Operar seu próprio dinheiro manualmente vem com várias armadilhas psicológicas: sobredimensionamento, excesso de operações, trading de vingança e trading de esperança. Em vez de se enganar com viés de seleção e reações impulsivas, considere deixar os algoritmos trabalharem para você.
O trading algorítmico refere-se ao processo de executar ordens de negociação usando instruções pré-programadas automatizadas. Sistemas de trading algorítmico podem executar operações em alta velocidade e frequência, permitindo que os traders aproveitem as oportunidades de mercado de maneira eficiente. Um robô de trading tem disponibilidade 24/7 e garante que oportunidades de trading sejam capturadas mesmo em condições de mercado voláteis ou em diferentes fusos horários globais.
Se você quer aproveitar o trading automatizado e reduzir o erro humano com algoritmos de computador, você precisa de uma boa estratégia e base. Neste artigo, você será apresentado a três abordagens eficazes usadas por traders quantitativos em hedge funds.
Uma boa estratégia precisa ser testada em dados históricos. Esta abordagem baseada em dados permite a gestão sistemática de riscos e a otimização de portfólio, maximizando os retornos enquanto minimiza o risco de queda.
Existem duas abordagens para fazer o backtest da sua estratégia. A primeira maneira é codificar estratégias por conta própria com Python ou mql4 e testá-las com essas linguagens. Isso dá mais trabalho e requer habilidades de programação. A segunda abordagem é usar plataformas sem código, que oferecem muitos atalhos para construir uma estratégia totalmente automatizada por um preço pequeno a ser pago.
Vamos dizer que você tem habilidades de codificação. Aqui está o que você vai precisar:
Você provavelmente pensará, isso é muito trabalho de codificação, mas não se preocupe, há produtos muito estabelecidos no mercado que ajudam a otimizar e construir estratégias, até mesmo implantá-las diretamente. Aqui está uma lista de plataformas de software de trading algorítmico que tornam o trading robótico simples e não requerem código, se você assim escolher:
Essas plataformas são adequadas para trading algorítmico forex, além de fornecerem uma variedade de exemplos de trading algorítmico, dos quais você pode construir suas ideias.
Além disso, você não terá mais que se preocupar com conjuntos de dados históricos, pois eles estão incluídos. Escolha uma que se adeque aos mercados preferidos nos quais você quer operar, ao preço que está disposto a pagar e garanta que a implantação possa se conectar à sua corretora.
Se você tem uma ideia, mas não quer o trabalho de fazer backtest e otimizar sua estratégia, você pode usar um serviço freelance como o fiverr ou o mercado freelance mql4. Você precisará ter uma visão clara do que quer. A melhor maneira de abordar isso é escrever sua ideia de trading em grande detalhe. Pense sobre distâncias de stoploss, dimensionamento de posição, condições de entrada, condições de saída, cronogramas e gerenciamento de trade. Não tenha expectativas irreais.
Neste ponto, você deve ter chegado a uma decisão sobre como pretende fazer o backtest. Você pode ter considerado se deve mergulhar na codificação ou utilizar plataformas existentes. Agora, a escolha crucial está na seleção da estratégia em si.
A maioria das estratégias de trading automatizadas pode ser categorizada em dois tipos principais: Trading de Momento e Reversão à Média. Adicionalmente, você pode usar arbitragem estatística na forma de trading de pares, que é um subtipo de trading de reversão à média, mas com dois ativos correlacionados. Estas estratégias podem ser usadas para day trading, swing trading e position trading.
Embora haja de fato uma infinidade de outras estratégias de trading, como Rebalanceamento de Índice ou IA de Aprendizado de Máquina, elas frequentemente se enquadram no guarda-chuva desses tipos principais de estratégias de trading. Além disso, algumas dessas estratégias podem não ser tão adequadas para traders forex de varejo devido a várias razões:
Arbitragem de Alta Frequência (HFT): Estratégias de trading de alta frequência requerem velocidades de execução ultra-rápidas e conexões de baixa latência ao mercado, o que pode não ser viável para traders de varejo devido aos altos custos e requisitos de infraestrutura.
