Um relatório de backtest é uma folha densa de números. Retorno total, índice de Sharpe, drawdown máximo, fator de lucro, taxa de acerto — cada métrica responde a uma pergunta diferente sobre sua estratégia. Leia-as errado e você implantará uma estratégia que parece brilhante no papel mas sangra capital em mercados reais. Leia-as corretamente e você filtrará configurações frágeis antes que lhe custem um centavo.
Este guia fornece as fórmulas, os benchmarks e — mais importante — o framework de avaliação para distinguir um backtest genuinamente forte de um astutamente sobreajustado.
Pontos-chave
- O Índice de Sharpe mede o retorno por unidade de risco total; valores acima de 1,0 são bons, acima de 2,0 excelentes, acima de 4,0 suspeitos.
- O Drawdown Máximo revela a pior perda de pico a vale — define o teto de dor psicológica e financeira.
- A taxa de acerto sozinha é insignificante sem contexto de risco-retorno: 40% de acerto com RR 1:3 é mais lucrativo que 70% com 1:0,5.
- O overfitting produz resultados de backtest que só funcionam em um conjunto de dados específico — detecte-o testando em dados não vistos.
- A forma da curva de equity revela mais sobre a robustez de uma estratégia do que qualquer métrica individual.
- Sinais de alerta incluem Sharpe >4, taxa de acerto >98% e zero operações perdedoras — quase sempre indicam um backtest defeituoso.
Se você ainda não executou um backtest, comece com nosso guia passo a passo de backtesting antes de ler este artigo.
Os valores em dólares e as porcentagens deste guia são exemplos ilustrativos, não recomendações. O trading de criptomoedas pode gerar perdas — dimensione cada bot com fundos que você pode se permitir perder e leia a Divulgação de Riscos completa antes de operar ao vivo.
Métricas Principais de Desempenho com Fórmulas
Retorno Total vs. CAGR
Retorno Total é a métrica mais simples: quanto seu portfólio ganhou ou perdeu durante todo o período de backtest.
Retorno Total = (Valor Final - Valor Inicial) / Valor Inicial × 100
Se você começou com $10.000 e terminou com $11.850, seu retorno total é 18,5%.
O problema com o retorno total é que ignora o tempo. Um retorno de 18,5% em 3 meses é fenomenal. O mesmo 18,5% em 3 anos é decepcionante. O CAGR (Taxa de Crescimento Anual Composta) corrige isso normalizando os retornos em base anualizada:
CAGR = (Valor Final / Valor Inicial)^(365 / dias) - 1
Exemplo: $10.000 → $11.850 em 180 dias:
CAGR = (11850 / 10000)^(365/180) - 1 = 1,185^2,028 - 1 = 0,4036 = 40,36%
Esse mesmo $10.000 → $11.850 em 730 dias (2 anos):
CAGR = (11850 / 10000)^(365/730) - 1 = 1,185^0,5 - 1 = 0,0887 = 8,87%
Sempre compare estratégias usando CAGR, não retorno total. Uma estratégia que rende 25% em 6 meses (CAGR ≈ 56%) é muito superior a uma que rende 30% em 14 meses (CAGR ≈ 25%), mesmo que o retorno total seja menor.
Índice de Sharpe
O Índice de Sharpe é o padrão-ouro para desempenho ajustado ao risco. Responde: "Quanto retorno eu ganhei por cada unidade de volatilidade que suportei?"
Índice de Sharpe = (Rp - Rf) / σp
Onde:
- Rp = retorno anualizado do portfólio
- Rf = taxa livre de risco (tipicamente 4–5% para USD, ou 0% se comparando apenas cripto)
- σp = desvio padrão anualizado dos retornos do portfólio
Exemplo de cálculo: Seu bot rende 42% anualizado com desvio padrão de 18%. Taxa livre de risco 5%.
Sharpe = (0,42 - 0,05) / 0,18 = 0,37 / 0,18 = 2,06
| Índice de Sharpe | Interpretação | Ação |
|---|---|---|
| < 0,5 | Retorno ajustado ao risco fraco | Redesenhar a estratégia |
| 0,5 – 1,0 | Aceitável | Utilizável, buscar melhorias |
| 1,0 – 2,0 | Bom | Candidato forte para implantação real |
| 2,0 – 3,0 | Excelente | Implantar com confiança, monitorar mudança de regime |
| > 4,0 | Suspeito | Quase certamente sobreajustado — investigar |
Um índice de Sharpe acima de 4,0 em um backtest cripto é um sinal de alerta, não um distintivo de honra. Mercados cripto são inerentemente voláteis — alcançar retornos ajustados ao risco de nível hedge fund consistentemente é implausível sem overfitting ou viés de antecipação. Se seu backtest mostra Sharpe > 4, sua primeira reação deve ser suspeita, não celebração.
