Estratégias de trading com IA: o que significa realmente

O que você provavelmente estava procurando

Se você pesquisou por "ai trading strategies", provavelmente esperava algo como um modelo de aprendizado que estuda o mercado e prevê para onde os preços vão em seguida. Essa é uma expectativa razoável, porque a palavra "IA" é usada para muitas coisas diferentes.

O que você realmente encontra por trás desse termo no StrategyQuant X não é uma coisa, mas duas, e elas funcionam de forma diferente. Uma é um procedimento de busca que constrói e filtra um grande número de combinações de regras contra dados históricos. A outra é um assistente baseado em prompts que transforma uma descrição escrita em um conjunto de regras de negociação. Nenhum deles estuda o mercado e diz o que vai acontecer amanhã. Ambos ainda precisam ser testados depois. O restante deste artigo separa os dois, para que você saiba o que está realmente olhando quando lê "IA" em uma plataforma de negociação.

O motor de busca: testar combinações de regras, não aprender uma lei do mercado

A documentação da plataforma traça uma linha clara entre duas formas de construir uma estratégia. A forma clássica é construir uma estratégia do zero à mão, sem qualquer técnica de mineração de dados, o que corresponde à construção manual na ferramenta AlgoWizard. A outra forma é uma abordagem de mineração de dados: um grande número de regras candidatas é gerado e testado, e a estratégia com o melhor desempenho observado nos dados históricos é mantida.

Essa segunda abordagem é o que as pessoas geralmente querem dizer quando falam sobre a "IA" no construtor de estratégias. Em termos simples, o software experimenta muitas combinações de regras de entrada, regras de saída e filtros, verifica cada uma contra dados de preços passados e mantém as combinações que tiveram o melhor desempenho nesse trecho específico do histórico. Isso é um processo de busca e filtragem. Não é o mesmo que um modelo que aprendeu uma regra geral sobre como os mercados se comportam. A estratégia que sai foi escolhida porque se ajustou bem ao histórico testado, o que é uma coisa diferente de uma estratégia que continuará se ajustando ao que quer que o mercado faça em seguida.

O AI Assistant: transformar uma frase em um conjunto de regras

Separado do motor de busca, existe uma família de recursos descritos na documentação como um "AI Assistant" ou algo semelhante. Eles funcionam a partir de prompts em linguagem natural, em vez de uma busca de gerar e filtrar.

Um recurso, anunciado como "AI Assistant", é descrito como capaz de construir uma estratégia de negociação a partir de um prompt para MetaTrader 4, MetaTrader 5, TradeStation ou MultiCharts, com a plataforma de destino escolhida no momento em que a estratégia é criada. No momento em que esse recurso foi anunciado, ele estava em beta.

Um AI Assistant separado, integrado, é descrito como baseado nos modelos de linguagem ChatGPT e Claude. Ele pode gerar uma estratégia de negociação a partir de uma descrição em linguagem natural, e também pode ser usado passo a passo para melhorar uma estratégia existente. Quando isso foi documentado, estava disponível apenas para o motor de seleção de ações.

Um módulo adicional, chamado SQ AI Wizard, é descrito como permitindo que os usuários criem estratégias de negociação inserindo prompts de texto simples.

O que os três têm em comum é a ideia subjacente: você descreve o que quer em palavras, e o assistente traduz essa descrição em uma estratégia baseada em regras. Ele não constrói um modelo do mercado a partir das suas palavras. Ele produz o mesmo tipo de estratégia baseada em regras que o motor de busca produz, apenas por um ponto de entrada diferente. Essa estratégia ainda precisa das verificações descritas mais adiante neste artigo.

Por que a empresa se chama de negócio de aprendizado de máquina

A empresa por trás do StrategyQuant X se descreve como uma empresa de desenvolvimento de software fintech especializada em negociação algorítmica e aprendizado de máquina. Essa é uma autodescrição dos próprios materiais da empresa, não uma afirmação técnica verificada de forma independente sobre um método específico usado dentro do software.

