🤖 machine learning

Do VLMs Truly "Read" Candlesticks? A Multi-Scale Benchmark for Visual Stock Price Forecasting

Este artigo apresenta um novo benchmark multi-escala e um framework de avaliação padronizado para investigar a capacidade de modelos visão-linguagem (VLMs) de interpretar gráficos de velas para previsão de ações, revelando que, embora eficazes em tendências persistentes, esses modelos apresentam limitações significativas em cenários de mercado comuns, incluindo viés de previsão e baixa sensibilidade a horizontes temporais específicos.

Autores originais: Kaiqi Hu, Linda Xiao, Shiyue Xu, Ziyi Tang, Mingwen Liu

Publicado 2026-04-15

📖 4 min de leitura☕ Leitura rápida

CC BY 4.0

Autores originais: Kaiqi Hu, Linda Xiao, Shiyue Xu, Ziyi Tang, Mingwen Liu

Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Imagine que você é um investidor tentando adivinhar para onde o preço de uma ação vai subir ou descer amanhã. Tradicionalmente, você olharia para gráficos de velas (aqueles desenhos com barras verdes e vermelhas que parecem velas de aniversário) e tentaria encontrar padrões.

Agora, imagine que você contratou um robô superinteligente (uma Inteligência Artificial chamada VLM - Modelo de Linguagem Visual) para fazer esse trabalho por você. A grande pergunta deste estudo é: Esse robô realmente "lê" e entende os gráficos, ou ele apenas está chutando?

Os autores deste paper decidiram colocar esse robô à prova de uma maneira muito criativa e rigorosa. Aqui está a explicação do que eles fizeram, usando analogias do dia a dia:

1. O Problema: O Robô estava "Vendo" ou "Adivinhando"?

Antes, os cientistas testavam esses robôs com gráficos misturados com muitas notícias e textos. Era como dar ao robô um gráfico de ações e, ao mesmo tempo, um jornal inteiro sobre a empresa. Se o robô acertasse, ninguém sabia se ele tinha entendido o desenho do gráfico ou se apenas leu a notícia que dizia "a empresa vai crescer".

A Solução dos Autores: Eles criaram um "laboratório limpo". Eles deram para o robô apenas os gráficos (sem texto, sem notícias), apenas as "velas" coloridas. Foi como tirar o livro de receitas e deixar o cozinheiro tentar fazer o prato apenas olhando para a foto do prato final.

2. O Desafio: A Visão de Longo Prazo vs. Curto Prazo

Os humanos que negociam ações são como capitães de navio. Eles olham para o horizonte (tendência de longo prazo, como o mapa geral) e também olham para as ondas perto do barco (tendência de curto prazo, para evitar colidir com um recife agora).

A maioria dos testes anteriores só mostrava ao robô uma "foto" de um único momento. Mas os autores criaram um teste de visão dupla:

Eles mostraram ao robô o gráfico diário (como ver as ondas do mar).
E o gráfico semanal (como ver o mapa do oceano).
O robô tinha que juntar essas duas visões para prever o preço daqui a 30 dias.

3. A Prova de Fogo: O "Exame de Condução"

Eles testaram vários robôs famosos (como GPT-4, Claude, Gemini, etc.) e compararam com um "aluno modelo" tradicional (um programa de estatística chamado XGBoost).

O que eles descobriram?

O Robô é um "Especialista em Tempestades": Os robôs ficaram muito bons em prever quando as ações iam cair (mercado de urso/bear market). É como se eles tivessem um radar de tempestade muito sensível. Porém, quando o mercado estava subindo (mercado de touro/bull market), eles tinham muita dificuldade em identificar as oportunidades de ganho.
O Robô é "Curto-Circuito": Mesmo quando pediam para prever o futuro de 30 dias, os robôs pareciam focar apenas no que aconteceu nos últimos 5 dias. Eles eram ótimos em ver o "agora", mas perdiam a visão do "futuro distante". É como tentar prever o clima do próximo mês olhando apenas para o céu de hoje.
A Mágica da Imagem: Surpreendentemente, os robôs que olhavam para os gráficos (imagens) foram mais estáveis e consistentes do que os que olhavam apenas para números (tabelas).
- Analogia: Imagine tentar aprender a andar de bicicleta.
  - Tabela de Números: É como ler um manual técnico com equações de física. Você entende a teoria, mas não sabe equilibrar.
  - Gráfico de Velas: É como ver alguém pedalando. O cérebro do robô consegue "ver" o padrão, a forma e o movimento, o que ajuda a prever o que vem a seguir melhor do que apenas os números frios.

