Um print circula numa quinta-feira à tarde. Um gráfico do Bitcoin, uma seta vermelha apontando para baixo a partir de uma máxima local, e uma legenda: nosso modelo previu essa queda. A imagem é real. A queda é real. O que falta é a única coisa que faria a alegação significar algo — uma prova de que a seta existia antes do candle.
Aquela lacuna é o assunto inteiro deste artigo. Não se a IA consegue dizer algo útil sobre o preço do Bitcoin — consegue — mas quais partes da prática sobrevivem ao confronto com um placar público e quais partes existem apenas porque ninguém verifica.
O que uma previsão de preço do Bitcoin está realmente afirmando
“O Bitcoin vai atingir um certo nível” não é uma única afirmação. São três, unidas e geralmente deixadas implícitas.
A primeira é uma direção. A segunda é uma magnitude. A terceira, aquela quase sempre omitida, é um horizonte: até quando, e medido contra qual preço de referência, em qual plataforma, usando qual convenção de timestamp. Remova o horizonte e a afirmação se torna infalsificável — cada chamada acaba estando certa se você nunca diz quando.
Uma previsão que pode ser pontuada precisa fixar os três pontos com antecedência. “A probabilidade de o BTC fechar acima de um nível especificado em um minuto UTC especificado, referenciado a um índice especificado” é uma afirmação testável. “O BTC está subindo” é um estado de espírito.
Essa distinção importa mais para o Bitcoin do que para a maioria dos ativos, porque o Bitcoin negocia continuamente entre plataformas, sem um sino de fechamento para ancorar a pergunta. Se a referência for deixada vaga, a pessoa que vai avaliar a previsão pode escolher o tick que lhe convém. Especificar a referência não é pedantismo. É o que torna o registro à prova de adversários.
O que a IA realmente faz bem no Bitcoin
Arranque as setas e há um trabalho real aqui. Machine learning faz várias coisas com dados de cripto que um analista humano não consegue fazer nem tão rápido nem em escala.
Detecção de regime. Mercados não têm um único comportamento; eles têm vários, e eles mudam. Um período de baixa volatilidade realizada com faixas apertadas e com reversão à média se comporta de um jeito nada parecido com uma reversão/“desmanche” de tendência, de alta volatilidade. Modelos de Markov ocultos, clustering em janelas móveis de características e modelos de sequência são genuinamente úteis para rotular em que regime a fita atual se parece. Esse rótulo não te diz o próximo preço. Ele te diz qual distribuição de preços futuros é plausível — uma afirmação muito mais fraca, e muito mais honesta.
Estimativa de volatilidade. Esta é a aplicação mais defensável de todo o campo. A volatilidade é persistente de um jeito que os retornos não são: períodos calmos se agrupam, períodos violentos também. Modelos que ingerem volatilidade realizada, superfícies implícitas, taxas de funding e open interest podem gerar faixas prospectivas úteis. Prever quão larga será a distribuição é um problema diferente e muito mais tratável do que prever onde o centro dela vai cair.
Leitura do fluxo de ordens. Desbalanceamento na ordem book, autocorrelação do sinal de negociação, a profundidade que aparece e desaparece em torno de números redondos, o ritmo das liquidações — tudo isso é mensurável e carrega informação de curto horizonte. A informação se dissipa rápido, frequentemente de segundos a minutos, e é combatida de forma agressiva. Mas existe, e máquinas a leem melhor do que pessoas.
Dados on-chain. O Bitcoin é incomum por ser um razão público. Distribuições de “moeda-idade”, entradas e saídas em exchange, saldos de mineradores, a parcela da oferta que não se move há anos — são características estruturais que nenhum analista de ações obtém. São sinais lentos, mais adequados para descrever a composição dos detentores do que para cronometrar qualquer coisa. Tratados como contexto, são valiosos. Tratados como gatilhos, na maior parte das vezes geram falsos alarmes.
Digestão de notícias em escala. Modelos de linguagem podem ler cada arquivo, comunicado regulatório, anúncio de exchange e mudança de protocolo no tempo que uma pessoa levaria para ler um só, e podem transformar esse fluxo em características estruturadas: o que aconteceu, com quem, e o quão incomum isso é em relação à taxa-base. Isso é uma alavancagem genuína no lado de entrada de uma previsão.
Repare no que cada item daquela lista tem em comum. Todos eles melhoram a descrição da incerteza. Nenhum deles produz um preço.
O que a IA não consegue fazer, não importa quão grande seja o modelo
Ela não consegue te dizer o preço do Bitcoin na próxima terça-feira.
Não porque os modelos sejam pequenos demais, ou os dados muito escassos, ou as características ainda não sejam inteligentes o suficiente. É porque o preço é definido por um mercado líquido e adversarial, no qual todo participante com uma previsão que funciona já está negociando com ela. O que quer que seja conhecível e lucrativo está sendo incorporado continuamente por pessoas com capital, vantagens de latência e seus próprios modelos. Nenhum método vence consistentemente um mercado líquido, e qualquer um prometendo isso está vendendo alguma coisa.
