Momentum com Aportes - Relatório Final

Uma análise empírica comparando lump sum, DCA clássico, DCAs curtos, buy dip, buy rally e o benchmark do IBOV em múltiplos anos de início, horizontes e carteiras sintéticas.

O estudo combina evidência econômica, comparações contra benchmark, rankings por cenário e análise transversal das curvas de patrimônio ao longo do tempo.

Introdução Metodologia Carteiras Sintéticas Gráfico Interativo Resultados Tabelas Finais Conclusão

Resumo Executivo

Este projeto investigou o desempenho relativo de diferentes estratégias de aporte sobre carteiras sintéticas, comparando lump sum, DCA clássico, DCAs curtos, buy the dip, buy the rally e o benchmark do IBOV.

A análise utilizou janelas iniciadas entre 2010 e 2025, com horizontes de 12, 24, 36, 60, 120 meses, buscando identificar padrões de desempenho, robustez e capacidade de superação do benchmark.

Anos de início analisados16 anos
Horizontes avaliados5 horizontes
Carteiras válidas1600
Melhor rank médio globaldca_60

Key Takeaways

Entrada rápida foi favorecida

Os resultados consolidados sugerem vantagem para estratégias que alocam capital mais cedo, especialmente lump sum e DCAs curtos.

DCA clássico perdeu força em horizontes longos

Quando o capital é espalhado por todo o horizonte, a entrada fica lenta demais e a estratégia tende a capturar menos valorização.

dca_6 foi a mais robusta em campeonatos

Essa estratégia venceu 15 cenários e apareceu com frequência entre as melhores colocadas.

dca_60 liderou em vitórias contra o IBOV

A maior taxa média de superação do benchmark foi de 77.7%.

Melhor rank médio global

Rank médio = -

Mais campeonatos

- cenários vencidos

Maior taxa média vs IBOV

Introdução

O objetivo deste estudo foi comparar como diferentes formas de entrada de capital se comportam ao longo do tempo, especialmente quando o investidor escolhe entre investir tudo no início, parcelar rapidamente, parcelar lentamente ou reagir ao comportamento recente dos preços por meio de regras de dip e rally.

O experimento cobre 16 anos de início válidos, de 2010 a 2025, e avalia horizontes de 12, 24, 36, 60, 120 meses. A comparação foi feita sobre carteiras sintéticas, permitindo repetir o exercício em diferentes composições e cenários.

Além do retorno final, o projeto também analisou vitórias contra o benchmark, rankings por cenário, frequência de campeonatos e comportamento médio das curvas de patrimônio ao longo do tempo.

Metodologia

A metodologia do projeto foi estruturada em etapas sequenciais:

Definição das janelas de backtest por ano de início e horizonte;
Criação dos sinais comportamentais para estratégias de buy dip e buy rally em múltiplos limiares;
Geração de carteiras sintéticas com diferentes tamanhos e composições;
Execução em escala das estratégias sobre cada carteira e cada janela;
Validação da consistência dos resultados;
Consolidação final em rankings, vitórias contra o IBOV e métricas comparativas.

As estratégias comparadas incluíram:

Lump sum;
DCA clássico;
DCAs curtos (6, 12, 24 e 60 meses, quando válidos para o horizonte);
Buy dip com diferentes limiares;
Buy rally com diferentes limiares;
IBOV como benchmark.

O foco não foi apenas em retorno, mas também em robustez, recorrência e comparação relativa ao benchmark.

Carteiras Sintéticas e Cobertura do Experimento

Esta seção mostra como o universo de carteiras foi construído e como a cobertura do experimento se distribuiu ao longo dos anos de início, horizontes e sinais.

Carteiras Sintéticas e Cobertura

Quantidade de carteiras sintéticas por tamanho

Top 20 tickers mais frequentes nas carteiras sintéticas

Quantidade de carteiras por ano de início e horizonte

Frequência dos sinais nas carteiras sintéticas

Gráfico Interativo - Estratégias vs IBOV

Os filtros abaixo são sincronizados com o gráfico e com a tabela detalhada.

Tabela Filtrável da Base do Gráfico

Esta tabela usa base externa em JavaScript, sem embutir todos os dados no HTML.

