INTRODUÇÃO

A análise técnica (AT) é o estudo de padrões recorrentes em dados do

mercado financeiro com o objetivo de prever movimentos futuros de
preços. Ela é composta por inúmeros métodos de análise, padrões, sinais,
indicadores e estratégias de negociação, cada um com seus próprios
defensores afirmando que sua abordagem funciona.
Grande parte da análise técnica popular ou tradicional ainda está no estágio
em que a medicina estava antes de evoluir de uma arte popular baseada na
fé para uma prática baseada em ciência. Suas afirmações são apoiadas por
narrativas coloridas e anedotas cuidadosamente selecionadas (escolhidas a
dedo), em vez de evidências estatísticas objetivas.
A principal argumentação deste livro é que a análise técnica precisa evoluir
para se tornar uma ciência observacional rigorosa se quiser cumprir suas
afirmações e permanecer relevante. O método científico é a única maneira
racional de extrair conhecimento útil dos dados de mercado e a única
abordagem racional para determinar quais métodos de análise técnica têm
poder preditivo. Chamo isso de análise técnica baseada em evidências
(ATBE). Fundamentada em observação objetiva e inferência estatística (ou
seja, o método científico), a ATBE traça um caminho entre o pensamento
mágico e a credulidade de um verdadeiro crente e a dúvida implacável de
um caminhante aleatório.
Abordar a análise técnica, ou qualquer disciplina, de maneira científica não
é fácil. Conclusões científicas frequentemente entram em conflito com o
que parece intuitivamente óbvio. Para os primeiros seres humanos, parecia
óbvio que o sol girava em torno da Terra. Foi a ciência que demonstrou que
essa intuição estava errada. Uma abordagem informal e intuitiva para a
aquisição de conhecimento é especialmente propensa a resultar em crenças
errôneas quando os fenômenos são complexos ou altamente aleatórios,
duas características proeminentes do comportamento do mercado
financeiro.
Embora o método científico não garanta extrair ouro das montanhas de
dados de mercado, uma abordagem não científica quase certamente
produzirá ouro de tolo.
A segunda argumentação deste livro é que grande parte da sabedoria que
compõe a versão popular da análise técnica não se qualifica como
conhecimento legítimo.
DEFINIÇÕES-CHAVE: PROPOSIÇÕES E AFIRMAÇÕES,
CRENÇA E CONHECIMENTO

