IA para day trade funciona? O que 13.881 backtests responderam
Não. E é isso que este artigo tem de mais útil.
Eu sou o Altino Júnior, ex-bancário com passagem pelo Banco Santander, mais de 10 anos de mercado, formado em análise de sistemas e criador de um sistema de análise quantitativa. Já mentorei mais de 5 mil alunos. Nada disso muda o que a base de dados respondeu.
A varredura cobriu 662 regras de entrada, agrupadas em 74 famílias de indicadores, cruzadas com três combinações de stop e alvo e com as duas direções — compra e venda testadas separadamente. Cerca de 13.881 backtests em candles de 30 minutos do mini índice. O veredito final foi seco: nenhuma vantagem persistente naquela base.
Se eu tivesse parado no meio do caminho, teria em mãos uma curva de resultado bonita, uma estratégia comprada com 17.000 pontos em 2025 e um belo material de marketing. O teste cego derrubou isso. Prefiro perder uma hipótese num estudo do que perder capital de risco descobrindo o mesmo fato com ordem enviada.
Por que criar e validar a estratégia no mesmo período não vale nada?
Esse é o erro número um de quem começa a testar, e ele é sedutor justamente porque o resultado sempre sai maravilhoso.
Pense no que você está pedindo. Se você manda a máquina procurar a melhor regra de entrada dos últimos 90 dias, ela vai te devolver a regra que melhor descreve os últimos 90 dias. Não é previsão. É descrição. O passado já aconteceu, e sempre existe alguma combinação de indicador, stop e alvo que encaixa naquele pedaço específico de história.
Com 662 regras vezes três grades de stop e alvo vezes duas direções, você tem milhares de tentativas. Em milhares de tentativas, algumas vão parecer excelentes por sorte. Isso tem nome: sobreajuste. A estratégia decorou a prova em vez de aprender a matéria.
Aí vem o primeiro dia novo de pregão — um dia que não estava na amostra — e a curva vira. Não porque o mercado "mudou". Porque a vantagem nunca existiu fora daquele recorte.
Regra prática: qualquer número que você viu no mesmo período em que otimizou é propaganda, não é evidência.
O que é teste cego fora da amostra e como se monta?
Teste cego, ou teste fora da amostra, é validar a estratégia num pedaço da série histórica que não participou da criação dela. Simples assim. E é a única coisa que separa um achado estatístico de uma estratégia.
No meu experimento o desenho foi este:
- Período de criação (2025): aqui a varredura procurou as melhores regras. Foi onde a máquina pôde "chutar" à vontade.
- Período de teste (2026): um ano que não entrou na busca. As regras chegaram nele já congeladas, sem nenhum ajuste.
- Olhada final nos últimos 90 dias: só depois, e só nas que sobreviveram, para ver comportamento recente.
A ordem importa. Se você espia o período de teste e volta para mexer no stop, o teste deixou de ser cego. Ele passou a fazer parte da criação, e você está de novo descrevendo o passado.
Por que isso é tão duro? Porque uma estratégia só tem valor se a vantagem for uma propriedade do comportamento do ativo, e não daquele intervalo de datas. O teste cego é a pergunta honesta: funciona em dias que você nunca viu?
No meu caso, a resposta foi não. As melhores de 2025 eram quase todas compradas, e a melhor delas — os tais 17.000 pontos — perdeu de janeiro a abril de 2026.
Como conferir a qualidade da base de dados antes de rodar backtest?
Antes de qualquer teste, a base. Backtest rodado em dado sujo produz resultado bonito e falso — e você não tem como perceber pelo gráfico da curva.
A base que usei: mini índice, candles de 30 minutos, 10.000 barras, cerca de 50.000 células de informação, 528 pregões. Antes de rodar uma única regra, três checagens:
- Células vazias: zero. Uma abertura ou um fechamento faltando faz o cálculo do indicador mentir na barra seguinte.
- Timestamps duplicados: zero. Barra repetida vira operação fantasma e infla resultado.
- Barras quebradas: zero. Máxima menor que mínima, fechamento fora do intervalo — coisas que não existem no pregão, mas existem em arquivo mal exportado.