Índice de Sortino
O Índice de Sharpe penaliza toda volatilidade igualmente — mas volatilidade para cima é boa. Se sua estratégia dispara 5% em um dia, o Sharpe trata isso igual a uma queda de 5%. O Índice de Sortino corrige isso penalizando apenas o desvio de queda:
Índice de Sortino = (Rp - Rf) / σd
Onde σd é o desvio padrão apenas dos retornos negativos.
Por que importa: Uma estratégia que captura grandes movimentos de alta mas limita perdas terá um Índice de Sortino significativamente maior que seu Índice de Sharpe. Isso diz que a volatilidade é "do tipo bom".
Exemplo: Mesmo bot com 42% de retorno anualizado e taxa livre de risco de 5%, mas desvio de queda de apenas 11%:
Sortino = (0,42 - 0,05) / 0,11 = 3,36
Compare isso com o Sharpe de 2,06. A grande diferença diz que a maior parte da volatilidade da estratégia vem de movimentos de alta — uma característica desejável.
Drawdown Máximo
O drawdown máximo (MDD) mede o maior declínio de pico a vale no valor do portfólio. Responde à pergunta mais pessoal no trading: "Qual é a pior dor que eu teria suportado?"
MDD = (Valor do Vale - Valor do Pico) / Valor do Pico × 100
Exemplo: Seu portfólio sobe de $10.000 para $13.200 (o pico), depois cai para $10.890 antes de se recuperar:
MDD = (10890 - 13200) / 13200 × 100 = -17,5%
Duas sub-métricas críticas:
- Duração do Drawdown: Quantos dias do pico ao vale. Um drawdown de -15% durando 4 dias é psicologicamente mais fácil que -15% durando 2 meses.
- Tempo de Recuperação: Quantos dias do vale de volta ao pico anterior. Recuperação rápida = estratégia resiliente.
| Drawdown Máximo | Nível de Risco | Adequado Para |
|---|---|---|
| < 5% | Conservador | Traders avessos ao risco, grande capital |
| 5% – 15% | Moderado | Maioria dos traders de bots |
| 15% – 25% | Agressivo | Traders experientes com convicção |
| > 25% | Alto risco | Apenas com alocação pequena e alto retorno esperado |
Regra prática útil: nunca implante uma estratégia cujo drawdown máximo exceda 1,5× o que você pode suportar emocionalmente. Se seu backtest mostra -15% MDD, prepare-se para -22,5% em trading real. Drawdowns reais quase sempre excedem os backtestados devido a slippage, latência e condições de mercado não presentes em dados históricos.
Fator de Lucro
O fator de lucro é brutalmente simples e imediatamente acionável:
Fator de Lucro = Lucro Bruto / Perda Bruta
Exemplo: Seu bot ganhou $4.200 em operações vencedoras e perdeu $2.100 em operações perdedoras:
Fator de Lucro = 4200 / 2100 = 2,0
| Fator de Lucro | Interpretação |
|---|---|
| < 1,0 | Estratégia perdedora — perdas brutas excedem lucros brutos |
| 1,0 – 1,5 | Marginal — mal lucrativa após taxas e slippage |
| 1,5 – 2,0 | Bom — vantagem sólida |
| 2,0 – 3,0 | Excelente — vantagem forte e consistente |
| > 3,0 | Verificar cuidadosamente — possível overfitting ou poucas operações |
Taxa de Acerto e Expectativa
Taxa de Acerto é a porcentagem de deals fechados com lucro:
Taxa de Acerto = Deals Vencedores / Deals Totais × 100
A taxa de acerto sozinha é perigosamente enganosa. Uma taxa de 90% soa incrível — mas se seu ganho médio é $10 e sua perda média é $200, você está perdendo dinheiro. É aqui que entra a expectativa:
Expectativa = (Taxa de Acerto × Ganho Médio) - (Taxa de Perda × Perda Média)
Exemplo: Taxa de acerto 62%, ganho médio $85, perda média $120:
Expectativa = (0,62 × $85) - (0,38 × $120) = $52,70 - $45,60 = $7,10 por operação
Cada operação tem uma expectativa positiva de $7,10. Em 100 operações, você esperaria ganhar ~$710.
