Estatstica, astrologia e previso cientfica do futuro

Por Hindemburg Melo Jr.

Por recomendao do amigo Jos Celso, comecei a escrever artigos mais didticos e destinados ao pblico sem formao em Exatas. Este ser o primeiro artigo desta srie. Se por um lado o contedo ser menos denso, por outro ser mais fcil de digerir, mas isso exigir textos mais longos, com divagaes mais extensas para explicar alguns conceitos. Quando se fala em prever o futuro, muitas pessoas pensam em astrologia, videntes etc., e isso faz com que alguns criem uma imediata averso ideia. Porm h basicamente duas maneiras de se tentar prever o futuro: com o uso de Cincia e sem o uso de Cincia. A astrologia um exemplo fracassado sem o uso de Cincia, ao passo que a Astronomia um exemplo muito bem sucedido com o uso de Cincia. O fracasso no uso da astrologia foi tamanho que, nas ltimas dcadas, os astrlogos mudaram seu discurso e reformularam a prpria finalidade milenar da astrologia. Agora no alegam mais que podem prever o futuro com base na astrologia; dizem apenas que usam a astrologia para dar conselhos com base na personalidade das pessoas, e que a personalidade definida pela posio que ocupavam os astros no momento que a pessoa nasceu. No importa muito qual o papel que tentam atribuir astrologia, ela continua falhando dramaticamente, porque no possui qualquer teor cientfico. Tar, quiromancia, grafismo, numerologia, astrologia etc. fazem parte de uma mesma classe de mtodos imprprios para se tentar prever o futuro, ou para qualquer outra finalidade que se alegue que possam ter. Previses cientficas se distinguem das no-cientficas (ou pseudocientficas) por uma srie de caractersticas, entre as quais a mais fundamental que a Cincia possibilita submeter suas previses a testes estatsticos e, assim, verificar se os resultados esto dentro de certos limites esperados. Na poca Galileu e Francis Bacon e, inclusive mais tarde, com Hume, uma teoria era considerada cientfica se pudesse ser verificada empiricamente. Porm este conceito foi reformulado por Popper, de quem George Soros foi discpulo. Para Popper, uma teoria cientfica precisa ser falsevel, isto , alm de ser possvel verificar se ela uma boa representao da realidade sensciente, necessrio que, no caso de ela ser falsa, seja possvel mostrar que ela falsa por meio de testes lgicos e quantitativos. Precisa ser possvel testar a possibilidade de ela ser falsa e ela precisa sobreviver ao teste, para que seja considerada cientfica. Sob este ponto de vista, teorias como a psicanlise ou o marxismo, por exemplo, no so cientficas. Uma teoria como a o Geocentrismo, por exemplo, cientfica e errada. Ela cientfica porque pode ser testada e falseada, e errada porque o resultado do teste mostra que ela no pode ser uma boa representao da realidade sensciente, pois no pode explicar as variaes nos tamanhos aparentes e brilhos de Vnus e Marte, no prev e no explica a paralaxe estelar, no explica e no compatvel com o efeito Coriolis, entre outros problemas que foram a descart-la. diferente da psicanlise, por exemplo, que no se pode classificar como errada ou falsa simplesmente porque ela no falsevel, situando-a num nvel abaixo do geocentrismo, praticamente no mesmo nvel de fico literria, que no deixa de ter seus mritos como obra criativa, engenhosa etc., mas no tem nenhum valor como tentativa de representao da realidade, de fenmenos ou de processos do mundo sensciente.

