No machine learning para mercados financeiros há um problema que pode tornar até um backtest muito atraente pouco confiável: o modelo pode acidentalmente receber informações que ainda não existiam no momento em que a decisão foi tomada.

Cobrimos esse tópico separadamente para um público geral, em um artigo que explica em linguagem simples o que é o vazamento temporal de dados, por que dividir o histórico em um período de treinamento e um período de teste às vezes não é suficiente por si só, e por que os dados point-in-time importam — ou seja, dados na forma em que genuinamente estavam disponíveis naquele momento histórico.

A versão em inglês dessa explicação detalhada, "Why a Trading AI Bot Can Accidentally “Know the Future” — and How to Prevent It", está publicada no Medium.

Para a Tantoryn AI, esse tópico tem consequências práticas.

Enquanto preparávamos os dados e validávamos o sistema de ML, revisitamos adicionalmente o princípio que determina quando uma informação se torna visível para um modelo. Para que um experimento histórico seja correto, o que importa não é apenas a data à qual um valor se refere, mas também quando esse valor poderia genuinamente ter sido conhecido pelo sistema.

Isso é especialmente importante para dados que são publicados com atraso, podem ser revisados posteriormente, ou são calculados sobre um período que ainda não se fechou.

Por isso, ao preparar dados históricos, seguimos uma regra simples:

se a informação ainda não existia no momento da decisão, o modelo também não deve vê-la no teste histórico.

Essa abordagem pode tornar os resultados menos impressionantes no papel, mas ao mesmo tempo torna a validação do sistema mais rigorosa e mais próxima das condições reais.

Para a Tantoryn AI, isso faz parte de um princípio de desenvolvimento mais amplo: primeiro garantir que o próprio experimento esteja construído corretamente, e só então julgar a qualidade do machine learning.

Continuamos aplicando essa abordagem à medida que preparamos os dados e validamos ainda mais os componentes de ML do projeto.