Duas coisas ficam ocultas de propósito: qual instrumento você está negociando e a segunda metade do histórico de preços dele. Ambas deixariam o viés de retrospectiva pensar no seu lugar, em vez das suas regras. Construa sua estratégia na parte visível e depois veja como ela se comporta na parte que você nunca viu — uma forma sem risco de detectar overfitting antes de envolver dinheiro real.
Aviso: Negociar instrumentos financeiros envolve risco. Resultados simulados e históricos não garantem desempenho futuro, e esta página é apenas para fins educacionais — não é aconselhamento financeiro.
Para manter os resultados precisos, confirme os parâmetros básicos abaixo antes de construir regras — alterá-los reinicia todo o espaço de trabalho.
Cada modelo é um plano completo — capital, dimensionamento de posição e regras (entrada + saída) todos preenchidos. O símbolo é escolhido aleatoriamente para você, então um modelo nunca diz o que você está negociando.
Nada está bloqueado: cada número permanece editável. Cada cartão também informa onde a ideia falha — o que importa mais do que como ela parece no histórico.
Uma entrada cuidadosamente empilhada com 3 condições que parece brilhante no histórico. Importe-a, depois leve-a ao Campo de Treinamento e veja-a desmoronar.
Onde falha: Dados fora da amostra. Cada condição extra foi ajustada a um trecho específico do passado — isso é overfitting, e o teste cego é projetado para expô-lo.
Espera o preço ultrapassar a máxima recente, depois acompanha o primeiro movimento real da sessão.
Altere qualquer valor e depois carregue: o modelo vai para o editor abaixo.
Onde falha: Sessões agitadas e em faixa. Quase todo rompimento desaparece de volta, e na frequência intradiária os custos de ida e volta transformam uma pequena perda em um sangramento constante.
Compra exaustão de curto prazo — sobrevendido em um RSI rápido — e sai assim que o preço normaliza.
Altere qualquer valor e depois carregue: o modelo vai para o editor abaixo.
Onde falha: Sessões em tendência. A sobreventa continua ficando mais sobrevendida, e a reversão à média sofre suas piores perdas exatamente nos dias que parecem mais óbvios.
Um cruzamento de médias rápida/lenta comprimido em barras intradiárias — segue a direção dos últimos minutos, fica fora no momento em que vira.
Altere qualquer valor e depois carregue: o modelo vai para o editor abaixo.
Onde falha: Períodos planos e de baixo volume. As médias cruzam para frente e para trás sem continuidade, e cada chicote paga uma ida e volta completa em taxas.
Escolha o símbolo que deseja estudar, seu capital inicial e quanto arriscar em cada operação. Taxas e slippage são números reais — o que você vê é o que o mercado teria cobrado.
Duas frases bastam para começar: quando entrar e quando sair. Empilhe condições como blocos de montar — sem código, e cada regra é lida de volta para você em linguagem simples.
Execute o plano sobre o histórico real de preços e veja o que realmente aconteceu — a curva de capital, o drawdown e cada entrada e saída marcadas no gráfico. Julgue pelos números, não por quão convincente a ideia soa.
O campo de treinamento de ações é onde você constrói uma estratégia sobre uma parte de dados históricos aleatórios e depois a valida em dados que a estratégia nunca viu. Isso ajuda você a entender o overfitting e a desenvolver julgamento antes de arriscar dinheiro real.
Dados in-sample
A parte do histórico usada para construir a estratégia.
Dados out-of-sample
A parte não vista usada para validar — uma verificação de confiabilidade contra o overfitting.
Construa sobre a primeira fatia
Você monta uma regra na janela in-sample: comprar força acima da média de 50 dias com uma saída trailing.
Comprometa-se antes de espiar
A janela out-of-sample fica oculta até você travar a estratégia — a parte cega é o ponto central.
Revele a validação
A estratégia é reproduzida na fatia não vista, e você compara os retornos in-sample versus out-of-sample.
Leia a diferença
Uma diferença pequena e consistente sugere robustez; uma queda acentuada do in-sample para o out-of-sample é a assinatura clássica do overfitting.
