UNIVERSIDADE DE SÃO PAULO ESCOLA DE ENGENHARIA DE LORENA
PEDRO HENRIQUE MACEDO DOS SANTOS
Utilização das Bandas de Bollinger como Setup para Day Trade
LORENA 2019
PEDRO HENRIQUE MACEDO DOS SANTOS
Utilização das Bandas de Bollinger como Setup para Day Trade
LORENA 2019
Projeto de monografia apresentado a Escola de Engenharia de Lorena da Universidade de São Paulo como requisito parcial para obtenção do Título de Engenheiro de Produção.
Orientador: Dr. Oswaldo Luiz Cobra Guimarães
AUTORIZO A REPRODUÇÃO E DIVULGAÇÃO TOTAL OU PARCIAL DESTE TRABALHO, POR QUALQUER MEIO CONVENCIONAL OU ELETRÔNICO, PARA FINS DE ESTUDO E PESQUISA, DESDE QUE CITADA A FONTE
Ficha catalográfica elaborada pelo Sistema Automatizado da Escola de Engenharia de Lorena,
com os dados fornecidos pelo(a) autor(a)
Santos, Pedro Henrique Macedo dos
Utilização das bandas de bollinger como setup para day trade / Pedro Henrique Macedo dos Santos;
orientador Oswaldo Luiz Cobra Guimarães. - Lorena, 2019.
42 p.
Monografia apresentada como requisito parcial para a conclusão de Graduação do Curso de Engenharia de Produção - Escola de Engenharia de Lorena da Universidade de São Paulo. 2019
1. Day trade. 2. Simulação. 3. . bandas de bollinger. 4. Indicadores técnicos. I. Título. II. Guimarães, Oswaldo Luiz Cobra , orient.
Dedico este trabalho à minha família e amigos que estiveram ao meu lado durante minha formação.
AGRADECIMENTOS
A minha família, meus pais Luiz Henrique dos Santos e Maria Ines Macedo dos Santos por darem o suporte necessário para que eu alcançasse meus objetivos e as minhas irmãs Luiza Macedo dos Santos e Juliana Macedo dos Santos por estarem sempre ao meus lado, nos momentos bons e ruins.
Aos amigos que fiz durante essa trajetória, que se tornaram minha família longe de casa.
RESUMO
Macedo do Santos, Pedro Henrique. Utilização das Bandas de Bollinger como Setup para Day Trade. 42p. Monografia (Trabalho de Graduação em Engenharia de Produção) – Escola de Engenharia de Lorena, Universidade de São Paulo, Lorena, 2019.
Nos últimos anos, tem sido observado um crescente aumento no número de brasileiros que realizam investimentos na bolsa de valores Brasileira. Com o aumento no número de operações realizadas, uma atenção especial tem sido dada aos investimentos em renda variável, os quais são investimentos de maior risco quando comparados aos investimentos de renda fixa. No entanto, para que este tipo de investimento seja viável, estratégias operacionais consistentes são necessárias a fim de diminuir o risco das operações. Uma tática utilizada pelos investidores é a realização dos investimentos com base em indicadores técnicos e análises gráfica, que recebem o nome de setup. Contudo, para garantir a efetividade destas estratégias, é essencial que elas sejam testadas antes de serem aplicadas em operações reais, tal que estas só venham a ser utilizadas quando apresentarem resultados favoráveis, caso contrário, o investidor pode obter uma desvalorização de seu capital. Neste cenário, visando uma rentabilidade mensal positiva, foi elaborado um setup lucrativo utilizando como parâmetro principal o indicador desenvolvido por John Bollinger, denominado de Bandas de Bollinger. Este trabalho apresenta os resultados do setup a partir de uma simulação da estratégia operacional, como proposta nas operações de day trade, trazendo os dados relevantes para sua viabilidade de uso.
ABSTRACT
Macedo do Santos, Pedro Henrique. Use of Bollinger Bands as Setup for Day Trade. 42p. Monography Project (Graduation Project in Production Engineering) – Escola de Engenharia de Lorena, Universidade de São Paulo, Lorena, 2019.
In the last years an increase has been observed in the number of Brazilians that is investing in the Brazilian stock exchange. Given the increasing number of operations being made, special attention has been given to the variable income investments which is a riskier operation compared to the fixed income investments. Therefore, consistent operational strategies are necessary in order to reduce the risk in operations. One tactic used by investors is the realization of investments based on technical indicators and graphical analysis, which are called setup. However, to ensure the effectiveness of these strategies, it is essential that they have been tested before applying in real trades. So, they are used only when they show favorable results, otherwise the investor may obtain a devaluation of its capital. In this scenario, aiming for a positive monthly profitability, a profitable setup was elaborated using as main parameter the indicator developed by John Bollinger, denominated Bollinger Bands. This setup was tested in this work using a simulation of the operational strategy, in order to obtain relevant data on the feasibility of the use of the proposed strategy in day trade operations.
LISTA DE FIGURAS
Figura 1- Processo de abertura e comercialização do capital empresarial ... 17
Figura 2- Gráfico de linha ... 21
Figura 3- Gráfico de barras ... 21
Figura 4 - Gráfico de candles ... 22
Figura 5 - Candle de alta e Candle de baixa ... 22
Figura 6 - Compra na VALE3 e valorização do capital ... 28
Figura 7 - Venda na VALE3 e desvalorização do capital ... 28
Figura 8 - Drawdown inicial e máximo ... 31
LISTA DE TABELAS
Tabela 1- Carteira Teórica do Ibovespa válida para o 3º quadrimestre de 2018 ... 19 Tabela 2 - Resumo dos resultados ... 34 Tabela 3 - Resultado das otimizações ... 36
LISTA DE QUADROS
LISTA DE EQUAÇÕES
Equação 1 - Simple Moving Average ... 24
Equação 2 - Peso média exponencial... 24
Equação 3 - Média móvel exponencial ... 24
Equação 4 - Média móvel exponencial ... 25
Equação 5 - Média móvel exponencial ... 25
Equação 6 - True Range ... 25
Equação 7 - Average True Range ... 25
Equação 8 - Desvio padrão ... 26
Equação 9 - Banda de Bollinger Superior ... 26
Equação 10 - Banda de Bollinger Inferior... 26
Equação 11 - Bands Width ... 27
Equação 12 - Win rate (%) ... 29
Equação 13 - Payoff ... 29
Equação 14 - Payoff ... 30
Equação 15 - Expected gain ... 30
Equação 16 - Drawdown ... 30
Equação 17 - Assertividade da simulação ... 34
Equação 18 - Payoff da simulação ... 34
Equação 19 - Expectativa de ganho da simulação ... 34
Equação 20 - Drawdown máximo ... 35
SUMÁRIO 1. INTRODUÇÃO ... 13 1.1. Justificativa ... 15 1.2. Objetivos ... 15 2. REVISÃO BIBLIOGRÁFICA ... 15 2.1. BM&FBOVESPA ... 16 2.2. Ações ... 16 2.3. Contratos futuros ... 17 2.3.1. Índice Ibovespa ... 18 2.4. Análise técnica ... 20 2.5. Indicadores técnicos ... 23
2.5.1. Simple Moving Average (SMA) ... 24
2.5.2. Exponential Moving Average (EMA)... 24
2.5.3. True Range e Average True Range (TR e ATR) ... 25
2.5.4. Bollinger Bands ... 25
2.5.4.1. Bollinger Bands Width ... 27
2.6. Stop Loss e Take Profit ... 27
2.7. Análise de dados ... 29 2.7.1. Win rate (%) ... 29 2.7.2. Payoff ... 29 2.7.3. Expected gain ... 30 2.7.4. Drawdown (%) ... 30 3. METODOLOGIA ... 31 3.1. Parâmetros da simulação ... 32 3.2. O Setup ... 33 4. RESULTADOS E DISCUSSÕES ... 33 5. CONCLUSÃO ... 39 REFERÊNCIAS ... 40
13
1. INTRODUÇÃO
O indivíduo que pretende valorizar seu dinheiro se depara com duas opções macro de investimento: renda fixa e renda variável. Os investimentos em renda fixa caracterizam-se pelo rendimento de taxas fixas, determinadas no momento da aplicação ou no momento do resgate dentro de um determinado período. Este segmento de investimento proporciona rendimentos menores comparados aos rendimentos de renda variável. Os riscos envolvidos nas operações de renda fixa são inferiores aqueles envolvidos nas operações de renda variável, fazendo com que este tipo de aplicação seja procurado por investidores mais conservadores (MARTINI, 2013).
