Na plataforma de contratos da Binance, a Haoying Capital (@thankUcrypto) é um trader de sinais que atrai muita atenção e gera controvérsias. Em entrevistas públicas, contou que começou com 3.000 U, viu sua conta cair para 1.700 U e depois conseguiu se reerguer com 10.000 U. A frase “pise fundo no acelerador nas retas e freie a tempo nas curvas” ficou conhecida entre muitos traders.

Mas o que se diz publicamente e os registros reais de transações de uma conta muitas vezes diferem. Este artigo se baseia em 29 dias de registros de operações reais, de 18/09/2026 a 10/11/2026 (851 execuções individuais de abertura e encerramento e 28 posições já encerradas), para analisar, com base em dados reais de transações, todo o seu sistema de trading, seus hábitos de gestão de posições, sua lógica de lucro e os riscos ocultos.

I. Não é totalmente manual nem totalmente quantitativo: um modelo híbrido de decisões subjetivas e execução automatizada

Muitas pessoas o classificam simplesmente como um trader manual e subjetivo, mas os registros mostram que ele adota um modelo híbrido de trading:

1. Posições grandes nas principais operações (ETH/BTC e tokens de ações dos EUA): direção definida por julgamento subjetivo e execução semiautomática em etapas

ETH e BTC são os principais mercados. O valor nocional de cada operação costuma variar de centenas de milhares a alguns milhões de USDT. As entradas são distribuídas ao longo de algumas dezenas de minutos, e as posições são mantidas principalmente em operações de swing. As operações se concentram no período noturno do mercado americano (das 22h às 3h, horário de Pequim), um padrão típico de quem acompanha o mercado manualmente.

2. Ativo específico (ZAMA): estratégia de grid totalmente automatizada

Nas operações com ZAMA, houve até 26 execuções em um único minuto, com muitas ordens minúsculas de 6 a 17 U. As ordens eram colocadas rigorosamente em níveis de preço escalonados. Em dois dias, foram acumuladas 663 ordens de grid, gerando 75 mil U em lucros ao aproveitar repetidamente os diferenciais de preço. É totalmente impossível executar manualmente tantas ordens minúsculas.

Em resumo: a pessoa escolhe as moedas, define a direção e o tamanho total da posição; o programa se encarrega de colocar as ordens em etapas; quando surge uma nova moeda adequada, basta iniciar o robô de grid para buscar arbitragem.

II. Preferências por moedas: as principais criptomoedas como foco, rotação temática e tokens de ações como diferencial

Distribuição do capital nocional em 28 posições:

- ETH representa sozinho 53,6%, e BTC, 19,4%. Juntas, as duas principais criptomoedas concentram 73% do capital e são a principal fonte de lucro. Durante o período observado, as operações tenderam a posições vendidas em ETH e BTC;

- Altcoins de narrativas: ZEC, uma moeda de privacidade; ONDO (RWA); e PEPE, uma memecoin. A maioria das operações buscava aproveitar movimentos de recuperação por meio de posições compradas;

- Alocação diferenciada: muitos tokens de ações dos EUA (NVDA, MU, da Micron, SNDK, do setor de armazenamento, entre outros), além de posições em contratos de petróleo bruto CL. Como não acompanham totalmente os movimentos do mercado de criptomoedas, servem para proteger a carteira.

Ele é um típico trader de rotação temática: ao longo de 29 dias, operou 14 ativos diferentes, alternando de tema aproximadamente a cada 2 dias, sem manter por muito tempo uma cesta fixa de moedas.

III. Gestão de posições: rompendo com a ideia de “testar com uma posição pequena” — a primeira ordem já é uma posição pesada, equivalente à metade do total

Este é o aspecto dessa abordagem que mais contraria a intuição dos investidores de varejo.

A maioria dos traders costuma testar o mercado com posições pequenas e só aumentar a posição depois que a tendência é confirmada. Mas, segundo as estatísticas de 26 posições correspondentes:

Em média, a primeira ordem representa 45% do tamanho final da posição; em apenas 16% das posições, a primeira ordem corresponde a menos de 20% do total.

Processo real:

✅ A primeira ordem já abre uma posição próxima da metade do tamanho total; depois, entre algumas dezenas de minutos e um dia, são adicionadas mais 1 a 3 ordens, até completar a posição total;

✅ As entradas se concentram em uma faixa de preço muito estreita. Por exemplo, as 4 ordens de venda de ETH tiveram preços de entrada com diferença de apenas 0,25%. As entradas são escalonadas dentro dessa faixa, sem perseguir altas ou vender em quedas;

✅ Limite rígido de posições simultâneas: no máximo 2 posições abertas ao mesmo tempo, sem espalhar operações por todo lado. O valor nocional mediano das posições é de 2,08 milhões de U, e a maior posição individual é de 14,17 milhões de U.

O estilo de encerramento das posições também é direto: ao atingir a meta de lucro, todas as posições são fechadas de uma vez, em um minuto; quando o stop-loss é acionado, também se encerra tudo de uma vez, sem manter uma posição residual e suportar perdas. Caso típico: uma posição comprada em MU deu prejuízo e as duas ordens foram totalmente encerradas em menos de um minuto, sem prolongar a operação e suportar perdas não realizadas. O período de manutenção das posições corresponde a operações de swing: a mediana é de 22,4 horas, e a maioria das operações dura de 5 horas a 2 dias; não se trata de trading intradiário de alta frequência.