Taxa de Acerto vs. Risco-Retorno: A Tabela de Equilíbrio
Este é um dos conceitos mais importantes no trading. Taxa de acerto e razão risco-retorno (RR) estão inversamente relacionadas: você pode ser lucrativo com uma taxa de acerto baixa se seus vencedores são grandes o suficiente em relação aos perdedores.
A taxa de equilíbrio para qualquer razão risco-retorno é:
Taxa de Equilíbrio = 1 / (1 + Razão Risco-Retorno)
| Razão Risco-Retorno | Taxa de Equilíbrio | Exemplo: $100 de Risco |
|---|---|---|
| 1:0,5 | 66,7% | Ganhar $50, perder $100 — acertar 2 de 3 |
| 1:1,0 | 50,0% | Ganhar $100, perder $100 — acertar metade |
| 1:1,5 | 40,0% | Ganhar $150, perder $100 — acertar 2 de 5 |
| 1:2,0 | 33,3% | Ganhar $200, perder $100 — acertar 1 de 3 |
| 1:3,0 | 25,0% | Ganhar $300, perder $100 — acertar 1 de 4 |
| 1:5,0 | 16,7% | Ganhar $500, perder $100 — acertar 1 de 6 |
Exemplo prático: Um bot DCA com 40% de taxa de acerto e risco-retorno 1:3:
- De 100 operações: 40 ganhos × $300 = $12.000 de lucro
- 60 perdas × $100 = $6.000 de perdas
- Lucro líquido = $6.000 (fator de lucro = 2,0)
Compare isso com um bot com 70% de taxa de acerto e risco-retorno 1:0,5:
- 70 ganhos × $50 = $3.500 de lucro
- 30 perdas × $100 = $3.000 de perdas
- Lucro líquido = $500 (fator de lucro = 1,17)
A estratégia de 40% de acerto produz 12× mais lucro líquido. Taxa de acerto é vaidade; expectativa é sanidade.
Ao avaliar um backtest, sempre calcule a expectativa antes de tomar qualquer decisão de implantação. Uma alta taxa de acerto com expectativa negativa esvaziará sua conta lentamente — e o conforto psicológico de vitórias frequentes o impedirá de desligá-la até que o dano real seja feito.
Análise da Curva de Equity
A curva de equity plota o valor do seu portfólio ao longo do tempo. É o visual individual mais denso em informação de qualquer relatório de backtest.
Escada Suave (Ideal)
Uma curva de equity saudável sobe em incrementos consistentes em forma de degraus. Cada degrau representa um deal completado. Os degraus sobem mais do que descem, e drawdowns entre degraus são rasos e breves.
O que diz: A estratégia gera vantagem consistente e repetível em diferentes condições de mercado. Esta é a curva de uma estratégia em que você pode confiar com capital real.
Dente de Serra (Preocupante)
Movimentos bruscos para cima seguidos de movimentos igualmente bruscos para baixo, criando um padrão de ziguezague. A trajetória geral pode ser de alta, mas o caminho é violento.
O que diz: Alta variância nos retornos. O drawdown máximo provavelmente é grande, o índice de Sharpe provavelmente está abaixo de 1,0, e o trading real testará seus limites emocionais. Mesmo que o retorno total seja positivo, a estratégia é frágil.
Taco de Hóquei (Perigoso)
Plano ou ligeiramente negativo na maior parte do período, depois um pico repentino produzindo a maior parte do lucro em poucas operações.
O que diz: A estratégia é dependente de um evento específico de mercado (um crash, um pump ou uma única vela grande). Remova essas poucas operações e a estratégia é não lucrativa. Isto não é uma vantagem sistemática — é sorte que coincidiu com sua janela de backtest.
Queda de Penhasco (Fatal)
Subida constante seguida por uma queda repentina e catastrófica que apaga a maioria ou todos os ganhos.
O que diz: A estratégia não tem proteção de queda. Tipicamente causada por falta de stop loss, alavancagem excessiva ou uma estratégia que está implicitamente short volatilidade (coletando pequenos prêmios até que um evento de cauda apague tudo).
| Forma da Curva | Sharpe Estimado | Causa Típica | Risco em Trading Real |
|---|---|---|---|
| Escada suave | 1,5 – 2,5 | Vantagem consistente, gestão de risco adequada | Baixo — estratégia robusta |
| Dente de serra | 0,3 – 0,8 | Alta volatilidade, entradas inconsistentes | Médio — drawdowns causam saídas de pânico |
| Taco de hóquei | Muito variável | Ganhos concentrados em poucas operações | Alto — desempenho não repetível |
| Queda de penhasco | Negativo ou próximo de 0 | Sem stop loss, alavancagem excessiva | Crítico — possível perda total da conta |
Detectar Overfitting
O overfitting é o assassino silencioso de estratégias backtestadas. Uma estratégia ajustada por curve-fitting parece fenomenal em backtests mas falha em mercados reais porque memorizou o ruído histórico em vez de capturar um padrão genuíno de mercado.