O investimento no mercado de ações, renda variável, pode gerar lucros maiores que investimentos de renda fixa, no entanto os riscos envolvidos são maiores, uma vez que ao final da operação o investidor pode obter um valor inferior ao aplicado. Sendo assim, em comparação as operações de renda fixa, o investidor que opta pela operação em renda variável está mais susceptível a prejuízos. Bosco ratifica (2016, p. 12): "[...] investir de maneira lucrativa no mesmo pode requerer muito tempo e atenção do investidor, caso contrário, pode-se acabar numa situação pior do que quando iniciou neste segmento.”
O número de pessoas físicas realizando operações na Bolsa de Valores brasileira (B3 - Brasil Bolsa Balcão, antiga BM&FBOVESPA) tem aumentado significativamente nos últimos anos. Durante o período de 2017 á 2018 o aumento percentual de pessoas que realizaram operações foi de 17,91% (BM&FBOVESPA, 2018a), O que reflete num aumento em todos os tipos de operações realizadas na bolsa, incluindo as operações que tem início e término no mesmo dia, conhecidas como day trade.
Com o intuito de minimizar as perdas, otimizar os ganhos e manter uma consistência de rendimento, muitos day traders (investidores que realizam o day trade) utilizam modelos operacionais devidamente definidos os quais também são conhecidos como estratégias operacionais ou setups. Estas estratégias baseiam-se em parâmetros e/ou indicadores, combinados ou não, previamente
14
estabelecidos para demonstrar uma entrada de compra ou venda em determinado ativo (GOMES, 2018).
Segundo Malheiros (2011) para estipular a lucratividade de um setup é necessário fazer com que este passe por diversos cenários de mercado a fim de obter um bom intervalo de confiança antes de colocá-lo em pratica. Estes cenários devem conter períodos de alta, de baixa e de consolidações (mercado lateral), tornando-os mais coerentes com a realidade, para assim comprovar ou não sua eficiência e lucratividade em qualquer período.
As simulações realizadas antes da aplicação são de extrema importância visto que estratégias operacionais testadas diretamente no mercado são arriscadas, pois os primeiros resultados apenas serão obtidos após um determinado tempo de operação e as melhorias só poderão ser realizadas após este período. No caso de resultados não favoráveis o teste pode se tornar custoso ao operador.
Uma alternativa utilizada para contornar este inconveniente é a realização de testes em uma simulação com séries históricas de preços, denominado de Backtesting. Segundo Duarte (2003), por intermédio da simulação é possível reproduzir dados reais dentro de um ambiente controlado, utilizando softwares computacionais e equações matemáticas, reduzindo assim os riscos e os custos envolvidos. Simular um setup, tendo como base preços passados, é uma escolha viável e mais acessível que os testes realizados diretamente no mercado.
Por conseguinte, este trabalho teve por finalidade simular uma estratégia operacional no mercado de capitais, salientando fatores relevantes para validação ou descarte do setup. Os critérios analisados para validar a estratégia foram escolhidos visando ter o maior número de dias com fechamento positivo, ou seja, ter ao final do mês uma rentabilidade positiva sobre o capital investido obtendo, consequentemente, perdas pequenas. Estes critérios selecionados foram: a assertividade, payoff e rebaixamento máximo do capital.
15
1.1. Justificativa
No ano de 2017, tive meu primeiro contato com o mercado de capitais através de um curso sobre introdução a investimentos na bolsa de valores. Posteriormente comecei a trabalhar como day trader, o que aumentou meu interesse pela área financeira e de investimentos. No início de 2018, aprendi a linguagem de programação mql5 utilizada pelo software MetaTrader 5, com intuito de testar a rentabilidade e assertividade das estratégias usuais de day trading presentes no mercado. Visto a ausência de artigos relacionados a este tema optei por apresentar nesta monografia a simulação de uma estratégia de elaboração própria, a fim de auxiliar no desenvolvimento deste tema.
1.2. Objetivos
Este trabalho teve como objetivo geral simular uma estratégia para day trading no mini índice Ibovespa, utilizando como parâmetro de entrada indicadores específicos, e apresentando sua viabilidade de uso no mercado de capitais.
Os objetivos específicos deste trabalho são:
a) obter a assertividade e payoff da estratégia; b) analisar o retorno da estratégia simulada; c) validar se a estratégia proposta é lucrativa.
2. REVISÃO BIBLIOGRÁFICA
Para a compreensão das discussões geradas e dos resultados obtidos, foi elaborada esta sessão, com base em bibliografias ao redor do mesmo tema.
Esta sessão foi elaborada com base em bibliografias ao redor do tema desta monografia, visando facilitar a compreensão dos resultados obtidos e das discussões geradas.
16
2.1. BM&FBOVESPA
Segundo Grasse (2016) bolsa de valores é definida como um sistema de negociações de títulos e valores mobiliários de renda variável, composta por instituições específicas que intermedeiam operações de compra e venda destes títulos. No Brasil o mercado de bolsa é administrado pela BM&FBOVESP, cujo objetivo é organizar e desenvolver o mercado de derivativos, garantindo transparência no registro, compensação e liquidação das transações. As negociações são realizadas por instituições autorizadas pela Comissão de Valores Mobiliários (CVM), as quais são denominadas corretoras de valores mobiliários (SARTOR, 2011).
As corretoras são instituições financeiras cuja principal função é intermediar as negociações de compra e venda de títulos e valores mobiliários entre os interessados em realizar uma operação e a bolsa (GRASSE, 2016). As transações podem ser efetuadas pelas corretoras através de telefone, eletronicamente (Home Broker) ou por plataformas de negociações (softwares) e possuem custos (corretagem) que variam de acordo com a corretora, o tipo de investidor, quantia investida e título negociado (BOAINAIN, 2007). Algumas corretoras atualmente oferecem pacotes que diminuem ou zeram as corretagens envolvidas nas transações.
2.2. Ações
Ação de uma empresa pode ser definida como uma pequena parcela de seu capital. Assim, ao comprar ações de uma empresa o investidor passa a ser sócio de uma parcela da companhia, sendo assim, quanto mais ações este detiver, maior será sua participação na companhia (PACTUAL, 2017). Segundo Zheng e Li (2008) para que haja negociações de suas ações, uma empresa precisa passar pelo processo de tornar-se pública, ou seja, ter capital aberto. Este processo é chamado de IPO – Initial Public Offering - que é a oferta inicial de seu capital público.