Leitura dos Resultados

A leitura conjunta dos rankings, campeonatos e vitórias contra o benchmark sugere um padrão relativamente claro: estratégias que entram mais cedo no mercado tendem a dominar mais cenários do que estratégias excessivamente lentas.

A estratégia com melhor rank médio global foi dca_60, o que indica grande eficiência média nos contextos em que esteve presente. No entanto, a estratégia com maior número de campeonatos foi dca_6, vencendo 15 cenários. Isso sugere que uma estratégia pode ser excelente em média e outra ser mais robusta em amplitude de cenários.

Na comparação com o benchmark, a maior taxa média de vitórias sobre o IBOV ficou com dca_60, alcançando 77.7%. Isso reforça que algumas estratégias conseguiram superar o índice de forma recorrente, e não apenas em episódios isolados.

Também chama atenção o fato de que os DCAs curtos e o lump sum aparecem com frequência entre os melhores colocados, enquanto o DCA clássico, quando espalhado por todo o horizonte, tende a perder eficiência por atrasar demais a entrada do capital.

Do ponto de vista econômico, isso é coerente: em cenários em que o mercado apresenta tendência de valorização ao longo da janela, entrar cedo tende a ser vantajoso. Já estratégias que parcelam por tempo demais deixam capital parado durante parte relevante do período.

A comparação entre estratégias de timing também é relevante: em boa parte dos resultados, as estratégias de buy dip pareceram mais fortes do que as equivalentes de buy rally, sugerindo que comprar fraqueza foi mais eficiente do que comprar aceleração nas carteiras sintéticas avaliadas.

Resultados Consolidados

Número de campeonatos por estratégia

Percentual de cenários em que a estratégia ficou no Top 3

Heatmap de retorno médio por estratégia e horizonte

Heatmap de dominância entre estratégias

Percentual médio de vitórias contra o IBOV

Retorno médio geral por estratégia

Estratégia campeã por ano de início e horizonte

Tabelas Finais

Ranking Geral das Estratégias

estrategia	n_cenarios	rank_final_medio	rank_final_mediano	retorno_total_medio_geral	alpha_vs_ibov_medio_geral	pct_vitorias_ibov_media	n_campeonatos
dca_60	7	3.142857	4.000000	2.492997	1.144874	0.777143	3
dca_12	48	3.791667	3.000000	0.843053	0.423641	0.646667	7
dca_24	33	4.060606	4.000000	1.015195	0.461374	0.663030	2
dca_6	64	4.156250	3.000000	0.703042	0.373730	0.657500	15
lump_sum	64	4.187500	2.500000	0.746120	0.416808	0.654375	14
dca	64	5.640625	6.000000	0.354387	0.025075	0.544375	1
buy_dip_1	64	5.671875	5.500000	0.329517	0.000206	0.528750	1
buy_dip_3	64	5.906250	5.000000	0.316826	-0.012486	0.535625	1
buy_dip_5	64	6.406250	6.000000	0.302636	-0.026675	0.528125	10
ibov	64	6.843750	7.500000	0.329311	0.000000		9
buy_rally_1	64	7.078125	7.000000	0.323613	-0.005698	0.500000	0
buy_rally_3	64	7.890625	8.000000	0.314641	-0.014671	0.493125	0
buy_rally_5	64	8.359375	9.000000	0.305828	-0.023484	0.487500	1

Campeonatos e Robustez

estrategia	n_cenarios	n_campeonatos	n_top3	rank_final_medio	rank_final_mediano	pct_campeonatos	pct_top3
dca_6	64	15	35	4.156250	3.000000	0.234375	0.546875
lump_sum	64	14	40	4.187500	2.500000	0.218750	0.625000
buy_dip_5	64	10	18	6.406250	6.000000	0.156250	0.281250
ibov	64	9	19	6.843750	7.500000	0.140625	0.296875
dca_12	48	7	32	3.791667	3.000000	0.145833	0.666667
dca_60	7	3	3	3.142857	4.000000	0.428571	0.428571
dca_24	33	2	11	4.060606	4.000000	0.060606	0.333333
buy_dip_3	64	1	19	5.906250	5.000000	0.015625	0.296875
buy_dip_1	64	1	12	5.671875	5.500000	0.015625	0.187500
dca	64	1	6	5.640625	6.000000	0.015625	0.093750
buy_rally_5	64	1	4	8.359375	9.000000	0.015625	0.062500
buy_rally_1	64	0	0	7.078125	7.000000	0.000000	0.000000
buy_rally_3	64	0	0	7.890625	8.000000	0.000000	0.000000

