Quais Dados São Necessários para Avaliar Timeframes de Scalping?
Mecanismo e definição: o que significam “timeframes de scalping”
Timeframes de scalping são as janelas de tempo usadas para planejar e avaliar decisões de negociação de curta duração, onde entradas e saídas são destinadas a ocorrer relativamente rápido. Para avaliá-los, você precisa de dados que conectem (1) o horizonte de decisão, (2) o processo de execução e (3) os custos e restrições que ocorrem dentro desse horizonte.
Uma ideia-chave é separar a mecânica estável das condições variáveis:
- Mecânica estável: como você define o horizonte, como mede a latência e como mapeia candles/amostras de preço para o período de manutenção da posição.
- Condições variáveis: spreads, slippage, liquidez, mudanças de regime e diferenças entre feeds de dados ou corretores.
Resposta direta: entradas necessárias para avaliar timeframes de scalping
Abaixo está uma lista de verificação prática de entradas de dados agrupadas pelo que elas permitem avaliar.
- Entradas de mapeamento de timeframe
- Sua definição exata do timeframe de scalping (por exemplo, o período de manutenção pretendido em segundos/minutos, ou qual tamanho de barra você trata como o “relógio” do sinal).
- O método para alinhar amostras de dados às decisões (por exemplo, se uma decisão de entrada usa o fechamento da barra, a abertura da barra ou um timestamp intrabar).
- Premissas sobre atrasos: tempo entre o preço observado e quando a execução pode ocorrer.
- Entradas de execução e microestrutura de mercado
- Dados de spread (e, importantemente, se é um spread observado no momento da decisão ou um valor médio).
- Premissas de slippage: quanto o preço de preenchimento pode diferir da referência cotada, idealmente apoiado por observações de execução.
- Proxies de liquidez, como volume negociado ou profundidade, se disponíveis, porque timeframes de scalping são sensíveis a se a negociação é “fina” ou “densa”.
- Entradas de custos e convenções contábeis
- Comissões e taxas relevantes para o horizonte de tempo.
- Quaisquer efeitos de financiamento ou swap (mesmo que você espere posições de curta duração, ainda precisa saber a regra que se aplica no seu contexto).
- Uma convenção clara para custos: se você aplica custos por negociação, por lado, e se inclui o impacto de execução.
- Entradas de proveniência e atualidade dos dados
- Identidade da fonte: se os dados vêm de um corretor, um feed semelhante a exchange, um backtester de plataforma ou um fornecedor agregado.
- Qualidade do timestamp: se barras e dados de tick/cotação são sincronizados e se fusos horários e horários de servidor são consistentes.
- Atualidade: se o conjunto de dados representa o período que você pretende avaliar e se reflete as mesmas condições de negociação do seu teste (por exemplo, não misturar diferentes instrumentos, tamanhos de contrato ou definições de sessão).
Evidência ou exemplo: como essas entradas funcionam juntas
Uma maneira típica de avaliar se um timeframe de scalping é “compatível” com seu ambiente é fazer uma verificação de consistência entre as premissas.
Exemplo de configuração (as premissas devem ser explícitas):
- Você define um período de manutenção de H minutos.
- Você especifica que a decisão é tomada usando informações de preço com timestamp no final de uma barra de tamanho B.
- Você assume um atraso médio de execução de D segundos.
- Você inclui um modelo estimado de spread e slippage que se aplica ao longo da janela de H minutos.
Então você avalia:
- Cobertura: suas amostras de dados realmente resolvem mudanças dentro de H quando combinadas com D?
- Dominância de custos: spreads e slippage típico são grandes em relação ao tamanho dos movimentos de preço aos quais você estaria reagindo dentro de H?
- Consistência: a fonte de dados usada para spreads e preenchimentos corresponde às premissas da fonte no seu mapeamento de barras para execuções?
Se o horizonte de decisão for mais curto que sua latência efetiva somada à resolução de amostragem, a avaliação do timeframe pode se tornar internamente inconsistente, porque os dados não podem suportar o timing de execução que você assume.
Limitações e riscos: modos de falha comuns
Mesmo com boas entradas, a avaliação de timeframes de scalping tem limitações materiais.
-
Desalinhamento entre “tempo de barra” e “tempo de execução” Se você testar usando preços de fechamento de barra, mas assumir que os preenchimentos ocorrem imediatamente no mesmo timestamp, a avaliação pode subestimar o slippage e o atraso do mundo real.
-
Subestimação de custos Usar médias históricas para spreads ou ignorar o impacto de execução pode fazer os resultados de curto prazo parecerem mais favoráveis do que podem ser quando os custos são aplicados.
-
Diferenças de fonte de dados Relações históricas (de um feed, corretor ou método de agregação) não garantem comportamento semelhante sob diferentes métodos de coleta de dados.
-
Sensibilidade a regime Os mercados mudam: padrões de liquidez e volatilidade variam por sessão e dia. Um timeframe que parece razoável em um período pode falhar em outro.