Segundo uma pesquisa de Ritter e Welch (2002) uma empresa pode se tornar pública por algumas finalidades não ligadas ao financeiro, como por exemplo
17
aumentar sua publicidade. No entanto, as razões financeiras ainda são os principais motivos para a realização de uma IPO, sendo esta normalmente realizada pelos seguintes motivos: o aumento de capital circulante na companhia, diversificação de risco e a criação de um mercado que possibilite os acionistas a transformarem suas riquezas, como ativos e conhecimento, em dinheiro no futuro.
A Figura 1 ilustra as principais etapas do processo no qual o capital de uma empresa passa até tornar-se uma ação. No primeiro instante o capital é fechado, pertencendo a um único investidor ou a um grupo de investidores. Após a abertura de capital e realização de uma IPO, torna-se possível a comercialização da empresa através de pequenos fragmentos denominados de “ação”.
Figura 1- Processo de abertura e comercialização do capital empresarial
Fonte: Elaborado pelo autor
2.3. Contratos futuros
Contratos futuros são aqueles que negociam um ativo sendo que ao vencimento do contrato a compra do ativo negociado é feita no preço previamente determinado pelo contrato e não no preço atual do ativo. Segundo Galvão (2017), uma vez que neste modelo de contrato estão especificados: a data de vencimento, o lote padrão do contrato e a data de entrega do ativo, há um aumento na liquidez permitindo a transferência entre participantes do mercado. Alguns exemplos de contratos futuros negociados na bolsa brasileira são: café, milho, boi gordo, Euro e Dólar.
18
De acordo com Huo e Ahmed (2018) dentre as vantagens econômicas encontradas no mercado futuro pode-se destacar o processo de formação do preço e a redução do risco através da pratica de hedge, os quais interferem positivamente na volatilidade do mercado, apoiando a transmissão de dados oportunos. Ainda segundo o estudo, contratos futuros são mais utilizados devido ao baixo custo da transação, maior índice de alavancagem e menores restrições à negociação.
Conforme apresentado por Galvão (2017, p. 12): “No começo, os mercados futuros surgiram com a intenção de proteger o produtor e o comprador das variações sazonais do preço dos produtos [...]”. Disso surgiu a prática de hedge, que é a proteção da variação do preço de um ativo através da alocação de recurso em outro ativo, com propósito de reduzir ou minimizar o risco.
2.3.1. Índice Ibovespa
O índice Ibovespa é um contrato futuro que tem como ativo de negociação uma carteira teórica criada pela B3, a qual é composta pelas ações mais representativas e negociadas da bolsa. Este índice tem como critério o retorno total das ações considerando suas variações de preço dentro do período de vigência da carteira (BM&FBOVESPA, 2016a).
As ações que compõem esse índice, assim como suas respectivas participações, variam a cada quatro meses. Sendo assim, todo quadrimestre a B3 lança uma nova composição das ações que participarão da carteira teórica, sendo os períodos de vigência ocorrendo de janeiro a abril, de maio a agosto e de setembro a dezembro. As composições entram em vigor na primeira segunda-feira do mês inicial, ou no dia seguinte caso não haja negociação neste dia (BM&FBOVESPA, 2014). A Tabela 1 apresenta a composição da carteira vigente para os meses de setembro a dezembro de 2018, assim como suas respectivas participações.
19
Tabela 1- Carteira Teórica do Ibovespa válida para o 3º quadrimestre de 2018
Código Ação Part. (%)
ABEV3 AMBEV S/A 5,696
B3SA3 B3 3,582 BBAS3 BRASIL 3,299 BBDC3 BRADESCO 1,578 BBDC4 BRADESCO 7,304 BBSE3 BBSEGURIDADE 1,246 BRAP4 BRADESPAR 0,589 BRFS3 BRF SA 1,313 BRKM5 BRASKEM 1,077 BRML3 BR MALLS PAR 0,64 BTOW3 B2W DIGITAL 0,365 CCRO3 CCR SA 0,754 CIEL3 CIELO 0,993 CMIG4 CEMIG 0,553 CPLE6 COPEL 0,171 CSAN3 COSAN 0,374
CSNA3 SID NACIONAL 0,438 CVCB3 CVC BRASIL 0,494 CYRE3 CYRELA REALT 0,219 ECOR3 ECORODOVIAS 0,106 EGIE3 ENGIE BRASIL 0,537 ELET3 ELETROBRAS 0,344 ELET6 ELETROBRAS 0,347
EMBR3 EMBRAER 1,079
ENBR3 ENERGIAS BR 0,292 EQTL3 EQUATORIAL 0,847 ESTC3 ESTACIO PART 0,567
FIBR3 FIBRIA 1,219
FLRY3 FLEURY 0,501
GGBR4 GERDAU 1,177
GOAU4 GERDAU MET 0,328
GOLL4 GOL 0,118 HYPE3 HYPERA 0,868 IGTA3 IGUATEMI 0,206 ITSA4 ITAUSA 3,459 ITUB4 ITAUUNIBANCO 10,793 JBSS3 JBS 1,075 KLBN11 KLABIN S/A 0,824 KROT3 KROTON 1,267
LAME4 LOJAS AMERIC 0,834 LREN3 LOJAS RENNER 1,743 MGLU3 MAGAZ LUIZA 0,681
MRFG3 MARFRIG 0,152
MRVE3 MRV 0,286
MULT3 MULTIPLAN 0,382
20
Continuação
Código Ação Part. (%)
NATU3 NATURA 0,357
PCAR4 P.AÇUCAR-CBD 0,973
PETR3 PETROBRAS 5,183
QUAL3 QUALICORP 0,219
RADL3 RAIADROGASIL 1,13
RAIL3 RUMO S.A. 1,225
RENT3 LOCALIZA 0,892
SANB11 SANTANDER BR 1,064
SBSP3 SABESP 0,565
SMLS3 SMILES 0,21
SUZB3 SUZANO PAPEL 1,501
TAEE11 TAESA 0,332
TIMP3 TIM PART S/A 0,71
UGPA3 ULTRAPAR 1,565
USIM5 USIMINAS 0,329
VALE3 VALE 13,288
VIVT4 TELEF BRASIL 1,218
VVAR11 VIAVAREJO 0,14
WEGE3 WEG 1,04
Fonte: Adaptado de BM&FBOVESPA (2016b)
Dentre as vantagens de investimento no Índice futuro, destacam-se duas, a primeira é a possibilidade de negociação dos preços futuros das ações que compõem a carteira sem a necessidade de compra de todas elas, reduzindo o risco e a exposição do investidor. E a segunda, é a realização da estratégia de hedge para diminuição da exposição do investidor caso este tenha comprado algumas dessas ações (BM&FBOVESPA, 2016b).
2.4. Análise técnica
A análise técnica consiste na leitura e interpretação dos dados obtidos a partir da oscilação de preços registrados no mercado. Esta pode ser definida como a tentativa de antecipar preços do mercado futuro tendo como base preços passados (DA COSTA et al., 2015). Segundo Vidotto, Migliato e Zambon (2009) através da análise gráfica é possível compreender padrões de figuras ou formações de preço que antecipam possíveis cenários de mercado, sendo estes definidos como: tendência de alta, de baixa ou lateral (dentro de uma faixa específica de preço).