Uma série separada de artigos da mesma fonte afirma que seu conteúdo é baseado em um estudo realizado em 2019 e 2020 sobre a metodologia para avaliar e selecionar estratégias geradas com o software. Esse estudo tem vários anos neste momento, e a metodologia ou o próprio produto podem ter mudado desde então. É um contexto útil para entender de onde vem parte do vocabulário, mas não deve ser lido como uma descrição do comportamento atual sem verificar se ainda se aplica.

Verificar o que saiu: análise de otimização e Monte Carlo

Quer uma estratégia tenha vindo do motor de busca ou de um AI Assistant, a plataforma documenta etapas adicionais destinadas a verificá-la, não a construí-la mais.

Duas delas são Optimization Profile e System Parameter Permutation. Ambas exigem que os parâmetros da estratégia já tenham sido otimizados. Os métodos são então aplicados aos resultados de todas as execuções de otimização, não a uma única execução isolada. Em outras palavras, eles observam como todo um conjunto de variações de parâmetros se comportou, em vez de uma única combinação sortuda.

Outro método documentado é a análise de Monte Carlo. Ele funciona repetindo a mesma simulação muitas vezes com pequenas mudanças aleatórias a cada vez. De acordo com a documentação, um número maior de repetições aumenta a significância estatística, ou confiabilidade, dos resultados. Essa é uma afirmação sobre como o método se comporta, não uma promessa de que mais repetições tornam uma estratégia correta. Um grande número de simulações repetidas ainda pode estar repetindo a mesma fraqueza subjacente.

O risco que ambos os mecanismos compartilham: ajuste ao passado

A documentação nomeia o curve fitting, ou seja, o sobreajuste de uma estratégia aos dados históricos específicos usados para construí-la, como o maior risco para estratégias produzidas por meio de uma busca no estilo de aprendizado de máquina ou mineração de dados. Isso se aplica antes que qualquer teste de robustez adicional tenha sido feito, quer a estratégia tenha vindo da busca genética ou de um AI Assistant, já que ambas são ajustadas a um trecho escolhido de dados históricos.

Por causa desse ajuste, qualquer resultado de backtest ou otimização mostrado para uma estratégia construída por meio de busca automatizada ou de um gerador baseado em IA descreve apenas o comportamento passado da estratégia naqueles dados específicos. Por si só, esse resultado não indica como a estratégia se comportará em condições de mercado futuras e não vistas. Um backtest de aparência forte nesse estágio diz que a estratégia se ajustou ao histórico testado, não diz o que acontece em seguida.

O que este método pode lhe dizer, e o que não pode

Coloque os dois mecanismos lado a lado e o quadro fica mais simples do que o termo de busca sugeria. A busca por mineração de dados testa muitas combinações de regras e mantém as que tiveram o melhor desempenho histórico observado; ela não descobre uma lei oculta sobre como o mercado se move, ela encontra um bom ajuste dentro do histórico contra o qual foi testada. O AI Assistant traduz uma descrição escrita nesse mesmo tipo de estratégia baseada em regras; ele também não constrói um modelo de previsão. Em ambos os casos, o número que você vê após construir ou após otimizar descreve o que aconteceu nos dados passados, não o que acontecerá daqui para frente.

Essa é uma limitação do próprio método, não uma lacuna no que lhe foi dito sobre ele. Uma estratégia baseada em regras, independentemente de como foi produzida, ainda precisa do tipo de verificação descrito acima, incluindo testes em dados que não foram usados para construí-la, antes que você tire qualquer conclusão sobre como ela pode se comportar em condições que não viu.

Este artigo tem fins educativos e não é aconselhamento de investimento. Resultados passados, incluindo os de backtests, não garantem resultados futuros. Negociar instrumentos financeiros envolve riscos e você pode perder dinheiro.