No Mercado Financeiro, so muito raros os casos de previses cientficas. Para que um mtodo seja cientfico, ele precisa ser testvel, reprodutvel e falsevel. H diferentes maneiras de se testar um mtodo. De modo geral, mtodos automticos so muito mais fceis de testar, porque se pode assegurar que os critrios esto sempre sendo seguidos risca ao longo de toda a srie histrica, enquanto mtodos manuais esto sujeitos disciplina e habilidade do trader para que mantenha os mesmos critrios ao longo do teste inteiro. Isso, por si, j pode invalidar completamente o mtodo. Antes de prosseguir, falaremos um pouco sobre processos determinsticos, estocsticos e aleatrios, que so conceitos necessrios para que se possa distinguir entre o problema de modelar o Mercado Financeiro de outros mais simples como modelar o movimento planetrio ou a estrutura interna das estrelas e planetas. Processos determinsticos so aqueles em que, conhecendo o estado de um sistema num nmero finito de instantes, pode-se inferir uma regra geral por meio da qual se torna possvel prever seu estado em qualquer momento, futuro ou passado, com absoluta exatido. No mundo real, praticamente no existem processos inteiramente determinsticos. Pode-se prever as posies dos planetas com 99% de acurcia, ou 99,99% ou at mesmo 99,9999999% de acurcia, mas nunca com 100%. Em toda medida existe um erro inerente que impossibilita conhecer uma grandeza com absoluta exatido, e isso faz com que no seja possvel eliminar incertezas nas medidas feitas no mundo real. S se pode ter medidas exatas em entidades abstratas da Matemtica, como, por exemplo, o comprimento de um crculo exatamente pi vezes maior que o dimetro deste crculo, ou a diagonal de um quadrado exatamente raiz de 2 vezes maior que o lado deste quadrado, ou o seno de 30 graus exatamente 0,5. Em casos hipotticos, pode-se ter processos verdadeiramente determinsticos, como dois discos concntricos que giram em perodos de 2 horas e 3 horas. Isso significa que dois pontos alinhados com o centro dos discos volte a estar exatamente alinhado com o centro a cada 6 horas. No 5,999999999999999999999999 nem 6,000000000000000000000000000000001 mas sim exatamente 6 horas. Esta exatido no clculo que faz com que um processo possa ser classificado como fundamentalmente determinstico. Processos aleatrios so aqueles em que, numa srie de eventos, no existe encadeamento entre um dado evento e o evento seguinte, impossibilitando que se possa usar o histrico de eventos para prever o prximo evento. Em processos aleatrios, diz-se que os eventos so independentes. No mundo real no existem eventos totalmente aleatrios em escala humana, embora existam em escala quntica. Macroscopicamente existem apenas pseudoaleatrios, como os lanamentos de dados ou jogos de azar em geral. Conhecendo o ltimo resultado do lanamento de um dado no-viciado, por exemplo, no possvel prever o resultado do prximo lanamento. Se conhecer os ltimos 1.000 lanamentos ou os ltimos 1.000.000 de lanamentos, no muda em nada sobre conseguir prever o resultado do prximo lanamento. Processos estocsticos so aqueles que combinam aleatoriedade e determinismo, em diferentes propores. Praticamente todos os processos no mundo real so estocsticos. H pelo menos 2 outras situaes em que o termo estocstico pode ser usado. Uma delas para se referir a processos caticos, em que a aleatoriedade especialmente acentuada. Outra para se referir a eventos aleatrios que, numa situao particular, apresentam propriedades aparentemente determinsticas. No presente contexto, assim como em todos os artigos nos quais utilizo esta expresso, o significado adotado o primeiro. O crescimento da populao brasileira, por exemplo, pode ser descrito como um processo estocstico. O nmero de pessoas que nascem e morrem a cada dia, cada ms, cada ano no constante, nem conhecido com exatido, mas tambm no totalmente aleatrio. Sabendo

que os ltimos 10 lanamentos de um dado no viciado, homogneo e homobrico, resultaram em 1,5,4,2,1,3,5,6,2,4, no se pode prever qual ser o resultado do prximo lanamento com probabilidade de acerto maior que 1/6, mas sabendo que a populao brasileira cresceu uma taxa mdia de 1,18% ao ano entre 2000 e 2010, podemos ter uma ideia razovel de quanto ela crescer no prximo ano. No poderemos saber exatamente, mas ser uma previso muito melhor do que um palpite aleatrio. Com base apenas na informao sobre a taxa de crescimento entre 2000 e 2010, nossa primeira hiptese poderia ser que, como 2000 a 2010 um perodo recente, ento de 2014 para 2015 seria bastante razovel supor um ritmo semelhante de crescimento, algo entre 1% e 1,3%. Talvez seja um pouco menos que 1%, ou um pouco mais de 1,3%, mas podemos ter um nvel razovel de confiana que no ser mais que 10% ou menos que -5%. No podemos excluir totalmente tais possibilidades, inclusive h exemplos histricos em que estes limites foram ultrapassados. Na Europa, durante o auge da peste negra (por volta de 1350), a populao em alguns pases diminuiu em mais de 30%. Tambm podem ocorrer surtos de nascimentos que no sejam contrabalanados por mortes, resultando num crescimento demogrfico anormal. Isso impede que se tenha certeza, mas pode-se afirmar com, digamos, mais de 80% de probabilidade, que a taxa de crescimento esperada para o Brasil entre 2014 e 2015 seja entre 0,5% e 2%. Este intervalo de 0,5% a 2% foi chutado, mas logo adiante veremos como possvel calcular esse valor. Considerando os censos desde 1872 at 2010, temos as seguintes taxas de crescimento:

Ano 1872 1890 1900 1920 1940 1950 1960 1970 1980 1991 2000 2010

Populao 9,930,478 14,333,915 17,438,434 30,635,605 41,236,315 51,944,397 70,992,343 94,508,583 121,150,573 146,917,459 169,590,693 190,755,799

Crescimento anual 2.0599% 1.9798% 2.8575% 1.4969% 2.3354% 3.1733% 2.9025% 2.5145% 1.7685% 1.6074% 1.1830%

Nesta tabela, a taxa indicada para 1890 corresponde taxa anual mdia entre 1872 e 1890, a taxa em 1970 representa o perodo de 1960 a 1970 e assim por diante. Podemos observar que a taxa de crescimento anual mdia nos 138 anos considerados 2,16%. Esta nova informao nos permite fazer uma previso melhor, no porque 2,16% seja mais acurado do que 1,18%, mas sim porque podemos observar a evoluo deste parmetro ao longo do tempo. Podemos observar que desde 1950 a taxa vem caindo quase linearmente, conforme est representado no grfico a seguir:

Os losangos azuis representam as taxas anuais de crescimento demogrfico medidas em cada perodo. A linha preta a reta de regresso que melhor representa esta nuvem de pontos. Podemos perceber que o ritmo de decrescimento na taxa de crescimento muito bem representado por uma reta, com coeficiente de correlao de Pearson 0,988 (a covarincia 0,9765). Ento, em vez de supor que a taxa entre 2014 e 2015 ser igual taxa entre 2000 e 2010 (ou pior, que seja igual taxa entre 1872 e 2010), podemos supor que o ritmo de decrescimento na taxa de crescimento dos ltimos 60 anos ser aproximadamente mantido nos prximos anos, ento entre 2014 e 2015 esperada uma taxa de 0,73% ao ano. Pode-se fazer algumas outras previses, como, por exemplo, de que entre 2030 e 2040 a taxa de crescimento demogrfico no Brasil ser negativa, assim como j acontece no Japo, na Alemanha, Hungria e Ucrnia. Mas como podemos saber se esta estimativa uma boa aproximao? H vrios caminhos por meio dos quais se pode obter boas respostas a esta pergunta. Uma delas pelo Chi quadrado, que mede a aderncia dos pontos reta. Outros testes de aderncia, como Andersson-Darling, Kolmogorov-Smirnov, Shapiro-Wilk, Hosmer-Lemeshow etc. tambm fornecem medidas de aderncia com propriedades especficas. O Kolmogorov-Smirnov, por exemplo, mais sensvel forma. Andersson-Darling mais adequado a distribuies placicrticas. Para uma reta de regresso, o Chi-quadrado de Pearson um dos mais indicados. Com base nisso, podemos constatar que os valores preditos com base na reta de regresso apresentam incerteza em torno de 0,28%, ou seja, h 67% de probabilidade de que o valor correto seja entre 0,45% e 1,01%. Com um pouco de Estatstica, alm de obter uma estimativa sobre o valor mais provvel (0,73%), possvel tambm saber o intervalo de confiana em que esta estimativa vlida e a qual a probabilidade de o valor correto estar dentro deste intervalo de confiana. A Cincia tem um poder extraordinrio em comparao aos achismos e palpites, porque alm de possibilitar usar grandes volumes de dados para extrair informaes que tirem proveito de cada um dos dados disponveis, encontrando valores acurados que sejam representativos da grandeza que se deseja conhecer, ainda por cima permite estabelecer um intervalo de valores dentro dos quais deve estar o valor correto e qual a probabilidade de que o valor correto esteja no tal intervalo. Embora seja um conceito muito bsico, muito til para investimentos, porque alm de indicar com acurcia e preciso os pontos de entrada e sada nas operaes,

permite tambm definir onde devem ser posicionados os stops nos casos em que o Mercado no se comportar conforme o esperado. Mas como verificar se a previso da taxa de crescimento demogrfico para 2014,5 realmente funciona? Um teste simples que pode ser aplicado a este caso subtraindo os 10 anos finais de nosso histrico e usando apenas os dados de 1950 a 2000 para construir o grfico a seguir:

Com base nisso, podemos calcular qual deve ser a taxa de crescimento entre 2000 e 2010. O resultado que encontramos 1,09%, tendo 67% de probabilidade de ser entre 0,81% e 1,37%. Isso equivale a estarmos vivendo no ano 2001 e projetando qual seria a taxa de crescimento entre 2000 e 2010, com base exclusivamente em nosso histrico anterior a 2000. E o valor que encontraramos, se estivssemos vivendo no ano 2001 e usando exclusivamente os dados anteriores a 2000, seria 1,09%, que muito semelhante ao valor correto de 1,18%, e dentro do intervalo de confiana. Tambm podemos constatar que este mtodo de extrapolao linear forneceu um valor mais prximo do correto do que se tivesse simplesmente repetido o valor do perodo anterior, de 1991 a 2000 (1,61%), para 2000 a 2010. Portanto esta aproximao por extrapolao melhor do que supor que o valor do perodo anterior v se repetir, mas ainda no a melhor aproximao possvel. Sabemos que a nuvem de pontos no pode ser corretamente representada por uma reta em toda sua extenso, pois no seria possvel haver uma taxa menor que -100% (100% negativo), logo a curva verdadeira que melhor representa esta nuvem de pontos no uma reta, pois precisa ter uma assntota inferior em -100%. Na verdade, pela histria de evoluo da populao mundial, sabemos que o mais comum que a taxa fique prxima a zero, tal como foi aproximadamente entre 400 a.C. e 1200 d.C. Ento pode ser mais apropriado estabelecer uma assntota em 0, em vez de -1. Pode-se tambm ponderar cada ponto do grfico conforme a incerteza em cada medida, entre outras possibilidades, dependendo do tempo que se pretende dedicar ao aprimoramento do mtodo e do nvel de acurcia que se deseja alcanar. Como cada vez mais o mtodo requer muito tempo e muito trabalho para produzir um incremento cada vez menor na acurcia, rapidamente se atinge um patamar satisfatrio alm o qual no compensa refinar o mtodo. Isso se tratando especificamente de determinar a taxa futura de crescimento demogrfico no Brasil. Ao resolver outros problemas, pode compensar refinar indefinidamente, ou refinar at um nvel de diferente, dependendo de quo