21
Segundo Guth (2011) a interpretação de dados passados dentro da análise técnica é feita através de gráficos, que podem ser de 3 tipos: de linha, de barras e de candlestick. No gráfico de linha são ligados os pontos da informação escolhida, que geralmente são os preços de fechamento do período selecionado. Já os gráficos de barras e de candles apresentam os preços de máxima, mínima, abertura e fechamento do período selecionado. Nas Figuras 2,3 e 4 são apresentados os modelos de linha, de barra e de candle respectivamente, para a ação da empresa Itaú Unibanco (ITUB4) no período diário, entre fevereiro e abril de 2018.
Figura 2- Gráfico de linha
Fonte: Captura de tela do software MetaTrader 5
Figura 3- Gráfico de barras
22
Figura 4 - Gráfico de candles
Fonte: Captura de tela do software MetaTrader 5
Dentre estes modelos, o gráfico de candles (vela em inglês) é o mais usual entre os traders, pois este tipo de gráfico normalmente vem associado a uma coloração entre os preços de abertura e fechamento o que torna mais rápida a percepção do leitor sobre o andamento dos preços. Além disso, são mostrados os preços de máxima e mínima como uma linha mais fina, chamadas de pavio do candle. Na Figura 5 foi atribuída a cor verde para o candle que fechou com variação positiva, ou seja, seu fechamento foi superior ao preço de abertura e cor vermelha ao que fechou com variação negativa, ou seja, seu fechamento foi inferior ao preço de abertura.
Figura 5 - Candle de alta e Candle de baixa
Fonte: Elaborado pelo autor
Esse modelo de gráfico possibilita interpretações mais complexas dos dados, como por exemplo: verificar se em determinado momento houve uma alta
23
ou baixa repentina seguido de uma regressão, deixando um pavio maior, o que demonstra possíveis faixas de resistência ou suporte de preço. Essas faixas de resistência e/ou suporte indicam possíveis finais de tendências, e seu rompimento possíveis início de tendência. A compreensão deste modelo é fundamental para simulação da estratégia e entendimento do trabalho.
2.5. Indicadores técnicos
Os preços registrados dentro de um determinado período servem de base para o cálculo dos indicadores técnicos. Estes são utilizados para detectar padrões, identificar tendências, mediar a volatilidade do mercado e relacionar os preços com volume (OZTURK; TOROSLU; FIDAN, 2016). Os traders recorrem aos indicadores, combinados ou separados, para detectar pontos tanto de entrada quanto de saída das operações.
Como demonstrado no trabalho de Chen, Zhou e Wang (2018), existem muitas pesquisas relacionadas ao uso de indicadores como instrumento para análise técnica e para investimento nas tendência de mercado. Cada indicador possuiu uma equação matemática específica e utiliza dados distintos para seus cálculos. Nos próximos tópicos serão discutidos os indicadores, assim como seus dados e parâmetros de entrada utilizados para elaboração da estratégia. Para o entendimento das equações foram usados os seguintes parâmetros:
a) t: número do candle em determinado período, contado do atual para o passado. Atribuindo o valor 0 para o candle recorrente que ainda está aberto; b) n: número de dados (candles) considerados para o cálculo do indicador
dentro do período escolhido; c) k e x: constantes;
d) O[t]: preço de abertura (open) no momento t; e) C[t]: preço de fechamento (close) no momento t; f) H[t]: preço de máxima (high) no momento t; g) L[t]: preço de mínima (low) no momento t; h) V[t]: Valor para cálculo no momento t.
24
2.5.1. Simple Moving Average (SMA)
Para formação de uma média móvel simples (SMA – Simple Moving Average) deve haver entradas contínuas de valores para o somatório dos n valores utilizados no cálculo da média, ao contrário de uma média simples que os n valores são fixos. O total deste somatório é dividido por n, obtendo a Equação 1.
SMA[t] (n, V[t]) =
∑𝑡=𝑛(𝑉[𝑡]) 0
𝑛
(1)
Equação 1 - Simple Moving Average
2.5.2. Exponential Moving Average (EMA)
Para formação da média móvel exponencial (EMA - Exponential Moving Average) há uma aplicação de peso para os dados mais recentes, cujo os dados passados decrescem exponencialmente, mas não chegam a zero (BRUNI, 2017). Usualmente o preço de fechamento é utilizado para o cálculo das médias dentro da análise técnica, mas qualquer valor pode ser atribuído a este, como mínimas, máximas, aberturas ou até mesmo dados de outros indicadores. O preço de fechamento foi escolhido como dado para elaboração da simulação.
O peso atribuído aos preços recentes tem como base o número total de dados escolhido para o cálculo da média, conforme a Equação 2.
k = 2 n + 1
(2)
Equação 2 - Peso média exponencial
Com isso, este peso é multiplicado pelo novo preço de fechamento, e o valor anterior (último valor calculado para a média) é multiplicado por 1 – k. Os dois valores são somados para obtenção da nova média exponencial, resultando nas Equações 3,4 e 5.
EMA[t] (n, C[t]) = k * C[t] + (1- k) * EMA[t-1] (n,C[t]) (3)
25
Ao substituir o valor de K na Equação 3, uma nova equação é gerada, conforme Equação 4. EMA[t] (n, C[t]) = ( 2 n + 1) * C[t] + (1 − 2 n+1) * EMA[t-1] (n) (4)
Equação 4 - Média móvel exponencial
Resumindo a Equação 4 encontra-se a Equação 5, que é a equação da média móvel exponencial.
EMA[t] (n, C[t]) = ( 2
n + 1) * ( C[t]− EMA[t-1] (n) ) + EMA[t-1] (n)
(5)
Equação 5 - Média móvel exponencial
2.5.3. True Range e Average True Range (TR e ATR)
Segundo Bruni (2017) o True Range (TR) é um indicador de volatilidade que mede o grau de variação dos preços no período escolhido, ou seja, sua variação entre máxima e mínima conforme a Equação 6.
TR[t] = H[t] – L[t] (6)
Equação 6 - True Range
Quando o TR é incorporado como dado para a média móvel exponencial ao invés dos preços de fechamento, em um período n, é obtida a média exponencial da amplitude dos preços (ATR - Average True Range), indicado pela Equação 7.
ATR[t] (n) = EMA[t] (n, TR[t]) (7)
Equação 7 - Average True Range
2.5.4. Bollinger Bands
A banda de Bollinger é um indicador de volatilidade que possui um conceito simples: uma medida de tendência central e duas auxiliares, uma acima e outra abaixo, formando uma banda de preços. A medida central é uma média móvel e as auxiliares são o desvio padrão dessa média. A banda superior (UBB - Upper Bollinger Bands) é formada pelo valor da média mais um número de desvios
26
padrão, analogamente, a inferior (BBB - Bottom Bollinger Bands) é o valor da média subtraído de um número de desvios (BOLLINGER, 2001). Os preços de fechamento são usualmente utilizados tanto para o cálculo do desvio quanto para o da medida central, que por padrão é uma média móvel simples.
Para o cálculo do desvio, são somados os quadrados de cada valor de fechamento de um período n menos o valor da média móvel simples do mesmo período. Este resultado é dividido pelo valor de n. Em seguida, é calculado a raiz quadrada desta divisão, obtendo assim o desvio padrão no tempo t, conforme a Equação 8. σ[𝑡] =√ ∑𝑡=𝑛(𝐶[𝑡]− SMA (n)[0])2 0 n (8)
Equação 8 - Desvio padrão
As bandas de Bollinger são calculadas por um número x de desvios em relação à média, conforme as Equações 9 e 10.
