Backtests mentem. Curve-fitting, viés de antecipação, viés de sobrevivência, suposições de execução irrealistas - as formas como um backtest pode enganá-lo estão bem documentadas.
Mas se você leva o trading sistemático a sério, ainda precisa testar. A questão não é se fazer backtesting. É como fazê-lo sem se enganar.
Aqui estão as metodologias que realmente funcionam.
Comece com a Lógica, Não com os Dados
Antes de executar um único teste, articule por que sua estratégia deveria funcionar.
Não "porque funcionou historicamente". Isso é circular. Você precisa de uma razão baseada no mercado: o comportamento institucional cria esse padrão, a psicologia humana produz essa tendência, a estrutura do mercado gera essa ineficiência.
Se você não consegue explicar a lógica, está fazendo mineração de dados. Qualquer "edge" que você encontre provavelmente é ruído que parecia sinal.
Boas fundações:
- Ciclos existem porque o capital rota através de fases de acumulação e distribuição
- Volume confirma direção porque o fluxo de dinheiro revela a intenção institucional
- Confluência funciona porque sistemas independentes concordando reduz sinais falsos
Escreva sua hipótese antes de testar. Isso evita adaptar explicações aos resultados posteriormente.
Incorpore Custos Realistas
A maioria dos backtests assume execução perfeita. O trading real tem fricção.
Inclua em cada teste:
- Spread: Você compra no ask, vende no bid. Modele isso explicitamente
- Slippage: Assuma execuções 0,1-0,5% piores que seu preço de sinal
- Comissões: Mesmo corretoras "gratuitas" têm taxas SEC e custos de pagamento por fluxo de ordens
- Impacto de mercado: Sua ordem move o preço, especialmente em instrumentos menos líquidos
Uma estratégia que ganha 0,1% por trade com 0,15% de custos de ida e volta é perdedora. Melhor saber agora do que após perdas reais.
O Protocolo Fora da Amostra
Esta é a técnica mais importante para backtesting honesto: teste fora da amostra.
- Divida seus dados. Separe em dentro da amostra (digamos, 70%) e fora da amostra (30%)
- Desenvolva apenas dentro da amostra. Faça todos os seus testes, ajustes e otimizações nos dados dentro da amostra
- Teste uma vez fora da amostra. Quando tiver um sistema final, teste-o nos dados fora da amostra que você nunca viu
- Uma chance. Você só tem uma chance. Se testar fora da amostra, ajustar e testar novamente, não é mais fora da amostra
Se a performance degrada significativamente nos dados fora da amostra, você fez overfitting. Se ela se mantém, você pode ter algo real.
Análise Walk-Forward
Ainda melhor que o simples teste fora da amostra é a análise walk-forward:
- Otimize no período 1 (digamos, 2015-2018)
- Teste no período 2 (2019)
- Registre os resultados
- Otimize no período 2 (2016-2019)
- Teste no período 3 (2020)
- Repita
Isso simula o que você realmente faria: re-otimizar periodicamente seu sistema usando dados recentes, depois operar adiante.
Se os períodos de "teste" performam consistentemente bem, seu sistema é robusto. Se a performance nos períodos de teste é muito pior que nos períodos de otimização, você está fazendo curve-fitting.
O Teste de Realidade Monte Carlo
Seu backtest mostra um drawdown máximo de 25%. Confortável, certo?
Mas isso é apenas um caminho através da história. A variação aleatória poderia ter produzido muito pior.
A análise Monte Carlo aleatoriza a ordem de seus trades (ou amostra com reposição) e executa milhares de simulações. Isso mostra a você a gama de resultados que poderiam ter ocorrido com os mesmos trades em sequências diferentes.
Se seu drawdown máximo poderia ter sido 50% com sorte diferente, você precisa dimensionar para um drawdown de 50%, não 25%.
A Conclusão
Backtesting não é prova de um edge. É uma forma de refutar ideias ruins - se você for honesto sobre isso.
Um bom backtest:
- Usa regras simples com lógica baseada no mercado
- Evita viés de antecipação e de sobrevivência
- Inclui custos de transação realistas
- Reserva dados fora da amostra para validação final
- Faz testes de estresse com análise walk-forward e Monte Carlo
O objetivo não é uma curva de equity bonita. É uma estimativa realista da performance futura. São coisas muito diferentes.
Indicadores que não repintam são essenciais para backtesting honesto. Se o sistema que você está testando usa análise de ciclos, detecção de regime de volume e votação de momentum que finalizam no fechamento da vela, sua revisão histórica mostra exatamente o que você teria visto ao vivo. Sem viés de antecipação. Sem sinais fantasmas. O que você está testando é o que você realmente operaria.
Os sinais não-repintantes do Pentarch são projetados para backtesting honesto - o que você vê no histórico é exatamente o que você teria visto ao vivo, sem viés de antecipação.
Teste com confiança →