🤖 O que vídeos de trading-bot ensinam — e o que ESTE sistema adotou (21/09/2026)
estrategia/BOTS-EXTERNOS-2026.md
🤖 O que vídeos de trading-bot ensinam — e o que ESTE sistema adotou (21/09/2026)
Fontes analisadas (arquitetura, nunca números):
- V1 — "Claude + IBKR API: Complete AI Trading Bot Guide" (Humbled Trader) —
youtube.com/watch?v=UgWQtQ3MEVE - V2 — "How To Build an AI Trading Bot That Trades While You Sleep" (Miles Deutscher) —
youtube.com/watch?v=NWK7rbDeGcE - V3 — "How to Use Jev to Build a 24/7 HFT Trading System" (Lewis Jackson) —
youtube.com/watch?v=8DgRqDukf-U(§6)
Política do escritório aplicada: extrair ARQUITETURA, nunca adotar NÚMEROS; nada aqui
depende de produto pago; os criadores monetizam (patrocínio/afiliado/comunidade) — o que se
extrai é o desenho, não a promessa.
1. O que os dois vídeos mostram (arquitetura)
V1 — bot de ações via corretora (IBKR):
- Papel primeiro: conta paper até "rodar limpo por semanas" antes de dinheiro real.
- Estratégia externalizada em arquivo (
rules.json: filtros de entrada, stop inicial,
parcial em 0,75R, break-even em 1R, trailing, risco 1% por trade, posição máx 10%);
separado do settings.json (porta, limites, tokens).
- Pipeline: universo (lista de tickers) → pré-filtro matinal (gappers) → **ciclo de decisão
a cada 30 min → execução (entradas, parciais, trailing, fechamento forçado no fim do dia**)
→ alertas no Telegram por evento + resumo EOD → dashboard com R-múltiplos por trade.
- Segurança: IP confiável, conta paper, confirmação de ordens via API.
V2 — bot de cripto via MCP (a novidade de 2026):
- Arquitetura em 3 camadas: **LLM (cérebro) ⇄ MCP (conexão nativa da corretora/exchange) ⇄
exchange (execução)**. A tese central: *"isto é uma CAMADA DE EXECUÇÃO onde você pluga
QUALQUER estratégia"* — engine e estratégia separadas.
- Sistema de memória em pasta: contexto pessoal/financeiro (para o conselho não ser
genérico), instruções, memory.md — o "cérebro" vive em arquivos, revisáveis.
- Ledger de trades (o que disparou, quando, por quê, como terminou) + **arquivo de
APRENDIZADOS: o bot escreve, em texto claro, o que aprendeu após cada fechamento**.
Reflexão forçada — antes (justificativa) e depois (aprendizado).
- ⚠️ Regra anti-overfitting (a joia): não deixar cada perda criar uma regra permanente —
reflexões viram OBSERVAÇÕES; quando um padrão se forma (ao longo de muitas operações),
VIRA regra, e a regra é avaliada no tempo. "Empilhar regra sobre regra pode destruir uma
boa estratégia."
- Operação: subconta/paper para experimentos (posições principais intocáveis) · API key com
saque DESLIGADO + 2FA + permissão só de trade · ordem-teste mínima para validar ·
máquina sempre ligada (VPS/desktop dedicado) · voz→texto via Telegram para operar fora do PC.
2. Avisos honestos (dos próprios autores)
- V1: backtest ≠ execução ao vivo — o bot rendeu "meh" e o humano ainda operou melhor;
regras humanas não são 100% codificáveis; ele segue iterando.
- V2: "não é set-and-forget"; modelo melhor ≠ edge melhor; estratégia copiada de backtest
qualquer carrega viés; use subconta porque "problemas acontecem".
3. O que ESTE sistema adotou — agora
- ✅ Arquivo de APRENDIZADOS com reflexão forçada (
insights/APRENDIZADOS.md): cada
resolução de insight deixa um apontamento em texto claro (a redação final é feita na
rodada mensal, pelo agente). Complementa a auto-avaliação numérica.
- ✅ Regra 🔒 nova — aprendizado ≠ regra: resultado vira OBSERVAÇÃO; padrão só se
institucionaliza com N≥30; regra nova é avaliada no tempo; nunca criar regra
permanente por uma perda única. (Proteção contra overfitting — alinhada à regra da casa
"N<30 = anedota".)
- ✅ Confirmação dos nossos gates: paper antes de real, alertas low-noise, cérebro em
arquivos, ledger com registro antes do resultado, Telegram como interface — tudo que os
vídeos "descobrem", já tínhamos — e com gates mais estritos.
4. O que fica registrado para F6/F7 (execução — quando e se chegar)
- MCP como caminho provável de integração (2026: corretoras/exchanges expõem MCP nativo) —
monitorar a disponibilidade no Brasil; a camada de execução ficou mais próxima do que
quando o plano foi escrito.