UBB[t] = SMA[t] + x * σ[𝑡] (9)
Equação 9 - Banda de Bollinger Superior
BBB[t] = SMA[t] – x * σ[𝑡] (10)
Equação 10 - Banda de Bollinger Inferior
Alguns autores defendem que a variação dos preços segue uma distribuição normal na qual existem poucos dados distantes da média. Para 3 desvios padrões, por exemplo, aproximadamente 99,7% dos dados estão dentro da faixa de oscilação (BOLLINGER, 2001). Tendo esse princípio como base, um setup comum é o de retorno à média, aquele no qual o preço tende a se corrigir, retornando à média ou a faixa de oscilação, quando se distancia dela. Como constatado por Leys et al. (2013), o número de desvios varia de acordo com o método, a amostra e o objetivo escolhido, mas o mais indicado é um valor entre 2 e 3 desvios.
Entretanto, para estratégia abordada neste trabalho as bandas não serão usadas para este fim, mas sim como uma previsão de início de tendência através
27
do rompimento de uma faixa de oscilação reduzida. Para isso precisará de um indicador derivado das Bandas de Bollinger.
2.5.4.1. Bollinger Bands Width
Existem alguns indicadores derivados das bandas de Bollinger, um deles é o BandsWidth (BW), o qual transmite a amplitude de variação das bandas, conforme a Equação 11. Com este indicador é possível visualizar o estreitamento ou alargamento das bandas, que indica o começo ou fim de uma tendência (BOLLINGER, 2001).
BBW[t] = (UBB[t] – BBB[t]) / SMA[t] (11)
Equação 11 - Bands Width
2.6. Stop Loss e Take Profit
Uma vez que as operações de compra ou venda no day trade são abertas e encerradas no mesmo dia, os valores de saída tanto o de lucro (take profit, TP) quanto o de perda máxima aceitável (stop loss, SL) devem ser definidos. Segundo Osler (2006), o take profit pode ser definido como o preço de saída com lucro de uma operação, com intuito de garantir o rendimento obtido, enquanto o stop loss é o preço do valor máximo que o investidor está disposto a perder para ter um determinado lucro, caso a operação vá em sentido oposto ao esperado.
Esses mecanismos existem com a finalidade de diminuir a exposição do investidor às oscilações do mercado, garantindo seu lucro ou minimizando suas perdas. Como foi constatado por Warburton e Zhang (2006), cada setup possui alvos e saídas próprios, sendo a experiência com a estratégia ou os ensaios através de simulações e backtesting a melhor maneira de definir estes.
No day trade o investidor pode obter lucro trabalhando de modo “comprado” ou “vendido”. Para obtenção de lucro na posição “comprado” a ação é adquirida num determinado valor e vendida quando esta estiver num preço superior ao de compra. Na posição “vendido” a ação é vendida e então recomprada quando estiver em um preço inferior ao preço vendido. Em resumo, para obtenção de lucro no
28
mercado de capitais as ações devem ser compradas a baixo custo e vendidas a um valor superior. As Figuras 6 e 7 demonstram uma operação de day trade na ação da empresa Vale SA (VALE3), período de 5 minutos, ambas com os mesmos preços de entrada e saídas, feitas em posições opostas.
Figura 6 - Compra na VALE3 e valorização do capital
Fonte: Captura de tela do software MetaTrader 5
Figura 7 - Venda na VALE3 e desvalorização do capital
Fonte: Captura de tela do software MetaTrader 5
As compras estão simbolizadas pelas setas azuis e as vendas pelas vermelhas. Na Figura 7, o stop loss confirma a importância de um controle de risco, pois sem ele o investidor teria uma desvalorização ainda maior de seu capital, uma vez que o valor da ação subiu atingindo preços mais elevados que seu ponto de saída.
29
2.7. Análise de dados
Segundo Kim e Enke (2017) apenas o lucro / prejuízo obtido ao final de uma simulação ou investimento real não é suficiente para a validar ou descartar uma estratégia, outros aspectos são necessários para definir a lucratividade dela. Considerando operações day trade realizadas, os elementos que validam um trading system consistente são: Win rate (assertividade), payoff, expected gain (expectativa de ganho) e o drawdown (rebaixamento do capital), que serão detalhados nos tópicos seguintes.
2.7.1. Win rate (%)
O Win rate (%) ou assertividade da estratégia é representado pelo número de negociações com lucro (profit trades) dividido pelo número total de negociações (trades), conforme a Equação 12.
𝑊𝑟 (%) = 100 ∗ 𝑁𝑝 𝑁⁄ (12)
Equação 12 - Win rate (%) 2.7.2. Payoff
Para calcular o payoff é necessário o somatório de todas as negociações positivas (wins), o somatório de todas as negociações negativas (loss), o número de negociações positivas (profit trades) e o número de negociações negativas (loss trades), conforme a Equação 13 (WANG; YU; CHEUNG, 2014).
𝑃𝑓 = ∑ 𝑤 𝑁𝑝 |∑ 𝑙𝑁𝑙| ⁄ (13) Equação 13 – Payoff
Assim, resulta na média de trades positivos e negativos que serão usadas para o cálculo do payoff, conforme a Equação 14.
30 𝑃𝑓 = 𝑊̅ |𝐿̅| (14) Equação 14 – Payoff 2.7.3. Expected gain
O expected gain (expectativa de ganho) é uma relação direta entre as médias de ganho e perda com a assertividade, conforme Equação 15 que determina a lucratividade da estratégia a longo prazo. Caso o resultado da expectativa retorne um valor positivo a estratégia é lucrativa, caso contrário gera prejuízo. Se o resultado for igual a zero o trading system tende a empatar, ou seja, não gera lucros nem prejuízos.
𝐸 = 𝑊𝑟 ∗ 𝑊̅ − (1 − 𝑊𝑟) ∗ |𝐿̅| (15)
Equação 15 - Expected gain
2.7.4. Drawdown (%)
O drawdown representa a taxa de perda do investimento durante um intervalo de tempo e é utilizado como parâmetro de risco envolvido na estratégia (HSIEH; BARMISH, 2017). Seu cálculo consiste na diferença entre o capital inicial e o final dividido pelo capital inicial, de acordo com a Equação 16.
𝐷𝐷 (%) = 100 ∗ 𝐶𝑖 − 𝐶𝑓 𝐶𝑖
(16)
Equação 16 - Drawdown
Segundo Hsieh e Barmish (2017) durante a avaliação do risco através deste dado, o investidor deve se atentar ao período inteiro analisado, pois o drawdown calculado com referência no valor inicial do investimento e pelo menor valor atingido por este pode gerar um falso indicativo. O drawdown real de um período é a taxa de perda que tem como referência o maior valor atingido (topo) e o menor desde a ocorrência deste topo, enquanto não ocorre um valor maior ou igual ao valor do topo.
31
A Figura 8 ilustra dois drawdowns durante uma valorização hipotética de 6 meses com aplicação inicial de $10.000,00. O primeiro drawdown ocorre quando atinge a quantia de $9.000,00, menor valor atingido em relação a quantia inicial, que representa um drawdown de 10%. Ao atingir $20.000,00 houveram perdas consecutivas que levaram a uma quantia aplicada de $17.000,00, segundo drawdown, que representa uma desvalorização de 15% do capital, sendo este o drawdown máximo do período. Neste exemplo se a aplicação inicial fosse feita no segundo mês, após dois meses o investidor teria $8.500,00 (drawdown de 15%).
