Exploração repetida dos dados (data snooping)

Por Jarosław Wasiński (EN) • Publicado em: 23 out 2026

Enviesamento resultante de procurar ou reutilizar repetidamente os mesmos dados para selecionar regras atraentes. Um modelo pode ajustar-se a características históricas acidentais, não a um mecanismo repetível. O problema inclui alterar repetidamente uma estratégia depois de ver os seus resultados num conjunto de avaliação supostamente independente. Difere do enviesamento por antecipação de informação, embora ambos possam ocorrer em conjunto.

Exemplo. Para 50 testes independentes de hipóteses nulas verdadeiras com α = 0.05, o número esperado de rejeições falsas é 2.5. A probabilidade de pelo menos uma é 1−0.95⁵⁰ ≈ 92.3%. As variantes de estratégias efetivas geralmente não são independentes.

Como funciona

Registe a família completa de tentativas: parâmetros, filtros, instrumentos e versões rejeitadas. Separe o desenvolvimento da avaliação final. A inspeção repetida de uma amostra reservada torna-a parte da seleção do modelo e compromete o seu papel original de verificação independente.

Erro frequente

Os 92.3% do modelo não significam que uma estratégia específica selecionada tenha essa probabilidade de ser falsa. O ajustamento de testes múltiplos pode ajudar, mas não elimina fuga de informação ou um modelo de execução impreciso.

Aprendizagem adicional

No curso: 5.12 Automatização e seleção na análise técnica — ferramentas, fluxo de trabalho e armadilhas; 15.4 Backtesting e testes prospetivos — métodos, evidência e armadilhas. Fontes: ASA: declaração sobre valores-p.

Um registo de decisões de investigação

Registe filtros, instrumentos e alterações manuais descartados, além dos ficheiros guardados. Se uma condição foi escolhida depois de inspecionar uma amostra reservada, esse conjunto passou a integrar o desenvolvimento. Um teste final precisa de dados independentes dessas decisões de seleção.

Fonte primária verificada em 11 de outubro de 2026: stat.ethz.ch.

Perguntas frequentes

Um bom resultado fora da amostra elimina o problema?

Não automaticamente. Os procedimentos de seleção, os ensaios anteriores e a independência dos dados de avaliação face às decisões de conceção são todos relevantes.

Chamar OOS a um conjunto de dados torna-o independente?

Não. O que importa é a sua influência efetiva na seleção das regras, não o nome da pasta.

← Voltar ao glossário completo