Sinais de Overfitting
-
Funciona em um par, falha em pares similares. Se sua estratégia BTC/USDT rende 35% mas as exatas mesmas configurações em ETH/USDT rendem -5%, a estratégia provavelmente está ajustada ao histórico específico de preço do BTC.
-
Funciona apenas em um período temporal. Uma estratégia que produz 28% nos últimos 6 meses mas -3% nos 6 meses anteriores memorizou um regime específico.
-
Muitos parâmetros otimizados. Cada parâmetro adicional dá ao otimizador mais graus de liberdade para ajustar ruído. Se sua estratégia tem 8+ parâmetros que foram todos individualmente otimizados, o overfitting é quase garantido.
-
Métricas irrealistas. Sharpe > 4, taxa de acerto > 98%, zero operações perdedoras ou fator de lucro > 5 em 50+ operações — todos apontam para uma estratégia que foi torturada para se ajustar aos dados.
-
Desempenho degrada com mudanças menores de configuração. Estratégias robustas mostram mudanças graduais de desempenho quando você ajusta parâmetros ligeiramente. Estratégias sobreajustadas colapsam se você mover RSI de 27 para 28 ou take profit de 1,87% para 1,90%.
Testes In-Sample vs. Out-of-Sample
O método padrão para detectar overfitting:
-
Divida seus dados. Pegue seu histórico total disponível (ex.: 12 meses) e divida-o: primeiros 8 meses = in-sample (treinamento), últimos 4 meses = out-of-sample (validação).
-
Otimize apenas no in-sample. Encontre seus melhores parâmetros usando apenas os primeiros 8 meses.
-
Teste no out-of-sample sem mudanças. Aplique esses parâmetros exatos aos últimos 4 meses. Não ajuste nada.
-
Compare resultados. Se o desempenho out-of-sample está dentro de 30-40% do desempenho in-sample, a estratégia provavelmente tem uma vantagem genuína. Se o desempenho out-of-sample é negativo ou dramaticamente pior, a estratégia está sobreajustada.
Exemplo:
- In-sample (Jan–Ago): 24% de retorno, Sharpe 1,8, 67% de taxa de acerto
- Out-of-sample (Set–Dez): 11% de retorno, Sharpe 1,2, 61% de taxa de acerto
- Veredito: Desempenho declinou mas permaneceu solidamente positivo. Esta é uma estratégia legítima.
Compare com um resultado sobreajustado:
- In-sample (Jan–Ago): 42% de retorno, Sharpe 3,1, 88% de taxa de acerto
- Out-of-sample (Set–Dez): -4% de retorno, Sharpe -0,3, 43% de taxa de acerto
- Veredito: Colapso completo. A estratégia memorizou os dados de treinamento.
Nunca otimize em seus dados out-of-sample. Uma vez que você olha os resultados out-of-sample e ajusta parâmetros de acordo, contaminou o teste. Esses dados estão queimados — você precisa de um conjunto de dados fresco e não visto. Esta é a regra mais comumente violada no desenvolvimento de estratégias.
Walk-Forward Analysis
Uma abordagem mais rigorosa que uma única divisão in/out:
- Otimize nos meses 1–6, teste no mês 7
- Otimize nos meses 2–7, teste no mês 8
- Otimize nos meses 3–8, teste no mês 9
- Continue avançando
Cada período out-of-sample é testado com parâmetros otimizados em uma janela diferente. Se a estratégia performa consistentemente bem em todos os períodos out-of-sample, ela passou no teste de overfitting mais forte disponível.
