De Bots por Regras a Agentes de IA: Uma Breve História

Em outubro de 1987, programas de venda automatizada ajudaram a apagar 22,6 % do Dow numa única sessão. Hoje, consegue descrever uma regra de trading numa frase e ter software a executá-la enquanto dorme. A distância entre esses dois momentos é a evolução dos bots de trading: quatro décadas de mercados a entregar mais trabalho às máquinas, quase sempre ganhando eficiência, ocasionalmente falhando em público e à escala. Esta é essa história, era a era — o que cada vaga tornou possível, o que quebrou, e a lição que cada geração parece reaprender da maneira difícil.

Program trading e o despertar de 1987

A pré-história é mecânica. Em 1976 a Bolsa de Nova Iorque ligou o DOT, o sistema Designated Order Turnaround, deixando os corretores encaminhar ordens eletronicamente em vez de as caminharem através do pregão. Em meados da década de 1980, as instituições usavam os seus sucessores para executar «program trades»: cabazes inteiros de ações comprados ou vendidos como uma única instrução.

A estratégia emblemática da década foi o seguro de carteira. A ideia era razoável isolada: à medida que o mercado cai, vender mecanicamente futuros de índice para que o risco de queda de uma carteira fique limitado. Depois chegou a segunda-feira, 19 de outubro de 1987. Os preços em queda dispararam vendas, que empurraram os preços mais para baixo, que dispararam mais vendas de todos os fundos a correr lógica quase idêntica. O Dow fechou a menos 22,6 %, ainda a maior perda percentual num só dia da sua história.

A lição não foi «a automação é perigosa». Foi mais subtil: uma regra automatizada que milhares de outros também correm deixa de ser uma cobertura e torna-se uma multidão. A Segunda-Feira Negra ensinou aos mercados que a automação correlacionada é ela própria um fator de risco, e que qualquer regra precisa de um teto sobre quanto pode fazer. Os disjuntores introduzidos na sua sequência são exatamente essa ideia, aplicada a todo o mercado.

Mercados eletrónicos e a corrida à velocidade (anos 90–2000)

As duas décadas seguintes moveram o trading dos pregões para os servidores. As redes de comunicação eletrónica emparelhavam compradores e vendedores diretamente, as corretoras online punham a introdução de ordens nas salas de estar, e a decimalização em 2001 encolheu o incremento mínimo de preço nos EUA de um dezasseis avos de dólar para um cêntimo, comprimindo os spreads. Em meados dos anos 2000, as firmas de alta frequência pagavam para colocar servidores a metros dos motores de emparelhamento das bolsas, a competir em microssegundos.

Os traders de retalho eram espectadores nessa corrida mas beneficiários dos seus efeitos secundários: spreads mais apertados, execuções quase instantâneas, comissões a tender para zero. As falhas da era, no entanto, anteciparam tudo o que importa sobre a automação em velocidade.

Em 6 de maio de 2010, o flash crash levou o Dow para baixo cerca de 1000 pontos em minutos antes de os preços recuperarem quase por completo em meia hora. Os criadores de mercado automatizados retiraram-se em simultâneo quando a volatilidade disparou; sem ofertas em repouso, algumas ações de grande capitalização imprimiram brevemente a um cêntimo. Dois anos depois, em 1 de agosto de 2012, a Knight Capital implementou software novo em sete dos seus oito servidores de trading. O oitavo corria código desatualizado que uma antiga flag reativou, disparando ordens erráticas em cerca de 150 ações. A firma perdeu cerca de 440 milhões de dólares em menos de uma hora e não sobreviveu como empresa independente.

Duas lições transitaram. A velocidade multiplica o erro mais depressa do que multiplica o lucro, por isso os botões de emergência e as verificações de risco pré-negociação deixaram de ser opcionais. E o jogo da latência fechou-se permanentemente aos indivíduos — a herança útil para o retalho nunca foi a velocidade, mas a disciplina inventada para a conter.

Os anos 2010: a evolução dos bots de trading chega ao retalho

A automação chegou primeiro aos indivíduos através do FX, onde os «expert advisors» do MetaTrader deixavam qualquer pessoa correr estratégias programadas numa conta de corretora de retalho. A verdadeira explosão veio com a cripto. As exchanges aí nasceram API-first, nunca fecham, e liquidam em minutos: um habitat nativo para software. O rali de touro de 2017 cunhou uma indústria artesanal de plataformas de bots que ofereciam grid bots (uma escada de ordens de compra e venda ao longo de um intervalo), bots de DCA agendados, e automações de seguimento de sinais, sem código necessário.

Pela primeira vez, um indivíduo podia correr automação genuína 24/7 numa conta ao vivo. Muitos ainda o fazem; o segmento de investidor de retalho do trading algorítmico foi estimado em cerca de 3,95 mil milhões de dólares em 2025, a crescer cerca de 13,4 % ao ano (Grand View Research, 2025). A mecânica do trading automatizado tornou-se um produto de consumo.

