Seleção de timeframe: definição antes das implicações
Seleção de timeframe é a escolha do horizonte de tempo para observar e medir o comportamento do preço. Na prática, um timeframe determina a granularidade dos dados que você usa (por exemplo, minutos vs. horas) e, portanto, quão rápido padrões podem aparecer ou desaparecer nessa observação.
Seleção de timeframe não controla o movimento do mercado. Ela controla no que você presta atenção e como você transforma essa atenção em decisões como “por quanto tempo devo esperar antes de reavaliar” ou “quão rápido a informação fica visível no meu gráfico”. Como a visualização do gráfico muda com o timeframe, o mesmo mercado subjacente pode parecer mais volátil em horizontes curtos e mais suave em horizontes longos.
Como um exemplo prático de seleção de timeframe funciona (cenário numérico)
Abaixo está um exemplo prático. Ele não usa preços em tempo real e torna cada assunção explícita.
Assumptions
- Você observa uma série de preços por 1 dia.
- Você considera dois timeframes:
- Horizonte curto: visão de 15 minutos (4 intervalos por hora).
- Horizonte longo: visão de 2 horas (12 intervalos por dia).
- Você usa uma regra simples de medição chamada “range”:
- Para cada intervalo, range = (high − low).
- Você resume o dia pela média do range de intervalos.
- Você assume os seguintes “ranges de intervalos” diários (estes são números do cenário criados apenas para ilustração):
- Horizonte curto (intervalos de 15 minutos): range médio = 0.8% por intervalo.
- Horizonte longo (intervalos de 2 horas): range médio = 1.6% por intervalo.
- Você inclui uma assunção de custo para mostrar uma limitação: assuma que cada reavaliação envolve um custo fixo (spread + comissão) expresso como 0.1% do preço, e que você reavalia uma vez por intervalo.
Computation
Passo 1: “visibilidade do movimento” esperada (cenário) sem custos
- Horizonte curto: você espera um movimento médio de 0.8% por intervalo de 15 minutos.
- Horizonte longo: você espera um movimento médio de 1.6% por intervalo de 2 horas.
Passo 2: Efeitos da frequência de reavaliação (com custos) Contagem de reavaliações por dia:
- Horizonte curto: 1 dia = 24 horas, então o número de intervalos de 15 minutos = 24 × 4 = 96.
- Horizonte longo: número de intervalos de 2 horas = 24 / 2 = 12.
Carga de custo do cenário por dia (apenas da regra de reavaliação):
- Horizonte curto: custos = 96 × 0.1% = 9.6% por dia (em “equivalente percentual do preço”).
- Horizonte longo: custos = 12 × 0.1% = 1.2% por dia.
Passo 3: Comparar “espaço líquido ajustado por resolução” (conceitual) Se você tratar o movimento médio de cada intervalo como o “espaço” que você observa, então o espaço observado líquido por dia é:
- Horizonte curto: espaço líquido ≈ (96 × 0.8%) − 9.6% = 76.8% − 9.6% = 67.2%.
- Horizonte longo: espaço líquido ≈ (12 × 1.6%) − 1.2% = 19.2% − 1.2% = 18.0%.
Interpretação (importante): a comparação do “espaço líquido” aqui é puramente uma consequência da assunção de frequência de reavaliação e do placeholder de custo. Ela mostra como a escolha do timeframe pode mudar a frequência com que os custos se aplicam e, portanto, como “movimentos pequenos” aparentes em horizontes curtos podem ser dominados pelo atrito.
Evidências e limitações: o que pode dar errado, e por que a verificação importa
Limitação relevante e modo de falha
Um modo de falha importante é misturar medição com inferência: tratar o que aparece em um timeframe curto como se automaticamente tivesse o mesmo significado em um timeframe longo. Na realidade, observações de curto prazo podem ser ruidosas, e observações de longo prazo podem atrasar a informação. O exemplo prático acima destaca um segundo modo de falha: ignorar o efeito da frequência de reavaliação e dos custos, o que pode fazer timeframes curtos parecerem sistematicamente piores mesmo que mostrem mais oportunidades.
Outra limitação é a não-estacionariedade: mesmo que as médias coincidam com o seu cenário, dias futuros podem ser diferentes porque o comportamento do mercado muda. Relações históricas em um timeframe não garantem resultados futuros.
Como verificar independentemente os fatos relevantes
Para verificar o seu próprio raciocínio sobre seleção de timeframe, você pode:
- Listar suas assunções (granularidade dos dados, como você define “movimento”, frequência de reavaliação e modelo de custo).
- Recalcular as mesmas quantidades a partir das suas próprias entradas escolhidas (por exemplo, recomputar os ranges dos intervalos e as cargas de custo).
- Testar se a conclusão se mantém quando você muda apenas uma assunção por vez (por exemplo, manter os custos iguais, mas deslocar o timeframe).
Se a sua conclusão depender fortemente de uma assunção, isso é um sinal de que a escolha do timeframe pode não ser robusta.
DOCUMENT END