Como a Reversão por Divergência pode ser testada?

Resposta direta

A reversão por divergência pode ser testada transformando a ideia em uma hipótese falseável, medindo se um resultado consistente “semelhante a uma reversão” ocorre após o evento de divergência e, em seguida, verificando se qualquer vantagem observada não é explicada por viés de seleção, custos, efeitos de execução ou mudanças nos regimes de mercado. Como não há necessidade de dados em tempo real aqui, a abordagem de teste deve se basear em definições históricas de eventos bem estabelecidas, premissas explícitas e etapas de avaliação reproduzíveis.

Um teste prático tem cinco partes: (1) definir o mecanismo de reversão por divergência em termos operacionais, (2) escolher uma linha de base que represente o que aconteceria sem a condição de divergência, (3) especificar a divisão de dados que evite viés de look-ahead, (4) incluir custos de transação realistas e fricções de negociação em cada cálculo e (5) realizar verificações de robustez e análise de modos de falha.

Mecanismo e definição

Comece com uma definição precisa o suficiente para ser codificada e verificada de forma independente. “Reversão por divergência” é comumente usada para descrever uma situação em que a ação do preço e um indicador se movem em direções opostas (divergência), e então se espera que o preço volte (reversão). Para testar isso, você precisa de duas partes operacionais:

1. Definição do evento (o gatilho de “divergência”).

• Especifique qual série de preços você usa (por exemplo, mudanças de fechamento para fechamento) e o período de tempo.
• Especifique o indicador e a regra de divergência. Por exemplo: “o indicador faz uma mínima mais baixa enquanto o preço faz uma mínima mais alta” em uma janela de lookback definida. Todos os parâmetros devem ser declarados (comprimento da janela, se você usa máximas ou mínimas e como lida com valores iguais).
• Decida o que conta como “timestamp do evento” (por exemplo, no fechamento da barra onde a condição de divergência se torna verdadeira).

2. Definição do resultado (a medição da “reversão”).

• Defina o que “reversão” significa no mesmo sistema de unidades dos seus dados de mercado. Exemplos incluem: retorno nas próximas N barras, o sinal do próximo movimento, excursão adversa máxima vs. excursão favorável máxima, ou se o preço cruza um limite.
• Decida o horizonte de avaliação N. Se N for selecionado após ver os resultados, trate-o como uma variável e use verificações fora da amostra.

Uma separação fundamental é entre mecânica estável e condições variáveis. A mecânica estável é a regra do evento e a medição do resultado. As condições variáveis são o estado do mercado, volatilidade, níveis de spread e comissão, liquidez e qualidade de execução. Seu teste deve quantificar o quão sensíveis os resultados são a esses fatores variáveis.

Evidências e um exemplo de design de teste

Aqui está um modelo não consultivo que você pode aplicar a dados históricos para avaliar se a reversão por divergência mostra uma tendência mensurável.

1) Declare uma hipótese testável

Exemplo de hipótese (redação genérica): “Após um evento de divergência definido pela regra R, a mudança média de preço no próximo horizonte é mais favorável do que a expectativa de linha de base calculada a partir de todos os momentos com contexto comparável.”

Para evitar premissas ocultas, escreva:

• A regra exata de divergência R.
• A métrica de resultado (por exemplo, retorno médio futuro ou probabilidade de um movimento exceder um limite).
• O horizonte e quaisquer limites.
• Se você mede retornos brutos ou retornos após custos de negociação estimados.

2) Escolha uma linha de base

Uma linha de base é aquilo com que você compara. Escolhas comuns de linha de base incluem:

• Linha de base sem divergência: avalie a mesma métrica de resultado em momentos em que a condição de divergência não ocorre.
• Linha de base de calendário/tempo: compare com momentos aleatórios correspondentes por hora do dia, dia da semana ou atributos de calendário semelhantes, se aplicável.
• Linha de base correspondente ao contexto: agrupe eventos por regime de volatilidade (usando um proxy de volatilidade histórica) e compare eventos de divergência com momentos sem divergência dentro do mesmo regime.

O objetivo é evitar que o teste conclua que a “divergência causou a reversão” quando os eventos de divergência são simplesmente mais comuns em certos estados de mercado.

3) Divisão de dados e prevenção de vazamento

Use divisões que espelhem como a regra seria usada na prática. Abordagem típica:

• Período de treinamento: design e seleção de parâmetros.
• Período de validação: ajuste de parâmetros sem tocar no período de teste.
• Período de teste: apenas avaliação final.

Mesmo sem dados em tempo real, você deve usar divisões ordenadas no tempo. Nunca permita que eventos futuros influenciem os parâmetros da regra de divergência usados para avaliação em momentos anteriores. Esta é a fonte mais comum de resultados inflados.

4) Custos e modelagem de fricções (obrigatório para justiça)

Inclua custos em cada avaliação porque regras de divergência podem parecer lucrativas antes dos custos e desaparecer após os custos. Os custos podem incluir:

• Um spread por negociação ou um impacto assumido de bid-ask.
• Premissas de comissão ou taxa, se você as tiver.
• Slippage como uma penalidade adicional, especialmente durante períodos voláteis.

Exemplo de premissa: se seu modelo de custo usa uma penalidade fixa por ida e volta, declare-a e teste a sensibilidade tentando uma faixa de penalidades plausíveis. Se você não tiver entradas de custo realistas, relate os resultados antes e depois de um buffer de custo assumido e trate as conclusões como incertas.

5) Verificações de robustez

Não pare em um único conjunto de parâmetros. As verificações mínimas de robustez incluem:

• Robustez walk-forward: repita a avaliação em múltiplas janelas de teste móveis.
• Estabilidade de parâmetros: teste vários comprimentos de janela próximos e definições de divergência.
• Robustez de métricas: verifique se o efeito se mantém em diferentes métricas de resultado (por exemplo, retorno médio e probabilidade de ganho), porque uma melhoria aparente em uma métrica pode esconder perdas em outra.

6) Limitação material e análise de modos de falha

Você deve procurar ativamente por modos de falha. Pelo menos uma limitação material deve ser testada e descrita, como:

• Dependência de regime: a reversão por divergência pode funcionar em condições de reversão à média, mas falhar durante tendências.
• Artefatos de indicadores: alguns indicadores podem criar divergências com mais frequência em dados ruidosos, inflando a “frequência de eventos” sem melhorar o poder preditivo.
• Sensibilidade a limites: pequenas mudanças na definição podem alterar substancialmente o conjunto de eventos.
• Overfitting: selecionar parâmetros para maximizar o desempenho em dados históricos pode produzir resultados enganosos fora da amostra.

Documente como os resultados mudam sob esses estresses. Se o efeito desaparecer sob pequenas mudanças na definição, a alegação é fraca mesmo que os backtests parecessem fortes.

Limitações e o que você pode verificar de forma independente

Testar a reversão por divergência é direto em princípio, mas as conclusões são limitadas pela incerteza. Limitações principais:

• Relações históricas não estabelecem resultados futuros. Mesmo que um padrão de reversão por divergência tenha existido no passado, a microestrutura do mercado e o comportamento podem mudar.
• Os resultados variam com as condições de mercado e detalhes de implementação. Os resultados dependem de volatilidade, liquidez, timing de execução e precisão das premissas de custo.
• Indicadores não são garantias. Divergência e reversão são conceitos descritivos; eles só se tornam testáveis quando traduzidos em regras operacionais e resultados mensuráveis.