Parece burocracia. É a parte mais importante. Um dado quebrado no lugar errado é capaz de criar uma vantagem inteira que só existe no arquivo.
E aqui está o gargalo real de quem quer fazer análise quantitativa a sério no Brasil: dado de mercado limpo é caro. Série histórica intradiária confiável, ajustada e sem furo custa dinheiro, e o custo varia conforme o fornecedor e o período que você quer. Muito mais gente desiste na etapa de conseguir o dado do que na etapa de testar. Antes de sonhar com robô, resolva de onde vem sua série histórica.
Quais custos precisam entrar no backtest e o que é slippage?
Estratégia que só é positiva sem custo é estratégia negativa. Ponto.
No teste eu embuti dois itens desde a primeira rodada, antes de olhar qualquer resultado:
Custo por operação
Somei R$ 1 por operação, ida e volta, direto no resultado de cada trade. Esse valor é o que usei como parâmetro no estudo — corretagem e emolumentos variam conforme a corretora e o contrato, então confira a tabela da sua corretora e as taxas oficiais da B3 antes de calibrar o seu próprio teste.
Slippage
Slippage é a diferença entre o preço que o teste supôs e o preço que a corretora realmente executou. No backtest, a ordem é preenchida num número exato. No pregão, entre o seu clique e o preenchimento existe fila, existe leilão de liquidez, existe candle abrindo com salto. Você pede um preço e leva outro.
Usei 20 pontos de slippage por operação. É uma penalização deliberada, para o teste não viver num mundo perfeito que não existe.
Repare no efeito: uma estratégia que faz muitas operações por pregão paga custo e slippage muitas vezes. Muita coisa que aparece como positiva na planilha limpa fica negativa quando você cobra o pedágio da vida real. Foi exatamente esse pedágio que matou boa parte das 662 regras antes mesmo do teste cego.
O resto das regras do teste, também definidas antes de rodar:
- Day trade puro: entradas a partir das 9h, tudo zerado às 18h, nenhuma posição dorme.
- Compra e venda testadas separadamente.
- Entrada no fechamento da barra, com a ordem disparando na barra seguinte — sem olhar o futuro.
- Grade de stop e alvo em pontos: 500/500, 500/1.000 e 500/1.500.
Definir isso antes é o que impede você de ir mexendo nos parâmetros até a curva ficar bonita.
Quantos backtests é possível rodar com inteligência artificial?
O experimento inteiro foi feito conversando em linguagem natural com uma IA (usei o Claude), sem escrever código à mão.
Faça a conta do que isso significa. 662 regras de entrada, organizadas em 74 famílias de indicadores. Cada regra cruzada com três combinações de stop e alvo e com as duas direções. Cerca de 13.881 backtests, todos com custo, slippage, horário de entrada e zeragem obrigatória.
Programar cada uma dessas hipóteses em Python, na mão, uma por uma, é trabalho de semanas — provavelmente meses, considerando depuração. O trabalho de codificar virou conversa. Descrevi a regra, a IA implementou, rodou, devolveu o resultado, passei para a próxima.
E é aqui que quero ser bem claro: a IA não te deixa mais inteligente. Ela deixa o seu ciclo de teste mais rápido. É a mesma pergunta de sempre — essa regra tem edge? — feita muitas vezes por hora em vez de uma vez por semana. O que muda é a velocidade com que você descarta o que não funciona.
Descartar rápido é a habilidade que separa quem estuda dado de quem fica noivo do próprio setup.
Qual foi a cronologia do experimento, passo a passo?
- Carreguei a base do mini índice em candles de 30 minutos: 10.000 barras, cerca de 50.000 células, 528 pregões.
- Conferi a qualidade antes de tudo: zero células vazias, zero timestamps duplicados, zero barras quebradas.
- Deixei a IA fazer as perguntas de configuração antes de rodar qualquer coisa, em vez de eu supor os parâmetros.
- Defini as regras do teste: R$ 1 por operação, 20 pontos de slippage, grade de stop e alvo 500/500, 500/1.000 e 500/1.500, entradas a partir das 9h e zeragem às 18h.
- Separei treino e teste: criação em 2025, validação em 2026, e só depois uma olhada nos últimos 90 dias.
