Sinal vs. ruído · desde que seu primeiro backtest mentiu para você

Seu backtest é real — ou uma miragem?

Envie seus resultados. Dizemos se a vantagem é real ou um artefato de overfitting — antes de você arriscar um único centavo.

Só vemos a sua curva — nunca as suas regras.
Duas formas de entrar: um ficheiro do Freqtrade ou um CSV simples — vê o que precisamos (2 min de leitura).
Curva de capital · in-sample → out-of-sample
Vantagem real Miragem (overfit) Out-of-sample
Funciona com qualquer estratégia que tenha um histórico
Ações Futuros Cripto FX Opções Multiativos

Qualquer mercado, qualquer timeframe, qualquer prazo de posição — porque o NeuralTEST lê seus retornos, não seus ativos. Se gera uma curva de capital, uma série de retornos ou um registro de operações, podemos testar.

Um backtest, torturado por tempo suficiente, confessa qualquer coisa.

Quanto mais conjuntos de parâmetros você testa, maior a chance de a sua melhor curva ser sorte usando a máscara da habilidade. Não é falha de caráter — é matemática, e engana profissionais todos os dias.

O problema: uma estratégia com overfitting parece indistinguível de uma excelente exatamente no gráfico que você usou para construí-la. O sinal só aparece out-of-sample — quando o dinheiro em jogo é o seu.

O NeuralTEST aplica a bateria estatística que separa uma vantagem duradoura de um belo acidente. Vende rigor, não riquezas.

A prova de fogo do backtest

O que realmente verificamos

Cinco testes da literatura acadêmica sobre overfitting em backtests — os que os quants usam para se manterem honestos, em linguagem simples.

/ 01

Probabilidade de overfitting do backtest

Divide suas configurações de todas as formas possíveis e pergunta: com que frequência o vencedor in-sample rende menos out-of-sample? Um PBO alto significa que a sua "melhor" é cara ou coroa.

CSCV · Bailey, Borwein, López de Prado, Zhu
/ 02

Deflated Sharpe Ratio

Desconta do seu Sharpe quantas estratégias você tentou e o quanto os retornos são assimétricos e de caudas pesadas. O Sharpe que sobrevive à deflação é aquele em que confiar.

López de Prado & Bailey
/ 03

Reality Check

Um bootstrap que pergunta se a sua melhor regra bate o benchmark depois de descontado o data-snooping. Não paramétrico, então caudas pesadas não conseguem passar um falso positivo.

White's Reality Check · bootstrap
/ 04

Histórico mínimo necessário

Quanto histórico ao vivo você precisaria para que o Sharpe seja estatisticamente crível. Se for mais longo que o seu backtest, você ainda não tem evidência — tem um palpite.

Bailey & López de Prado
/ 05

Os sinais de alerta da modelagem

Custos, look-ahead, viés de sobrevivência, capacidade, dados point-in-time e mais — os atalhos de modelagem que inflam uma curva. Você os declara; nós ponderamos o veredicto de acordo.

Declaração honesta · você responde
/ ✓

Um veredicto unificado

Nada de muralha de estatísticas para interpretar. Cada teste se condensa em um único semáforo — real, frágil ou miragem — com as razões específicas por trás.

Vermelho · Âmbar · Verde
Como funciona

Três passos, noventa segundos

Traga sua curva

Solte um CSV — uma matriz de configurações, uma série de capital/retornos ou um registro de operações. Detectamos o formato automaticamente. Sem integração, sem código.

Rodamos a bateria

PBO, Deflated Sharpe, Reality Check e os demais rodam em segundos, aqui mesmo — seu arquivo é processado em memória e apagado, nunca armazenado.

Receba o veredicto

Um semáforo e as razões: qual teste acusou, por quanto e o que corrigir antes de arriscar capital de verdade.

