O que é expectancy?
Expectancy (frequentemente chamado de expected value) é uma forma de expressar o resultado médio que você obtém por oportunidade, assumindo que você consegue definir a oportunidade e seus resultados. Em termos simples: se você repetir o mesmo processo de decisão muitas vezes sob condições semelhantes, o expectancy representa o payoff médio que você esperaria.
Um conceito-chave para iniciantes é que expectancy é uma estatística-resumo. Ele não prevê o que vai acontecer a seguir. Ele descreve o que sua amostra passada implica sobre médias e apenas sob as suposições usadas no cálculo.
Como o expectancy funciona na prática
Para calcular expectancy, você normalmente combina três ingredientes:
- Resultados: os valores de lucro ou prejuízo para cada tipo de resultado (por exemplo, “win” e “loss” com base em uma regra definida).
- Probabilidades: a chance estimada de cada tipo de resultado ocorrer.
- Inclusão de custos: se seus resultados já incluem custos relevantes como spreads, taxas ou comissões.
Uma estrutura comum é uma média ponderada:
- Multiplique cada valor de resultado pela probabilidade daquele resultado.
- Some os resultados para obter um único número de “média por oportunidade”.
Exemplo de suposição material (com incerteza): Suponha que você defina uma “oportunidade” e, nos registros históricos, veja que 40% dos resultados são wins e 60% são losses. Se a média do win for +2 unidades e a média do loss for −1 unidade, uma estimativa simples de expectancy é: 0.40×(+2) + 0.60×(−1) = 0.8 − 0.6 = +0.2 unidades por oportunidade.
Esse número só é significativo se:
- Sua classificação de win/loss corresponder à regra que você pretende repetir.
- As probabilidades (40% e 60%) forem estimadas a partir de um conjunto de dados que reflita as condições que você se importa.
- Os resultados +2 e −1 incluírem as mesmas suposições de custo usadas posteriormente.
Cenários realistas em que expectancy pode induzir ao erro
Cenário (mismatch de amostra): Se seu conjunto de dados incluir regimes de mercado incomumente favoráveis (por exemplo, períodos com volatilidade menor ou condições de negociação mais apertadas), as probabilidades estimadas e os resultados médios podem não representar as condições futuras. O cálculo ainda funciona, mas seu significado muda.
Cenário (mudança de custo ou execução): Se seus resultados históricos não incluíam custos realistas ou se a qualidade da execução muda, os valores médios de win e loss podem se deslocar. Mesmo uma estimativa de expectancy “positiva” pode se aproximar de zero, ou ficar negativa, depois dos custos.
Cenário (desvio de definição): Se “win” e “loss” foram definidos de forma diferente no passado do que no presente (por exemplo, alterando limites ou métodos de medição), então você não está mais calculando expectancy para o mesmo processo de decisão.
Limitações, riscos e um ponto de controle para verificação
Iniciantes muitas vezes tratam expectancy como se garantisse desempenho. Não garante. As limitações que mais importam são:
- Não-estabilidade das probabilidades: Probabilidades são estimativas. Com amostras pequenas, elas podem flutuar de forma significativa.
- Variabilidade oculta: A média pode esconder distribuições com perdas ocasionais grandes.
- Tendência nos dados (data bias): Se o conjunto de dados superrepresenta certos resultados, expectancy pode parecer melhor do que realmente é.
Um ponto de controle prático é recalcular expectancy sob suposições claramente declaradas e verificar a sensibilidade. Por exemplo, pergunte como o expectancy muda se os custos forem maiores, se as probabilidades se moverem dentro de faixas plausíveis, ou se for usado um período de tempo diferente, mas comparável.
Se dois conjuntos de dados razoáveis produzirem valores de expectancy significativamente diferentes, trate isso como evidência de que as condições ou suposições subjacentes não são estáveis.
Próxima pergunta a fazer
Para verificar de forma independente se expectancy é útil, confirme que você consegue explicar com precisão os insumos do seu cálculo: como as oportunidades são definidas, como os resultados de win/loss são medidos, quais custos são incluídos e qual período do conjunto de dados é assumido. Então você pode avaliar se as suposições são apropriadas para as condições que você está tentando descrever.