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:
- (retorno realizado vs alvo)
- (drawdown vs máximo)
- (Sharpe vs mínimo)
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:
- Por tipo: preço / on-chain / notícia / macro
- Por confiabilidade: prova / sinal / contexto / pista
1.4 Protocolo de validação ⭐ (do Markov)
- Walk-forward — recalcular conforme caminha
- Stride sampling — nunca janelas sobrepostas
- Verificação de rótulos — autoconferir antes de mostrar
- Antes/depois — mostrar o número feio ao lado do bonito
1.5 O método de regimes (do Markov) — testado na §4
1.6 Engenharia de robustez (do Self-Improving)
- Retries (3, exponencial) por adapter
- Circuit-break após 5 falhas seguidas
- Heartbeat — prova de vida
schema_version+SchemaError→ PARA o loop
Isso é o que separa "script que roda" de "sistema que não mente quando quebra".
1.7 O modelo de dados do acompanhamento
trades.jsonl— cada operação registradahypotheses.jsonl— cada mudança: 1 variável + direção esperadahistory/vNNNN— toda versão preservada- "últimos 25 trades" — janela de amostra concreta para reflexão
2. O que NÃO serve para análise
| Item | Por quê |
|---|---|
Railway, instalação local, open/start por SO | Infra, não análise |
App Yapper, referralCode | Monetização |
| Loop 24/7 auto-modificável | Execução, não análise |
| Cadência de 5 trades | Amostra insuficiente (já corrigido no METODO.md) |
| RSI threshold 30 como estratégia inicial | Exemplo 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:
- Estados: taxa em BAIXA / MÉDIA / ALTA (tercis de janela móvel de 2 anos)
- Pergunta que responde: "se a taxa está ALTA hoje, quanto tempo ela costuma ficar?"
- Por que importa: é a diferença entre "compre agora" e "espere, ainda dá tempo"
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)
| Estado | Stickiness SOBREPOSTA (legacy) | Stickiness STRIDE (honesta) |
|---|---|---|
| BAIXA | 96% | 88% |
| MÉDIA | 86% | 51% ⚠️ |
| ALTA | 97% | 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
- Regime de taxa alta é PEGAJOSO (88%) — não tem urgência para comprar
- 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
- 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
| Arquivo | Valor para ANÁLISE | Valor 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.