Framework robusto de backtest quantitativo em Julia com três estratégias implementadas: Momentum, Pairs Trading e Sazonalidade. Utiliza otimização Walk-Forward com validação estatística rigorosa.

Sistema completo de backtest para estratégias quantitativas com dados reais do mercado brasileiro. Framework modular, estatisticamente sólido e fácil de estender, com controles anti-overfitting e métricas avançadas de performance.

• Julia 1.9 ou superior
• Conexão com internet (para download de dados)

# Ativar o ambiente Julia
julia --project=.

# Executar o backtest
include("backtest_otimizado.jl")

Ou diretamente no terminal:

julia backtest_otimizado.jl

• Lógica: Crossover de médias móveis com lag adaptativo
• Parâmetros: fast=[10,20,50] e slow=[50,100,200] dias
• Características: Anti-look-ahead bias, rebalanceamento semestral
• Asset: ^BVSP (Índice Bovespa)

• Lógica: Mean reversion com z-score do spread cointegrado
• Parâmetros: z_enter=[1.5,2.0,2.5] e z_exit=[0.5,1.0]
• Características: Janela dinâmica, hedge ratio adaptativo, neutralidade de mercado
• Assets: ITUB4.SA / BBDC4.SA (Setor Bancário)

• Lógica: Explora padrões mensais baseados em performance histórica
• Parâmetros: k=[2,4,6] meses com melhor retorno
• Características: Ranking sem look-ahead bias, ciclos anuais completos
• Asset: ^BVSP (Índice Bovespa)

pq_backtests1/
├── src/
│   ├── PQBacktester.jl      # Módulo principal
│   ├── Config.jl            # Configurações e parâmetros
│   ├── Metrics.jl           # Cálculo de métricas de performance
│   ├── Costs.jl             # Modelagem de custos de transação
│   ├── Split.jl             # Divisão temporal dos dados
│   ├── Data.jl              # Carregamento e preparação de dados
│   ├── Strategies.jl        # Implementação das estratégias
│   └── Core.jl              # Motor de backtest e otimização
├── backtest_otimizado.jl    # Script de execução principal
├── Project.toml            # Dependências do projeto
└── README.md               # Este arquivo

• Weighted Sharpe Ratio ± SE: Média ponderada por split com erro padrão e p-value
• Compound Sharpe Ratio: Média geométrica mais robusta a outliers
• Newey-West Sharpe: Corrigido para autocorrelação temporal (HAC)
• Deflated Sharpe (DSR) ± SE: Penaliza múltiplos testes com significância estatística
• Adjusted Information Ratio: Calculado por split, depois agregado
• Deflated Information Ratio (DIR): IR × √DSR - penaliza baixa significância

• Média Ponderada: Evita viés de concatenação simples dos retornos
• Teste t: H₀: métrica = 0 com correção para pesos desiguais (Cochran 1977)
• Bootstrap CI: Intervalos de confiança 95% para métricas robustas
• HAC Standard Errors: Correção Newey-West para autocorrelação e heterocedasticidade

• Sharpe ± SE: *** p<0.001, ** p<0.01, * p<0.05 (significância estatística)
• Compound Sharpe: Mais estável em presença de outliers
• Newey-West: Essencial para estratégias com dependência temporal
• DSR ± SE: Robustez após múltiplos testes (Bailey & Lopez de Prado 2012)
• DIR: Métrica híbrida que combina alpha e significância estatística

• Lo (2002): Statistics of Sharpe Ratio - correções para autocorrelação
• Bailey & Lopez de Prado (2012): Deflated Sharpe Ratio methodology
• Harvey & Liu (2015): Multiple testing in finance
• Cochran (1977): Weighted mean standard errors

1. Splits Temporais: Janelas não-overlapping com embargo days
2. Grid Search: Otimização apenas em dados de treino (in-sample)
3. Validação OOS: Teste em períodos verdadeiramente out-of-sample
4. Re-otimização: Parâmetros adaptados a cada split temporal
5. Métrica Objetivo: Maximização do Sharpe Ratio anualizado

• Momentum: 24 meses treino / 6 meses teste / 3 dias embargo
• Pairs Trading: 36 meses treino / 12 meses teste / 5 dias embargo
• Sazonalidade: 24 meses treino / 12 meses teste / 2 dias embargo

• Validação de amostra mínima (60+ observações)
• Alertas para splits sem trades
• Tratamento de casos degenerados (σ=0, MDD≈0)

• Período: Janeiro 2000 - Dezembro 2024
• Frequência: Dados diários de fechamento
• Fonte: Yahoo Finance (API gratuita)
• Assets:
  • ^BVSP: Índice Bovespa (momentum e sazonalidade)
  • ITUB4.SA: Itaú Unibanco PN (pairs trading)
  • BBDC4.SA: Bradesco PN (pairs trading)

Para adicionar novas estratégias:

1. Criar a função de estratégia em Strategies.jl
2. Adicionar parâmetros em Config.jl
3. Registrar na lista de estratégias em backtest_otimizado.jl

O framework gera relatórios detalhados com:

• Resultados por Split: Performance individual de cada período de teste
• Métricas Agregadas: Sharpe, DSR, Information Ratio com significância estatística
• Resumo Comparativo: Tabela comparando todas as estratégias
• Parâmetros Utilizados: Configurações otimizadas para cada período

• Sharpe Ratio com erro padrão e p-value
• Deflated Sharpe Ratio (DSR) para penalizar múltiplos testes
• Newey-West Sharpe corrigido para autocorrelação
• Information Ratio vs benchmark apropriado
• Deflated Information Ratio (DIR) combinando alpha e significância

Sinta-se à vontade para abrir issues ou pull requests para melhorias no código ou novas funcionalidades.

Este software é fornecido apenas para fins educacionais e de pesquisa. Não constitui recomendação de investimento. Sempre realize sua própria análise antes de investir.