Rebalanceamento de Índice: Estratégias de rebalanceamento de índice normalmente envolvem transações em larga escala e estão relacionadas a ETFs e não ao trading de forex e commodities. Rebalancear portfólios long/short é algo que é melhor feito manualmente, devido aos longos horizontes de tempo que visa.
Captura de Cisne Negro: Estratégias ou trading de caixa-preta voltados para capturar eventos de cisne negro ou movimentos extremos do mercado são inerentemente arriscados e difíceis de executar, pois dependem da previsão de eventos raros e imprevisíveis que podem levar a perdas significativas se mal calculados.
Volatilidade Inversa: Trading de produtos ou estratégias relacionadas à volatilidade requer um entendimento profundo dos mercados de derivativos e pode envolver estratégias e instrumentos complexos que não são adequados para traders inexperientes e requer acesso a opções.
Embora essas estratégias possam oferecer oportunidades potenciais para traders institucionais experientes com acesso a tecnologia avançada e recursos, elas podem não ser práticas ou adequadas para traders de varejo, como traders forex, devido a fatores como complexidade, risco ou requisitos de infraestrutura. Portanto, trading de momento, trading de reversão à média e arbitragem estatística com trading de pares permanecem as melhores estratégias de trading algorítmico para traders de varejo no mercado forex e outras classes de ativos disponíveis.
Vamos entrar em três estratégias de trading que você pode usar, que são robustas e simples e sempre estarão entre as melhores estratégias algorítmicas que você pode fazer backtest e implantar na sua própria conta:
Estratégias de Trading de Momento operam sob o pressuposto de que os preços seguem a direção do preço no passado recente. Você pode usar indicadores como a Média Móvel Simples de 200 para definir a direção da tendência e então fazer entradas a partir de uma correção. Um sinal de correção poderia ser o RSI cruzando abaixo de 30 em uma tendência ascendente. A relação risco-recompensa deve ser superior a 1:2 para compensar as vezes em que você é stopado. É suficiente quando cerca de 30% das suas operações são lucrativas, pois a relação risco-recompensa te leva através de perdas intermediárias potenciais.
Conjunto de Dados: Dados Históricos de Preço ETH/USD de 15 Minutos de 2023
Condição de Entrada: Média Móvel Exponencial 20 > Média Móvel Exponencial 20 da última vela (vice-versa para short)
Stoploss: Average True Range 14
Condição de Saída: 4 velas vermelhas (long) 4 velas verdes (short)
Estratégias de Reversão à Média se baseiam no conceito de que os preços dos ativos tendem a reverter para sua média histórica ou média como uma Média Móvel Simples de 20. O trabalho das estratégias é encontrar condições de sobrecompra e sobrevenda para comprar ou vender o ativo, com a ajuda de indicadores como RSI ou Oscilador Estocástico. Você terá uma alta taxa de acerto de cerca de 50% ou mais, mas por outro lado, a relação risco-recompensa será menor que 1:2. As saídas devem ser feitas quando o preço retorna à sua média ou abaixo da média, por exemplo, quando a Média Móvel Simples de 20 é cruzada.
Conjunto de Dados: Dados Históricos de Preço ETH/USD de 15 Minutos de 2023
Condição de Entrada: RSI 14 > 70 e distância Alta – Média Móvel Exponencial 20 > Average True Range 14 x 2 (long), RSI 14 < 30 e distância Baixa – Média Móvel Exponencial 20 > Average True Range 14 x 2 (short)
Stoploss: Average True Range 14 x 4
Condição de Saída: Fechamento > Média Móvel Exponencial 20 (vice-versa para short)
Trading de pares envolve operar dois ativos relacionados simultaneamente, visando lucrar com seus movimentos de preço relativos. A estratégia se baseia no conceito de co-integração, onde os preços dos ativos se movem juntos ao longo do tempo. Você terá que tomar posições baseadas na relação histórica entre os ativos, tomando uma posição longa em um e uma posição curta no outro.