Figura 8 - Drawdown inicial e máximo
Fonte: Elaborado pelo autor 3. METODOLOGIA
O trabalho possui uma abordagem quantitativa, e foi realizado a partir de uma simulação com embasamento em teses e artigos relacionados com o tema, apresentando alguns conceitos fundamentais para o entendimento dos métodos de entrada presentes na simulação. A simulação permite representar a realidade apenas com modelos matemáticos e a utilização de um software, possibilitando obter resultados mais rápidos, com menores custos e maior facilidade de teste de novas hipóteses (DUARTE, 2003).
32
Com isso, a estratégia proposta foi simulada no software MetaTrader 5 tendo alguns critérios otimizados com a finalidade de aumentar os lucros. As operações foram realizadas no mini índice Ibovespa por um período de três anos, seguindo uma série de fatores que indicavam os pontos de entrada e saída. Por conseguinte, foram detalhados os valores e parâmetros utilizados como critério para tomada de decisão na realização dos trades.
3.1. Parâmetros da simulação
A estratégia apresentada foi elaborada com intuito de antecipar uma tendência nos preço baseando-se em um aumento de volatilidade, visto que um período de baixa volatilidade ocasiona um período de alta volatilidade e períodos de alta volatilidade provocam tendências. (BOLLINGER, 2001). Para medir o valor da volatilidade foi utilizado o indicado derivado das bandas de Bollinger, o bands width, e para estipular se o período analisado é de alta ou baixa foi utilizada a média deste indicador. Desse modo, valores acima da média indicam altas oscilações nos preços e valores abaixo dela indicam baixas oscilações.
Uma vez que os critérios foram atendidos e a operação foi realizada, os ajustes das saídas de ganho e de perda máxima (gain e loss) são realizados através do indicador ATR, como este mede a oscilação média dos candles é possível definir uma “zona” segura onde os preços podem oscilar até alcançar o objetivo (TP). Por último, a direção da tendência foi definida pela posição do preço em relação a sua média exponencial, no qual cotações acima desta indicam tendência de alta e abaixo tendência de baixa. No Quadro 1 encontram-se os valores utilizados como parâmetro de cada indicador utilizado para a tomada de decisão.
Quadro 1 - Parâmetros dos indicadores
Indicador Descrição
EMA (20) Média exponencial de 20 períodos ATR (20) Average true range de 20 períodos
BB (20,2) Bandas de Bollinger de 20 períodos e 2 desvios MBBW (100) Média aritmética de 100 períodos do bands width
TP Take profit de 6 * ATR
SL Stop loss de 4 * ATR
33
3.2. O Setup
Com os parâmetros estabelecidos foram definidos alguns critérios para as entradas e saídas nas operações. Para validar uma entrada é preciso que as bandas fiquem estreitas, de modo que o valor do indicador bands width seja menor que a metade de sua média, a partir disso, quando o indicador se tornar superior à sua média o trade estará validado. A direção da operação (compra ou venda) é dada pela posição dos preços em relação a sua média exponencial, caso o preço de fechamento anterior esteja acima da média, a entrada é na posição comprada, caso contrário, a posição é de venda.
As saídas são definidas pelo indicador ATR com uma relação de 6 para 4, ou seja, em cada operação realizada o investidor está arriscando perder uma fração de quatro para ganhar uma de seis. Além disso, tratando-se de uma operação para day trade, caso a posição continue aberta faltando 15 minutos para encerrar o pregão de negociações a mesma deve ser encerrada, mesmo se não houver acionado o take profit ou stop loss. Para resumir a estratégia, as seguintes etapas devem ser realizadas:
a) BBW[1] < MBBW[1] / 2;
b) BBW[2] < MBBW[2] e BBW[1] > MBBW[1];
c) C[1] < EMA[1] posição de compra ou C[1] > EMA[1] posição de venda; d) TP = 6*ATR[1] e SL = 4*ATR[1];
e) 17:40 encerrar todas operações.
4. RESULTADOS E DISCUSSÕES
A estratégia proposta foi simulada no mini índice com o lote mínimo (1 mini contrato) e foi realizada com uma aplicação inicial de R$ 10.000,00. O período simulado foi entre os dias 01/01/2016 e 01/01/2019, totalizando 3 anos de teste e 226 trades realizados, resultando em uma média de 6 operações por mês. Destas 226 negociações 131 obtiveram lucro médio de 100,41 reais e o restante apresentou prejuízo médio de 91,73 reais.
34
A taxa de acerto obtida após a simulação foi de aproximadamente 58% e foi calculada através da Equação 17.
𝑊𝑟 (%) = 100 ∗ 131 226⁄ → 𝑊𝑟 (%) = 57,96 (17) Equação 17 – Assertividade da simulação
O payoff resultante da estratégia simulada foi calculado conforme a Equação 18, resultando num valor de 1,09.
𝑃𝑓 = 100,41
|−91,73| → 𝑃𝑓 = 1,09 (18)
Equação 18 - Payoff da simulação
A expectativa de ganho resultou em um valor de 19,65, obtido através da Equação 19. Este valor indica que a estratégia é lucrativa, pois apresenta um valor positivo.
𝐸 = 0,5796 ∗ 100,41 − (1 − 0,5796) ∗ 91,73 → 𝐸 = 19,65 (19)
Equação 19 –Expectativa de ganho da simulação
Os demais dados obtidos com a simulação são apresentados resumidamente na Tabela 2.
Tabela 2 - Resumo dos resultados
Informação Valor
Total de trades 226
Lucro Bruto (R$) 4.440,00
Assertividade (%) 57,96
Média Trades Lucro (R$) 100,41 Média Trades Prejuízo (R$) -91,73
Trades Lucro 131
Trades Prejuízo 95
Payoff 1,09
Expectativa de ganho 19,65
35
Os drawdowns podem ser observados na Figura 9 que apesenta a evolução do capital acumulado pela estratégia. Os períodos de rebaixamento foram marcados por um quadrado vermelho, o primeiro teve duração de 26 dias e o segundo de 56 dias.
Figura 9 - Evolução do capital acumulado
Fonte: Elaborado pelo autor
Em relação ao rebaixamento máximo da estratégia para o período selecionado, no dia 24/10/2018 a estratégia acumulou um montante de R$ 14.757,00 que foi rebaixado para R$ 14.132,00, resultando num drawdown máximo para o período de 4,24%, conforme a Equação 20.
𝐷𝐷𝑚𝑎𝑥 (%) = 100 ∗ 14757,00 − 14132,00
14757,00 → 𝐷𝐷 (%) = 4,24 (20)
Equação 20 - Drawdown máximo
O rebaixamento relativo ao capital investido ocorreu no dia 27/01/2016, o qual obteve perdas consecutivas que somaram 31,00 reais, gerando um drawdown de 0,31%, conforme a equação 21.
36
𝐷𝐷𝑟 (%) = 100 ∗ 10000,00 − 9969,00 10000,00
→ 𝐷𝐷 (%) = 0,31
(21)
Equação 21 - Drawdown relativo
Com expectativa de ganho superior a zero, a estratégia pode ser considerada lucrativa a longo prazo, entretanto este modelo com os parâmetros propostos pode ser ajustado a fim de obter resultados diferentes, igualmente lucrativos, que se enquadrem com o perfil do investidor. Na Tabela 3, estão alguns dos resultados obtidos durante a fase de otimização da estratégia, na qual foram alterados os multiplicadores do indicador ATR usados para definir o take profit e stop loss. Nota-se que na Tabela 3 os valores de drawdown são calculados somando o rebaixamento máximo da posição ainda aberta (padrão do software para otimizações) e não apenas as negociações finalizadas como calculado anteriormente.