- Rodei a varredura completa: 662 regras em 74 famílias, nas duas direções, cerca de 13.881 backtests.
- Li o resultado sem torcer por ele — e o resultado disse que não havia vantagem persistente naquela base.
O que significa a melhor estratégia de 2025 perder em 2026?
Significa que ela nunca foi uma estratégia. Foi um retrato de 2025.
As melhores colocadas do período de criação eram quase todas compradas. A campeã acumulou 17.000 pontos no ano em que nasceu. Se eu tivesse mostrado só essa curva, com o gráfico subindo bonito, muita gente ligaria em conta real na segunda-feira seguinte.
Levada para 2026 — o ano que não participou da criação — ela perdeu de janeiro a abril. Sem nenhum ajuste, sem nenhuma desculpa. E esse padrão se repetiu na varredura toda: o que brilhava na amostra não se sustentava fora dela.
Não é que o mercado tenha me traído. É que a vantagem estava no recorte, não no ativo.
Curva de resultado subindo no período de otimização não é evidência de nada. É o esperado. A pergunta que vale é: como essa mesma regra, congelada, se comporta num período que ela nunca viu?
Se o índice subiu, por que a estratégia comprada perdeu pontos?
Essa foi a contradição mais reveladora do estudo, e ela desmonta uma crença comum.
Em 2026, o índice subiu. E quem comprava na abertura perdeu pontos no acumulado do teste. Parece impossível, mas não é.
Direção do ativo e resultado de estratégia comprada são coisas diferentes. O índice pode subir com boa parte da alta acontecendo fora do horário em que você opera, em saltos de abertura, em dias isolados. Enquanto isso, sua estratégia de day trade entra e sai dentro do pregão, é estopada nas idas e vindas, paga custo e paga slippage em cada operação. A alta do ano acontece no gráfico diário; o seu resultado acontece no intervalo entre 9h e 18h, com stop de 500 pontos no caminho.
É por isso que "o mercado está de alta, então compra" não é uma estratégia. É uma opinião sobre direção. Estratégia é regra de entrada, regra de saída, gestão de risco e resultado medido com custo. A resposta não está em livro de análise técnica. Está na base de dados do próprio ativo.
Como usar isso para operar: o que fazer quando o backtest não acha vantagem
Não é desistir. É mudar a pergunta.
Um resultado negativo bem construído é informação: aquele espaço de busca está descartado com honestidade. Você sabe que não precisa voltar ali. O que sobra é abrir outras frentes:
- Outro recorte de tempo: outros anos, outros regimes de volatilidade, mais pregões na série.
- Outro horário: primeira hora, meio de pregão, fim de pregão. O comportamento do mini índice não é o mesmo às 9h30 e às 16h.
- Outro timeframe: 30 minutos foi a minha escolha. Nada garante que a vantagem, se existir, more nesse tamanho de barra.
- Outro tipo de vantagem: em vez de regra de indicador, testar comportamento de fade, padrão de dia da semana, reação a rompimento de faixa da abertura.
- Outro ativo: mini dólar é outro bicho, com outra dinâmica de liquidez e de notícia.
O que não muda em nenhuma dessas frentes: período separado para validar, custo e slippage embutidos, regras definidas antes de rodar. Sem isso você não está pesquisando, está se enganando com método.
E quando alguma hipótese finalmente passar no teste cego, ainda não é hora de conta real. Rode em simulador por um tempo, acompanhando pregão a pregão, porque nenhuma curva histórica te prepara para a sequência de dias perdendo que toda estratégia tem. O drawdown no papel é um número; ao vivo, é o que faz o trader abandonar a regra exatamente antes da recuperação. Você precisa ver a estratégia se comportar antes de confiar nela com dinheiro.
Some a isso o básico inegociável: risco definido por operação, tamanho de posição dimensionado pelo stop e limite de perda diária. Um princípio atemporal que uso e ensino é não arriscar mais que 1% do capital de risco por operação — não é dado de mercado, é conceito de gestão de risco, e vale para qualquer estratégia que você venha a validar.
A inteligência artificial substitui o trader na análise quantitativa?