Destaques por Cenário

ano_inicio	horizonte_meses	melhor_estrategia	melhor_rank	melhor_retorno_medio	pior_estrategia	pior_rank	pior_retorno_medio	melhor_vs_ibov	melhor_pct_vitorias_ibov	melhor_excesso_medio_vs_ibov
2010	12	dca_6	1.000000	0.148668	dca_6	1.000000	0.148668	dca_6	0.920000	0.088991
2010	24	dca_6	1.000000	0.134038	dca_6	1.000000	0.134038	buy_dip_1	1.000000	0.184896
2010	36	dca_6	1.000000	0.220184	dca_6	1.000000	0.220184	buy_dip_5	0.960000	0.161296
2010	60	dca_6	1.000000	0.066713	dca_6	1.000000	0.066713	buy_dip_5	0.960000	0.217677
2010	120	dca_6	1.000000	3.313485	dca_6	1.000000	3.313485	dca_6	1.000000	2.540390
2011	12	buy_dip_5	1.000000	0.014022	buy_dip_5	1.000000	0.014022	buy_dip_5	1.000000	0.161540
2011	24	dca_12	1.000000	0.080357	dca_12	1.000000	0.080357	buy_dip_3	0.960000	0.145121
2011	36	dca_12	1.000000	0.183742	dca_12	1.000000	0.183717	dca_24	1.000000	0.367537
2011	60	buy_dip_5	1.000000	-0.127048	buy_dip_5	1.000000	-0.127048	buy_rally_5	0.920000	0.190075
2011	120	dca_60	1.000000	2.850424	dca_60	1.000000	2.850424	dca_60	0.960000	2.058370
2012	12	lump_sum	1.000000	0.054441	lump_sum	1.000000	0.054441	buy_dip_1	0.920000	0.085313
2012	24	buy_dip_3	1.000000	0.032946	buy_dip_3	1.000000	0.032946	buy_dip_3	1.000000	0.216308
2012	36	buy_dip_5	1.000000	-0.023924	buy_dip_5	1.000000	-0.023924	buy_dip_5	0.920000	0.183221
2012	60	buy_rally_5	1.000000	0.131998	buy_rally_5	1.000000	0.131998	buy_rally_5	0.960000	0.177105
2012	120	dca_60	1.000000	2.773966	dca_60	1.000000	2.773966	dca_60	0.960000	2.112025
2013	12	buy_dip_5	1.000000	0.019608	buy_dip_5	1.000000	0.019608	buy_dip_5	1.000000	0.157725
2013	24	buy_dip_5	1.000000	-0.061726	buy_dip_5	1.000000	-0.061726	buy_rally_5	0.840000	0.072334
2013	36	buy_dip_1	1.000000	0.133780	buy_dip_1	1.000000	0.133780	buy_rally_3	1.000000	0.356537
2013	60	dca	1.000000	0.576217	dca	1.000000	0.552956	dca	0.840000	0.274497
2013	120	dca_60	1.000000	2.247710	dca_60	1.000000	2.247710	dca_60	0.920000	1.406526
2014	12	ibov	1.000000	0.049707	ibov	1.000000	0.049707	lump_sum	0.200000	-0.070008
2014	24	buy_dip_5	1.000000	0.005327	buy_dip_5	1.000000	0.003786	buy_dip_5	0.560000	0.093817
2014	36	ibov	1.000000	0.264237	ibov	1.000000	0.264237	dca_24	0.320000	-0.016475
2014	60	dca_24	1.000000	0.942800	dca_24	1.000000	0.942800	dca_24	0.480000	0.097946
2014	120	dca_24	1.000000	4.152188	dca_24	1.000000	4.152188	dca_24	0.920000	2.335484
2015	12	buy_dip_5	1.000000	-0.043695	buy_dip_5	1.000000	-0.043695	buy_rally_5	0.800000	0.029958
2015	24	dca_12	1.000000	0.351686	dca_12	1.000000	0.351686	dca_12	0.600000	0.067747
2015	36	dca_12	1.000000	0.756436	dca_12	1.000000	0.756436	lump_sum	0.680000	0.090751
2015	60	dca_12	1.000000	2.282088	dca_12	1.000000	2.282088	dca_12	0.800000	0.809930
2015	120	dca_12	1.000000	3.469857	dca_12	1.000000	3.469857	dca_12	0.880000	1.905625
