Resposta direta: o que “taxa de acerto no ponto de equilíbrio” significa
A taxa de acerto no ponto de equilíbrio (BEWR) é a probabilidade de acerto que um sistema precisaria para que o resultado médio seja zero, após considerar custos, sob uma definição específica do que conta como vitória ou derrota. Em outras palavras, a BEWR conecta três partes em movimento: (1) quanto você normalmente ganha quando acerta, (2) quanto você normalmente perde quando erra e (3) o que você normalmente paga por cada operação (por exemplo, custos de transação e efeitos de execução).
Como a BEWR é um limiar guiado por premissas, ela não é uma constante universal. Se sua estrutura de payoff, modelo de custos ou definições dos resultados da operação mudarem, a taxa de acerto no ponto de equilíbrio também muda.
Mecânica: o modelo simples por trás da BEWR
Um ponto de partida comum é um modelo simplificado de dois resultados.
Defina os números do payoff
Suponha que cada operação resulte em:
- Uma vitória com payoff +W (líquido de quaisquer custos incluídos na definição de vitória).
- Uma derrota com payoff −L (líquido de quaisquer custos incluídos na definição de derrota).
Suponha que vitórias aconteçam com probabilidade p, e derrotas aconteçam com probabilidade (1 − p).
O valor esperado é zero no ponto de equilíbrio
O valor esperado por operação é:
- EV = p·W + (1 − p)·(−L)
- EV = p·W − (1 − p)·L
Defina EV = 0 e resolva para p:
- p = L / (W + L)
Essa p é a taxa de acerto no ponto de equilíbrio sob as premissas do modelo.
Converta a “razão risco/recompensa” em BEWR
Se você expressar as magnitudes típicas de vitória e derrota em relação à perda, por exemplo definindo W = R·L, onde R é uma “razão de payoff vitória-para-derrota”, então:
- BEWR = 1 / (R + 1)
Assim, uma razão de payoff maior (vitórias maiores em relação às derrotas) reduz o limiar da BEWR; perdas maiores em relação às vitórias aumentam esse limiar.
O que “vitória” e “derrota” precisam significar
A BEWR é sensível às suas definições operacionais:
- Se você define vitórias como atingir uma meta antes de um stop, então W e L dependem da geometria meta/stop.
- Se você define vitórias pelas marcações do fim do dia, saídas trailing, ordens parcialmente executadas ou saídas baseadas no tempo, W e L podem variar amplamente.
Na prática, em testes, a definição de vitória/derrota é frequentemente o fator oculto que faz a BEWR mudar.
Evidência ou exemplo: por que a BEWR pode parecer estável, mas falhar na realidade
Aqui estão situações típicas em que os cálculos de BEWR parecem diretos, mas se tornam pouco confiáveis porque a distribuição real de resultados não corresponde ao modelo simplificado.
Exemplo (com premissas explícitas)
Suponha que um teste use uma estrutura fixa de target/stop e assuma resultados líquidos constantes:
- Magnitude do payoff da vitória (líquido): W
- Magnitude do payoff da derrota (líquido): L
Sob essas premissas, a BEWR é L/(W+L).
Agora altere apenas um elemento: custos.
- Se spreads, comissões ou slippage de execução forem maiores nas vitórias do que nas derrotas (ou simplesmente maiores do que o que você incluiu), então o W líquido e/ou o L líquido mudam.
- Se você calcular a BEWR usando valores antes de custos, a BEWR real necessária para zero expectancy será maior.
Isso ilustra uma dependência-chave: a BEWR deve ser calculada usando os mesmos números de resultado “líquidos” que seu backtest ou modelo de execução realmente produz.
Caso-limite: distribuição de payoff assimétrica
O modelo de dois resultados assume uma magnitude fixa para vitórias e uma magnitude fixa para derrotas. Muitos sistemas de trading violam isso.
- As vitórias podem se agrupar perto de pequenos lucros, enquanto grandes vitórias ocorrem raramente.
