📊 Trading AIanálise · conhecimento · medição · auditoria — em uma porta

Os dois arquivos valem para ANÁLISE DE DADOS? **Sim — e muito.**

metodo/ANALISE-DE-DADOS.md


title: ANÁLISE DE DADOS — o que os 2 arquivos entregam

criado: 2026-09-17

status: ✅ TESTADO em dados reais do Tesouro

origem: "Self-Improving Agent" + "Markov 2.0"


Os dois arquivos valem para ANÁLISE DE DADOS? Sim — e muito.

Reli ambos com a lente específica de análise de dados (não de automação) e
testei o método principal em dados reais do Tesouro Direto.
O resultado está na §4 — e é útil de verdade.

1. O que eles entregam para a análise (7 itens)

1.1 Vocabulário de métricas ⭐ (do Markov)

A lista fechada de como medir se algo funciona:

win rate · profit factor · max drawdown · equity curve · comparação antes/depois

Sem isso, "funcionou" é opinião. Com isso, é número.

1.2 A fórmula de score ⭐ (do Self-Improving)

score(trades, goal) -> [-1, +1] = composto de:

E o goal.yaml com os parâmetros: target_return_30d, max_drawdown,

min_sharpe, failure_below (piso do score).

É a matemática do nosso scorecard — eu tinha dito "vamos medir"; agora temos como.

1.3 Taxonomia de dados (do Self-Improving)

Os adapters: price · onchain · news · macro

Isso complementa a nossa cascata de fontes (que classifica por credibilidade).

Juntas, as duas dão a matriz completa:

1.4 Protocolo de validação ⭐ (do Markov)

1.5 O método de regimes (do Markov) — testado na §4

1.6 Engenharia de robustez (do Self-Improving)

Isso é o que separa "script que roda" de "sistema que não mente quando quebra".

1.7 O modelo de dados do acompanhamento


2. O que NÃO serve para análise

ItemPor quê
Railway, instalação local, open/start por SOInfra, não análise
App Yapper, referralCodeMonetização
Loop 24/7 auto-modificávelExecução, não análise
Cadência de 5 tradesAmostra insuficiente (já corrigido no METODO.md)
RSI threshold 30 como estratégia inicialExemplo genérico, não serve ao nosso caso

3. A adaptação que importa: Markov para TAXA (não só preço)

O arquivo aplica regimes a retorno de preço. Para o nosso caso, o análogo

poderoso é aplicar a nível de taxa:


4. 🧪 DEMONSTRAÇÃO REAL (rodada em 17/09/2026)

Dados: Tesouro IPCA+ 15/05/2035 · 4.123 dias · 08/03/2010 → 16/09/2026

4.1 A prova do FIX 1 (stride sampling)

EstadoStickiness SOBREPOSTA (legacy)Stickiness STRIDE (honesta)
BAIXA96%88%
MÉDIA86%51% ⚠️
ALTA97%88%
O estado MÉDIA caiu de 86% para 51%. A "persistência" era quase toda
artefato de janelas sobrepostas. Sem o fix, a gente acreditaria numa
estabilidade que não existe — e dimensionaria posição errado.

4.2 A resposta útil para o timing

Estado HOJE: ALTA   (taxa 7,60%)
   P(ALTA  daqui a 20 dias) = 88%
   P(MÉDIA daqui a 20 dias) =  9%
   P(BAIXA daqui a 20 dias) =  3%

🎯 Leitura para a estratégia de timing

  1. Regime de taxa alta é PEGAJOSO (88%) — não tem urgência para comprar
  2. Só 3% de chance da taxa cair para a faixa baixa em um mês — quem espera

uma taxa melhor provavelmente vai esperar em vão no curto prazo

  1. Simétrico do outro lado: quando a taxa estiver BAIXA (88% pegajosa),

também não adianta esperar — é sinal de que a oportunidade de compra passou

Isso é análise de dados de verdade — e saiu do método do arquivo 2, aplicado

aos nossos dados, com o fix do próprio arquivo.


5. Veredito

ArquivoValor para ANÁLISEValor para AUTOMAÇÃO
Self-Improving Agent🟢 Alto (métricas, score, taxonomia, robustez, modelo de dados)🟡 Médio (infra não serve; o desenho de loop serve)
Markov 2.0🟢🟢 Muito alto (método testável + protocolo de validação)🟢 Alto (FILTER mode é aplicável)

Resposta curta: sim, valem — e o **Markov 2.0 é o item mais reaproveitável

de tudo que já chegou neste projeto, porque é o único que entrega um método

analítico completo e testável**, com as próprias correções estatísticas.

Status

✅ Testado em dados reais. Nada implementado — nenhum coletor, script ou cron.

Gerado por Hermes Agent · gerado em 17/11/2026 19:01 · regras desta página · análise, não ordem — a decisão é sempre sua.