2016	12	lump_sum	1.000000	0.549584	lump_sum	1.000000	0.549584	lump_sum	0.520000	0.059038
2016	24	lump_sum	1.000000	1.256313	lump_sum	1.000000	1.256313	lump_sum	0.840000	0.365455
2016	36	lump_sum	1.000000	1.396564	lump_sum	1.000000	1.396564	lump_sum	0.680000	0.221466
2016	60	lump_sum	1.000000	4.565244	lump_sum	1.000000	4.565244	lump_sum	0.960000	2.612563
2016	120	lump_sum	1.000000	6.303168	lump_sum	1.000000	6.303168	lump_sum	0.760000	3.315517
2017	12	lump_sum	1.000000	0.186843	lump_sum	1.000000	0.186843	lump_sum	0.520000	0.005448
2017	24	lump_sum	1.000000	0.378470	lump_sum	1.000000	0.378470	lump_sum	0.480000	0.019483
2017	36	lump_sum	1.000000	1.301609	lump_sum	1.000000	1.301609	lump_sum	0.800000	0.508471
2017	60	lump_sum	1.000000	1.742620	lump_sum	1.000000	1.742620	dca_6	0.920000	0.995012
2018	12	dca_6	1.000000	0.125538	dca_6	1.000000	0.125538	dca	0.800000	0.076196
2018	24	dca_6	1.000000	0.973817	dca_6	1.000000	0.973817	dca_6	0.960000	0.608137
2018	36	dca_6	1.000000	1.302087	dca_6	1.000000	1.302087	dca_6	0.920000	0.897049
2018	60	dca_6	1.000000	0.892225	dca_6	1.000000	0.892225	dca_12	0.920000	0.580582
2019	12	lump_sum	1.000000	0.505384	lump_sum	1.000000	0.505384	dca_6	1.000000	0.281833
2019	24	lump_sum	1.000000	0.729434	lump_sum	1.000000	0.729434	buy_dip_3	0.960000	0.248507
2019	36	dca_6	1.000000	0.864245	dca_6	1.000000	0.864245	dca_6	1.000000	0.787978
2019	60	lump_sum	1.000000	1.071573	lump_sum	1.000000	1.071573	dca_6	0.920000	0.678135
2020	12	dca_6	1.000000	0.391811	dca_6	1.000000	0.391811	dca_6	1.000000	0.343068
2020	24	dca_6	1.000000	0.358819	dca_6	1.000000	0.358819	dca_6	0.960000	0.437396
2020	36	dca_6	1.000000	0.256615	dca_6	1.000000	0.256615	dca_6	1.000000	0.289403
2020	60	dca_6	1.000000	0.213901	dca_6	1.000000	0.213901	dca_6	0.600000	0.156570
2021	12	lump_sum	1.000000	0.025748	lump_sum	1.000000	0.025748	buy_dip_5	0.920000	0.052601
2021	24	ibov	1.000000	-0.051514	ibov	1.000000	-0.051514	buy_dip_5	0.400000	-0.030483
2021	36	buy_dip_5	1.000000	0.224570	buy_dip_5	1.000000	0.206343	buy_dip_5	0.680000	0.049646
2021	60	ibov	1.000000	0.388925	ibov	1.000000	0.388925	lump_sum	0.320000	-0.197556
2022	12	buy_dip_5	1.000000	-0.018016	buy_dip_5	1.000000	-0.018016	buy_dip_5	0.640000	0.002956
2022	24	dca_12	1.000000	0.275849	dca_12	1.000000	0.275849	buy_dip_1	0.720000	0.063803
2022	36	ibov	1.000000	0.070248	ibov	1.000000	0.070248	dca_12	0.280000	-0.054672
2023	12	dca_6	1.000000	0.270008	dca_6	1.000000	0.270008	dca_6	0.800000	0.088095
2023	24	ibov	1.000000	0.059463	ibov	1.000000	0.059463	dca_6	0.480000	-0.007128
2023	36	ibov	1.000000	0.419203	ibov	1.000000	0.419203	lump_sum	0.440000	-0.001700
2024	12	buy_dip_5	1.000000	-0.028674	buy_dip_5	1.000000	-0.028674	buy_dip_5	0.760000	0.029791
2024	24	ibov	1.000000	0.261233	ibov	1.000000	0.261233	dca_12	0.360000	-0.066388
2025	12	ibov	1.000000	0.277401	ibov	1.000000	0.277401	lump_sum	0.160000	-0.128330

