiro do robô para escolher a referência empregaria informação indisponível no começo. Pode ser uma atribuição retrospectiva rotulada, mas não a alocação que o investidor poderia ter escolhido então. Nosso peso fixo usa apenas retornos anteriores; os adaptativos usam a defasagem declarada. Nenhum promete igualdade exata com o risco futuro do robô.

Preserve os dias compartilhados ao avaliar incerteza

Como diagnóstico condicional de sensibilidade, reamostramos conjuntamente as quatro séries observadas de retornos diários em blocos circulares de 20 dias, gerando 5,000 amostras de 731 datas com semente 6142026. Cada sorteio usa os mesmos índices para todas as políticas, mantendo ordem dentro dos blocos e dependência entre contas. A documentação oficial de bootstrap temporal descreve blocos fixos e séries multivariadas; nossa implementação é em Python. [6]

A estatística é 365 vezes a média diária do retorno líquido do robô menos a referência, em pontos percentuais por ano. É diferença de média aritmética diária anualizada, não diferença de retornos terminais compostos, de CAGR ou alfa. Todas as faixas do 5º ao 95º percentil abaixo cruzam zero. São faixas condicionais de reamostragem, não teste de significância pós-seleção calibrado nem garantia de cobertura de confiança.

Reamostrar retornos da conta não reajusta o modelo, não recalcula pesos de volatilidade nem reexecuta o estado de negociação em novos preços. Pressupõe que os blocos selecionados informam a variação relevante; mudanças longas de regime ou choques não observados podem invalidar isso. Gerar mais amostras não cria evidência de mercado nem apaga a seleção conhecida da estratégia.

Use a comparação para escolher a próxima pergunta, não um rótulo vencedor

A conta obteve retorno modelado positivo e drawdown menor que uma manutenção fortemente investida. Também teve volatilidade realizada bem maior que as duas alternativas de risco reduzido e custos de negociação muito superiores. Tudo isso pode ser verdadeiro ao mesmo tempo. O registro não isola um prêmio causal de timing nem demonstra superioridade futura ajustada ao risco.

Uma próxima avaliação útil fixaria orçamento de risco, referências elegíveis e regras de seleção antes de novas observações, comparando contas completas e requisitos operacionais. O protocolo de teste ao vivo trata dessa etapa prospectiva. Aqui passaram os checks de hash, contas de referência independentes em aritmética decimal, pesos exatos após custos e perturbações de preços futuros; o robô reproduz exatamente sua trajetória preservada. Isso apoia fidelidade da implementação, não rentabilidade além do modelo observado.

ChatGPT ou Claude podem transformar uma alegação vaga de “superar comprar e manter” em regras explícitas. Codex ou Claude Code podem auxiliar na auditoria de contas e do tempo dos dados. Aqui a IA apoiou a análise e Python realizou os cálculos; não comparamos os produtos como agentes de trading. Exija que o assistente preserve as referências e distinga a estatística de risco relatada da informação disponível ao alocar capital.

Defina qual alternativa a conta deve superar. Fixe alocações de referência, dados de risco, defasagens, capital, rendimento do caixa, taxas e rebalanceamento antes de examinar resultados. Não use volatilidade realizada da avaliação para determinar a alocação. Concilie caixa e posições abertas em horários idênticos e cobre cada custo uma vez. Relate retorno, trajetória da exposição, volatilidade, drawdown, giro, períodos de perda e incerteza pareada. Separe atribuição descritiva, estratégia implementável e evidência de alfa. Preserve todas as referências declaradas, inclusive as desfavoráveis.