Sinais de Alerta em Resultados de Backtest
Certos padrões em um relatório de backtest devem disparar ceticismo imediato:
| Sinal de Alerta | Por Que é Suspeito | O Que Investigar |
|---|---|---|
| Índice de Sharpe > 4,0 | Supera os melhores hedge funds. Irrealista para cripto. | Verificar viés de antecipação ou overfitting |
| Taxa de acerto > 98% | Quase zero perdas = provavelmente não fecha operações perdedoras | Verificar se falta stop loss ou está definido amplo demais |
| Zero operações perdedoras | Impossível em mercados reais em amostra significativa | Verificar se o bot mantém perdedores indefinidamente (perdas não realizadas) |
| Fator de Lucro > 5,0 | Em 50+ operações, estatisticamente improvável | Reduzir otimização e testar out-of-sample |
| Drawdown Máximo < 1% | Sugere que a estratégia nunca enfrentou adversidade | Verificar se o período de backtest incluiu quedas significativas |
| Duração média do deal < 1 minuto | Provavelmente explorando peculiaridades do motor de backtesting | Verificar resolução de candle e lógica de preenchimento |
| Total de deals < 10 | Tamanho de amostra insuficiente para qualquer conclusão estatística | Estender período de backtest ou aceitar resultados como não confiáveis |
Exemplo Real: Estratégia A vs. Estratégia B
Vamos comparar dois resultados reais de backtest em BTC/USDT em 6 meses (Jan–Jun) com $10.000 de capital inicial.
Estratégia A: "A Alta Taxa de Acerto"
| Métrica | Valor |
|---|---|
| Retorno Total | 8,2% ($820) |
| Taxa de Acerto | 95,3% (82/86 deals) |
| Ganho Médio | $18,40 (0,184%) |
| Perda Média | $142,00 (1,42%) |
| Drawdown Máximo | -6,8% |
| Índice de Sharpe | 0,72 |
| Fator de Lucro | 1,38 |
| Duração Média do Deal | 3,2 horas |
| Expectativa | $18,40 × 0,953 - $142 × 0,047 = $10,86 |
Estratégia B: "O Caçador de Tendências"
| Métrica | Valor |
|---|---|
| Retorno Total | 22,7% ($2.270) |
| Taxa de Acerto | 55,4% (36/65 deals) |
| Ganho Médio | $112,00 (1,12%) |
| Perda Média | $48,50 (0,485%) |
| Drawdown Máximo | -11,3% |
| Índice de Sharpe | 1,64 |
| Fator de Lucro | 2,48 |
| Duração Média do Deal | 18,6 horas |
| Expectativa | $112 × 0,554 - $48,50 × 0,446 = $40,42 |
Análise
Estratégia A tem uma sedutora taxa de acerto de 95%, mas atinge isso pegando lucros pequenos e mantendo perdedores. Cada ganho é em média de $18,40 enquanto cada perda é em média de $142 — uma razão risco-retorno de aproximadamente 1:0,13. Quatro operações ruins podem apagar 31 operações vencedoras. O fator de lucro de 1,38 deixa quase nenhuma margem para slippage e taxas em trading real. O baixo Sharpe (0,72) confirma desempenho fraco ajustado ao risco.
Estratégia B ganha apenas 55% das vezes, mas vencedores são 2,3× maiores que perdedores. A expectativa por operação ($40,42) é quase 4× maior que a Estratégia A ($10,86). O Sharpe de 1,64 e fator de lucro de 2,48 mostram fortes retornos ajustados ao risco. O drawdown máximo maior (-11,3% vs -6,8%) é o preço de uma estratégia que realmente toma posições significativas.
A Estratégia B é objetivamente superior apesar da menor taxa de acerto. No mesmo período, gerou 2,77× mais lucro com um índice de Sharpe mais que o dobro da Estratégia A. Ao escolher entre estratégias, foque na expectativa, fator de lucro e índice de Sharpe — não na taxa de acerto.
O Que Acontece em Cenários de Estresse?
Imagine uma queda repentina de 12% no BTC durante o período de backtest:
- Estratégia A: O crash dispara 4 stop losses simultaneamente (ela tem muitos micro-deals abertos). Perda: 4 × $142 = $568, apagando 31 operações vencedoras no valor de $570. Um evento de crash apaga um mês de ganhos.
- Estratégia B: O crash dispara 2 stop losses. Perda: 2 × $48,50 = $97. Duas operações vencedoras ($224) cobrem as perdas com folga. A estratégia é estruturalmente resiliente.
Juntando Tudo: O Framework de Avaliação
Ao receber um relatório de backtest, avalie métricas nesta ordem:
- Expectativa — É positiva? Quanto por operação?
- Fator de Lucro — Está acima de 1,5? Acima de 2,0?
- Drawdown Máximo — Você pode suportar psicologicamente e financeiramente 1,5× este número?