O resultado

Um veredicto para agir, não um despejo de estatísticas

O exemplo à esquerda é uma estratégia que parecia espetacular in-sample. Quando você leva em conta quantas configurações foram testadas, a vantagem evapora — e o NeuralTEST diz isso sem rodeios.

Veja exatamente qual teste falhou e por quanto
Saiba se deve corrigir, continuar testando ou desistir
Nenhuma promessa de lucro — uma medida de evidência

Suas regras continuam sendo suas

O NeuralTEST analisa a série de retornos — a forma da curva —, não a lógica por trás dela. Nunca pedimos seus sinais, seu código ou seus parâmetros. Os arquivos são processados e descartados; nada é armazenado. Traga seus resultados; a vantagem continua sua.

Seu primeiro teste é grátis

Descubra antes que o mercado descubra.

Envie uma curva e receba um veredicto honesto em menos de dois minutos. Sem cadastro para a primeira verificação.

Faça o teste Antes, como preparar o teu ficheiro
A ciência

Construído sobre pesquisa revisada por pares

O NeuralTEST não inventa a estatística — implementa os métodos publicados e consagrados da área. Aqui está exatamente o que roda por baixo do capô e de onde vem cada teste.

Ver as 6 fontes revisadas por pares e o que usamos de cada uma+
  • Probabilidade de overfitting do backtest (PBO), via CSCV
    Usamos o procedimento de validação cruzada combinatoriamente simétrica (CSCV) para estimar com que frequência a melhor configuração in-sample rende menos out-of-sample — nossa métrica central de overfitting.
    Bailey, Borwein, López de Prado & Zhu (2017). “The Probability of Backtest Overfitting.” Journal of Computational Finance 20(4).
  • Deflated Sharpe Ratio
    Deflacionamos o Sharpe observado pelo número de tentativas, pela não normalidade (assimetria, curtose) e pelo tamanho da amostra — a probabilidade de a vantagem ser real, e não a sorte da busca.
    Bailey & López de Prado (2014). “The Deflated Sharpe Ratio.” Journal of Portfolio Management 40(5).
  • Índice de Sharpe probabilístico e histórico mínimo (MinTRL)
    Calculamos a probabilidade de o Sharpe verdadeiro superar um limiar (PSR) e o tamanho mínimo de amostra necessário para confiar nele (MinTRL) — a resposta honesta a “já tenho dados suficientes?”.
    Bailey & López de Prado (2012). “The Sharpe Ratio Efficient Frontier.” Journal of Risk 15(2).
  • Reality Check contra o data snooping
    Um teste bootstrap não paramétrico de se a melhor regra realmente bate o benchmark depois de descontado o data-snooping — robusto às caudas pesadas que enganam os testes paramétricos.
    White (2000). “A Reality Check for Data Snooping.” Econometrica 68(5). Non-parametric variant popularized by Aronson (2006), “Evidence-Based Technical Analysis,” Wiley.
  • O arcabouço do overfitting em backtests e os pecados capitais
    O enquadramento de como o overfitting destrói o desempenho out-of-sample, e a lista de atalhos de modelagem (custos, look-ahead, sobrevivência, capacidade) que pedimos que você declare.
    Bailey, Borwein, López de Prado & Zhu (2014). “Pseudo-Mathematics and Financial Charlatanism.” Notices of the AMS 61(5).
  • Métodos e convenções de referência
    Referência geral para as implementações, as convenções de validação cruzada e a maquinaria de aprendizado de máquina financeiro por trás do motor.
    López de Prado (2018). “Advances in Financial Machine Learning.” Wiley.

O que é nosso: a implementação, a unificação de todos os testes em um único veredicto, a camada de declaração honesta e as explicações em linguagem simples. O que é da área: os métodos estatísticos acima — e esse é justamente o ponto. O rigor vem de ciência publicada e revisada por pares, não de uma caixa-preta em que você precisa acreditar por fé.

O NeuralTEST é uma implementação independente destes métodos publicados. Não é afiliado, patrocinado nem endossado pelos autores ou editoras citados.