4. O Veredito Final

Os robôs não são oráculos mágicos. Eles ainda têm limitações sérias:

Eles tendem a ser pessimistas (acham que tudo vai cair).
Eles têm dificuldade em planejar a longo prazo.
Eles funcionam melhor como um "segundo par de olhos" para sinais de curto prazo, e não como um conselheiro para investimentos de anos.

Em resumo: O estudo diz que, embora a Inteligência Artificial esteja ficando muito boa em "enxergar" gráficos de ações, ela ainda não substitui o analista humano experiente. Ela é como um assistente que é ótimo em gritar "Cuidado, tem um buraco na frente!", mas ainda precisa de ajuda para planejar a rota de férias de um ano inteiro.

O maior valor desse trabalho é que eles criaram um novo padrão de teste (um "campo de treinamento" justo) para que, no futuro, possamos saber exatamente quais robôs são confiáveis e quais estão apenas alucinando.

1. O Problema

O artigo identifica lacunas críticas na avaliação atual de Modelos Visão-Linguagem (VLMs) aplicados à previsão de preços de ações:

Atribuição de Capacidade Ambígua: Estudos anteriores utilizam conjuntos de dados multimodais complexos (texto + imagem + tabelas), tornando impossível determinar se o bom desempenho do modelo decorre da compreensão real dos padrões gráficos (candlesticks) ou apenas do processamento de sinais textuais.
Falta de Análise Multi-Escala: A maioria dos benchmarks ignora a metodologia fundamental da análise técnica, que integra múltiplas escalas de tempo. Analistas humanos usam gráficos de longo prazo (semanal/mensal) para identificar tendências macro e gráficos de curto prazo (diário) para pontos de inflexão. Os VLMs atuais não são testados sistematicamente sobre sua capacidade de integrar essas dinâmicas visuais.
Limitações de Avaliação: As métricas existentes são frequentemente insuficientes para capturar a sensibilidade temporal e os vieses de previsão dos modelos em diferentes regimes de mercado.

2. Metodologia

2.1 Construção do Dataset Multi-Escala

Os autores criaram um novo conjunto de dados focado exclusivamente em dados visuais para eliminar viés multimodal:

Fontes de Dados: Dados históricos OHLCV (Open, High, Low, Close, Volume) do índice HS300 (China) e S&P500 (EUA) de 2015 a 2025.
Geração de Imagens: Para cada amostra, foram gerados dois gráficos de candlestick para a mesma data e ativo:
1. Gráfico Diário: Mostra movimentos de curto prazo.
2. Gráfico Semanal: Mostra tendências de longo prazo.
- Ambos incluem médias móveis (MA5, MA20, MA90) e volume.
Restrições: O dataset foi projetado para forçar os VLMs a extrair informações puramente dos padrões visuais, sem texto explicativo ou dados numéricos brutos na entrada.
Estatísticas: O dataset contém cerca de 193.524 amostras de candlesticks, cobrindo mercados de alta (bull), baixa (bear) e laterais.

2.2 Definição da Tarefa

Objetivo: Previsão de regressão do retorno futuro de 30 dias ( $H=30$ ).
Entrada: Dois gráficos (Diário e Semanal) + Prompt estruturado.
Saída: Um valor numérico contínuo no intervalo $[-0.5, 1.0]$ , representando o retorno esperado.
Prompt Engineering: Os modelos foram instruídos a atuar como "analistas de tendências", analisando padrões de candle, cruzamentos de médias móveis, volume e pontos de inflexão, integrando as escalas de tempo para prever o retorno.

2.3 Framework de Avaliação

O estudo utiliza uma abordagem multidimensional:

Matriz de Confusão: Analisa Taxa de Verdadeiros Positivos (TP), Falsos Positivos (FP), Precisão, Recall e F1-Score para entender o comportamento do modelo em diferentes estados de mercado.
Coeficiente de Informação (IC): Mede a correlação linear entre os valores previstos e os retornos reais. Inclui ICIR (razão IC/desvio padrão) para estabilidade.
Análise de Viés: Avalia se o modelo tende sistematicamente a ser otimista (viés positivo) ou pessimista (viés negativo).
Baseline: Um modelo XGBoost baseado em dados numéricos foi usado como linha de base para comparação.

