64,2% dos Day Traders Perderam Dinheiro — Uma Máquina Inspirada em Mosca da Fruta os Superou, mas o Mercado Ainda Venceu

Estudos históricos mostram que a maioria dos day traders tem dificuldades após os custos. Um sistema inspirado na rede neural de mosca da fruta trouxe disciplina e repetibilidade — mas ainda ficou atrás da estratégia de compra e manutenção em três de quatro ativos.

Day traders já enfrentam probabilidades brutais: em uma amostra dos EUA, 64,2% perderam dinheiro após as comissões.^[1] Em Taiwan, menos de 1% da população mais ampla de day traders obteve consistentemente retornos anormais positivos após as taxas.^[2] Nesse contexto, uma máquina inspirada parcialmente na rede neural de mosca da fruta parece surpreendentemente respeitável. Ela seguiu regras fixas em SPY, GLD, QQQ e Apple e evitou a tomada de decisão emocional que pode desestabilizar os humanos. Contudo, no objetivo de risco‑ajustado atribuído ao período comum do estudo, ficou atrás da simples compra e manutenção em três de quatro ativos. A questão não é que uma mosca superou um humano; é que mesmo um sistema de negociação disciplinado e exótico não conseguiu provar que era melhor do que simplesmente possuir o mercado.

Por que a Linha de Base Humana é Tão Fraca

A evidência dos EUA é feia antes mesmo da máquina entrar na sala. Em uma amostra de 324 traders, apenas 35,8% terminaram com lucros líquidos positivos, enquanto 64,2% perderam dinheiro após as comissões. O trader médio passou de mais de US$ 8.000 de lucro bruto para cerca de US$ 750 de perda quando os custos de transação foram contabilizados.^[1] Taiwan descobriu que alguns traders claramente tinham habilidade, mas menos de 1% da população mais ampla de day traders obteve consistentemente retornos anormais positivos líquidos de taxas.^[2]

O Brasil foi ainda mais severo. Entre 1.551 pessoas que continuaram negociando futuros de ações por mais de 300 dias, 97% perderam dinheiro líquido de taxas; apenas 1,1% ganharam mais que o salário mínimo brasileiro e 0,5% ganharam mais que o salário inicial de um caixa de banco.^[3] Se o experimento for “escolher um day trader aleatoriamente”, a história já carregou os dados. O humano aleatório pode ser talentoso. As probabilidades simplesmente dizem para não apostar o aluguel nele.

O que o Sistema da Mosca da Fruta Realmente Fez

A estratégia automatizada usou uma arquitetura recorrente derivada parcialmente do conectoma masculino de Drosophila — um mapa das conexões neurais em uma mosca da fruta — juntamente com sinais de momentum, volatilidade e memória engenheirados. Não pensava como um inseto, e não era uma pequena mosca digital gritando “comprar QQQ”. Sua vantagem prática foi muito menos cinematográfica: as regras de risco foram fixadas antecipadamente. Não entrou em pânico após uma perda, não perseguiu um ganho, não ficou entediado, nem decidiu que uma ação “parecia barata”.

Essa disciplina não foi suficiente para superar um benchmark simples. No objetivo de risco‑ajustado atribuído ao estudo, o sistema derivado da mosca registrou cerca de 13,3% abaixo da compra e manutenção para SPY, 46,3% abaixo para GLD e 48,3% abaixo para QQQ. A Apple foi o único ponto positivo, com aproximadamente 1,6% acima da compra e manutenção nessa medida. Nos quatro ativos, a máquina teve, em média, cerca de 48,8% de exposição ao mercado, 12,56 vezes de rotatividade e um índice máximo de drawdown absoluto de 7,55%. Engenharia interessante? Sim. Prova de vantagem de mercado? Não.

Por que Isso Importa

Nenhum concurso sincronizado humano‑contra‑mosca ocorreu. Esses números são uma comparação histórica, não prova de que a máquina superaria um trader selecionado aleatoriamente em uma competição ao vivo. Os estudos humanos cobrem diferentes mercados, períodos e instrumentos, enquanto os resultados da mosca provêm de um exercício de pesquisa separado.^[1][2][3] Essa limitação importa porque uma manchete engraçada não substitui um desenho experimental.

A conclusão útil é mais restrita. Humanos podem perder vantagem devido a custos, emoção, excesso de confiança e tomada de risco inconsistente. Máquinas podem eliminar grande parte desse comportamento e ainda executar uma estratégia que simplesmente não é boa o suficiente. A complexidade pode fazer um sistema de negociação parecer inteligente sem torná‑lo economicamente superior. A lição mais irritante de Wall Street pode também ser a mais simples: o benchmark entediante é difícil de superar.

O que Deve Acontecer Agora

Este é um problema de pesquisa solucionável. O próximo passo é um experimento prospectivo, pareado, em vez de outra comparação retrospectiva.

1. Selecione o humano antes de iniciar a negociação.
2. Forneça o mesmo mercado a ambas as partes. Use o mesmo universo SPY, QQQ, GLD e Apple, capital inicial, limites de alavancagem, horário de negociação, preços, regras de venda a descoberto e suposições de custos de transação.
3. Conduza o concurso por cerca de um ano de negociação. Use aproximadamente 252 sessões de mercado e registre custos, slippage, rotatividade, drawdowns, exposição ao mercado e mudanças de regras desde o início.

O Resultado que Wall Street Pode Mais Apreciar

Um teste justo poderia terminar com o humano vencendo, a mosca vencendo, ou ambos sendo superados pela compra e manutenção. O terceiro resultado seria o mais engraçado e talvez o mais útil. Mostrar‑ia que nem a intuição humana nem a arquitetura neural exótica criam automaticamente uma vantagem quando custos e risco são contabilizados. Day traders não precisam temer moscas da fruta. Eles precisam temer probabilidades desfavoráveis, custos ocultos e estratégias cuja complexidade supera suas evidências.

Referências:

<sup>1. Jordan, D. J., & Diltz, J. D. (2003). A rentabilidade dos day traders. Financial Analysts Journal, 59(6), 85–94. https://doi.org/10.2469/faj.v59.n6.2578
2. Barber, B. M., Lee, Y.-T., Liu, Y.-J., & Odean, T. (2014). A seção transversal da habilidade dos especuladores: Evidências do day trading. Journal of Financial Markets, 18, 1–24. https://doi.org/10.1016/j.finmar.2013.05.006
3. Chague, F., De-Losso, R., & Giovannetti, B. (2020). Day trading como profissão? (FGV EESP Working Paper No. 525; CEQEF Working Paper No. 57).</sup>