Nos últimos meses embarquei em uma verdadeira aventura de desenvolvimento pessoal, criando um robô de trading para o mercado financeiro operando o Mini-Índice Bovespa. Utilizando Python, redes LSTM e uma bateria de indicadores técnicos como RSI, ATR, ADX, MACD e Bandas de Bollinger, minha ideia era clara: delegar a análise a um modelo de Inteligência Artificial e observar se ele conseguiria ser mais rápido, disciplinado e, acima de tudo, eficaz que um trader humano. Este é o início(bem início) da história de como essa IA superou de longe minhas reações e o que suas métricas me ensinaram.
Desafio Incial: A Emoção Humana no Trading
Um dos maiores inimigos de quem opera manualmente no mercado financeiro é, sem dúvida, a emoção, a ansiedade e a ambição. Quem nunca lutou contra a vontade de não respeitar um stop, estender um alvo sem critério ou ceder àquela perigosa sensação de “dessa vez vai”? Meu objetivo com este projeto era justamente eliminar essa variável emocional, deixando que a racionalidade das métricas falasse mais alto. Para isso eu precisava confiar no modelo a ponto de automatizar sua execução, então depois de dias de testes e “backtestings”, ele “acordava” as 9:25 da manhã, fazia seu trabalho, entendam como fazer seu trabalho avaliar se havia condições de entrada no mercado ou não, em alguns dias ele fazia o seu trabalho e NENHUMA operação era executada, não se ganhava nenhum centavo, mas o principal, não se perdia nenhum centavo. E ai ele já estava em vantagem em relação ao seu criador. E as 17h ele encerrava seu turno de trabalho.
Metodologia:
• Ativo: WIN (Mini-Índice)
• Timeframe: 5 minutos
• Algoritmo: Rede LSTM com filtros técnicos complementares
• Indicadores usados: RSI, ATR, ADX, OBV, MACD, Bandas de Bollinger
• Gestão de Risco/Recompensa: Stop de 1,15x ATR e Alvo de 1,55x ATR, com uma (inicialmente ambiciosa) meta diária de 800 pontos.
A Aventura em Números: Resultados das Últimas Semanas
A jornada de ver o robô operar foi fascinante. Ele seguiu à risca cada instrução, cada stop, cada alvo, sem hesitação. Um soldado bem treinado que não questiona, não pisca, não cansa. Aqui estão os resultados compilados das 4 semanas de setembro que ilustram bem essa performance:
Número de trades: 82
Taxa de acerto: 63,42%
Maior Gain: +515 pontos
Meta diária batida em: 9 de 13 dias de trading
Perda máxima controlada (Drawdown): 15% do capital inicial
Conclusão
Não existe robô milagroso. Mas existe disciplina traduzida em código. A cada semana, coleto métricas, ajusto filtros e aprendo mais sobre como unir IA + mercado financeiro.
O próximo passo é ter um robô auxiliar que será treinado com os trades efetuados pelo robô principal para aprender quais parâmetros são eficientes ou não e assim tentar aumentar a eficiência das operações ao máximo com os proprios erros e acerto.