IV. Estrutura de lucros e perdas: alta taxa de acerto, mas baixa relação risco-retorno — é aí que o risco fica escondido

Amostra observada: 28 posições encerradas:

- Taxa de acerto: 71,4% (20 operações lucrativas e 8 com prejuízo)

- Relação risco-retorno: 0,70; fator de lucro: 1,75

- Lucro médio: 99,9 mil U; perda média: 142,7 mil U

Ponto-chave: há mais operações vencedoras, mas cada perda individual é maior. Os ganhos vêm da combinação de uma alta taxa de acerto com posições enormes, e não de uma relação risco-retorno elevada, com “pequenas perdas e grandes ganhos”.

O lucro total registrado em 29 dias foi de +856 mil U, mas, durante esse período, ocorreram três grandes perdas que somaram 816 mil U, quase eliminando todo o lucro do mês.

Em outras palavras: basta uma sequência de 2 a 3 grandes perdas para devolver com facilidade os ganhos acumulados ao longo de bastante tempo. Esse é o maior ponto fraco da estratégia, que depende extremamente da disciplina no uso do stop-loss. Em uma entrevista pública, ele também mencionou que, no início, por não executar os stops adequadamente, sua conta chegou a cair para apenas 1.700 U.

Três fontes de lucro

1. Operações de swing com as principais criptomoedas (ETH/BTC): principal contribuição da estratégia; posições grandes para buscar oscilações de 5% a 7%. A maior operação individual foi uma venda de ETH que rendeu 942 mil U;

2. Ativos de narrativas em recuperação: moedas de privacidade, RWA e tokens de ações; posições médias para aproveitar movimentos temáticos, com ganhos de dezenas de milhares de U por operação;

3. Robô de grid para novas moedas: muitas ordens pequenas aproveitam os diferenciais de preço; o ganho por operação é baixo, mas o lucro se acumula com o volume de execuções.

V. Tentativa de reproduzir a estratégia: destilação da amostra, dos registros de operações a um script quantitativo

Analisar o comportamento é apenas o primeiro passo. Atualmente, estou usando o Codex para destilar os padrões de comportamento dessa amostra de operações: transformar todos os registros de abertura e encerramento, características das posições, regras de entrada e saída, horários e lógica de seleção de moedas em um conjunto de dados SQL estruturado. Depois, com base nesse conjunto, vou desenvolver um script de trading quantitativo que possa ser submetido a backtests.

O trabalho está agora na etapa de organização dos dados e extração das regras. O trading manual mistura julgamentos subjetivos, por isso é muito difícil reproduzi-lo integralmente. Quando o script estiver pronto, compartilharei os resultados do backtest e o desempenho da simulação em tempo real para avaliar como essa lógica de trading híbrida se comporta quando executada por um programa.

Expectativa realista: é difícil destilar em código, com 100% de fidelidade, a escolha subjetiva do momento de entrada e a avaliação de narrativas. Um backtest com bons resultados não significa que a estratégia funcionará no mercado real; os resultados futuros serão compartilhados apenas para fins de pesquisa técnica.

VI. O que pode servir de referência e o que não deve ser copiado diretamente

✅ 6 práticas de execução que vale a pena aprender para traders comuns

1. Primeiro defina a direção geral e, depois, escolha os ativos: as principais criptomoedas indicam a tendência geral; altcoins e ativos mais voláteis são complementares;

2. Abra posições em etapas dentro de uma faixa estreita: entre no mercado em 2 a 4 ordens, próximo aos suportes e resistências (±0,3%), em vez de entrar com a posição inteira de uma vez;

3. Evite diversificar em excesso: não mantenha muitas posições simultâneas; concentre-se em poucas oportunidades;

4. Aplique o stop-loss sem hesitar: se um nível-chave for rompido, não mantenha parte da posição esperando uma recuperação; saia do mercado com decisão;

5. Realize os lucros com firmeza: ao atingir o preço-alvo, encerre as posições de uma vez, sem tentar capturar o último pedaço da alta;

6. Defina claramente o período de manutenção da posição: estabeleça limites de tempo para suas operações e não mantenha posições indefinidamente.

❌ O que as pessoas comuns devem evitar copiar diretamente

1. A enorme diferença no tamanho das posições: essa estratégia de operar com posições grandes se baseia em um capital de milhões de U. O mesmo stop-loss de 5% representa uma retração normal para um grande investidor, mas pode causar um estrago enorme em uma conta pequena;

2. O risco inerente à baixa relação risco-retorno: uma taxa de acerto de 71% parece ótima, mas algumas perdas consecutivas podem causar uma retração muito acentuada na conta;

3. O grid de ZAMA é produto de uma situação específica: combinado com execução automatizada e a liquidez de uma nova moeda, o grid manual pode facilmente acabar comprando ativos que ninguém mais quer;

4. A amostra de dados é limitada: no momento, são apenas 28 posições encerradas, o que limita a confiabilidade estatística. A taxa de acerto e o fator de lucro representam apenas este mês e não podem ser considerados uma capacidade estável no longo prazo; ainda é preciso validá-los com amostras de diferentes ciclos de mercado.

#熬鹰资本 #量化交易