rapidamente o resultado converge e de qual trabalho e demorado para cada novo incremento na modelagem. Um exemplo prtico recente e bastante simples do uso de uma modelagem estatstica para prever o futuro foi no campeonato mundial de Xadrez, entre Carlsen e Anand. No artigo que publiquei em 12/11/2013, no site do amigo Gerson Peres Batista http://www.clubedexadrezonline.com.br/artigo.asp?doc=13485 , a previso era de que Carlsen tinha cerca de 88% de probabilidade de vencer. Alm disso, a expectativa era de que Carlsen fizesse 63,34% dos pontos. Ao final do match, Carlsen fez 65% dos pontos. Claro que nem todas as previses so to certeiras em eventos nos quais a amostra seja to pequena (apenas 12 jogos) e a incerteza em cada jogo seja to grande quanto no comportamento humano. Mas este um bom exemplo de como se pode prever o futuro usando ferramentas estatsticas simples, e obter resultados muito melhores do que palpites subjetivos. Com isso podemos perceber a clara diferena entre um processo aleatrio, um processo determinstico e um processo estocstico. As previses sobre passagens perilicas de cometas, eclipses lunares e solares, ocultaes e trnsitos de sombra de satlites de Jpiter e Saturno etc. so calculados com incertezas que variam de alguns segundos a alguns dias. No caso do cometa de Halley, por exemplo, no momento da redescoberta em 1982, os primeiros clculos do momento de passagem pelo perilio estavam errados em cerca de 1 hora. Somente quando se aproximou data da passagem perilica, em fevereiro de 1986, que se obteve preciso e acurcia de segundos no clculo. Outros clculos sobre o futuro, como a evoluo na velocidade dos computadores caseiros ou resultados de loteria esportiva, apresentam um nvel bem diferente de preciso, pois o nvel de aleatoriedade maior e isso reduz a preciso. Processos estocsticos como o movimento planetrio, em que se consegue preciso e acurcia muito elevados nas previses, acima de 99,9999%, quase podem ser tratados como determinsticos em perodos curtos, mas em perodos muito longos, as funes degringolam. Por exemplo: em 1986, foi descoberto um asteroide que recebeu o nome Cruithne. Tratase de um objeto com perodo orbital de 364 dias, ou seja, quase exatamente 1 ano terrestre. Tal objeto, por ter ressonncia de quase exatamente 1:1 com o perodo orbital da Terra, acaba tendo algumas propriedades peculiares. Por este motivo, passou a integrar (e inaugurou) uma nova classe de objetos, conhecidos como quasi-satellies. Essa nomenclatura se deve ao seu movimento em torno da Terra, que no uma rbita Kepleriana, mas sim uma espcie de monstro sob a perspectiva das 3 Leis de Kepler. Enquanto todos os objetos no Universo descrevem rbitas com altssima aderncia forma de uma elipse, os quasi-satellies descrevem rbitas em forma de biscoito torto. Isso ocorre porque, diferentemente dos troianos, de Jpiter, que so asteroides que ocupam os pontos langrangeanos L4 e L5 da rbita de Jpiter (estando Jpiter no ponto L2). Isso significa que os troianos compartilham a mesma rbita de Jpiter, porm se movem 60 graus frente ou 60 graus atrs de Jpiter. No caso de Cruithne, sua rbita no coincidente com a da Terra, mas apenas o perodo orbital (quase) igual e semi-eixo maior da rbita (quase) igual, mas tem excentricidade diferente e sua rbita intersecta a rbita terrestre. Isso faz com que Cruithne tenha um movimento em forma de biscoito em volta da Terra, para um observador externo que tenha a Terra fixa em sua mira. Isso, na verdade, resultado de seu movimento elptico em torno Sol sincronizado com o movimento elptico da Terra em volta do Sol. Esta animao mostra o que acontece: http://www.youtube.com/watch?v=lRaqYClJ154 Com uma rbita com estas propriedades, Cruithne sofre perturbaes cumulativas muito acentuadas, provocadas pela gravidade da Terra, fazendo com que num perodo relativamente curto (em escala astronmica) tenda a ser expulso do Sistema Solar (isto , sua rbita se

