Ver categorias
Explorar
Fiverr Pro
Português
$
USD
Eu vou auditar e validar sua estratégia de trading com backtesting em python
Desenvolvedor Quantitativo: Sistemas de trading do pesquisa até a produção
Eu desenvolvo sistemas de trading quantitativo para traders profissionais, empresas de prop trading, hedge funds, gestores de ativos e fintechs, desde a descoberta de alpha até validação e implantação...
Sobre este Serviço
Eu avalio a confiabilidade dos resultados da sua estratégia através de backtesting em Python, análise de risco e testes de robustez.
Posso auditar código existente e backtests ou reconstruir a lógica em Python, revisando dados, regras, dimensionamento de posições e suposições de execução, incluindo modelos estatísticos e de IA.
Dependendo do escopo, aplico testes fora da amostra, análise walk-forward, simulações de Monte Carlo, análise de sensibilidade, análise de regimes, testes de estresse, reamostragem e benchmarks, considerando custos, slippage e liquidez.
Investigo overfitting, viés de look-ahead, vazamento de dados, viés de sobrevivência e instabilidade de parâmetros.
Você recebe código reproduzível, métricas de retorno e risco, análise de trades, visualizações e um relatório com descobertas, limitações e recomendações técnicas.
As descobertas podem indicar que a estratégia precisa de revisão ou não deve avançar. Sem garantias de lucro ou desempenho futuro.
NDA disponível. Envie suas regras, dados e resultados existentes para que possamos concordar sobre o escopo e critérios de avaliação antes de você fazer o pedido.
Perguntas frequentes
Tradução automática
O que recebo e como os pacotes diferem?
Todos incluem código em Python reproduzível, métricas, visualizações e um relatório. O backtest cobre dados, regras e custos; Robustez adiciona testes fora da amostra, sensibilidade e estabilidade; Avançado amplia a análise com walk-forward, Monte Carlo, regimes e testes de estresse.
Você consegue validar uma estratégia, código ou backtest já existentes?
Sim. Posso auditar código, reproduzir um backtest ou reconstruir a lógica em Python a partir de regras documentadas. Comparo resultados, verifico discrepâncias e avalio dados, suposições e metodologia, inclusive quando a implementação original está em outra plataforma.
O que preciso fornecer antes de começar o projeto?
Compartilhe o mercado, instrumentos, timeframe, regras de entrada e saída, dimensionamento de posições, dados, corretora e restrições de risco. Código, backtests e documentação ajudam a reproduzir o comportamento esperado. Abordamos quaisquer lacunas e concordamos com critérios de avaliação antes de começar.
Como você controla vieses e reduz o risco de overfitting?
Defino o protocolo de avaliação, preservo a ordem cronológica e verifico quais dados estavam disponíveis em cada ponto no tempo. Investigo viés de look-ahead, vazamento de dados, viés de sobrevivência e efeitos de múltiplos testes. Dados usados para ajuste não são tratados como um conjunto de teste independente.
Como você simula custos e condições de execução?
Dependendo do escopo e dos dados, modelou comissões, spreads, slippage e restrições de liquidez. Posso incluir latência, fills parciais, margem e financiamento. As suposições são documentadas e testadas em diferentes cenários de custo e execução.
Com quais mercados e bolsas você trabalha?
Trabalho com cripto, ações/ETFs, CFDs, futuros, opções, commodities, FX e renda fixa. Bolsas e grupos: NYSE, Nasdaq, LSE, Euronext, Xetra, SIX, JPX, HKEX, ASX, B3, TSX, NSE, SSE, SZSE, KRX, CME Group, Cboe, ICE, Eurex, SGX e TAIFEX, sujeitos à disponibilidade e acesso aos dados.
Quais corretoras, plataformas e infraestrutura de execução você pode integrar?
Posso integrar IBKR, Charles Schwab, TradeStation, tastytrade, Alpaca, OANDA, Webull, Tradier, Public, Binance, Coinbase, Bitfinex, Bybit, Kraken, Deribit, Rithmic, CQG, Bloomberg EMSX, Trading Technologies e SS&C Eze via REST, WebSocket, FIX ou SDKs, sujeitos ao acesso e capacidades disponíveis.
Quais fontes de dados você pode integrar?
Posso integrar dados da Bloomberg, LSEG, FactSet, S&P Global, ICE Data Services, Databento, Nasdaq Data Link, dxFeed, Cboe DataShop, CME DataMine, OptionMetrics, Macrobond, RavenPack, Kaiko e Coin Metrics, além dos seus datasets. A integração depende do acesso e licenças de cada fonte.
Qual stack de tecnologia você usa desde a pesquisa até a produção?
Dependendo do escopo, uso Python, SQL, C++, Pandas, NumPy, SciPy, Polars, statsmodels, scikit-learn, XGBoost e PyTorch. Pesquisa: QuantConnect, Jupyter, vectorbt e backtrader. Produção: FastAPI, PostgreSQL, Docker, Linux, pytest, Git, CI/CD, Prometheus, Grafana, AWS, Azure e Google Cloud.
Como você lida com comunicação e confidencialidade?
Prioritizo o chat do Fiverr e documentação escrita para manter a comunicação clara e as decisões rastreáveis. Chamadas curtas pelo Fiverr podem ajudar a esclarecer requisitos ou demonstrar resultados. NDA disponível; sua estratégia, código, dados, documentação e resultados permanecem confidenciais.
