← Trilha 4 | Módulo 4.5

💰 Simulação de Cenários Financeiros

Agentes investidores reagem a eventos econômicos: taxa de juros, crypto hacks e volatilidade de mercado.

⚠️

Aviso Importante

Este módulo é educacional. As simulações financeiras do MiroFish NÃO constituem aconselhamento financeiro, previsão de mercado ou recomendação de investimento. Sempre consulte profissionais qualificados para decisões financeiras.

O que é:

Para simulação financeira, os documentos-semente são dados econômicos reais: comunicados do COPOM, relatórios de earnings de empresas, notícias de fusões/aquisições, dados de inflação e eventos geopolíticos. A qualidade da simulação depende da completude desses dados.

Tipos de Documentos-Semente Financeiros:

Macro: Atas do COPOM, IPCA, PIB, taxa de câmbio, balança comercial
Corporativo: Earnings reports, M&A, mudança de CEO, recall de produto
Geopolítico: Sanções, guerras comerciais, eleições, mudanças regulatórias
Crypto: Hacks de exchanges, regulação SEC, halvings, listagens

Conceitos-chave:

  • - Dados estruturados: Números, datas e valores exatos (não apenas texto narrativo)
  • - Contexto temporal: Incluir o estado do mercado antes do evento (bull/bear/lateral)
  • - Precedentes: Adicionar como o mercado reagiu a eventos similares no passado
  • - Expectativas: O que o mercado esperava vs o que aconteceu (o gap gera volatilidade)

O que é:

Criamos 120 agentes investidores representando o ecossistema real do mercado: varejistas emocionais, fundos institucionais com algoritmos, analistas fundamentalistas, traders técnicos e formadores de opinião financeira. Cada um tem regras de decisão e tolerância a risco diferentes.

Perfis de Agentes Financeiros:

Varejista Emocional (40 agentes) Alto risco

Reage a manchetes. Compra no hype, vende no pânico. Influenciado por redes sociais e finfluencers. Horizonte: dias a semanas.

Institucional Algorítmico (20 agentes) Baixo risco

Regras matemáticas de decisão. Rebalanceamento automático. Stop loss definido. Não é influenciado por emoção. Horizonte: meses a anos.

Analista Fundamentalista (20 agentes) Médio risco

Analisa balanços e fundamentos. Compra valor, ignora ruído de curto prazo. Publica relatórios que influenciam outros agentes.

Trader de Momentum (25 agentes) Alto risco

Segue tendências. Compra o que está subindo, vende o que está caindo. Amplifica movimentos em ambas as direções.

Finfluencer (15 agentes) Influência alta

Não investe diretamente, mas publica análises e opiniões que movem os agentes varejistas. Alguns são responsáveis, outros são sensacionalistas.

Conceitos-chave:

  • - Herding behavior: Varejistas copiam o que outros varejistas fazem (efeito manada)
  • - Smart money vs dumb money: Institucionais geralmente compram quando varejistas vendem em pânico
  • - Information asymmetry: Analistas têm acesso a dados que varejistas não têm
  • - Feedback loops: Finfluencers criam profecias autorrealizáveis

O que é:

Simulação completa: o COPOM anuncia aumento de 0.5% na Selic (para 14.25%), quando o mercado esperava manutenção. Os 120 agentes reagem em cadeia ao longo de 5 rodadas (equivalentes a 5 dias úteis). Observamos renda fixa, ações, câmbio e derivativos.

Cascata de Reações Simuladas:

T+0min Anúncio: Selic sobe 0.5% (esperava-se 0%). Algoritmos institucionais vendem ações imediatamente (-2.1% no Ibovespa).
T+15min Traders de momentum amplificam a venda (-3.4%). Dólar sobe 1.8%. Finfluencers publicam "ALERTA" no Twitter.
T+1h Varejistas em pânico vendem ações tech e small caps (-5.2% no segmento). Renda fixa atrai capital.
T+1dia Analistas publicam relatórios: "Selic alta favorece bancos e utilities". Rotation setorial começa.
T+3dias Institucionais compram ações de bancos a preço descontado. Ibovespa recupera 1.8%. Nova estabilidade.

