Como identificar overfitting num backtest: 5 sinais de alerta

Você já viu um robô com 300 % de rentabilidade em backtest, mas que perde dinheiro em conta real? Isso é overfitting: quando o algoritmo decora o passado ao invés de aprender padrões reais.

No Spider, **a maior parte das estratégias exibe o drawdown máximo e o período de validação fora da amostra exatamente para evitar essa armadilha**. Mas, se você testar seus próprios robôs, precisa saber identificar os sinais de alerta.

---

## 1. Curva de equity "perfeitinha" sem quedas

**Sinal**: linha reta pra cima, zero drawdowns.

**Por que é perigoso**: mercados reais têm ruído. Ausência total de perdas indica que o modelo foi "afinado demais" para dados históricos.

**Como checar no Spider Robôs**: abra o backtest e habilite a visualização "Drawdown ao vivo". Overfitting aparece como um platô plano impossível.

---

## 2. Sharpe ratio acima de 3,0 em períodos longos

**Sinal**: Sharpe > 3,0 em mais de 5 anos de dados.

**Contexto**: estratégias robustas raramente sustentam Sharpe acima de 2,5 sem alavancagem excessiva. Valores mirabolantes costumam desaparecer no teste fora da amostra.

**Dica prática**: no Spider Marketplace, filtre por Sharpe entre **1,2 e 2,5** para equilibrar risco e retorno histórico.

---

## 3. Muitos parâmetros vs. poucos dados

**Sinal**: mais de 5 parâmetros otimizados em menos de 5.000 candles.

**Regra de ouro**: mínimo 1.000 candles por parâmetro ajustado. Menos que isso = overfitting quase certo.

**Ferramenta Spider**: use o "Otimizador de IA" que mostra o **índice de complexidade** (parâmetros/dados). Vermelho = alto risco de overfitting.

---

## 4. Performance explode só em sub-seleção de ativos

**Sinal**: lucro concentrado em 2-3 ativos ou períodos muito curtos.

**Teste rápido**: troque o ativo principal por outro correlato. Se o retorno despencar, desconfie.

No Spider, você pode rodar **Paper Trading** com o mesmo robô em 5 ativos diferentes. Diferenças drásticas entre eles indicam ajuste excessivo.

---

## 5. Resultados fora da amostra caem drasticamente

**Sinal**: rentabilidade cai 50 % ou mais quando você testa em dados que o modelo "nunca viu".

**Metodologia Spider recomendada**: - 70 % dos dados para treino - 20 % para validação (ajuste de parâmetros) - 10 % final para teste fora da amostra (nunca tocado durante o desenvolvimento)

Você pode configurar isso automaticamente no módulo **Robôs de IA** marcando a opção "Validação Walk-Forward".