Pesquisa quantitativa exige mais do que saber executar ordens

A vantagem começa pela escolha do jogo

A experiência relatada mostra que montar uma empresa de negociação quantitativa não se resume a criar um modelo, encontrar um padrão, executar ordens e obter lucro. O autor começou sem experiência específica, testou estratégias de arbitragem, captura de spread, basis trading, arbitragem estatística, yield farming e aprendizado profundo, mas nenhuma funcionou inicialmente. Como a negociação é um jogo de soma zero, competir em mercados dominados por empresas com mais velocidade, dados, escala e pesquisadores exigia encontrar um campo em que a equipe pudesse construir uma vantagem própria.

Em bolsas centralizadas, empresas como Jump, Tower e Jane Street já tinham infraestrutura de baixa latência, melhores faixas de tarifas e acesso a fluxo e dados. A equipe decidiu então concentrar-se em exchanges descentralizadas, onde os formadores automatizados de mercado usavam curvas de preço em vez de livros de ofertas. Esse ambiente exigia um sistema capaz de lidar simultaneamente com dados de preço, liquidez e derrapagem, além de execução e confirmação na cadeia. A combinação de engenheiros familiarizados com contratos inteligentes e pesquisadores quantitativos pareceu mais adequada a esse mercado, ainda menor, menos disputado e sujeito a incerteza regulatória.

Do protótipo à vantagem operacional

Para testar a hipótese, o autor escreveu em TypeScript um sistema simples de arbitragem entre exchanges centralizadas e descentralizadas, chamado CEX-DEX arb. Como as blockchains processam transações em intervalos mais lentos que as negociações centralizadas, e parte da liquidez descentralizada era passiva ou desatualizada, surgiam diferenças de preço entre os ambientes. Mesmo rudimentar e sem otimização de latência, o protótipo encontrou arbitragens reais e foi lucrativo depois das tarifas.

A estratégia foi reescrita em Go e Solidity, ampliada para várias blockchains, dezenas de exchanges descentralizadas e mais símbolos. A equipe aperfeiçoou cálculo de tamanho e derrapagem, tarifas, uso de gás, execução, inventário e faixas de tarifas nas bolsas centralizadas. Segundo o relato, a operação chegou a gerar mais de US$ 10 mil por dia com alguns milhões de dólares empregados e, em determinado período, superou 100% de retorno anualizado sem dias negativos.

A concorrência, porém, reduziu os spreads disponíveis. A equipe passou a disputar priority gas auctions, elevando a tarifa para posicionar transações dentro de um bloco. Para participar, precisava estimar com precisão o lucro de cada operação, executar de forma confiável e identificar os endereços concorrentes. Otimizações de gás, como o empacotamento eficiente de dados nos espaços de 32 bytes da máquina virtual do Ethereum, tornaram lucrativas oportunidades que seriam inviáveis para bots com custos maiores.

Capital, adaptação e fim do ciclo

O crescimento da estratégia era limitado pelo capital e pelo inventário espalhados entre várias plataformas. A primeira versão do sistema Hydra tentou rebalancear ativos por pontes entre blockchains e APIs de saque, mas as pontes eram pouco confiáveis e frequentemente lentas. A segunda versão integrou empréstimos e depósitos em protocolos como Aave, permitindo emprestar o ativo excedente e tomar outro emprestado na mesma transação. Isso manteve a arbitragem ativa durante momentos de alta volatilidade, quando os saldos poderiam acabar em segundos.

A conclusão é que nenhuma otimização isolada era extraordinária; a vantagem surgiu da iteração contínua sobre uma estratégia viva, usando taxas de execução, rentabilidade e resposta imediata do mercado como feedback. A escolha do mercado foi tão importante quanto a execução. Como acontece com quase todo “alpha”, a vantagem se desgastou com a entrada de concorrentes: no fim de 2025, a arbitragem CEX-DEX já não oferecia os retornos excepcionais do período anterior. Ainda assim, ela forneceu uma base estável para reinvestir tempo e capital em novas estratégias.