O que é revisão de drawdown?
A revisão de drawdown é um método de revisão de desempenho focado nas quedas a partir de um ponto alto recente. Na prática, ela avalia quanto o desempenho caiu (profundidade) e quanto tempo levou para se afastar daquele ponto mais baixo (duração), com base em uma série temporal como uma equity curve ou histórico do valor da conta.
A ideia central é que dois registros de desempenho podem parecer semelhantes no retorno total, mas diferir fortemente no tamanho e no timing das piores quedas. A revisão de drawdown busca descrever essas piores quedas de forma estruturada e comparável.
Como funciona a revisão de drawdown
1) Escolha a série de desempenho e a definição
A maior parte da revisão de drawdown começa com uma série escolhida (por exemplo, equity da conta ao longo do tempo). Em seguida, você aplica uma definição consistente de “pico” e “fundo”. Uma abordagem comum usa o valor máximo atingido até cada ponto e mede a distância para baixo até o ponto baixo atual ou seguinte.
Como diferentes ferramentas e comunidades usam convenções ligeiramente diferentes (por exemplo, se o drawdown é calculado na equity bruta versus na equity líquida de taxas, ou como dados ausentes são tratados), definições consistentes importam. Se o objetivo é comparação, a mesma definição deve ser usada entre períodos, estratégias ou contas.
2) Calcule a profundidade do drawdown e acompanhe a linha do tempo
Depois de definir o cálculo, você identifica eventos de drawdown: períodos em que a série se afasta do seu pico mais recente. Para cada evento, a revisão de drawdown normalmente registra:
- Profundidade: o quanto a série cai em relação ao pico anterior (frequentemente expresso como uma porcentagem).
- Duração: o tempo desde o início do drawdown até marcos de recuperação.
- Contexto de recuperação: o que acontece após o fundo (por exemplo, se a recuperação é rápida ou prolongada).
Duração e recuperação são importantes porque um drawdown raso, mas longo, pode parecer diferente de um drawdown profundo, mas curto.
3) Revise “o que estava acontecendo” durante os drawdowns
Uma revisão faz mais do que calcular números. Ela conecta eventos de drawdown ao contexto que poderia afetar o desempenho de forma plausível, como mudanças na atividade de trading, qualidade da execução ou mudanças no regime de volatilidade. O objetivo não é provar causalidade, mas criar uma lista de verificação verificável de fatores que você pode confirmar depois com dados.
Se você estiver revisando múltiplos períodos, a revisão de drawdown também pode apoiar comparações estruturadas, como se os piores drawdowns tendem a ocorrer durante certas condições (por exemplo, maior volatilidade) ou após mudanças específicas no processo.
4) Compare alternativas usando as mesmas métricas
Uma abordagem prática de “comparação factual” é definir vários critérios—como a profundidade máxima do drawdown, a profundidade média do drawdown entre eventos, o tempo total gasto em drawdowns e a velocidade de recuperação—e então calculá-los de forma consistente para cada alternativa que você deseja avaliar.
Com o tempo, isso pode ajudar a distinguir melhorias no retorno de melhorias no comportamento de desvantagem. Dois sistemas que retornam dinheiro ainda podem diferir de forma material em quanto drawdown eles geram.
Principais limitações, riscos e o que pode ser verificado
A revisão de drawdown mede comportamento de desvantagem, não segurança futura
A revisão de drawdown descreve o comportamento passado. Ela não garante que os futuros drawdowns serão menores, mais curtos ou mais fáceis de recuperar. Mercados e condições podem mudar, e uma curva que parece estável em um período pode se comportar de forma diferente em outro.
Por isso, a revisão de drawdown é melhor tratada como evidência sobre características históricas de desvantagem, e não como um preditor com certeza.
Os resultados dependem da qualidade dos dados e de definições consistentes
Se a série de entrada estiver incompleta (faltando timestamps, registro de equity inconsistente) ou se taxas, funding ou efeitos de execução forem tratados de forma diferente entre períodos, as métricas de drawdown podem ser enganosas. Mesmo pequenas diferenças de convenção (como os picos são acompanhados, como conversões de moeda são tratadas, como outliers são tratados) podem alterar a profundidade e a duração do drawdown.
Para verificar afirmações sobre o comportamento de drawdown, você precisa de entradas reproduzíveis: os mesmos dados, o mesmo método de cálculo e um rastro de auditoria claro para qualquer pré-processamento.
O drawdown não identifica causas de forma única
Um drawdown grande pode vir de muitas fontes: dinâmica da estratégia, escorregamento na execução, mudanças de liquidez, mudanças na exposição ao risco ou sequências aleatórias de resultados. A revisão de drawdown pode sinalizar “quando a dor aconteceu”, mas não pode, por si só, estabelecer qual fator a causou.
Uma interpretação segura é que a revisão de drawdown ajuda a gerar hipóteses sobre fatores contribuintes que precisam ser testados com dados adicionais, verificáveis de forma independente (por exemplo, logs de execução ou medições de exposição ao risco).
A incerteza estatística aumenta com históricos mais curtos
Se você revisar uma janela curta de backtest ou dados históricos limitados, as métricas de drawdown podem ficar instáveis. Eventos raros podem não aparecer, e “drawdown máximo” pode ser dominado por algumas observações.
Isso não torna a revisão de drawdown inútil, mas significa que comparações baseadas em amostras pequenas devem ser interpretadas com cautela.
Como usar a revisão de drawdown em um processo de pesquisa
A revisão de drawdown é mais útil quando está dentro de um fluxo de pesquisa mais amplo e verificável:
- Use definições consistentes e documente-as.
- Recalcule as métricas sob as mesmas convenções para cada alternativa.
- Faça uma checagem cruzada dos períodos de drawdown com logs independentes ou contexto mensurável.
- Trate a saída como evidência de comportamento de desvantagem, e não como certeza sobre resultados.
Se seu objetivo é entender o risco de desempenho, a revisão de drawdown fornece uma lente estruturada para comportamento de desvantagem. Seu principal valor é a clareza sobre “o quão ruim foi” e “como evoluiu”, junto com uma forma de comparar alternativas levando em conta a incerteza.