Já utilizei os termos conhecimento e crença, mas ainda não os defini

rigorosamente. Além disso, vários outros termos-chave serão utilizados
repetidamente neste livro, portanto, são necessárias algumas definições
formais.
O bloco fundamental do conhecimento é uma afirmação declarativa,
também conhecida como uma afirmação ou proposição. Uma afirmação
declarativa é um dos quatro tipos de enunciados, que também incluem
exclamações, perguntas e comandos. As afirmações declarativas se
distinguem das outras por terem um valor de verdade. Ou seja, podem ser
caracterizadas como verdadeiras, falsas, ou provavelmente verdadeiras,
provavelmente falsas.
A afirmação "As laranjas estão à venda no supermercado por cinco
centavos a dúzia" é declarativa. Ela faz uma afirmação sobre um estado de
coisas existente no mercado local. Pode ser verdadeira ou falsa. Em
contraste, a afirmação exclamativa "Nossa, que negócio!", o comando "Vá
comprar-me uma dúzia" ou a pergunta "O que é uma laranja?" não podem
ser chamados de verdadeiros ou falsos.
Nossa investigação sobre a análise técnica se ocupará com afirmações
declarativas, como "A Regra X tem poder preditivo". Nosso objetivo é
determinar quais dessas afirmações declarativas merecem nossa crença.
O que significa dizer "Eu acredito em X"? "Com relação a estados de
coisas em geral (ou seja, 'fatos' ou 'o que acontecerá'), acreditar em X
significa esperar experimentar X se e quando estivermos em posição de
fazê-lo." Portanto, se eu acredito na afirmação de que as laranjas estão à
venda por cinco centavos a dúzia, isso significa que espero poder comprar
laranjas por cinco centavos a dúzia se eu for à loja. No entanto, o comando
para comprar algumas laranjas ou a exclamação de que estou feliz com a
oportunidade não estabelecem tal expectativa.
O que tudo isso significa para nós? Para que qualquer afirmação seja
considerada como candidata à crença, ela deve "afirmar algum estado de
coisas que possa ser esperado". Essas afirmações são ditas ter conteúdo
cognitivo, ou seja, transmitem algo que pode ser conhecido. "Se a
afirmação não contém nada para se saber, então não há nada para se
acreditar".
Embora todas as afirmações declarativas presumivelmente tenham
conteúdo cognitivo, nem todas realmente o têm. Isso não é um problema se
a falta de conteúdo cognitivo for óbvia, por exemplo, a declaração "A raiz
quadrada de terça-feira é um número primo". Essa declaração é, por si só,
absurda. No entanto, existem outras afirmações declarativas cuja falta de
conteúdo cognitivo não é tão óbvia. Isso pode ser um problema, porque tais
afirmações podem nos enganar, fazendo-nos pensar que uma afirmação foi
feita que estabelece uma expectativa, quando, na verdade, nenhuma
afirmação foi realmente apresentada. Essas pseudo-afirmações declarativas
são essencialmente afirmações sem sentido ou proposições vazias.
Embora afirmações sem sentido não sejam candidatas válidas para a
crença, isso não impede muitas pessoas de acreditar nelas. As previsões
vagas feitas na coluna diária de astrologia ou as promessas nebulosas feitas
por promotores de curas de saúde falsas são exemplos de afirmações sem
sentido. Aqueles que acreditam nessas proposições vazias simplesmente
não percebem que o que lhes foi dito não possui conteúdo cognitivo.
Uma maneira de determinar se uma afirmação possui conteúdo cognitivo e,
portanto, é uma candidata válida para a crença, é o teste de diferença
perceptível descrito por Hall. "Enunciados com conteúdo cognitivo fazem
afirmações que são verdadeiras ou falsas; e se elas são verdadeiras ou
falsas faz uma diferença que pode ser percebida. É por isso que esses
enunciados oferecem algo para se acreditar e por que não faz sentido tentar
acreditar em um enunciado que não oferece tal coisa". Em outras palavras,
uma proposição que passa no teste de diferença perceptível estabelece uma
expectativa de tal forma que o estado de coisas, se a afirmação fosse
verdadeira, é reconhecivelmente diferente do estado de coisas, se a
afirmação fosse falsa.
O critério de diferença perceptível pode ser aplicado a afirmações que
pretendem ser previsões. Uma previsão é uma afirmação de saber algo
sobre o futuro. Se uma previsão possui conteúdo cognitivo, ela será
claramente discernível no resultado, se a previsão foi precisa ou não.
Muitas, se não a maioria, das previsões feitas por praticantes de análise
técnica popular carecem de conteúdo cognitivo por esses motivos. Em
outras palavras, as previsões geralmente são vagas demais para determinar
se estão erradas.
A verdade ou falsidade da afirmação "As laranjas estão à venda por cinco
centavos a dúzia" fará uma diferença perceptível quando eu chegar ao
mercado. É essa diferença perceptível que permite testar a afirmação.
Conforme descrito no Capítulo 3, testar uma afirmação com base em uma
diferença perceptível é central para o método científico.
Hall, em seu livro "Practically Profound", explica por que ele considera a
psicanálise freudiana como algo sem sentido quando examinada à luz do
teste de diferença perceptível.
Certas afirmações freudianas sobre o desenvolvimento sexual humano são
compatíveis com todos os possíveis estados de coisas. Não há maneira de
confirmar ou refutar tanto a "inveja do pênis" quanto o "complexo de
castração" porque não há diferença discernível entre evidências que
confirmam ou negam essas interpretações de comportamento.
Comportamentos exatamente opostos são igualmente previsíveis,
dependendo se o suposto estresse psicosexual é manifesto ou reprimido. O
requisito de "conteúdo cognitivo" exclui todas as expressões que são tão
vagas, mal formuladas ou mantidas de forma obsessiva (por exemplo,
teorias conspiratórias) que não há diferença reconhecível entre o que seria o
caso se fossem verdadeiras e o que seria o caso se não fossem. Da mesma
forma, a Teoria do Design Inteligente não carrega um conteúdo cognitivo
no sentido de que não importa qual forma de vida seja observada, ela é
consistente com a noção de que manifesta uma forma subjacente
especificada por algum designer inteligente.
Então, o que é conhecimento? O conhecimento pode ser definido como
crença verdadeira justificada. Portanto, para que uma afirmação declarativa
se qualifique como conhecimento, ela não apenas deve ser uma candidata à
crença, porque possui conteúdo cognitivo, mas também deve atender a
outras duas condições. Primeiro, ela deve ser verdadeira (ou provavelmente
verdadeira). Segundo, a afirmação deve ser acreditada com justificação.
Uma crença é justificada quando é baseada em inferências sólidas a partir
de evidências sólidas.
Os seres humanos pré-históricos tinham a crença falsa de que o sol se
movia pelo céu porque o sol orbitava a Terra. Claramente, eles não
possuíam conhecimento, mas suponhamos que houvesse uma pessoa pré-
histórica que acreditasse corretamente que o sol se movia pelo céu devido à
rotação da Terra. Embora essa crença fosse verdadeira, essa pessoa não
poderia ser descrita como possuidora de conhecimento. Mesmo que ela
acreditasse no que os astrônomos eventualmente provaram ser verdadeiro,
ainda não havia evidências para justificar essa crença. Sem justificação,
uma crença verdadeira não atinge o status de conhecimento. Esses
conceitos são ilustrados na Figura 1.1.