Escolha um mercado
Selecione a ação, o ETF ou o par de criptomoedas que você quer estudar.
Construa as regras
Combine regras de entrada, saída e posição como blocos visuais — sem necessidade de código.
Execute o teste
O motor reproduz as regras barra a barra sobre o histórico real de preços.
Leia o resultado
Revise o retorno, o drawdown e a curva de capital, além de uma avaliação em linguagem simples dos pontos fortes e fracos.
Retorno in-sample
Como a estratégia se saiu nos dados sobre os quais foi construída.
Retorno out-of-sample
Como ela se saiu em dados não vistos — o número mais honesto.
Consistência
Se os dois resultados permanecem razoavelmente próximos, o que sugere robustez.
✗ Espiar a janela de validação e depois ajustar as regras
✓Isso destrói o teste cego. A fatia out-of-sample só é informativa se a estratégia foi fixada antes de ser revelada.
✗ Ajustar até o resultado in-sample ficar espetacular
✓Uma regra perfeitamente ajustada está memorizando ruído. A simplicidade que sobrevive à validação supera a complexidade que só funciona in-sample.
✗ Tratar uma única execução aprovada como prova de que a estratégia funcionará ao vivo
✓Uma aprovação na validação é um único ponto de dados. A negociação ao vivo adiciona custos, liquidez e mudanças de regime que a simulação não consegue ver.
Use quando
Evite quando
Trave as regras, depois revele
Escreva a estratégia antes que a janela cega se abra. A disciplina é o teste — os dados são apenas a prova.
Espere alguma deterioração do in-sample para o out-of-sample
Uma queda modesta é normal e saudável. Um colapso é o sinal para simplificar ou descartar.
Execute várias janelas aleatórias
Como a fatia de dados muda a cada execução, sobreviver a várias janelas diferentes é evidência mais forte do que se sair bem em uma só.
O overfitting acontece quando uma estratégia se ajusta ao ruído de um conjunto de dados específico em vez de a um padrão real. Ela parece ótima in-sample, mas desmorona em dados novos.
A divisão impede que você 'trapaceie' ajustando as regras exatamente aos dados em que testa. A parte não vista oferece uma estimativa honesta de robustez.
Não há um limite fixo, mas uma diferença que transforma a estratégia de forte em fraca é um sinal de alerta. Uma vantagem modesta e consistente em ambos os lados é muito mais crível do que um resultado in-sample excepcional que se desvanece em dados não vistos.
Não. Ele executa simulações apenas sobre dados históricos de preços, então nada está em jogo além do que você aprende. Esse é o ponto central: queime seus erros aqui em vez de em uma conta ao vivo.
Ele é especialmente útil para iniciantes, mas a disciplina de treinar e depois validar se aplica em todos os níveis. Pesquisadores profissionais usam a mesma ideia subjacente para detectar estratégias que só parecem boas em retrospecto.
Comece grátis e cresça conforme precisar. Sem taxas escondidas, sem surpresas.
A plataforma completa com limites de uso — sem cartão, sem contagem regressiva.
Ideal para
Testar se uma ideia sobrevive ao contato com dados reais.
Sem franquia mensal — apenas créditos de cadastro
Histórico mais profundo e os seus primeiros intervalos intradiários.
Ideal para
Estratégias de swing e intradiárias em candles de 15 e 30 minutos, com mais de uma década de contexto.
Inclui 360 créditos/mês · cerca de 72 execuções com revisão
Todos os intervalos que oferecemos e as janelas intradiárias mais longas.
Ideal para
Regras de alta frequência que só fazem sentido em candles de 1 a 5 minutos.
Inclui 1000 créditos/mês · cerca de 200 execuções com revisão
O campo de treinamento usa dados históricos aleatórios para fins educacionais. Resultados simulados não refletem condições de mercado ao vivo e não garantem desempenho futuro.
Disclaimer: The tools and content on this site are provided for educational purposes only and do not constitute investment advice. Trading and investing involve a substantial risk of loss, and past performance does not guarantee future results.