No trading de pares, o spread entre os preços dos dois ativos é monitorado. Esse spread é padronizado usando o z-score, que mede quantos desvios padrão o spread está de sua média histórica. Quando o spread desvia significativamente de sua média, os traders podem tomar posições esperando que ele reverta.
Por exemplo, no trading de EUR/USD e AUD/USD, se historicamente esses dois pares de moedas se movem juntos, você pode tomar uma posição longa em EUR/USD e uma posição curta em AUD/USD se o spread entre seus preços se alargar além de seu alcance usual. Você então fecharia suas posições quando o spread se estreitasse de volta à sua média histórica, capturando lucro da convergência.
Conjunto de Dados: Dados Históricos de Preço EUR/USD & AUD/USD de 15 Minutos de 2023
Condição de Entrada: Z-Score cruza 1 de baixo: Long EUR/USD Short AUD/USD, vice-versa
Stoploss: Average True Range 14 x 2
Condição de Saída: Z-Score cruza 0
Resumo: Todas as estratégias oferecem perfis de risco-recompensa únicos e estatísticas e você terá estratégias algorítmicas lucrativas à disposição, que podem identificar oportunidades de trading para você, enquanto você dorme. Elas funcionam em diferentes condições de mercado e é por isso que é uma boa abordagem combinar essas estratégias para aumentar a robustez. Pense nisso: Quando uma estratégia se sai mal, a outra está se saindo bem, reduzindo assim o drawdown da curva de capital geral.
Vamos comparar as estatísticas das estratégias:
| Estratégia #1 | Estratégia #2 | Estratégia #3 | |
| Lucro | 41.21% | 13.31% | 4.07% |
| Negociações | 2661 | 1123 | 500 |
| Taxa de Acerto | 30.25% | 46.04% | 60.02% |
| Perda Média | 0.67% | 0.13% | 0.35% |
| Risco Médio/Reward | 2.45 | 1.36 | 0.7 |
| Fator de Lucro | 1.06 | 1.16 | 1.06 |
| Maior DD Rel. | 40.43% | 5.31% | 6.73% |
| Relação Lucro/DD | 1.02 | 2.51 | 0.6 |
Embora a Estratégia #2 tenha tido menos retornos e menos negociações, ela tem um melhor fator de lucro e, portanto, uma melhor expectativa. Como a perda média de 0.13% e o maior drawdown relativo da estratégia #2 são 8 vezes menores que a estratégia #1, você poderia aumentar o risco em 8 vezes e fazer cerca de 104% de retorno.
Trading de Pares, estratégia #3, tem o mesmo fator de lucro que a estratégia #1, no entanto, a quantidade de negociações que realiza é menor e, portanto, o lucro total diminui. Você também tem que levar em conta quantas negociações um sistema pode realizar dentro de um ano.
Você não pode dizer com certeza se os retornos do próximo ano permanecerão os mesmos, pois alguns negócios atípicos podem compor uma grande parte dos lucros. A mágica está em operar estratégias específicas do mercado e várias estratégias que se complementam e em deixar a regra dos grandes números se desenrolar e capturar todas as oportunidades do mercado dentro de um ano.
A porcentagem de lucro não é tudo, também é importante avaliar o quão estável a curva de capital parece. Se você precisa dominar um desafio de prop firm, por exemplo, é melhor escolher estratégias com altas taxas de acerto, ou seja, retornos mais estáveis.
Embora as porcentagens soem altas, há outro ponto a considerar: Custos.
No backtest, há uma comissão de 2% adicionada ao trade. No entanto, em condições reais, os seguintes custos têm que ser adicionados e testados para frente:
Em ETHUSD, os custos podem ser maiores que 2% em relação à distância do stoploss, dependendo da exchange.
Quais são os instrumentos financeiros com baixos custos? EUR/USD, GBP/USD, Dax40, Sp500, CrudeOil – esses são alguns dos mercados mais populares com um spread apertado. Você pode operá-los com robôs de trading em timeframes baixos como M15. Outros mercados, como CAD/NZD ou outros pares exóticos, altcoins e metais raros como platina – é altamente recomendável operar em timeframes mais altos como H4 e D1 para evitar os altos custos de abrir e fechar um trade.