Não substitui, e quem vende isso está vendendo fantasia.
Repare no que a IA fez neste experimento: ela escreveu e rodou o código. Só isso. E repare no que ela não fez:
- Não conseguiu a base de dados. Série histórica limpa custa dinheiro e é decisão do trader.
- Não decidiu que o teste seria day trade puro, com zeragem às 18h.
- Não decidiu somar R$ 1 por operação nem penalizar 20 pontos de slippage.
- Não teve a ideia de separar 2025 para criar e 2026 para testar — e é esse desenho que dá validade a tudo.
- Não leu o resultado. Uma curva de 17.000 pontos no período de criação, sem contexto, seria interpretada como sucesso por qualquer um que não conheça a armadilha do sobreajuste.
Se você pedir "me dê uma estratégia lucrativa para os últimos 90 dias", a IA vai entregar. Ela é obediente. Vai te dar uma regra que descreve perfeitamente aqueles 90 dias e que morre no dia 91. A responsabilidade pela pergunta é sua.
É essa lógica que aplico dentro da plataforma de análise quantitativa do Sistema Quant e mostro na prática nas aulas de análise quantitativa com IA no meu canal do YouTube: os dados superam o achismo no pregão, mas alguém precisa saber quais dados pedir.
Conclusão: o que você faz com essa informação agora
13.881 backtests, 662 regras, 74 famílias de indicadores, 528 pregões de mini índice — e nenhuma estratégia com vantagem persistente fora do período de criação. Esse é o resultado, e eu não vou pintá-lo de outra cor.
O que você leva daqui não é uma estratégia. É um protocolo:
- Confira a base antes de tudo: célula vazia, timestamp duplicado, barra quebrada.
- Escreva as regras do teste — horário, custo, slippage, stop e alvo — antes de rodar.
- Separe o período de criação do período de validação. Sem exceção, sem espiar.
- Desconfie da curva bonita. Ela é o resultado esperado de quem otimizou no mesmo período.
- Se algo passar no teste cego, acompanhe em simulador por um tempo antes de operar com dinheiro, sempre com risco definido por operação.
Aplique isso na primeira ideia que você tem certeza de que funciona. É o teste mais barato que existe: se ela sobreviver ao período que não a criou, você ganhou uma hipótese boa. Se não sobreviver, você economizou o prejuízo de descobrir isso operando dólar, índice e mini contratos com capital de risco real.
O número por si só não te faz consistente. O que faz diferença é o hábito de exigir prova antes de exigir resultado.
Conteúdo educacional e estatístico, com base em estudo de série histórica. Não é recomendação de compra ou venda de qualquer ativo. Day trade é atividade de alto risco e a maioria dos participantes perde dinheiro. Resultados de backtest não se repetem no futuro. Taxas, margens e custos variam conforme a corretora, o contrato e a volatilidade — consulte as fontes oficiais (B3, sua corretora, Receita Federal).
Se você quer ver o mesmo método aplicado com resultado do outro lado, eu publiquei o estudo de exaustão de movimento no mini índice, onde a amplitude do dia mostrou estrutura de verdade, e o estudo de sazonalidade e correlação do Ibovespa, que traz o mesmo desenho de duas janelas. E em sete estratégias automatizadas no mini índice dá para ver o que acontece quando um conjunto sobrevive fora da janela de seleção.
Aqui a gente não acredita, a gente mede. Foi medindo que este teste virou um "não" — e um "não" medido vale mais do que um "sim" que ninguém conferiu. Se você quer acompanhar os próximos estudos, eles saem primeiro no canal Altino Junior no YouTube.
Quer operar com dados em vez de achismo?
O Sistema Quant une inteligência artificial e análise quantitativa para você estudar o mercado com método. Acompanhe as aulas gratuitas no canal Altino Junior e o dia a dia no Instagram @altino_junior e @sistemaquant.
Faça isso na sua estratégia, com IA
Você acabou de ver 13.881 backtests dizendo não. O que separa um teste que serve de um que engana é o método — e é isso que eu ensino no Curso de IA para Trader: pegar a regra que já está na sua cabeça, traduzir com inteligência artificial, testar fora da amostra e levar para a conta real.