Figura 1.1- Conhecimento: crença verdadeira justificada.

A partir disso, conclui-se que crenças errôneas ou conhecimento falso não

atendem a uma ou mais das condições necessárias para o conhecimento.
Assim, uma crença errônea pode surgir tanto porque se refere a uma
afirmação sem sentido quanto porque se refere a uma afirmação que,
embora significativa, não é justificada por inferências válidas a partir de
evidências sólidas.
Ainda assim, mesmo quando fazemos tudo corretamente, tirando a melhor
inferência possível a partir de evidências sólidas, ainda podemos acabar
adotando crenças errôneas. Em outras palavras, podemos estar justificados
em acreditar em uma falsidade e afirmar honestamente que sabemos algo,
se parecer ser verdadeiro de acordo com inferências logicamente válidas a
partir da preponderância das evidências disponíveis. "Temos o direito de
dizer 'eu sei' quando o alvo dessa afirmação é apoiado além de qualquer
dúvida razoável na rede de evidências bem testadas. Mas isso não é
suficiente para garantir que realmente sabemos."
As falsidades são uma realidade inevitável quando tentamos conhecer
coisas sobre o mundo com base em evidências observadas. Assim, o
conhecimento baseado no método científico é inerentemente incerto e
provisório, embora seja menos incerto do que o conhecimento adquirido
por métodos menos formais. No entanto, ao longo do tempo, o
conhecimento científico melhora à medida que passa a descrever a
realidade de maneira progressivamente mais precisa. É um trabalho
contínuo em progresso. O objetivo da ATBE é construir um corpo de
conhecimento sobre o comportamento do mercado que seja o melhor
possível, considerando os limites da coleta de evidências e os poderes de
inferência.

CONHECIMENTO ERRÔNEO EM TA: O CUSTO DA ANÁLISE

INDISCIPLINADA

Para entender por que o conhecimento produzido pela versão popular da

análise técnica (AT) não é confiável, devemos considerar duas formas
distintas de AT: subjetiva e objetiva. Ambas as abordagens podem levar a
crenças errôneas, mas o fazem de maneiras diferentes.
Métodos objetivos de AT são procedimentos bem definidos e repetíveis que
emitem sinais inequívocos. Isso permite que sejam implementados como
algoritmos computadorizados e testados em dados históricos. Os resultados
produzidos por um teste retrospectivo podem ser avaliados de maneira
quantitativa rigorosa.
Métodos subjetivos de AT não são procedimentos de análise bem definidos.
Devido à sua vaguidade, são necessárias interpretações pessoais do
analista. Isso dificulta a informatização, o teste retrospectivo e a avaliação
objetiva de desempenho. Em outras palavras, é impossível confirmar ou
negar a eficácia de um método subjetivo. Por esse motivo, eles estão
protegidos contra desafios evidenciais.
Do ponto de vista da ATBE, os métodos subjetivos são os mais
problemáticos. Eles são essencialmente afirmações sem sentido que dão a
ilusão de transmitir conteúdo cognitivo. Como esses métodos não
especificam como devem ser aplicados, diferentes analistas que os aplicam
aos mesmos dados de mercado podem chegar a diferentes conclusões. Isso
torna impossível determinar se o método fornece previsões úteis. A análise
clássica de padrões de gráficos, linhas de tendência desenhadas à mão, o
Princípio da Onda de Elliott, padrões de Gann, Magic T's e muitos outros
métodos subjetivos se enquadram nessa categoria. A AT subjetiva é uma
religião - é baseada na fé. Nenhuma quantidade de exemplos selecionados
que mostram onde o método teve sucesso pode curar essa deficiência.
Apesar da falta de conteúdo cognitivo e da impossibilidade de serem
apoiados por evidências sólidas, não faltam fervorosos adeptos de vários
métodos subjetivos. O Capítulo 2 explica como falhas no pensamento
humano podem levar a crenças fortes na ausência de evidências ou até
mesmo diante de evidências contraditórias.
A AT objetiva também pode gerar crenças errôneas, mas de forma
diferente. Elas são atribuíveis a inferências falhas a partir de evidências
objetivas. O mero fato de um método objetivo ter sido lucrativo em um
teste retrospectivo não é motivo suficiente para concluir que ele tem
mérito. O desempenho passado pode nos enganar. O sucesso histórico é
uma condição necessária, mas não suficiente, para concluir que um método
possui poder preditivo e, portanto, é provável que seja lucrativo no futuro.
O desempenho passado favorável pode ocorrer por sorte ou devido a um
viés ascendente produzido por uma forma de teste retrospectivo chamada
mineração de dados. Determinar quando os lucros do teste retrospectivo
são atribuíveis a um bom método em vez de boa sorte é uma questão que só
pode ser respondida por meio de inferência estatística rigorosa. Isso é
discutido nos Capítulos 4 e 5. O Capítulo 6 aborda o problema do viés de
mineração de dados. Embora eu afirme que a mineração de dados, quando
feita corretamente, é o melhor método de descoberta de conhecimento para
o técnico moderno, testes estatísticos especializados devem ser aplicados
aos resultados obtidos com a mineração de dados.