- As derrotas podem apresentar caudas gordas (perdas extremas raras).
Mesmo que as magnitudes médias de vitórias e derrotas pareçam corresponder, o timing, a dependência do caminho (path dependency) e o comportamento das caudas podem alterar a expectancy realizada quando custos e restrições de execução são aplicados.
Caso-limite: saídas “breakeven” e resultados parciais
Em alguns sistemas, uma operação pode sair em um estado neutro ou quase neutro, ou as saídas podem ser parciais. Então você efetivamente introduz um terceiro resultado (ou payoffs fracionários). Se você ainda forçar o resultado a caber apenas em “vitória” vs “derrota”, o limiar da BEWR fica mal especificado.
Caso-limite: condições não estacionárias
A BEWR é uma fórmula para um limiar sob um dado modelo de probabilidade. Se as probabilidades de vitória/derrota mudarem ao longo do tempo devido a mudanças de regime de mercado (liquidez, volatilidade, risco de evento), então a taxa de acerto observada pode não corresponder mais ao limiar de break-even calculado.
Limitações e riscos: o que pode invalidar a BEWR
1) Custos e efeitos de execução são difíceis de modelar de forma consistente
A BEWR é tão precisa quanto os inputs de payoff líquido. Detalhes de execução como slippage, enfileiramento (queueing), ordens parcialmente executadas e timing podem alterar sistematicamente o W e o L realizados.
Modo de falha: calcular a BEWR a partir de um conjunto de premissas de custos (por exemplo, execuções ideais) e depois aplicá-la a uma realidade de execução diferente.
2) A taxa de acerto sozinha pode ser enganosa
Muitas pessoas focam na taxa de acerto porque é fácil de contar. Mas a expectancy depende tanto da taxa de acerto quanto da magnitude das vitórias/derrotas.
- Uma estratégia pode ter uma taxa de acerto alta, mas vitórias pequenas e derrotas grandes ocasionais.
- Ela também pode ter uma taxa de acerto baixa, mas grandes vitórias que compensam perdas menores frequentes.
Portanto, a BEWR deve ser tratada como uma relação entre probabilidade de acerto e estrutura de payoff, e não como um “alvo” isolado.
3) Ajustar demais a definição dos resultados
Se você ajustar a classificação de vitória/derrota, tamanhos de target ou lógica de stop para fazer a BEWR parecer favorável em dados passados, você pode acabar codificando de forma rígida o setup de teste, em vez do processo subjacente.
Modo de falha: as “vitórias” e “derrotas” do backtest não são replicadas na execução ao vivo porque a lógica de saída ou a modelagem de custos é diferente.
4) Efeitos de tamanho de amostra e de regime
As estimativas de probabilidade de acerto são incertas, especialmente com amostras limitadas.
- Amostras pequenas podem tornar a taxa de acerto observada volátil.
- Mudanças de regime podem invalidar a premissa de que a mesma probabilidade se aplica no futuro.
Nesses casos, a BEWR ainda pode ser calculada, mas compará-la com uma taxa de acerto observada ruidosa não responde de forma confiável se o sistema tem zero expectancy fora da amostra.
Verificação e próximas perguntas: como checar a BEWR de forma independente
Para verificar a BEWR de um modo que seja checável de forma independente, mantenha o processo consistente:
- **Use uma definição de resultado líquido. ** Calcule W e L como payoffs líquidos realizados consistentes com seu modelo de custos e premissas de execução. 2) **Corresponda a classificação de vitória/derrota. ** Garanta que os mesmos eventos contados como vitórias e derrotas nas entradas da BEWR sejam exatamente os que você vai contar na avaliação. 3) **Calcule a BEWR a partir das entradas correspondentes. ** Use a relação simples p = L/(W+L) apenas se seu modelo de resultado for realmente de dois valores (ou estenda se você tiver múltiplos resultados).