Os rebentamentos mudaram de forma em consequência. Os expert advisors eram vendidos com backtests sobreajustados que desmoronavam ao vivo. Os bots de martingale, que dobram a dimensão da posição após cada perda, imprimiam pequenas vitórias constantes até uma tendência forte apagar contas inteiras. E uma geração de utilizadores aprendeu a higiene das chaves de API da maneira difícil, concedendo permissões de levantamento a serviços que mais tarde desapareceram. A lição da era: o acesso ficou resolvido, o juízo não. Uma ferramenta ser real não torna o seu marketing honesto.

Dos sinais de ML aos agentes LLM (2018–hoje)

A aprendizagem automática entrou em surdina. As instituições usaram-na para investigação de sinais e otimização de execução ao longo do fim da década de 2010, enquanto grande parte da «IA» de retalho era um rótulo colado em lógica de grelha comum. A mudança substantiva veio em 2023, quando os modelos de linguagem grandes tornaram possível uma nova interface: software que lê uma frase, ou uma agência de notícias, e a converte em condições estruturadas e monitorizadas.

É essa a verdadeira diferença entre esta era e a anterior. Um agente de IA difere de um bot clássico menos na execução do que na entrada: regras fixas se-então contra a capacidade de interpretar a intenção e dados não estruturados, e depois agir sob limites definidos por humanos. É o padrão percecionar-raciocinar-agir que define o trading agêntico.

A comunidade de investigação já entregou os achados de cautela desta era, por uma vez antes do rebentamento em vez de depois dele. Os backtests de estratégias de LLM são muitas vezes inflacionados por memorização: um modelo cujos dados de treino se sobrepõem à janela de teste consegue «recordar» o que aconteceu em vez de o prever (arXiv:2505.07078, 2025). E uma auditoria de 2026 a 77 estudos sobre agentes de trading com LLM encontrou pouco apoio para um desempenho superior duradouro, colocando antes o valor demonstrado na disciplina de execução, na monitorização e no apoio à investigação (arXiv:2605.19337, 2026). As plataformas sérias desta vaga, a Obside entre elas, respondem com uma divisão arquitetural: o modelo de linguagem interpreta o que quer dizer, enquanto motores determinísticos tratam dos preços, da matemática e do encaminhamento de ordens.

Quatro décadas, uma lição recorrente

Era	O que se tornou possível	O que rebentou	Lição que ficou
Program trading dos anos 80	Execução de cabazes à velocidade da máquina	O ciclo de retroação da Segunda-Feira Negra (1987)	A automação correlacionada é risco de multidão; limite o que qualquer regra pode fazer
Mercados eletrónicos anos 90–2000	Execuções baratas e instantâneas para todos	Flash crash de 2010; Knight Capital (2012)	A velocidade multiplica o erro; botões de emergência e verificações pré-negociação
Bots de retalho anos 2010	Automação 24/7 sem código	EAs sobreajustados, ruína de martingale, chaves de API roubadas	Valide antes de confiar; nunca conceda direitos de levantamento
Agentes LLM anos 2020	Estratégia expressa em linguagem simples	Backtests de IA inflacionados, hype de autonomia	Exija prova fora da amostra; mantenha as salvaguardas definidas por humanos

Leia a terceira coluna de cima a baixo e o padrão é difícil de não ver: cada vaga recompensou os disciplinados e castigou os crédulos, e o castigo chegou sempre através da capacidade mais recente da era. Os seguradores de carteira confiaram numa fórmula. A Knight confiou numa implementação. Os compradores de bots confiaram numa captura de ecrã de um backtest. A tentação que é vendida muda; a falha em verificar não.

A quarta coluna conta uma história mais esperançosa: o kit de ferramentas dos sobreviventes acumulou-se. Tetos de posição, disjuntores, regras testadas, lançamentos controlados, permissões limitadas. Cada era acrescentou uma camada, e durante a maior parte desta história a pilha completa existiu apenas dentro das instituições. Para onde vai a vaga atual a seguir é uma pergunta em si (ver o trading agêntico em 2026), mas a direção de viagem do kit de ferramentas é clara: para baixo, em direção aos indivíduos.

O que esta história lhe entrega

O resumo honesto de quatro décadas é que a automação cumpriu as suas promessas sobre a capacidade e quebrou-as sobre a facilidade. As máquinas assumiram de facto a vigilância, a aritmética e a execução. O que nunca forneceram é a camada de juízo: saber se uma regra merece de todo correr.

O que é genuinamente novo neste momento não é inteligência. É que a pilha de disciplina institucional se tornou finalmente acessível em linguagem simples. Na Obside, o caminho que os sobreviventes da Segunda-Feira Negra reconheceriam é o caminho por omissão: escreve «compra 150 $ de um ETF de ações global no primeiro dia de negociação de cada mês, salta a compra se o índice tiver caído mais de 8 % no mês anterior», o copiloto reformula-o como condições monitorizadas exatas, e o agente corre contra anos de história, depois em papel com dados ao vivo, antes de uma única ordem real ser encaminhada — com tetos de posição e limites de drawdown impostos no momento da execução.

O argumento de fecho da história é simples: o próximo rebentamento vai encontrar as pessoas que saltaram a lista de verificação. Seja do outro tipo. Descreva a sua regra ao copiloto da Obside e deixe-a merecer a sua confiança em backtest e em papel antes de alguma vez tocar em capital.

Conteúdo educativo apenas. Isto não é aconselhamento de investimento. Operar envolve riscos, incluindo a possível perda de capital.