tornar hiperblica) ou colidir com algum outro astro. Este um tpico caso de anomalia que no seria possvel prever se as rbitas fossem tratadas como determinsticas. Este efeito tambm est presente em todos os planetas, asteroides, cometas, sistemas binrios e mltiplos, porm o acumulo de anomalias at provocar uma instabilidade definitiva que mude radicalmente a rbita de um planeta muito mais lento. Se tentar prever a posio de Mercrio, por exemplo, usando nos clculos s os elementos orbitais atuais, pode-se ter excelentes resultados para os prximos 2 anos, 5 anos, 10 anos, mas no para 100 anos ou 1000 anos. Para 100 anos j se torna necessrio aplicar as correes das variaes seculares nos elementos orbitais, e para 10.000 anos ou mais, seria necessrio considerar tambm as variaes nas variaes seculares. Num clculo de 5 anos, bastaria usar a Lei da Gravitao e tratar a rbita como elptica, e o resultado seria muito bom. Porm em 100 anos comea a ficar claro que o perodo sideral de Mercrio no coincide com o perodo anomalstico, ou seja, o tempo decorrido entre duas passagens consecutivas pelo perilio no igual ao tempo de uma volta completa em torno do Sol. Isso gera um efeito de precesso anomalstica e vai se acumulando com o passar do tempo. Depois de milhes de anos, o efeito acumulado j se torna grande a ponto de no ser possvel fazer previses precisas. Porm mesmo em 10.000 ou 100.000 anos, Mercrio ainda estar orbitando o Sol muito aproximadamente mesma distncia atual e com forma quase elptica, enquanto Cruithne j pode ter sido expulsa do Sistema Solar ou ter sofrido alguma outra mudana radical na forma de sua rbita. Isso significa que o nvel de determinismo nas previses futuras para Mercrio muito maior do que o nvel de determinismo nas previses futuras para Cruithne. Grosseiramente, pode-se dizer que para clculos de curto prazo, uma frmula determinstica simples permite prever as posies dos planetas com boa acurcia, mas depois de muitas revolues siderais, o acmulo de perturbaes gravitacionais exige um clculo mais elaborado, e fica evidente que, em ltima instncia, o movimento planetrio no determinstico. O mesmo acontece com todo tipo de previso, variando apenas quanto tempo leva at que se torne evidente que uma modelagem que parta da premissa que o processo determinstico no possa ser aplicada. Em meteorologia, por exemplo, 2 semanas j suficiente para evidenciar que uma abordagem determinstica imprpria. Quando se trata do Mercado Financeiro, enfrenta-se dificuldades muito maiores. Geralmente quem compara o Mercado Financeiro Meteorologia porque no conhece praticamente nada sobre as propriedades do Mercado e muitas vezes nem sequer conhece o bsico sobre Meteorologia. As diferenas so muitas e cada uma delas muito importante. Os movimentos de massas de fluidos, por exemplo, ainda que envolvam turbulncias, so essencialmente inerciais, por isso no ocorrem situaes em que uma nuvem est se movendo numa direo e, de repente, faz uma curva de 90 graus, ou ento inverte 180 graus e passa a se mover no sentido contrrio. Antes desta inverso, precisa ocorrer uma desacelerao, o que torna muito mais fcil de equacionar os movimentos e prever as inverses quando esto na iminncia de acontecer. Mesmo quando se considera o movimento Browniano de apenas um tomo ou uma molcula suspensa num fluido, em vez de se considerar a massa inteira de partculas, este tomo ou esta molcula tambm tem inrcia, portanto tambm precisa primeiro desacelerar para depois inverter o sentido do movimento. Mas no Mercado no assim e as cotaes podem inverter instantaneamente. Isso aumenta muito o grau de imprevisibilidade e torna muito mais difcil modelar satisfatoriamente os movimentos no Mercado. A distribuio de anisotropia nos fluidos se d por variaes suaves, em gradiente, sendo muito fcil interpolar e extrapolar qual o nvel de anisotropia num determinado ponto com base no conhecimento sobre a anisotropia em pontos prximos. Isso facilita muito a tarefa de

