ECHO
Reversão à média de 15 minutos em ETFs e produtos de volatilidade
Ninfa da montanha cuja voz retorna — o preço reverte ao valor justo
O queECHO faz
ECHO captura o retorno do mercado ao valor justo — o eco. Treinado em 37 instrumentos favoráveis à reversão (ETFs amplos, produtos de volatilidade, taxas, commodities) e deliberadamente cego a indicadores de tendência.
Reversão à média de curto prazo em regimes instáveis/ laterais
Como funciona
ECHO é um transformer de atenção fatorizado canal × tempo. Ele analisa uma janela de contexto de 160 barras com 12 canais de entrada e prevê a distribuição completa das próximas 4 barras.
Passagem direta: entrada OHLCV + canais indicadores → incorporado em patches → camadas alternadas de atenção no espaço/tempo → agrupado em um único embedding → cabeçalho MLP prevê 7 níveis de quantil por etapa de horizonte.
Canais de entrada
Cada barra é normalizada pelo z-score por janela usando estatísticas apenas do contexto, então o modelo vê movimentos relativos em vez de preços absolutos.
Saída
Dados e treinamento
Universo
37 símbolos
mean_revert_universe
Os símbolos são os instrumentos líquidos e negociáveis que formam ECHOpopulação de treinamento do pool. Cada ciclo de previsão executa testes futuros no mesmo universo, de modo que os números de desempenho não são escolhidos a dedo.
Por que esta janela de treinamento
Excluímos deliberadamente dados anteriores a 2010. O período pré-decimalização (frações até abril de 2001), o regime pré-HFT (≤2007) e a crise de crédito de 2007-2009 refletem uma estrutura de mercado que não existe mais. Em3.3 Mparâmetros, queimar capacidade nesse regime é ruído competindo por pesos com o mercado atual — López de Prado (2018) identifica a não estacionariedade de regime como o principal modo de falha do ML financeiro.
Sensibilidade: um piloto treinado em 2003-2022 apresentou perda de validação 10-12% pior do que a execução a partir de 2010.
Desempenho ao vivo
Cada previsão queECHOfaz é registrada e avaliada por barreira em tempo real. Esses números refletem apenas negociações fechadas e são atualizados continuamente.
Desempenho passado não garante resultados futuros. Os resultados do teste futuro refletem simulação de barreira R/R 1:3; os resultados ao vivo podem diferir devido a slippage, spreads e liquidez.
Limitações honestas
Exposição ao teste do regime de alta
A janela fora da amostra de 15 semanas foi um período enviesado para alta. O desempenho do modelo em regimes de baixa (estilo Q4 de 2022) não foi verificado e é provavelmente materialmente menor.
Custos de transação não modelados
Os retornos principais excluem taxas de ida e volta (~0,05-0,30% nesses instrumentos). Os retornos reais serão menores; os números principais são limites superiores.
Treino/teste no mesmo símbolo
O modelo foi treinado e testado no mesmo universo de símbolos (divisão temporal). Validamos a generalização temporal, não a generalização do universo para tickers não vistos.
Do que temos certeza
Habilidade direcional acima do acaso (taxa de vitórias R/R simétrica 1:1 é 51.5%) e treinamento reproduzível: retreinamos do zero 3+ vezes com hiperparâmetros idênticos dentro de ±1% de perda de validação.
Leia o artigo completo
Relatório técnico de publicação completa: limpeza de dados, mergulho profundo na arquitetura, dinâmica de treinamento, metodologia de simulação de barreiras, resultados completos, análises de sensibilidade e discussão honesta de limitações. ~7.000 palavras.
Comparar entre os Cinco
Cada modelo nos Cinco Zirdle aborda um regime de negociação diferente. Volte à visão geral para ver como eles se comparam em taxa de acerto, tamanho do universo e retornos fora da amostra.