Como fazer backtesting de estratégia cripto sem cair em overfitting
Tutorial sobre backtesting — como validar estratégias de trading com dados históricos, evitar overfitting, walk-forward analysis e métricas que importam.
16/05/2026 · 5 min de leitura · Tutorial · Backtesting · Trading · Quant
Backtesting: o que é e por que importa
Backtesting é simular uma estratégia de trading em dados históricos pra ver como ela teria performado. É a forma básica de validar uma ideia antes de arriscar capital real. Se sua estratégia não funciona em backtest, ela quase certamente não vai funcionar em live trading.
Mas backtest tem armadilhas. A maior é overfitting — ajustar parâmetros para fitar perfeitamente o passado, sem capturar a estrutura real do mercado. Resultado: estratégia mostra retorno 800% no backtest e perde dinheiro em live trading. É o pecado capital do quant amador.
Overfitting: o vilão silencioso
Overfitting acontece quando você otimiza parâmetros (período RSI, threshold MACD, stop loss size) procurando o melhor PNL histórico. Em um espaço de busca grande (centenas de combinações), você sempre encontra uma combinação que parece ótima — mas é coincidência, não sinal.
Sintomas: (1) curva de equity muito suave em backtest; (2) parâmetros 'mágicos' que falham se você muda 1 número (sensibilidade alta); (3) estratégia funciona apenas em um período específico (2020-2022) e falha em outros (2018-2019). Esses são red flags claros.
In-sample vs out-of-sample
A defesa clássica contra overfitting: divida seus dados em dois períodos. In-sample (treino): você otimiza parâmetros aqui. Out-of-sample (teste): você verifica performance com os parâmetros já fixados, sem otimização.
Regra prática: 70% in-sample, 30% out-of-sample. Se a estratégia performa bem em in-sample mas mal em out-of-sample, é overfitting. Se ambos são razoáveis (não idênticos, mas similares na direção), você tem algo real.
Walk-forward analysis
Walk-forward é avanço metodológico sobre in/out-of-sample. Você divide os dados em N períodos. Para cada período: otimize em períodos 1 a N-1, teste em período N. Avance. Otimize em períodos 2 a N, teste em período N+1. Etc.
Resultado: você tem N-1 períodos de teste out-of-sample sequenciais. Performance agregada é mais robusta que single in/out split. Walk-forward é o padrão profissional — quant funds não rodam estratégia sem isso.
Métricas que importam (e que não)
Retorno total: importa, mas não isoladamente. Sharpe ratio: retorno ajustado por risco (volatility). Acima de 1.5 é bom, acima de 2 é excelente. Sortino ratio: similar ao Sharpe mas só penaliza volatility downside (mais adequado para trading).
Max drawdown: maior queda pico-vale no período. Importante saber se você toleraria drawdown desse tamanho psicologicamente. Calmar ratio: retorno anualizado / max drawdown. Acima de 1 é bom. Win rate isoladamente não é métrica útil — estratégia com 30% win rate pode ser excelente se ganhadoras são 5x maiores que perdedoras.
Custos: a parte que mata estratégias
Backtests amadores ignoram fees, slippage e funding. Em trading high-frequency, fees podem comer 50%+ do retorno bruto. Em alavancagem, funding pode consumir muito do PNL em posições longas.
Inclua sempre no backtest: (1) fee de exchange (0,30% para a OFFCODE, varia entre 0,02% e 0,5% em outras); (2) slippage estimado (0,05-0,1% para BTC líquido, 0,3-1% para alts com volume baixo); (3) funding rate em perpétuos; (4) gas fees em DEX (se aplicável). Sem isso, seu PNL é fantasia.
Ferramentas: Pine Script, Python, ou pago
Para iniciante: Pine Script no TradingView. Permite backtest visual de estratégias simples com poucos parâmetros. Limitado em granularidade, mas ótimo pra prototipar. Tier gratuito tem limites — pro tier (~US$ 30/mês) tem mais recursos.
Para intermediário: Python com pandas, ccxt e backtrader/zipline. Mais flexível, sem custo. Curve de aprendizado maior, mas controle total. Para profissional: QuantConnect ou Hummingbot — plataformas dedicadas com infraestrutura production-ready.
Validando estratégia antes de OFFCODE live
Antes de rodar qualquer estratégia em capital real na OFFCODE, faça pelo menos: (1) backtest mínimo 12 meses históricos; (2) walk-forward analysis em 4 períodos; (3) inclusão de fees realistas (0,30% por trade); (4) paper trading por 30 dias (simular em live mas sem capital real). Se passa em tudo, comece com size pequeno (2-5% do capital).
Aviso YMYL: estratégia que funcionou em backtest não garante futuro. Mercado muda — estrutura, liquidez, participantes, regulação. Monitore performance em live trading versus backtest expectation. Se diverge significativamente em 30 dias, pause e reavalie.