um meteorologista. Mas no Mercado Financeiro isso no se aplica, podendo ocorrer variaes abruptas na anisotropia, na heterogeneidade, na heteroscedasticidade, no mpeto local, no espectro da distribuio do mpeto etc. Isso no torna apenas mais difcil de lidar com esse problema, como tambm requer uma abordagem completamente diferente. Em Fsica, Astronomia e Cosmologia, os fenmenos investigados geralmente podem ser resolvidos com Geometria Euclidiana e mtrica de Minkowski, eventualmente com Geometria Riemanniana ou Lobachevskiana e mtrica de Kerr-Newman, que so todas contnuas e descritas por funes suaves. No Mercado Financeiro necessrio usar Geometria Fractal, em que uma das diferenas fundamentais a ocorrncia de bifurcaes, com inverses repentinas, com descontinuidades e muitas vezes com uma lei de formao desconhecida e que no pode ser determinada com todos os parmetros. Apesar das dificuldades extremas, a modelagem do Mercado Financeiro ainda est dentro dos limites do que se consegue modelar. Porm frequentemente as modelagens so fortemente localizadas. Para se conseguir uma modelagem abrangente, torna-se necessrio utilizar alguns recursos de inteligncia artificial, para que o modelo se adapte mudana de parmetros do cenrio conforme o cenrio evolui. Para dificultar ainda mais, a otimizao dos valores dos parmetros da estratgia precisa ser feita por meio de algoritmos genticos, j que o nmero de possibilidades a serem testadas excede o nvel dos quintilhes. Mais detalhes em nosso artigo sobre algoritmos genticos e nosso resumo do site: http://www.sigmasociety.com/algo_gen.pdf http://www.sigmasociety.com/Sumario.pdf Para testar se a modelagem capaz de fazer previses corretas com um nvel de acerto superior a chutes aleatrios, o procedimento tambm um pouco mais difcil do que para testar a validade de algo como as Leis de Kepler ou a Lei dos Gases. Isso ocorre porque no caso das Leis de Kepler, a amplitude do efeito produzido por perturbaes que introduzem rudo muito menor do que nos movimentos do Mercado. Numa estimativa aproximada, para perodos de menos de 10 anos, as Leis de Kepler seriam 99,999999% determinsticas e 0,000001% aleatrias, ao passo que uma boa modelagem do Mercado financeiro chega a ser cerca de 10% determinstica e 90% aleatria. Isso faz com que nos 90% de casos em que aleatria, se tenha 45% de acertos (metade dos 90%) e nos 10% determinsticos se tem integralmente os 10% de acertos, totalizando 55% de ganhos contra 45% de perdas. Pode-se ainda melhorar isso, no operando em todas as situaes, mas apenas naquelas situaes em que se tenha bons motivos para supor que haja mais de 70% de probabilidade de que o cenrio faz parte dos 10% de casos que se conseguiu modelar. Assim, pode-se ter 30% de casos em que se tem 50% de acertos e 70% de casos em que se tem 100% de acertos, totalizando 85% de acertos. Isso est prximo ao limite prtico que se pode chegar. A essncia dos testes de validao a mesma: escolhe-se um perodo dos dados histricos para fazer a modelagem e depois se verifica se aquela modelagem capaz de funcionar para prever o comportamento do Mercado no perodo restante dos dados histricos. Uma das caractersticas que se espera de um bom mtodo que uma modelagem feita num intervalo relativamente curto produza resultados que continuem vlidos para intervalos muito mais longos. Essa caracterstica importante para evitar overfitting. Isso tudo muito importante para fazer uma distino entre previses no cientficas e cientficas. Quando se faz uma previso sem o auxlio da Cincia, a probabilidade de acerto normalmente a mesma de um palpite aleatrio. No caso do Mercado financeiro, cerca de 50%de probabilidade de acerto, e como se paga taxas e se perde um pouco no spread, ao longo do tempo se vai acumulando perdas. Quando se usa Cincia para fazer previses, e se

faz uso correto do mtodo cientfico, da Estatstica, da Lgica etc. consegue-se sempre um nvel de acertos maior do que se teria por palpites aleatrios. Isso, no Mercado Financeiro, representa mais de 50% de probabilidade de acertos e em vez de acumular perdas, acumula-se ganhos. Tambm importante desmistificar uma viso incorreta que muitas pessoas tm sobre Cincias Exatas, que na verdade no so exatas, mas apenas aproximadas e acuradas. Nos pases anglfonos se usa o termo bem mais apropriado Hard Sciences. Devido ao termo Cincias Exatas ou simplesmente Cincia, muitas pessoas criam a iluso de que os resultados obtidos por um mtodo cientfico so 100% corretos e exatos em todos os casos. Na verdade, nunca so exatos e apenas uma parte das vezes so corretos, dentro dos limites de intervalo de confiana estabelecido (ou do limite fiducirio, como prefere Ronald Fisher). A Cincia tenta ser o mais acurada que pode, mas o nvel de acurcia que se pode alcanar depende muito do nvel de aleatoriedade e determinismo dos fenmenos a serem modelados. Em meteorologia, sempre a preciso e a acurcia so baixas. Em Astronomia de posio, geralmente a preciso e a acurcia so elevadas. Quando a aleatoriedade muito alta, no importa o quo sofisticados so os mtodos utilizados, no possvel atingir nveis muito altos de acurcia. Em loterias como Loto ou Mega Sena, por exemplo, no h como fazer previses que permitam ter probabilidades de sucesso maiores do palpites aleatrios, porque os resultados so praticamente 100% aleatrios. Se houvesse conhecimento sobre tamanho, massa, rugosidade superficial e outras propriedades de cada bolinha usada nos sorteios, e fossem usadas sempre as mesmas bolinhas, ento seria possvel aumentar um pouco as probabilidades de sucesso, mas como apenas 30% da arrecadao devolvida em prmios e ainda necessrio pagar imposto para receber o prmio, no existe a menor possibilidade de conseguir ganhar de forma consistente em loterias. Na poca de Voltaire, ele chegou a lucrar algumas vezes comprando todos os bilhetes em casos nos quais o prmio havia acumulado vrias vezes e o valor total devolvido era maior do que a soma do valor de todos os bilhetes. Em tais casos era possvel ganhar, mas atualmente no porque em jogos como MegaSena e similares, se o prmio est acumulado costuma haver maior nmero de apostadores, e se houver mais de um acertador, os ganhadores dividem o prmio, ento fazer uma aposta em todos os resultados possveis no resolveria. diferente de jogos como roleta, loteria esportiva ou corrida de cavalos. Nestes a Cincia pode ajudar a ter ganhos consistentes porque os resultados no so aleatrios nem equiprovveis. Os times de futebol no tm probabilidades iguais. Os times mais fortes tm chances maiores. Nos casos de cavalos e jqueis idem. Nestes casos o princpio em que se deve se basear no escolher o cavalo com maior probabilidade de vencer, mas sim aquele cuja proporo entre o prmio e a probabilidade de vencer seja maior que 1. Por exemplo: Na primeira coluna esto os nomes dos cavalos; na segunda est quanto pagam se o cavalo vencer; na terceira coluna a probabilidade de o cavalo vencer e na quarta coluna o produto entre quanto pagam e a probabilidade de vencer. O cavalo que paga mais Huygens, que tem menos probabilidade de ganhar. O que paga menos o melhor, Aristteles. Porm nenhum destes dois o que oferece melhores perspectivas de lucro. O que determina a perspectiva de lucro o produto entre quanto paga e a probabilidade de vencer.
Nome Aristteles Buridano Cardano Descartes Einstein Fermat Gauss Huygens Pg 3.7 4.9 5.6 6.4 7.1 9.7 10.2 10.3 P(v) 16.87% 14.68% 13.63% 13.08% 12.80% 11.93% 8.94% 8.07% Pg x P(v) 0.63 0.71 0.77 0.83 0.91 1.16 0.91 0.83