Conceitos-chave:

  • - Expectativa vs realidade: O gap entre o esperado e o anunciado determina a magnitude da reação
  • - Flight to quality: Capital sai de risco (ações) e vai para segurança (renda fixa)
  • - Rotation setorial: Juros altos beneficiam bancos/utilities e prejudicam tech/varejo
  • - Overshooting: A reação inicial é sempre exagerada; o mercado corrige em dias

O que é:

Simulação de um hack em uma exchange top-10 de criptomoedas: roubo de US$200M em ETH. Os agentes reagem em cascata: pânico inicial, corrida de saques em todas as exchanges (contágio), queda de preço, resposta regulatória simulada e recuperação gradual ao longo de 30 dias.

Fases da Crise Simulada:

Fase 1: Pânico (0-6h)

Varejistas tentam sacar de todas as exchanges. ETH cai 18%. BTC cai 12% por contágio. Volume de saques 40x normal.

Fase 2: Contágio (6-48h)

FUD generalizado: "E se minha exchange também for hackeada?" Exchanges menores veem saques 10x. 3 pausam operações.

Fase 3: Estabilização (2-7 dias)

Exchange hackeada anuncia fundo de compensação. Reguladores emitem nota. Institucionais começam a comprar na queda.

Fase 4: Recuperação (7-30 dias)

Preços recuperam 60% da queda. Exchange hackeada perde 35% dos clientes permanentemente. Exchanges com "proof of reserves" ganham market share.

Conceitos-chave:

  • - Bank run dynamics: Medo de insolvência causa corrida que pode causar insolvência real
  • - FUD propagation: Fear, Uncertainty, Doubt se espalha mais rápido que fatos
  • - Contagion effect: Problema em uma exchange afeta todo o ecossistema
  • - Recovery asymmetry: Queda é rápida (horas), recuperação é lenta (semanas)

O que é:

Comparação rigorosa entre os resultados da simulação e dados reais de eventos passados. Para o cenário de Selic, comparamos com as 5 últimas decisões surpresa do COPOM. Para o hack crypto, comparamos com o hack da Bybit (2025) e a queda do FTX (2022).

Precisão da Simulação (backtesting):

Métrica Simulado Real Erro
Queda inicial Ibovespa -3.4% -2.8% +0.6pp
Recuperação em 5 dias +1.8% +1.5% +0.3pp
Direção do câmbio Alta Alta Correto
Rotation setorial Bancos +3% Bancos +2.1% +0.9pp
Timing da recuperação 3 dias 4 dias -1 dia

Margem de erro média: 15-25%. Direção acertada em 90% dos casos.

Conceitos-chave:

  • - Direção vs magnitude: A simulação acerta a direção (90%) melhor que a magnitude (70%)
  • - Overshooting simulado: Agentes tendem a reagir mais fortemente que investidores reais
  • - Calibração iterativa: Cada backtesting melhora os parâmetros dos agentes
  • - Black swans: Eventos nunca vistos antes (cisnes negros) não podem ser simulados a partir de precedentes

O que é:

Discussão honesta e obrigatória sobre as limitações da simulação financeira: viéses inerentes ao modelo, cenários que não podem ser simulados, riscos de overconfidence e responsabilidades legais e éticas do uso.

5 Limitações Críticas:

1.
Viés de rebanho amplificado: Os agentes LLM tendem a convergir mais que investidores reais, gerando cenários de pânico exagerados.
2.
Cisnes negros imprevisíveis: Eventos sem precedente (COVID, 11/Set) não podem ser simulados a partir de dados históricos.
3.
Ilusão de precisão: Números como "-3.4%" dão falsa sensação de exatidão. A margem real é de 15-25%.
4.
Falta de skin in the game: Agentes simulados não perdem dinheiro real, então suas decisões são mais "racionais" que as humanas.
5.
Regulação: Usar simulação para tomar decisões de investimento pode ter implicações legais dependendo da jurisdição.

Uso responsável:

  • + Educação e treinamento
  • + Stress testing de portfólios
  • + Compreender dinâmicas de mercado
  • + Preparar planos de contingência

Uso irresponsável:

  • - Tomar decisões de investimento
  • - Vender como "previsão de mercado"
  • - Ignorar margem de erro nos dados
  • - Confiar 100% em cenários simulados

Conceitos-chave:

  • - Humildade epistêmica: A simulação é uma ferramenta de exploração, não uma bola de cristal
  • - Validação cruzada: Sempre comparar resultados simulados com dados reais e outras fontes
  • - Disclaimer obrigatório: Qualquer relatório financeiro deve conter aviso de não-aconselhamento
  • - Viés do operador: Quem configura a simulação pode (inconscientemente) influenciar os resultados
← Sentimento em Tempo Real Próximo: Seu Primeiro Mundo Digital →