3. Contribuições Principais

Novo Dataset e Benchmark: Primeiro dataset focado em raciocínio visual multi-escala em gráficos de candlestick, isolando a capacidade visual dos VLMs.
Framework de Avaliação Rigoroso: Combinação de métricas de classificação (matriz de confusão) com métricas de regressão financeira (IC, Rank IC) e análise de viés de calibração.
Análise de Comportamento: Identificação de que os VLMs possuem "preferências" de investimento distintas (ex: alguns são melhores em detectar quedas, outros em detectar altas) e limitações na previsão de longo prazo.

4. Resultados Experimentais

4.1 Desempenho Geral

A maioria dos VLMs testados (incluindo GPT-4o, Claude, Gemini, Qwen) performou bem apenas em condições de tendência persistente (alta ou baixa forte).
Em cenários de mercado comuns (laterais ou voláteis), a capacidade preditiva foi fraca.
O XGBoost (baseline numérico) demonstrou maior estabilidade e melhor classificação média em termos de IC, mas os VLMs mostraram um potencial de teto de desempenho mais alto em cenários específicos.

4.2 Viés e Calibração

Houve uma divergência significativa nos vieses entre as arquiteturas. Alguns modelos tendem a superestimar movimentos de alta, enquanto outros subestimam.
Isso sugere que a combinação de modelos (ensemble) com vieses complementares poderia melhorar a robustez.

4.3 Sensibilidade Temporal

Problema Crítico: Embora instruídos a prever retornos de 30 dias, a análise de IC revelou que os VLMs têm uma correlação significativamente maior com retornos de 5 dias.
Isso indica que os modelos capturam sinais técnicos de curto prazo (comuns nos dados de treinamento) mas falham no raciocínio temporal profundo necessário para horizontes de longo prazo.

4.4 Desempenho em Condições Extremas

Mercados de Baixa (Bear Markets): Todos os modelos tiveram acurácia significativamente maior em identificar riscos de queda do que oportunidades de alta.
Ações em Tendência Contínua: Modelos como o Claude-Haiku foram superiores em identificar ações em queda contínua, enquanto o GPT-5mini foi melhor em capturar tendências de alta. O XGBoost mostrou baixa sensibilidade a sinais de momentum positivo.

4.5 Melhores Modelos

Claude-sonnet-4-5 (thinking): Apresentou o melhor desempenho geral, com forte poder preditivo tanto na direção do preço quanto no ranking de retornos.
Qwen: Mostrou um equilíbrio entre previsão de direção e capacidade de ranking.
Gemini2.5-flash: Alcançou a previsão de direção mais equilibrada.

5. Significado e Conclusão

O estudo conclui que, embora os VLMs ainda não superem consistentemente os modelos tradicionais em estabilidade geral, eles possuem um teto de desempenho superior em cenários específicos devido à sua capacidade de processar a "gramática visual" dos gráficos.

Vantagem Estrutural: Gráficos de candlestick externalizam heurísticas técnicas refinadas em sintaxe visual (formas, padrões espaciais), permitindo que os VLMs transfiram priores visuais de imagens naturais para padrões financeiros. Modelos tabulares precisam inferir essas abstrações a partir de vetores numéricos brutos, o que é mais difícil.
Limitação Temporal: A principal limitação atual dos VLMs é a incapacidade de realizar raciocínio temporal preciso para horizontes longos; eles funcionam melhor como ferramentas auxiliares para sinais de curto prazo.
Futuro: O benchmark proposto oferece uma base metodológica para entender os mecanismos de previsão multimodal e otimizar estratégias de trading, sugerindo que a integração de modelos com vieses complementares pode ser uma via promissora.

Em resumo, os VLMs "leem" os candlesticks melhor do que se esperava em termos de reconhecimento de padrões visuais, mas ainda carecem de uma compreensão profunda da dinâmica temporal de longo prazo necessária para a previsão financeira robusta.