Conclusão

Este projeto mostrou que a forma de entrada do capital exerce impacto material no desempenho final da carteira. Ao comparar lump sum, DCA clássico, DCAs curtos, buy dip, buy rally e o benchmark do IBOV, os resultados apontaram que estratégias de alocação mais rápidas tenderam a apresentar melhor desempenho agregado.

A estratégia com melhor rank médio global foi dca_60, enquanto a estratégia com maior número de campeonatos foi dca_6. Essa diferença é importante: ela sugere que o melhor desempenho médio e a maior robustez transversal não necessariamente pertencem à mesma estratégia.

Esse ponto torna a conclusão mais rica. Em vez de procurar um único vencedor absoluto, o projeto indica que existem estratégias estruturalmente fortes por motivos diferentes: algumas se destacam por eficiência média, outras por recorrência de vitórias, e outras pela capacidade de superar o benchmark com maior frequência.

Na comparação contra o IBOV, a maior taxa média de vitórias ficou com dca_60, com 77.7%. Isso sugere que a superação do benchmark não foi um fenômeno pontual, mas sim recorrente em parte relevante dos cenários estudados.

Um dos resultados mais importantes do projeto é o enfraquecimento relativo do DCA clássico quando o capital é distribuído ao longo de todo o horizonte. Embora essa abordagem reduza risco de timing no ponto de entrada, ela também adia demais a exposição ao mercado e pode comprometer a captura de valorização ao longo do período.

Em contraste, os DCAs curtos se mostraram metodologicamente mais equilibrados: mantêm a lógica de parcelamento, mas sem transformar a estratégia em uma entrada excessivamente lenta. Por isso, apareceram várias vezes entre as melhores alternativas, especialmente em horizontes mais longos.

As estratégias de buy dip também merecem destaque. Em média, elas pareceram mais interessantes do que as estratégias equivalentes de buy rally, sugerindo que comprar fraqueza foi, neste conjunto de dados, mais eficiente do que comprar aceleração de preços. Isso não significa que o rally não funcione em nenhum contexto, mas indica que seu comportamento foi menos robusto no agregado.

Dessa forma, a principal leitura econômica do projeto é que parcelar por tempo demais tende a prejudicar o retorno, enquanto estratégias que entram mais cedo — seja por alocação imediata, seja por parcelamento curto — tendem a capturar melhor a valorização da janela analisada.

Em termos práticos, o projeto não recomenda uma leitura simplista do tipo “uma estratégia vence sempre”. O que ele mostra é algo mais útil: existe um conjunto de estratégias mais fortes, e esse conjunto é dominado por abordagens de entrada rápida, especialmente lump sum e DCAs curtos, com buy dip aparecendo como alternativa interessante em vários cenários.

Principais aprendizados

dca_60 apresentou o melhor rank médio global.
dca_6 foi a estratégia com maior número de campeonatos.
dca_60 teve a maior taxa média de vitórias contra o IBOV.
Estratégias de entrada rápida dominaram mais cenários do que estratégias excessivamente lentas.
O DCA clássico perdeu competitividade quando espalhado por todo o horizonte.
Os DCAs curtos se mostraram uma alternativa mais equilibrada ao parcelamento longo.
As estratégias de buy dip tenderam a ser mais fortes do que as de buy rally.
A escolha da melhor estratégia depende do critério: média, robustez, campeonatos ou vitórias contra benchmark.