Embora os traders algorítmicos desfrutem de várias vantagens, o trading algorítmico também vem com seu próprio conjunto de desvantagens:
Falhas Técnicas: Uma das desvantagens mais significativas do trading algorítmico é o risco de falhas técnicas. Erros no código do algoritmo, problemas de conectividade ou falhas no sistema podem levar a perdas financeiras substanciais em um curto período de tempo.
Dependência Excessiva da Tecnologia: O trading algorítmico depende fortemente da tecnologia. Como resultado, os traders podem se tornar excessivamente dependentes de sistemas automatizados, reduzindo sua capacidade de tomar decisões independentes e potencialmente aumentando a vulnerabilidade a perturbações do mercado.
Riscos de Mercado: Os algoritmos são projetados com base em dados históricos e condições de mercado. No entanto, os mercados podem se comportar de maneira imprevisível, especialmente durante períodos de extrema volatilidade ou eventos sem precedentes. Algoritmos podem falhar em se adaptar rapidamente a tais circunstâncias, resultando em perdas.
Falta de Supervisão Humana: Sistemas de trading automatizados carecem de julgamento e intuição humanos. Enquanto os algoritmos são programados para seguir regras pré-definidas, eles podem não sempre levar em conta fatores qualitativos ou eventos imprevistos que poderiam impactar as decisões de trading.
Desconexão dos Fundamentos: Alguns críticos argumentam que o trading algorítmico pode levar a uma desconexão da análise fundamental e dos princípios de investimento de longo prazo. Ao focar em movimentos de preço de curto prazo e indicadores técnicos, traders algorítmicos podem ignorar fatores subjacentes que dirigem os valores dos ativos a longo prazo.
Embora o trading algorítmico ofereça várias vantagens, como eficiência aumentada e passividade, é essencial que você esteja ciente dessas desvantagens. Pelo menos para a última parte, há algo que você pode fazer para fazer seus robôs de trading se saírem melhor no geral:
Os três exemplos de condições de trading algorítmico lucrativas são muito sólidos e testados pelo tempo. No entanto, se você está procurando maneiras de melhorar sua estratégia, você deve fazer o que os profissionais fazem e usar análise fundamental em cima de executar algoritmos para gerenciar o trade para você. Na análise fundamental, trata-se de prever movimentos de mercado de longo prazo de cerca de 3-6 meses. Com base na previsão da análise fundamental, você pode alterar os parâmetros para seus algoritmos para se adaptar às condições de mercado. Aqui estão alguns exemplos:
Análise fundamental é um método estatístico de trazer publicações econômicas reais em contexto com seus desempenhos históricos. Você poderia, por exemplo, pegar os Non Farm Payrolls e fazer uma previsão baseada na média móvel dos últimos 4 valores e compará-la com os retornos do mercado de ações nos próximos 3 meses. Outros indicadores fundamentais chave são:
Fazer sentido dos dados econômicos disponíveis para você e implantar estratégias bem testadas de maneira algorítmica permitirá que você finalize desafios de prop trading, além de melhorar sua riqueza exponencialmente ao longo do tempo.
Se você for totalmente automatizado, também é importante monitorar cuidadosamente seus sistemas em execução e definir um stop de drawdown geral para cada estratégia em cada mercado. Para reduzir sistemas superotimizados, certifique-se de usar paper trading para testar efetivamente suas estratégias para frente. Se a estratégia rodar sem erros e lucrativa por 3 meses no papel, está pronta para atingir os mercados reais.
Com testes para frente no papel e definindo um stop de drawdown, você pode reciclar ideias e algoritmos de tempos em tempos para não deixar uma estratégia prejudicar sua curva de capital. Defina esse limite alto, porque as estratégias algorítmicas precisam de algum tempo para se concretizar. Seu horizonte de expectativa deve ser definido para pelo menos 1 ano. Você realmente não pode julgar o desempenho de um sistema de trading já depois de 1 mês operando para você. Mas é sempre relaxante saber que você tem algoritmos de computador para executar suas atividades de trading em vez de estar propenso a erros humanos.