Tabela 3 - Resultado das otimizações
Pass Result Profit Expected
Payoff
Equity DD
% Trades TP_mult SL_mult
29 14440 4440 19,65 5,09 226 6 4 30 14313 4313 19,34 5,14 223 7 4 28 14222 4222 18,52 5,17 228 5 4 31 14126 4126 18,50 5,20 223 8 4 5 14407 4407 17,77 4,75 248 6 1 37 13920 3920 17,50 6,84 224 6 5 13 14115 4115 17,44 6,06 236 6 2 45 13868 3868 17,27 6,08 224 6 6 21 13954 3954 17,19 5,92 230 6 3 38 13793 3793 17,16 6,90 221 7 5 6 14196 4196 17,06 4,73 246 7 1 46 13741 3741 16,93 6,14 221 7 6 22 13816 3816 16,81 5,86 227 7 3 14 13909 3909 16,78 6,03 233 7 2 12 13963 3963 16,65 6,12 238 5 2 53 13679 3679 16,42 7,23 224 6 7 39 13606 3606 16,32 6,99 221 8 5 20 13775 3775 16,27 5,99 232 5 3 7 13998 3998 16,25 6,32 246 8 1 36 13656 3656 16,18 6,67 226 5 5 47 13554 3554 16,08 6,22 221 8 6 54 13552 3552 16,07 7,16 221 7 7 15 13738 3738 16,04 6,12 233 8 2 Continua
37
Continuação
Pass Result Profit Expected
Payoff
Equity DD
% Trades TP_mult SL_mult
44 13604 3604 15,95 5,89 226 5 6 4 13951 3951 15,87 4,84 249 5 1 23 13587 3587 15,80 5,98 227 8 3 61 13433 3433 15,39 7,93 223 6 8 55 13365 3365 15,23 7,31 221 8 7 52 13415 3415 15,11 7,33 226 5 7 62 13306 3306 15,03 7,86 220 7 8 27 13331 3331 14,48 5,70 230 4 4 63 13119 3119 14,18 8,03 220 8 8 60 13169 3169 14,08 8,05 225 5 8 11 13038 3038 12,66 6,40 240 4 2 35 12850 2850 12,50 7,49 228 4 5 19 12909 2909 12,43 6,24 234 4 3 3 13095 3095 12,33 5,01 251 4 1 43 12798 2798 12,27 6,69 228 4 6 51 12609 2609 11,44 7,60 228 4 7 26 12626 2626 11,17 6,33 235 3 4 10 12538 2538 10,40 6,00 244 3 2 25 12464 2464 10,27 6,41 240 2 4 59 12330 2330 10,26 8,38 227 4 8 18 12346 2346 9,82 6,19 239 3 3 2 12507 2507 9,79 5,09 256 3 1 42 12194 2194 9,42 7,80 233 3 6 34 12169 2169 9,31 7,80 233 3 5 17 12252 2252 9,23 5,23 244 2 3 41 12128 2128 8,94 7,27 238 2 6 33 12116 2116 8,89 6,88 238 2 5 9 12178 2178 8,75 4,17 249 2 2 50 11977 1977 8,48 7,94 233 3 7 58 11878 1878 8,09 8,00 232 3 8 49 11911 1911 8,03 8,06 238 2 7 57 11861 1861 7,85 6,30 237 2 8 1 11837 1837 7,09 4,05 259 2 1 0 10309 309 1,18 4,00 262 1 1 40 10103 103 0,42 11,62 247 1 6 8 10033 33 0,13 9,30 258 1 2 48 9977 -23 -0,09 12,62 247 1 7 24 9938 -62 -0,25 10,54 249 1 4 16 9933 -67 -0,27 10,00 252 1 3 56 9896 -104 -0,42 13,56 246 1 8 32 9873 -127 -0,51 11,16 247 1 5
38
Caso o investidor opte por uma estratégia com drawdown mais reduzido os parâmetros encontrados pelo teste número 6 apresentaram um comportamento mais atrativo, visto que este obteve menor rebaixamento. Esses resultados ratificam a importância de realizar uma simulação antes de aplicar uma estratégia em conta real, pois possibilita o teste de diferentes critérios ou introdução de novos indicadores e/ou parâmetros.
Um dos pontos positivos encontradas no day trading é a alavancagem da posição oferecida pelas corretoras, o que possibilita maximizar o ganho das negociações (KUO; LIN, 2013). Segundo o estudo de Heimer e Simsek (2019) alavancagem é o auge do mercado especulativo pois permite o investidor adquirir posições maiores que seu capital poderia adquirir. Entretanto, esta deve ser limitada pois, ao aumentar a posição na intenção de potencializar os lucros o investidor consequentemente aumentará seus prejuízos.
Através desta simulação foi possível obter a média de perda e o drawdown da estratégia para o período selecionado. Mas apesar destes dados indicarem que o risco envolvido foi pequeno, não há garantias que os mesmos valores aparecerão no futuro. Por isso, o investidor ao utilizar da alavancagem para maximizar seus ganhos deve entender que a perda média que poderá se deparar pode ser maior, quando comparada com dados obtidos na simulação.
39
5. CONCLUSÃO
O objetivo deste trabalho foi simular uma estratégia de day trade com intuito de obter seus resultados sem haver prejuízos, para assim validá-la como lucrativa. Após a obtenção dos resultados a importância da simulação foi ressaltada, uma vez que a mesma estratégia obteve diferentes rendimentos através da mudança de apenas dois parâmetros. Os resultados obtidos mostraram-se promissores, entretanto novos parâmetros podem ser testados e otimizados a fim de ensaiar novas interações e alcançar um setup superior, como por exemplo novos valores de média com outros valores de ATR.
A partir dos critérios previamente definidos para autenticar o trading system, este pode ser considerado rentável e apto para uso em conta real. Contudo, o investidor que optar por sua utilização deve estar ciente dos riscos envolvidos na estratégia e compreender que a simulação prevê possíveis resultados baseando-se em resultados passados, mas não garante que os mesmos baseando-serão obtidos no futuro.
Dessa maneira, um ponto importante a ser ressaltado é a utilização da alavancagem, visto que o rebaixamento máximo do capital obtido pode ser maior no futuro, este recurso deve ser utilizado com cautela pelo investidor pois poderá somar prejuízos maiores que os resultantes da simulação. Contudo, quando utilizado de maneira correta (analisando o drawdown e o montante necessário em conta) o artifício da alavancagem ajudará o investidor maximizar seus ganhos.
40
REFERÊNCIAS
BM&FBOVESPA. Manual de definições e procedimentos dos índices da
BM&FBovespa. Disponível em:
<http://bvmf.bmfbovespa.com.br/indices/download/Manual-de-procedimentos-pt-br.pdf>. Acesso em: 2 out. 2018.
BM&FBOVESPA. Futuro de Ibovespa. Disponível em:
<http://www.bmfbovespa.com.br/pt_br/produtos/listados-a-vista-e-derivativos/renda-variavel/futuro-de-ibovespa.htm>. Acesso em: 2 out. 2018a.
BM&FBOVESPA. Ibovespa. Disponível em:
<http://www.bmfbovespa.com.br/pt_br/produtos/indices/indices-amplos/indice-bovespa-ibovespa.htm>. Acesso em: 2 out. 2018b.
BM&FBOVESPA. Histórico pessoas físicas. Disponível em:
<http://www.bmfbovespa.com.br/pt_br/servicos/market-data/consultas/historico-pessoas-fisicas/>. Acesso em: 21 set. 2018a.
