Pitch: o que aprendi testando estratégias de cripto no Android
Sou desenvolvedor do Crypto AI. Quero compartilhar três decisões de implementação que mudaram o resultado dos backtests e a forma de apresentar os dados no app.
1. Separar a seleção da avaliação. Usei dados de 2022 a 2024 para selecionar os candidatos e deixei os dados de 2025 em diante para avaliação. Agrupei as combinações por ideia, intervalo e direção. Para diminuir a chance de escolher um pico isolado, a pontuação também considerou a média dos parâmetros vizinhos de stop e alvo. Testei mais de 120 mil combinações no total. O catálogo atual tem 53 estratégias de 4 horas, 12 horas e um dia.
2. Definir o que acontece dentro de uma vela. O sinal usa a vela fechada e a entrada é simulada na abertura seguinte. Quando o stop e o alvo são tocados dentro da mesma vela, o simulador assume que o stop foi atingido primeiro. Modelei 0,25% de custo por operação completa, somando taxas e slippage. Na primeira rodada, as ideias de 15 minutos e 1 hora ficaram abaixo do critério depois dos custos.
3. Mostrar onde a estratégia sofreu. Na tela de detalhes, coloquei a curva de capital, o drawdown máximo, a maior sequência de perdas e os resultados por moeda ao lado do retorno. Também testei usar um prompt de IA como filtro dos sinais e não encontrei uma melhora clara na avaliação. No app, as regras calculam entrada, stop e alvo, enquanto a IA resume notícias com links para as fontes e descreve cenários e riscos.
O Crypto AI está no Google Play. Para quem já construiu um simulador com dados OHLC, que regra vocês usam quando o stop e o alvo aparecem tocados na mesma vela? Já compararam essa regra com a reconstrução do caminho usando dados de um intervalo menor?
Texto preparado com apoio de IA a partir do relatório técnico do projeto.