Resposta direta
Os principais riscos de usar escalas logarítmicas versus lineares são erros de interpretação e de comparação. Uma escala log representa mudanças em termos percentuais, enquanto uma escala linear representa mudanças em termos de preço absoluto. Se você assumir que elas se comportam da mesma forma — ou misturar fontes/configurações de gráficos — você pode não entender “o tamanho” dos movimentos, avaliar mal a volatilidade e construir conclusões incorretas sobre o que aconteceu.
Em um contexto informacional, não de negociação, esses riscos se dividem em quatro grupos: operacional (como os gráficos são configurados e calculados), mercado (como o comportamento real do preço e os custos variam), contraparte (como os provedores transformam ou apresentam os dados) e interpretação (como você mapeia o visual para decisões).
Mecanismo ou definição
Uma escala linear plota níveis de preço de modo que distâncias iguais no gráfico correspondam a mudanças absolutas iguais (por exemplo, o mesmo número de unidades de preço).
Uma escala logarítmica plota o logaritmo dos níveis de preço. Na prática, isso significa que distâncias iguais correspondem a mudanças percentuais iguais. Essa diferença importa mais quando os preços se movem por faixas amplas.
Como a transformação depende das entradas da escala, gráficos logarítmicos normalmente exigem um tratamento consistente de unidades e base (por exemplo, se os valores são registrados em log em relação a uma referência). Mesmo quando dois gráficos parecem semelhantes, definições diferentes do eixo transformado ou configurações do gráfico podem levar a visuais diferentes.
Evidência ou exemplo
Considere os mesmos dois movimentos de preço observados em escalas diferentes:
- Movimento A: de 100 para 110 (um aumento de 10%)
- Movimento B: de 50 para 60 (também um aumento de 20%)
Em um gráfico linear, o Movimento A pode parecer menor ou maior dependendo da mudança absoluta (10 em ambos os casos). Em um gráfico logarítmico, a distância visual está ligada à mudança percentual, então o Movimento B tende a parecer maior porque a mudança percentual é maior.
Agora adicione um risco operacional comum: você compara capturas de tela ou análises de diferentes provedores (ou configurações diferentes) sem confirmar se ambos os gráficos são lineares ou logarítmicos. Mesmo que as séries de preços subjacentes sejam idênticas, o eixo transformado muda a magnitude aparente do movimento. Isso pode gerar concordância falsa (você acha que as conclusões combinam) ou discordância falsa (você acha que elas entram em conflito).
Limitações e riscos
1) Risco de interpretação
Suas conclusões sobre “o quanto o preço se moveu” podem se tornar dependentes da escala. Padrões que parecem convincentes em uma escala podem parecer comprimidos ou ampliados na outra. Isso não significa que qualquer uma das escalas esteja “errada”, mas significa que qualquer interpretação deve declarar a escala usada e o mapeamento da distância visual para a métrica subjacente (absoluta versus percentual).
2) Risco operacional (configurações e convenções de cálculo)
Ferramentas de gráficos diferentes podem implementar a escala logarítmica com opções de exibição diferentes. Se um gráfico usa um eixo logarítmico, mas ainda calcula overlays (como medições de tendência) usando suposições lineares — ou vice-versa — então as quantidades medidas podem divergir. Para reduzir esse risco, confirme a documentação do gráfico e o comportamento exato do eixo.
3) Risco de mercado (realidade não uniforme)
Visuais logarítmicos e lineares respondem de maneiras diferentes quando a volatilidade muda ao longo do tempo, quando os preços seguem uma tendência forte ou quando a faixa de preço se expande. A limitação é que movimentos históricos e efeitos de custo não garantem comportamento futuro; o visual pode levar você a generalizar demais.
4) Risco de contraparte (apresentação de dados)
Provedores podem diferir em como obtêm, limpam e apresentam dados de preço. Se duas partes usam feeds diferentes, timeframes diferentes, tratamento de eventos corporativos, ou regras de arredondamento, suas séries plotadas podem divergir. Quando você então aplica escalas diferentes, as diferenças visuais podem ser somadas, tornando mais difícil separar “diferenças de dados” de “efeitos de escala”.
5) Modo de falha material: misturar suposições
Um modo de falha frequente é tratar a distância visual do gráfico como se representasse a mesma quantidade entre escalas (por exemplo, assumindo que distâncias visuais iguais significam mudanças absolutas iguais). Isso pode distorcer qualquer raciocínio comparativo, especialmente ao analisar períodos longos.
Verificação ou próxima pergunta
Verifique independentemente o comportamento da escala conferindo a descrição do eixo do gráfico: ele representa níveis de preço (linear) ou mudanças percentuais (logarítmica)? Em seguida, confirme que os overlays e as medições são calculados de forma consistente com as mesmas suposições de escala. Se você estiver comparando relatórios, padronize a escolha da escala e o timeframe antes de comparar.