Quanto histórico usar no treinamento?

Todo pipeline walk-forward precisa responder uma pergunta antes que o primeiro fold sequer rode: quanto histórico entra no treinamento. Pouco demais e o modelo persegue ruído. Demais e ele arrasta um regime de mercado que não se aplica mais. A maioria das equipes decide isso por hábito em vez de evidência, geralmente a janela que coube no primeiro experimento, e nunca revisita a escolha.

Queríamos uma resposta direta, testada em vez de assumida. Uma janela mais longa realmente produz um modelo melhor, ou só parece mais rigorosa? A resposta depende do mercado, da família de modelo, ou de com que frequência você re-treina? E, separadamente, seja qual for o comprimento de treino que vence na previsão, ele também vence na linha de P&L, depois de descontados spreads reais, taxas, slippage e funding?

Este artigo detalha como testamos isso, em duas classes de ativos bem diferentes, três famílias de modelo e seis comprimentos de treino, e o que encontramos.

Treinamos os mesmos modelos em seis janelas de lookback diferentes, de um mês calendário até dois anos, e avaliamos cada uma na barra imediatamente após o fim da janela de treino. Para garantir que a comparação não fosse artefato de uma escolha específica de avaliação, cada comprimento de treino foi pontuado sob três cronogramas de teste fora da amostra separados: um teste fixo de um mês, um teste fixo de três meses, e uma janela de teste do tamanho de dois terços do comprimento de treino, uma regra prática que alguns profissionais usam para manter a proporção treino/teste aproximadamente constante conforme a janela cresce.

O universo abrangeu dois mercados que se comportam de forma muito diferente: uma cesta de ações americanas de grande capitalização e uma cesta de contratos perpétuos líquidos da Binance, cada uma amostrada em duas frequências de barra. Três famílias de modelo foram treinadas lado a lado: um modelo linear regularizado, um ensemble de árvores com gradient boosting e uma pequena rede neural, todos alimentados com o mesmo conjunto de features técnicas construído puramente a partir de preço e volume. Nenhum modelo jamais viu uma figura de custo, taxa ou funding como input; essas só entraram depois, na etapa de P&L.

Cada combinação de comprimento de treino, mercado, frequência e modelo foi caminhada para frente (walk-forward) ao longo de aproximadamente três anos e meio de histórico fora da amostra, re-treinando no cronograma o tempo todo, então isso nunca é um retrato único. A seleção dentro de cada janela usou uma divisão fixa treino/validação e uma grade de hiperparâmetros travada, então nenhum comprimento de treino jamais teve vantagem de orçamento de busca sobre outro. A execução completa somou 5.868 janelas de modelo rolantes e 176.040 tentativas de configuração no total.

Em seguida, traduzimos a configuração vencedora em cada janela para uma posição real: comprado nas previsões mais fortes, vendido nas mais fracas, dimensionado e executado exatamente como uma mesa sistemática faria, com spreads medidos, taxas reais de corretagem, slippage e funding sinalizado descontados de cada execução. Essa etapa separa um modelo que prevê bem de um modelo que teria dado lucro, o que não é a mesma afirmação.

Mais histórico de treino produziu previsões melhores em quase todos os casos. Sob o cronograma fixo de um mês, o IC de rank pooled subiu de 0.0068 com um mês de treino para 0.0173 com 24 meses, com o ganho concentrado abaixo de três meses e um platô raso entre dois e seis meses. O cronograma de três meses mostra o mesmo padrão, subindo de 0.0063 para 0.0143.

Vinte e quatro meses venceu toda comparação de janela fixa sob os cronogramas de um e três meses, e empatou com três meses em vitórias entre células sob o cronograma de dois terços, onde seis meses também chegou perto da mediana de 24 meses. Somando as 36 células de mercado, timeframe, modelo e cronograma no IC preditivo pooled, 24 meses é o vencedor absoluto, com três meses em um distante segundo lugar e cada comprimento mais curto dividindo o resto.

O agregado esconde alguma textura. Janelas mais curtas ainda batem 24 meses em um punhado de células individuais, entre duas e quatro células dependendo do cronograma, depois de corrigir para comparações múltiplas com Benjamini-Hochberg. Vinte e quatro meses não foi significativamente pior em nenhuma. O resultado agregado se sustenta porque as vitórias da janela longa foram maiores e mais frequentes que suas perdas ocasionais, não porque ela venceu em tudo.

Cripto e ações deram respostas diferentes. Cripto foi o caso mais claro: 24 meses venceu toda comparação de IC pooled nas duas frequências e nas três famílias de modelo sob os cronogramas fixos, com ICs vencedores chegando a 0.0526. Ações nunca convergiram para uma resposta única. Três meses venceu metade das células de janela fixa em ações, e o melhor IC em ações chegou a apenas 0.0129, uma fração do melhor resultado em cripto. Se você só vai treinar um modelo em um mercado, este é o resultado que vale internalizar: “usar mais histórico” é quase uma lei em cripto, e um padrão bem mais fraco em ações.

Nada disso sobreviveu aos custos de transação. Convertemos as previsões de cada janela em um book long-short real, entrando na abertura da barra seguinte e saindo no fechamento dessa mesma barra, e cobramos custos reais.

Os custos em cripto chegaram a 3.7 bps por posição selecionada contra 0.05 bps de P&L bruto; os custos em ações chegaram a 0.8 bps contra 0.03 bps bruto. E o comprimento de treino que previu melhor não resgatou a economia, porque a diferença de custo nunca foi pequena o suficiente para a qualidade da previsão importar.

Nenhum dos 180 contrastes de P&L líquido entre comprimento mais curto e 24 meses que rodamos foi estatisticamente distinguível de zero depois de corrigir para testes múltiplos, em nenhuma direção. O histórico de treino muda a qualidade da previsão. Ele não transforma esta estratégia específica de ranqueamento na próxima barra em uma estratégia lucrativa.

Toda checagem de vazamento, timing e integridade que rodamos contra este resultado passou; as checagens exatas e seus números estão na página de reprodutibilidade.

• O resultado descreve esta cesta fixa de 20 instrumentos ao longo desta janela de aproximadamente 3.5 anos. Não é uma afirmação sobre nenhuma das duas classes de ativo como um todo.
• Cripto negocia 24 horas por dia; ações têm gaps overnight. Os dois mercados compartilham calendário de treino e teste, mas não a mesma economia de barra.
• Um instrumento na cesta de cripto para de negociar na metade da amostra e foi mantido em vez de removido, para evitar viés de sobrevivência, o que deixa esse painel deliberadamente irregular.
• O resultado econômico é específico a uma regra de ranqueamento long-short na próxima barra, com pesos de posição fixos. Um período de holding, estilo de execução ou construção de portfólio diferente é um teste diferente.
• Vinte e quatro meses é o padrão mais forte dadas as escolhas testadas aqui, não um ótimo matemático. Janelas mais curtas ainda vencem algumas células individuais.