Perspectivas sobre tecnologias subjacentes à IA e estratégias financeiras
Artigos práticos sobre análise de instrumentos, modelos preditivos e as decisões reais que surgem quando supervisionamos máquinas para interpretar mercados.
Artigos do blog
Por Que a Regressão Linear Falhou nos Meus Dados Financeiros
14 meses de experimentos revelando onde a modelagem clássica quebra em finanças
Uma análise honesta de 14 meses tentando prever retornos com regressão linear — e o que os erros ensinaram sobre as tecnologias subjacentes à IA aplicadas a séries temporais financeiras.
Random Forest em Classificação de Crédito: Três Erros que Custam Caro
Análise de falhas reais em pipelines de machine learning para análise de risco
Quem já tentou usar Random Forest para análise de crédito sabe que o modelo parece funcionar — até o momento em que os dados reais chegam. Aqui está o que vai errado e por quê.
Quando o entusiasmo custa caro: o que aprendi perdendo dinheiro em startups
Um guia passo a passo para investidores céticos que querem entender startups sem romantismo
Uma análise honesta sobre investimentos em startups, com erros reais, dados concretos e um guia passo a passo para quem ainda desconfia desse mercado.
SVM para Detecção de Fraude Financeira: O Que a Maioria Não Menciona
Por que SVM degrada em produção e o que fazer quando isso acontece
Support Vector Machines aparecem em todo benchmark de detecção de fraude. Mas os benchmarks usam condições que raramente existem em produção. Aqui está o que muda quando os dados são reais.
Redes Neurais para Previsão de Inadimplência: Diagnóstico de Uma Falha Real
O que uma rede com 4 camadas ocultas não conseguiu aprender sobre inadimplência
A rede neural tinha 4 camadas ocultas e dados de 380 mil clientes. O modelo foi descartado após 3 meses. Uma análise técnica do que aconteceu — sem omitir as decisões que levaram ao fracasso.
Métodos Ensemble em Análise de Portfólio: Quando a Complexidade Atrapalha
Por que combinar 7 modelos produziu resultados piores do que usar apenas 1
Combinar 7 modelos parecia a solução definitiva para análise de portfólio. O ensemble superou cada modelo individual no treino — e perdeu para todos eles fora da amostra. Uma análise do que deu errado.
Análises em destaque
LSTM para Previsão de Preços de Ações: O Que Funciona e O Que Não Funciona
Um estudo de caso analítico sobre o uso de redes LSTM em estratégias financeiras de previsão de preços, com prós e contras claros.
Redes Neurais na Previsão de Commodities: Estudo de Caso com Soja e Petróleo
Análise prática do uso de deep learning para prever preços de commodities agrícolas e energéticas, com avaliação honesta dos limites do método.
Modelos Transformer Aplicados à Renda Fixa: Caso Prático com Títulos Públicos
Estudo de caso sobre o uso de arquiteturas Transformer para prever variações de preços em títulos do Tesouro Direto, com análise de vantagens e limitações.
Deep Learning para FIIs: Um Experimento Pessoal com Dados Públicos
Relato analítico de um experimento com redes neurais para prever preços de fundos imobiliários, incluindo o que surpreendeu e o que decepcionou.
AutoML para Previsão de Preços no Varejo: Caso Real com Dados de E-commerce
Análise de um caso prático onde ferramentas de AutoML baseadas em deep learning foram usadas para prever variações de preços em categorias de e-commerce brasileiro.
Redes GRU e Ações de Pequenas Empresas: Quando o Modelo Aprende Pouco
Estudo de caso sobre as limitações do deep learning na previsão de preços de small caps brasileiras, com reflexão honesta sobre o que os dados escassos fazem com os modelos.
O que abordamos aqui
Análises de instrumentos financeiros com base em tecnologias subjacentes à IA — sem atalhos, sem promessas vagas.
Modelos de classificação aplicados
Regressão logística, árvores de decisão e SVM explicados com exemplos de séries temporais de ativos reais. Cada técnica tem um contexto onde funciona melhor.
Estratégias financeiras com fundamento técnico
Análises que partem dos dados brutos e chegam a conclusões verificáveis. Abordamos análise de instrumentos de renda variável e renda fixa com métodos de aprendizado supervisionado documentados passo a passo.
Tecnologias subjacentes à IA, sem abstrações
Redes neurais rasas, gradient boosting e pipelines de feature engineering descritos com clareza suficiente para quem quer implementar, não apenas entender.
Sessões individuais de coaching analítico
Para quem quer aplicar técnicas de aprendizado supervisionado na análise de instrumentos financeiros com acompanhamento direto. As sessões partem do seu nível atual e do contexto específico dos dados que você já tem.
Ver sessões de coaching