COMO A ATBE É DIFERENTE

O que diferencia a ATBE da forma popular da AT? Primeiro, ela se

restringe a afirmações significativas - métodos objetivos que podem ser
testados em dados históricos. Segundo, ela utiliza formas avançadas de
inferência estatística para determinar se um teste retrospectivo lucrativo é
indicativo de um método eficaz. Assim, o foco principal da ATBE é
determinar quais métodos objetivos são dignos de uso real.

A ATBE rejeita todas as formas de AT subjetiva. A AT subjetiva nem sequer

está errada. É pior do que estar errada. Afirmações que podem ser
qualificadas como erradas (falsas) pelo menos transmitem conteúdo
cognitivo que pode ser testado. As proposições da AT subjetiva não
oferecem nada disso. Embora, à primeira vista, pareçam transmitir
conhecimento, quando examinadas criticamente, fica claro que são
afirmações vazias.
Os promotores de curas de saúde da Nova Era se destacam por fazer
afirmações vazias. Eles afirmam que usar a pulseira mágica de cobre deles
fará você se sentir melhor e dará mais energia aos seus passos. Eles
sugerem que seu jogo de golfe irá melhorar e talvez até sua vida amorosa.
No entanto, a falta de especificidade da afirmação torna impossível
determinar exatamente o que está sendo prometido ou como pode ser
testado. Tais afirmações nunca podem ser confirmadas ou contraditadas
com evidências objetivas. Com base nesses mesmos fundamentos, pode-se
dizer que as proposições da AT subjetiva são vazias e, portanto, estão
protegidas contra o desafio empírico. Elas devem ser aceitas com base na
fé.
Em contraste, uma afirmação significativa é testável porque faz promessas
mensuráveis. Ela afirma especificamente o quanto seu jogo de golfe irá
melhorar ou o quão enérgicos serão seus passos. Essa especificidade abre a
afirmação para ser contraditada com evidências empíricas.
Do ponto de vista da ATBE, os defensores de métodos subjetivos enfrentam
uma escolha: eles podem reformular o método para ser objetivo, como um
praticante do Princípio da Onda de Elliott fez, expondo-o assim à refutação
empírica, ou eles devem admitir que o método deve ser aceito com base na
fé. Talvez as linhas de Gann realmente forneçam informações úteis. Em sua
forma atual, somos privados desse conhecimento.
No que diz respeito à AT objetiva, a ATBE não aceita testes retrospectivos
lucrativos sem questionamentos. Em vez disso, eles são submetidos a uma
rigorosa avaliação estatística para determinar se os lucros foram resultado
de sorte ou de pesquisas enviesadas. Conforme será mencionado no
Capítulo 6, em muitos casos, testes retrospectivos lucrativos podem ser
"ouro de tolo" da mineração de dados. Isso pode explicar por que muitos
métodos objetivos de AT que apresentam bom desempenho nos testes
retrospectivos têm um desempenho pior quando aplicados a novos dados. A
análise técnica baseada em evidências utiliza métodos estatísticos
computacionalmente intensivos que minimizam os problemas decorrentes
do viés de mineração de dados.
A evolução da AT para a ATBE também tem implicações éticas. É
responsabilidade ética e legal de todos os analistas, independentemente da
forma de análise que praticam, fazer recomendações que tenham uma base
razoável e não fazer afirmações injustificadas. A única base razoável para
afirmar que um método de análise tem valor é a evidência objetiva.
Métodos subjetivos de AT não conseguem atender a esse padrão. A AT
objetiva, conduzida de acordo com os padrões da ATBE, consegue.