Criar minha estratégia com IA por R$ 49 →Perguntas frequentes
O que é teste cego (fora da amostra) em backtest de day trade?
Teste cego, ou teste fora da amostra, é validar a estratégia em um período da série histórica que não participou da criação dela. No experimento que rodei no mini índice, as regras foram construídas com dados de 2025 e testadas, já congeladas, em 2026 — um ano que a busca nunca viu. Só depois olhei os últimos 90 dias. Se você espiar o período de validação e voltar para ajustar o stop, o teste deixa de ser cego e volta a ser descrição do passado.
Por que não vale criar e validar uma estratégia no mesmo período?
Porque você recebe uma regra que descreve aquele período, não que prevê o próximo. Ao testar centenas de combinações de indicador, stop e alvo sobre os mesmos dias, alguma vai parecer excelente por pura sorte estatística. Isso é sobreajuste: a estratégia decorou a prova. Ela mostra curva bonita na amostra e quebra no primeiro pregão novo. É o erro número um de quem começa a fazer backtest.
O que é slippage e por que ele muda o resultado do backtest?
Slippage é a diferença entre o preço que o backtest supôs e o preço que a corretora realmente executou. No teste a ordem é preenchida num número exato; no pregão existe fila, liquidez e candle abrindo com salto, então você pede um preço e leva outro. No meu estudo penalizei 20 pontos por operação, além de R$ 1 de custo por operação (ida e volta). Estratégias com muitas operações por dia pagam esse pedágio muitas vezes — e muita coisa positiva no papel fica negativa quando o custo entra.
Quantos backtests foram rodados no experimento e qual foi o resultado?
Foram cerca de 13.881 backtests: 662 regras de entrada, agrupadas em 74 famílias de indicadores, cruzadas com três combinações de stop e alvo (500/500, 500/1.000 e 500/1.500 pontos) e com as duas direções, compra e venda. A base era mini índice em candles de 30 minutos, 10.000 barras e 528 pregões. O resultado: não existe, naquela base, estratégia com vantagem que sobreviva fora do período em que foi criada. A melhor candidata ganhou 17.000 pontos em 2025 e perdeu de janeiro a abril de 2026.
Se o índice subiu, como uma estratégia comprada pode ter perdido pontos?
Porque direção do ativo e resultado de estratégia comprada são coisas diferentes. Em 2026 o índice subiu, mas quem comprava na abertura perdeu pontos no acumulado do teste. A alta pode se concentrar em saltos de abertura e dias isolados, fora do intervalo em que a operação de day trade acontece, enquanto a estratégia é estopada nas idas e vindas do pregão e paga custo e slippage em cada trade. "O mercado está de alta" é opinião sobre direção, não é estratégia.
A inteligência artificial consegue criar uma estratégia de day trade sozinha?
Não. Neste experimento a IA escreveu e rodou o código, transformando em conversa um trabalho de programação que levaria semanas. Mas ela não conseguiu a base de dados, não definiu day trade puro com zeragem às 18h, não escolheu o custo e o slippage, não teve a ideia de separar 2025 para criar e 2026 para testar, e não interpretou o resultado. Se você pedir uma estratégia lucrativa para os últimos 90 dias, ela entrega uma regra que descreve esses 90 dias e morre no dia 91. A IA acelera o ciclo de teste; a pergunta continua sendo responsabilidade do trader.
O que fazer quando o backtest não encontra nenhuma estratégia consistente?
Mudar a pergunta, não desistir. Um resultado negativo bem construído descarta um espaço de busca com honestidade: você sabe que não precisa voltar ali. Dá para testar outro recorte de tempo, outro horário do pregão, outro timeframe, outro tipo de vantagem (fade, rompimento da faixa de abertura, padrão por dia da semana) ou outro ativo, como o mini dólar. O que não muda: período separado para validar, custo e slippage embutidos e regras definidas antes de rodar. E, quando algo passar, acompanhar em simulador por um tempo antes de operar com dinheiro.
Conteúdo educacional e estatístico, não é recomendação de investimento. Day trade envolve risco real de perda. Toda decisão exige gestão de risco, estudo dos dados e disciplina.