No artigo anterior, compartilhei como criei um robô auxiliar para filtrar operações do modelo principal de trading — uma evolução que trouxe mais segurança e precisão ao sistema. Hoje, apresento o próximo passo nessa jornada: a integração de um robô especializado em análise de sentimento de notícias, que atua como um “controlador de voo” para calibrar os parâmetros de negociação antes mesmo do mercado abrir.
O Que É o Robô de Análise de Sentimento?
Este novo módulo é responsável por coletar, filtrar e analisar notícias financeiras em tempo real, utilizando modelos de Processamento de Linguagem Natural (PLN) para classificar o “humor” do mercado. Ele varre fontes como InfoMoney, Investing.com, CNN Brasil e outras, buscando termos como Ibovespa, juros, dólar, Bolsa, inflação e commodities.
Com base no sentimento detectado — seja muito positivo, neutro, negativo ou muito negativo — o robô gera um score numérico que reflete a confiança do mercado naquele momento.
Como Ele Ajusta os Parâmetros de Trading?
O score de sentimento não é apenas um indicador passivo. Ele influencia diretamente três parâmetros cruciais do robô de trading:
- THRESHOLD: o nível mínimo de probabilidade exigido para uma operação ser aceita.
- Multiplicador de Alvo (ALVO_MULT): ajusta a distância do take profit.
- Multiplicador de Stop (STOP_MULT): redefine o tamanho do stop loss.
Por exemplo:
Em cenários de sentimento muito positivo, o robô pode:
- Reduzir o threshold para permitir mais operações.
- Aumentar o alvo para capturar mais ganhos.
- Reduzir o stop para proteger lucros rapidamente.
Já em cenários negativos, ele:
- Aumenta o threshold, tornando as entradas mais restritivas.
- Reduz o alvo para saídas rápidas.
- Aumenta o stop para evitar stops prematuros.
Integração com os Modelos Existente
Esse módulo de sentimento é a primeira camada de decisão do sistema, antes do modelo principal (LSTM) e do robô auxiliar (Random Forest) entrarem em ação, o robô de sentimento já definiu o “tom” do dia.
Isso significa que, a cada pregão, o sistema já começa calibrado para o contexto do mercado — mais agressivo em dias de otimismo, mais defensivo em momentos de incerteza.
Por Que Isso Importa?
A grande vantagem dessa abordagem é a adaptabilidade. Em vez de um robô estático, que opera sempre com as mesmas regras, temos um sistema que:
- Responde a eventos macroeconômicos e notícias.
- Ajusta-se automaticamente ao perfil de risco do dia.
- Reduz a exposição em momentos de alta volatilidade ou pessimismo.
Próximos Passos
O robô de sentimento já está funcional e todas as análises são salvas em CSV para auditoria e validação contínua. Porém, percebi que a acurácia e precisão dos modelos testados não refletem exatamente o humor do mercado para o dia. Isso se dá pela falta (ou ao menos não procurei no lugar certo) de modelos especializados em notícias para o mercado brasileiro e em nosso idioma. Depois de procurar em alguns hubs, pensei, por que não criar meu próprio robô de analise de sentimento de noticias do nosso mercado?
E isso será a matéria para o próximo artigo, aguardem…
E você? Também utiliza análise de sentimento ou outras camadas de inteligência em seus sistemas? Compartilhe nos comentários!