- Checklist de segurança de execução (colar no dia do F6): conta/subconta separada ·
API key só-trade + saque desligado + 2FA · trusted IP · ordem-teste mínima antes de
liberar · posição máx e perda máx por dia como limite DURO no código · kill-switch testado.
- Journal de trades com R-múltiplos + coluna de aprendizado (o dashboard do V1 + o
learnings file do V2, juntos).
- Resumo de fechamento (EOD) — candidato a entrar no brief diário (low-noise: só quando
houver evento).
5. O que foi REJEITADO
- "Auto mode" de aprovação total / execução sem gates humanos — nosso desenho exige trilha
completa e limites duros; F7 é condicional com números.
- Copiar estratégias prontas (de vídeo/backtest alheio) — risco de viés e de contaminação.
- Qualquer número, promessa ou produto dos criadores (patrocínios/afiliados) — fora, por
política.
Conclusão em uma frase: os vídeos validam que a NOSSA fundação está no lugar certo
(engine×estratégia separadas, ledger, memória em arquivos, paper antes de real) e entregam
três upgrades reais — aprendizados em texto claro, a regra anti-overfitting e o
checklist de execução com MCP — todos já incorporados ou registrados.
6. V3 — "Jev" e o loop de decisão rápida (Lewis Jackson) — youtube.com/watch?v=8DgRqDukf-U
O que o vídeo mostra: um prompt único (colado no Claude) instala um "loop" que toma
decisões de compra/venda a cada ~400–500 ms sobre Bitcoin, em paper trading na Alpaca
(API grátis), com dashboards que exibem os DADOS por trás de cada decisão + uma pontuação de
confiança. O próprio autor é explícito: a estratégia do vídeo é um placeholder ("tirada do
nada, só para ver negociando") e o caminho para o dinheiro real é "virar a chave" — o que o
NOSSO desenho proíbe sem gates. Monetização embutida (comunidade paga, competição, curso +
alegação pessoal de retorno) ⇒ C18: extrai-se a arquitetura, não os números.
O que o "Jev" REALMENTE é (verificado na fonte — Vercel AI Gateway + docs da TypeSafe):
um modelo de AVALIAÇÃO ("System One"), não um LLM de texto: entra um ESTADO, saem
respostas TIPADAS — choice (escolher entre opções), score (nota em rubrica) e
boolean (probabilidade de ser verdade) — avaliadas em PARALELO, com probabilidades e uma
estatística de confidence (0–1) separada da probabilidade. Sem gerar prosa: o fornecedor
reporta ~194× mais rápido e ~445× mais barato que LLM no benchmark dele. Casos de uso
oficiais: classificar/rotear, pontuar urgência/risco, verificar saídas e guardrails,
escolher o próximo passo de um agente.
Os padrões de engenharia que a comunidade está calibrando (e o que fazemos com eles):
| Padrão observado no ecossistema Jev | Nossa situação |
|---|---|
| Dividir UMA decisão grande em perguntas pequenas e combinar no código | ✅ já é o nosso desenho (camadas + portões) — validado |
| Limiares DIFERENTES por ação (abrir exige mais que reduzir) | 📌 registrar para F6/F7 (execução) |
| Dado ausente EXPLÍCITO — nunca virar "neutro" em silêncio | ✅ regra da casa (frescor · lacunas declaradas) — confirmada como princípio |
| Validar previsão gravando em que INTERVALO o realizado caiu | ✅ previsoes.py + insights já resolvem no prazo |
| Medir QUALIDADE DE EXECUÇÃO separada da estratégia (adverse selection pós-fill) | 📌 F6: journal com R-múltiplos + qualidade de execução |
confidence ≠ taxa de acerto (não ler concentração como win rate) | ✅ nosso Brier/calibração é o instrumento certo |
| Screenshot sensacionalista do ecossistema era dry-run ("perdeu 300%" com fills simulados) | ⚠️ reforça: paper ≠ real; nunca vangloriar número de paper |
Adotado / registrado:
- 📌 Para F6/F7: Alpaca (paper API grátis — ações + cripto 24/7) entra na lista de
infraestrutura de execução, junto de MCP/IBKR · modelos de decisão tipada (Jev/TypeSafe)
como CANDIDATOS à camada de decisão (portões mais ricos que o determinístico puro) —
sem adoção agora: é dependência EXTERNA PAGA e nossos portões determinísticos têm
autoteste (política: nada no plano depende de produto pago).
- ✅ Rotação de chaves: "rotacionar a API key depois de qualquer demo/screenshot" entra
no checklist de segurança de execução.
- 🚫 Rejeitado: "HFT" como objetivo (fora do mandato — o projeto não é alta frequência;
a custo de varejo a borda some) · "virar a chave" para real sem gates · números e
alegações do criador · adotar Vercel/Jev como dependência hoje.
Conclusão atualizada: são QUATRO itens de fora incorporados/registrados — aprendizados
em texto claro · regra anti-overfitting · checklist de execução (MCP + segurança) · e a
camada de decisão tipada (Jev) como candidata registrada, com Alpaca na
infraestrutura de paper.