RESULTADOS DA ATBE DA ACADEMIA

A análise técnica baseada em evidências não é uma ideia nova. Ao longo

das últimas duas décadas, inúmeros artigos em respeitados periódicos
acadêmicos abordaram a AT de maneira rigorosa, conforme defendido neste
livro. A evidência não é uniforme. Alguns estudos mostram que a AT não
funciona, mas outros mostram que funciona. Como cada estudo se limita a
um aspecto específico da AT e a um conjunto específico de dados, é
possível que os estudos cheguem a conclusões diferentes. Isso é comum na
ciência.
A seguir estão alguns dos resultados da AT acadêmica, que mostram que,
quando abordada de maneira rigorosa e intelectualmente honesta, a AT é
uma área de estudo valiosa.
• Os especialistas em análise de gráficos são incapazes de distinguir
gráficos de preços reais de ações de gráficos produzidos por um processo
aleatório.
• Existem evidências empíricas de tendências nos mercados de
commodities e câmbio que podem ser exploradas com indicadores de
tendência objetivos e simples. Além disso, os lucros obtidos por
especuladores que seguem tendências podem ser justificados pela teoria
econômica, pois suas atividades fornecem um serviço econômico valioso: a
transferência do risco de preço do hedger para o especulador.
• Regras técnicas simples usadas individualmente ou em combinação
podem gerar lucros estatística e economicamente significativos quando
aplicadas a índices do mercado de ações compostos por empresas
relativamente jovens (como o Russell 2000 e o NASDAQ Composite).
• Redes neurais têm sido capazes de combinar sinais de compra/venda de
regras simples de médias móveis em modelos não lineares que exibiram
bom desempenho preditivo no Dow Jones Average no período de 1897 a
1988.
• Tendências em grupos e setores industriais persistem tempo suficiente
após a detecção por indicadores simples de momentum para gerar retornos
superiores.
• Ações que exibiram força relativa e fraqueza relativa continuam a exibir
desempenho acima ou abaixo da média ao longo de períodos de 3 a 12
meses.
• Ações dos Estados Unidos, negociadas próximas às suas máximas de 52
semanas, superam outras ações. Um indicador definido como a diferença
entre o preço atual de uma ação e sua máxima de 52 semanas é um preditor
útil de desempenho relativo futuro. Esse indicador é ainda mais poderoso
para ações australianas.
• O padrão de gráfico "cabeça e ombros" tem poder limitado de previsão
quando testado de forma objetiva em moedas. Melhores resultados podem
ser obtidos com regras simples de filtro. O padrão de cabeça e ombros,
quando testado objetivamente em ações, não fornece informações úteis.
Operadores que agem com base nesses sinais seriam igualmente servidos
por seguir um sinal aleatório.
• Estatísticas de volume de negociação de ações contêm informações
preditivas úteis e melhoram a lucratividade de sinais baseados em grandes
mudanças de preço após um anúncio público.
• Redes neurais de modelagem de dados intensivas em computação,
algoritmos genéticos e outros métodos de aprendizado estatístico e
inteligência artificial encontraram padrões lucrativos em indicadores
técnicos.
Esses resultados acadêmicos mostram que a AT pode ser uma área de
estudo valiosa quando abordada de maneira rigorosa e baseada em
evidências.
QUEM SOU EU PRA CRITICAR TA?