- Índice de Sharpe — Está acima de 1,0? Se acima de 3,0, investigar overfitting.
- Curva de Equity — É uma escada suave ou um ziguezague caótico?
- Desempenho Out-of-Sample — A estratégia se mantém em dados não vistos?
- Taxa de Acerto — Apenas relevante no contexto do ganho médio vs. perda média.
Estratégias que passam em todas as sete verificações são raras — e valem a pena implantar. Estratégias que falham nos itens 1–3 devem ser descartadas ou fundamentalmente redesenhadas, independentemente de como as outras métricas se parecem.
Para orientação sobre otimização de estratégias que passam neste framework, veja nosso guia de otimização de bots.
Perguntas Frequentes
Qual é um bom índice de Sharpe para um bot de trading cripto?
Um índice de Sharpe entre 1,0 e 2,0 é considerado bom para estratégias cripto. Mercados cripto são mais voláteis que ações tradicionais, então alcançar um Sharpe acima de 2,0 consistentemente é genuinamente difícil. Valores acima de 3,0 devem ser examinados para overfitting. Para contexto, muitos hedge funds quantitativos bem-sucedidos visam índices de Sharpe entre 1,5 e 2,5. Se seu bot cripto atinge um Sharpe de 1,5 em um backtest cobrindo múltiplos regimes de mercado, esse é um resultado forte.
Como calculo o drawdown máximo se tenho múltiplas posições abertas?
O drawdown máximo deve ser calculado sobre o equity total do portfólio, não sobre operações individuais. Em qualquer ponto dado, o valor do seu portfólio é igual a caixa + P&L não realizado em todas as posições abertas. Acompanhe esse valor combinado ao longo do tempo, identifique o pico mais alto e o vale subsequente mais baixo, e compute o declínio percentual. Muitos traders cometem o erro de olhar apenas para o P&L realizado, o que ignora o risco de drawdown de posições abertas.
Por que minha estratégia tem um bom Sharpe mas um mau fator de lucro?
Isto pode acontecer quando uma estratégia faz muitas operações pequenas lucrativas (criando retornos consistentes com baixa volatilidade → alto Sharpe) mas as poucas operações perdedoras são grandes em relação aos ganhos individuais (puxando para baixo a razão lucro bruto / perda bruta → baixo fator de lucro). Isso sugere que a estratégia tem um risco de cauda gorda: ela performa bem na maioria das vezes mas é vulnerável a perdas grandes ocasionais. Apertar os stop losses geralmente conserta o fator de lucro ao custo de uma taxa de acerto menor.
Devo usar índice de Sharpe ou Sortino?
Use ambos, mas dê mais peso ao Sortino para estratégias com perfis de retorno assimétricos. Se sua estratégia captura grandes movimentos de alta enquanto limita a queda, o Sortino será significativamente maior que o Sharpe, refletindo o fato de que a volatilidade de alta é benéfica. Se Sharpe e Sortino são similares, a volatilidade da sua estratégia é aproximadamente simétrica — movimentos para cima e para baixo são de magnitude similar.
Quantas operações preciso para métricas estatisticamente confiáveis?
No mínimo, 30 operações fornecem confiabilidade estatística básica. Para que o índice de Sharpe e o fator de lucro sejam significativamente diferentes do ruído aleatório, 50+ operações são preferíveis. Para que a taxa de acerto se estabilize dentro de ±5% do valor verdadeiro, você tipicamente precisa de 100+ operações. Se seu backtest mostra apenas 15 operações, trate todas as métricas como estimativas grosseiras, não como preditores confiáveis. Estenda o período de backtest ou use uma estratégia de maior frequência para gerar mais pontos de dados.
Duas estratégias com o mesmo retorno total podem ser muito diferentes em qualidade?
Absolutamente. A Estratégia X pode render 20% com um Sharpe de 0,6, drawdown máximo de -25% e uma curva de equity em queda de penhasco. A Estratégia Y pode render 20% com um Sharpe de 1,8, drawdown máximo de -8% e uma curva em escada suave. Mesmo destino, jornadas radicalmente diferentes. A Estratégia Y é superior em todas as dimensões ajustadas ao risco. O retorno total é a métrica menos útil para comparar estratégias de diferentes perfis de risco.
Aviso legal: Este artigo é apenas para fins educacionais e não constitui aconselhamento financeiro. O trading de criptomoedas envolve risco significativo, e você nunca deve investir mais do que pode se dar ao luxo de perder. Sempre faça sua própria pesquisa antes de tomar decisões de trading.