O que sobra ainda vale a pena ter: incerteza melhor calibrada, reconhecimento mais rápido de em que estado o mercado está, estimativas disciplinadas de o quão grande pode ser o próximo movimento. Essas são contribuições reais. Elas não são chamadas de preço, e qualquer sistema que as apresente como chamadas de preço saiu da área de previsão e entrou na de desempenho.
O teatro é fácil de identificar quando se conhece a forma. Previsões pontuais sem intervalo. Horizontes que mudam depois do fato. Exemplos selecionados sem denominador. Confiança que nunca varia com a dificuldade da questão. Um histórico composto inteiramente pelos casos que funcionaram.
Calibrada vence confiança: o caso das probabilidades
A alternativa a um número confiante não é um hedge. É uma probabilidade que foi testada.
Um previsor que diz 70% deve estar certo cerca de setenta por cento do tempo em todas as ocasiões em que disse 70%. Isso é calibração, e é mensurável — mas apenas ao longo de uma série completa, incluindo toda previsão que deu errado. Uma previsão não te diz nada. Cem, todas registradas com antecedência, te contam muito.
Regras de pontuação adequadas são como a medição é feita. A pontuação de Brier e o log-loss compartilham uma propriedade que os torna difíceis de trapacear: ambos são minimizados ao reportar sua crença verdadeira. Exagerar a certeza é punido mais severamente do que estar errado enquanto se mantém adequadamente incerto. Um previsor que diz 95% e erra recebe uma pontuação muito pior do que alguém que disse 60% e errou. Sob uma regra de pontuação adequada, bravata é um custo, não um ativo de marketing.
É por isso que uma saída probabilística não é um produto mais fraco do que uma meta de preço. É a única saída que pode ser avaliada de alguma forma.
Por que um backtest não é evidência
Todo modelo tem um bom backtest. É para isso que existe um backtest.
Os dados históricos são fixos e finitos, e o pesquisador é um ser humano que já os viu. As escolhas se acumulam em silêncio: qual janela, quais características, qual normalização, quais exclusões para períodos “anômalos”, quantas variantes foram testadas antes de uma parecer limpa. Mesmo com total integridade, o processo se encaixa no passado — e o passado é o único conjunto de dados garantidamente que não vai se repetir.
A cripto complica isso. A microestrutura do mercado mudou repetidamente conforme plataformas, instrumentos, custódia e participantes mudaram. Um modelo ajustado em uma era estrutural anterior frequentemente está sendo testado em um mercado que já não existe.
O único teste que não é contaminado é o out-of-sample no sentido estrito: a previsão é feita antes do resultado, publicada antes do resultado e não pode ser revisada depois. Isso é uma afirmação bem menor do que um backtest, chegando muito mais devagar. E também é o único tipo que conta.
Como fica uma previsão de BTC trancada, com hash e pontuada publicamente
Aqui está o mecanismo, na ordem.
A previsão é escrita completa antes do evento: a pergunta, o preço de referência e a plataforma, o exato tempo de resolução em UTC, a probabilidade e o raciocínio que a produziu. Nada fica implícito, porque qualquer coisa implícita pode ser reinterpretada depois.
A seguir, esse documento é transformado em hash com SHA-256. O hash é uma impressão digital de tamanho fixo — mude um único caractere da previsão e a impressão digital muda completamente. Publicar o hash compromete-se com o conteúdo sem necessariamente revelá-lo ainda.
O hash é ancorado na blockchain do Bitcoin usando OpenTimestamps, o que prova que a impressão digital existia não mais tarde do que um bloco específico. Há uma simetria agradável em usar o próprio razão/registro contábil do Bitcoin para fazer timestamp de afirmações sobre o preço do Bitcoin: a mesma propriedade que torna a cadeia útil como camada de liquidação — cara, pública, difícil de reescrever — também a torna útil como um notário.
Quando chega o tempo de resolução, o resultado é registrado contra a referência previamente estabelecida e pontuado com uma regra de pontuação adequada. O resultado vai para o mesmo razão público que todo o resto. Não é uma seleção. Tudo — as chamadas que acertaram e as que não acertaram, no mesmo tamanho, no mesmo lugar.
É nessa última parte que a maioria dos históricos falha silenciosamente. Um ledger com editor é um folheto.
Nada disso torna uma previsão correta. Isso a torna verificável, que é a única propriedade que separa um método de previsão de um screenshot com uma seta apontando. O modelo pode ser sofisticado ou simplório; é o timestamp que permite descobrir qual.
Conteúdo educacional — não é conselho financeiro.
Publicado originalmente em neuportal.ai/blog/how-ai-forecasts-the-bitcoin-price