Meu interesse na AT começou em 1960, aos 15 anos de idade. Durante

meus anos no ensino médio e na faculdade, eu acompanhava um grande
número de ações usando o método de pontos e figuras da Chartcraft. Desde
1973, tenho utilizado a AT profissionalmente, primeiro como corretor de
ações, depois como sócio-gerente de uma pequena empresa de software
chamada Raden Research Group Inc. - uma pioneira em aprendizado de
máquina e mineração de dados em aplicações do mercado financeiro - e
finalmente como operador proprietário de ações para a empresa Spear,
Leeds & Kellogg. Em 1988, obtive a designação de Técnico de Mercado
Certificado pela Market Technicians Association. Minha biblioteca pessoal
de TA tem mais de 300 livros. Já publiquei aproximadamente uma dúzia de
artigos e falei várias vezes sobre o assunto. Atualmente, leciono um curso
de pós-graduação em TA na Zicklin School of Business, Baruch College,
City University of New York.
Eu admito livremente que meus escritos e pesquisas anteriores não atendem
aos padrões da ATBE, especialmente no que diz respeito à significância
estatística e ao viés de mineração de dados.
Minha fé duradoura na AT começou a se enfraquecer em resposta a um
desempenho muito medíocre ao longo de um período de cinco anos
negociando capital para a Spear, Leeds and Kellogg. Como algo em que eu
acreditava tão fervorosamente poderia não funcionar? Seria algo em mim
ou algo relacionado à AT em geral? Minha formação acadêmica em
filosofia proporcionou um terreno fértil para minhas dúvidas crescentes.
Minhas preocupações se cristalizaram em um ceticismo completo como
resultado da leitura de dois livros: "How We Know What Isn't So" de
Thomas Gilovich e "Why People Believe Weird Things" de Michael
Shermer. Minha conclusão: analistas técnicos, inclusive eu mesmo, sabem
muitas coisas que não são verdadeiras e acreditam em coisas estranhas.

A ANÁLISE TÉCNICA: ARTE, CIÊNCIA OU SUPERSTIÇÃO?

Há um debate na comunidade de análise técnica: é uma arte ou uma

ciência? A questão tem sido formulada incorretamente. Ela deve ser
formulada de forma mais adequada como: A análise técnica deve ser
baseada em superstição ou ciência? Formulada dessa maneira, o debate
evapora.
Alguns dirão que a análise técnica envolve nuances e interpretações demais
para apresentar seu conhecimento na forma de afirmações cientificamente
testáveis. A isso eu respondo: A análise técnica que não é testável pode
parecer conhecimento, mas não é. É superstição que pertence ao domínio
da astrologia, numerologia e outras práticas não científicas.
A criatividade e a inspiração desempenham um papel crucial na ciência.
Elas também serão importantes na ATBE. Todas as investigações científicas
começam com uma hipótese, uma nova ideia ou uma nova percepção
inspirada por uma mistura misteriosa de conhecimento prévio, experiência
e um salto de intuição. No entanto, uma boa ciência equilibra a criatividade
com rigor analítico. A liberdade para propor novas ideias deve ser casada
com uma disciplina inflexível que elimina ideias que se mostram sem valor
na provação do teste objetivo. Sem essa ancoragem na realidade, as pessoas
se apaixonam por suas ideias e o pensamento mágico substitui o
pensamento crítico.
É improvável que a análise técnica descubra regras que prevejam com a
precisão das leis da física. A complexidade inerente e a aleatoriedade dos
mercados financeiros, bem como a impossibilidade de experimentação
controlada, impedem tais descobertas. No entanto, a precisão preditiva não
é o requisito definidor da ciência. Em vez disso, ela é definida por uma
abertura intransigente ao reconhecer e eliminar ideias erradas.
Eu tenho quatro esperanças para este livro: Primeiro, que ele estimule um
diálogo entre os analistas técnicos que, em última instância, coloque nosso
campo em uma base intelectual mais sólida; segundo, que ele encoraje
pesquisas adicionais ao longo das linhas defendidas aqui; terceiro, que ele
incentive os consumidores da análise técnica a exigir mais substância
daqueles que vendem produtos e serviços baseados em AT; e quarto, que
ele encoraje os praticantes de AT, profissionais ou não, a entenderem seu
papel crucial em uma parceria entre humanos e máquinas que tem o
potencial de acelerar o crescimento do conhecimento legítimo da análise
técnica.
Sem dúvida, alguns colegas praticantes de AT ficarão irritados com essas
ideias. Isso pode ser algo bom. Uma ostra irritada por um grão de areia às
vezes produz uma pérola. Convido meus colegas a canalizarem suas
energias para contribuir com conhecimento legítimo em vez de defenderem
o indefensável.
Este livro está organizado em duas partes. A Parte Um estabelece as bases
metodológicas, filosóficas, psicológicas e estatísticas da ATBE. A Parte
Dois demonstra uma abordagem da ATBE: testando 6.402 regras binárias
de compra/venda no S&P 500 em 25 anos de dados históricos. As regras
são avaliadas quanto à significância estatística usando testes projetados
para lidar com o viés de mineração de dados.