BM&FBOVESPA. Carteira Teórica do Ibovespa válida para 04/10/18. Disponível em: <http://www.bmfbovespa.com.br/pt_br/produtos/indices/indices-amplos/indice-ibovespa-ibovespa-composicao-da-carteira.htm>. Acesso em: 4 out. 2018b.
BOAINAIN, P. G. “OMBRO-CABEÇA-OMBRO”: TESTANDO A LUCRATIVIDADE DO
PADRÃO GRÁFICO DE ANÁLISE TÉCNICA NO MERCADO DE AÇÕES BRASILEIRO.
2007. IBMEC São Paulo, 2007.
BOLLINGER, J. BOLLINGER ON BOLLING BANDS. 1. ed. New York: McGraw-Hill Education, 2001.
BOSCO, J. MERCADO DE CAPITAIS EM CRISE: estudo sobre a rentabilidade de
investimentos em ações num período de crise financeira. 2016. Universidade Federal
do Maranhão, 2016.
BRUNI, R. Stock Market Index Data and indicators for Day Trading as a Binary Classification problem. Data in Brief, v. 10, p. 569–575, 2017. Disponível em: <http://dx.doi.org/10.1016/j.dib.2016.12.044>.
CHEN, J. C.; ZHOU, Y.; WANG, X. Profitability of simple stationary technical trading rules with high-frequency data of Chinese Index Futures. Physica A: Statistical Mechanics
and its Applications, v. 492, p. 1664–1678, 2018. Disponível em:
<https://doi.org/10.1016/j.physa.2017.11.088>.
DA COSTA, T. R. C. C.; NAZÁRIO, R. T.; BERGO, G. S. Z.; SOBREIRO, V. A.; KIMURA, H. Trading System based on the use of technical analysis: A computational experiment.
Journal of Behavioral and Experimental Finance, v. 6, p. 42–55, 2015. Disponível em:
<http://dx.doi.org/10.1016/j.jbef.2015.03.003>.
DUARTE, R. N. Simulação computacional: Análise de uma célula de manufatura em
lotes do setor de auto-peças. 2003. Universidade Federal de Itajubá, 2003. Disponível
em: <http://saturno.unifei.edu.br/bim/0031237.pdf>.
GALVÃO, R. S. Derivativos Financeiros Estratégias de Hedge em Swap. 2017. PUC-Rio, 2017.
41
GOMES, I. D. O. ESTRATÉGIAS PARA OPERAÇÕES DE DAY TRADE NA B3. 2018. Fundação Getulio Vargas, São Paulo, 2018.
GRASSE, N. A. ESTUDO E APLICAÇÃO DE FERRAMENTAS DE MINIMIZAÇÃO DE
RISCOS EM APLICAÇÕES DE CURTO PRAZO NO MERCADO À VISTA DE AÇÕES DA BM&FBOVESPA: UM CASO PRÁTICO. 2016. Universidade Federal do Paraná,
2016.
GUTH, D. R. MERCADO DE CAPITAIS : ANÁLISE DA UTILIZAÇÃO DAS MÉDIAS
MÓVEIS DE CURTO PRAZO PARA DECISÃO DE INVESTIMENTOS. 2011. Faculdade
Cenecista de Nova Petrópolis - FACENP, 2011.
HEIMER, R.; SIMSEK, A. Should retail investors ’ leverage be limited ? Journal of
Financial Economics, v. 132, n. 3, p. 1–21, 2019. Disponível em:
<https://doi.org/10.1016/j.jfineco.2018.10.017>.
HSIEH, C.-H.; BARMISH, B. R. On Drawdown-Modulated Feedback Control in Stock Trading. IFAC-PapersOnLine, v. 50, n. 1, p. 952–958, 2017. Disponível em:
<https://doi.org/10.1016/j.ifacol.2017.08.167>.
HUO, R.; AHMED, A. D. Relationships between Chinese stock market and its index futures market: Evaluating the impact of QFII scheme. Research in International
Business and Finance, v. 44, n. July 2017, p. 135–152, 2018. Disponível em:
<https://doi.org/10.1016/j.ribaf.2017.07.049>.
KUO, W.; LIN, T. Overconfident individual day traders : Evidence from the Taiwan futures market. Journal of Banking and Finance, v. 37, n. 9, p. 3548–3561, 2013. Disponível em: <http://dx.doi.org/10.1016/j.jbankfin.2013.04.036>.
LEYS, C.; LEY, C.; KLEIN, O.; BERNARD, P.; LICATA, L. Detecting outliers : Do not use standard deviation around the mean , use absolute deviation around the median. Journal
of Experimental Social Psychology, v. 49, n. 4, p. 764–766, 2013. Disponível em:
<http://dx.doi.org/10.1016/j.jesp.2013.03.013>.
MALHEIROS, R. S. OPERANDO COM TRADING SYSTEMS NA BOLSA DE VALORES:
COMO CRIAR E APLICAR ESTRATÉGIAS PARA CURTO, MÉDIO E LONGO PRAZO.
São Paulo: Editora Évora, 2011.
MARTINI, M. F. G. Renda fixa versus renda variável: uma análise descritiva entre as rentabilidades dos investimentos. Revista Especialize On-line IPOG, v. 01, jul. 2013. Disponível em:
<http://businesstur.com.br/uploads/arquivos/c131f9abdf318c68b9c5f5fb8aa14a9b.pdf>. OSLER, C. L. Currency Orders and Exchange-Rate Dynamics: Explaining the Success of Technical Analysis. The Journal of Finance, v. LVIII, n. 5, p. 1791–1819, 2006.
OZTURK, M.; TOROSLU, I. H.; FIDAN, G. Heuristic based trading system on Forex data using technical indicator rules. Applied Soft Computing Journal, v. 43, p. 170–186, 2016. Disponível em: <http://dx.doi.org/10.1016/j.asoc.2016.01.048>.
PACTUAL, B. Tudo sobre ações: o que são, como funcionam, comprar e investir. Disponível em: <https://www.btgpactualdigital.com/blog/investimentos/acoes/tudo-sobre-acoes>. Acesso em: 28 set. 2018.
42
Finance, v. LVII, n. 4, p. 1795–1828, 2002.
SARTOR, B. R. ESTRATÉGIAS NO MERCADO DE DERIVATIVOS: Foco no Mercado
de Opções de Ações. 2011. Universidade Federal de Santa Catarina, 2011.
VIDOTTO, R. S.; MIGLIATO, A. L. T.; ZAMBON, A. C. O Moving Average Convergence-Divergence como ferramenta para a decisão de investimentos no mercado de ações.
Revista de Administração Contemporânea, v. 13, n. 2, p. 291–309, 2009.
WANG, F.; YU, P. L. H.; CHEUNG, D. W. Combining technical trading rules using particle swarm optimization. Expert Systems With Applications, v. 41, n. 6, p. 3016–3026, 2014. Disponível em: <http://dx.doi.org/10.1016/j.eswa.2013.10.032>.
WARBURTON, A.; ZHANG, Z. G. A simple computational model for analyzing the
properties of stop-loss, take-profit, and price breakout trading strategies. Computers and
Operations Research, v. 33, n. 1, p. 32–42, 2006.
ZHENG, S. X.; LI, M. Underpricing, ownership dispersion, and aftermarket liquidity of IPO stocks. Journal of Empirical Finance, v. 15, n. 3, p. 436–454, 2008.