Entre esta lista hipottica, o nica cavalo no qual seria conveniente apostar Fermat, que paga 9,7:1 e tem 11,93% de probabilidade de vencer, portanto, a longo prazo, espera-se um lucro de 16% apostando neste cavalo, ou fazendo apostas similares seguindo o mesmo critrio. Isso pode parecer muito fcil, mas aqui est sendo fornecido pronto o valor da probabilidade de cada cavalo vencer. Na prtica necessrio calcular este valor e no se dispe de elementos suficientes para o clculo preciso. Alm disso, na grande maioria das corridas, nenhum dos cavalos oferece retorno acima de 1. Em jogos de roleta tambm h mtodos simples de vencer sistematicamente. O amigo Edmundo Felipe j ganhou dinheiro com isso, porm um processo lento, sendo necessrias muitas horas contnuas de jogo at ganhar uma pequena porcentagem, alm da opresso enfrentada por parte dos donos dos cassinos quando se descobre que a pessoa est ganhando sistematicamente. A ideia bastante simples: fica-se algumas semanas ou meses, continuamente, anotando todos os resultados de uma roleta. Aps reunir pelo menos algumas dezenas de milhares de resultados, conta-se quantas vezes deu cada nmero. Se a roleta for muito simtrica e uniforme, com cada espao para cada nmero muito aproximadamente do mesmo tamanho de todos os outros, mesmo ngulo de inclinao etc., ento a diferena de probabilidade entre o nmero mais frequente pode no ser suficiente para que ele tenha mais que 1/35 de probabilidade de ocorrer. Nesse caso, no ser possvel ganhar nesta roleta e ser necessrio repetir todo o processo em outra roleta, anotando dezenas de milhares de resultados etc. Quando encontrar uma roleta na qual haja pelo menos 1 nmero cuja frequncia de ocorrncias seja sensivelmente maior do que 2,86% (algo como, digamos, 3%), ento basta comear a apostar sempre neste nmero e ir acumulando lucros at ser expulso do cassino. No h nenhuma fraude nisso, assim como as pessoas com hipermnsia para cartas, porm a regra nos cassinos simples: se voc est ganhando sistematicamente, no importa como voc esteja conseguindo, voc persona non grata. Existem muitas outras formas de ganhar em diferentes situaes usando Cincia, Lgica e Estatstica. O Mercado Financeiro uma delas. No apenas uma delas, mas sim a mais desafiadora, a prov maior volume de dados histricos j compilados e a que movimenta maiores volumes, oferecendo liquidez muito maior do que qualquer outro campo.