Resumo Técnico: Representações de Gráficos Visuais para Previsão de Regimes de Criptomoedas

Formulação do Problema

Este estudo aborda a aplicação pouco explorada de aprendizado profundo a imagens de gráficos financeiros para previsão de regimes. Embora os traders técnicos historicamente dependam da análise visual de padrões de candlestick para prever movimentos de mercado, a avaliação sistemática de como diferentes representações visuais e arquiteturas neurais performam nesta tarefa permanece limitada. O artigo formula a previsão de regimes como uma tarefa de classificação binária de imagens: dada uma imagem de gráfico representando $N$ dias de dados históricos de preços, o modelo deve prever se o ativo entrará em um regime "alta" (definido como um retorno superior a um limiar de 2% em um horizonte futuro de 7 dias) ou um regime "baixa". A pesquisa busca determinar configurações ótimas para codificação de imagens, componentes de gráficos, arquitetura de modelo e estratégias de aprendizado por transferência nos dados de Bitcoin, Ethereum e S&P 500.

Metodologia

Os autores conduziram oito experimentos controlados abrangendo o período de 2018–2024, utilizando dados diários OHLCV de Bitcoin (BTC-USD), Ethereum (ETH-USD) e do ETF S&P 500 (SPY). Cada conjunto de dados continha 500 amostras, divididas cronologicamente em 70% para treinamento, 15% para validação e 15% para teste, a fim de prevenir viés de olhar para o futuro.

Codificação de Imagem e Componentes

Três métodos de codificação de imagem foram comparados:

1. Gráficos de Candlestick Brutos: Visualizações padrão renderizadas via mplfinance, codificando os preços de Abertura, Máxima, Mínima e Fechamento.
2. Campos Angulares Gramianos (GAF): Codificações matemáticas que transformam séries temporais em matrizes de coordenadas polares (variantes de Soma e Diferença).
3. GAF Multicanal: Empilhamento de matrizes GAF separadas para os preços de Abertura, Faixa e Fechamento nos canais RGB.

Cinco configurações de componentes de gráfico foram avaliadas, variando de candlesticks apenas de preço a sobreposições complexas incluindo barras de volume, Médias Móveis Simples (SMA) e Bandas de Bollinger.

Arquiteturas de Modelo

Quatro arquiteturas foram testadas:

• CNN Simples: Uma rede convolucional personalizada de 4 camadas (~422k parâmetros).
• ResNet18: Uma arquitetura padrão de 11,2M de parâmetros.
• EfficientNet-B0: Uma arquitetura de 4,0M de parâmetros.
• Vision Transformer (ViT-Tiny): Um modelo baseado em atenção de 5,5M de parâmetros.

Os experimentos variaram a resolução da imagem (64×64, 128×128, 224×224), as janelas de retrocesso (14, 30, 60, 90 dias) e o uso de aprendizado por transferência do ImageNet. Os modelos foram treinados usando AdamW com ponderação de classes para lidar com o desequilíbrio de regimes, e o desempenho foi avaliado principalmente usando AUC-ROC para garantir capacidade de discriminação independente de limiar.

Principais Contribuições

1. Comparação Sistemática de Codificações: A primeira comparação abrangente de gráficos de candlestick brutos versus codificações matemáticas (GAF) para classificação de regimes financeiros.
2. Ablação de Componentes Visuais: Um estudo quantificando o impacto da adição de indicadores técnicos (volume, SMA, Bandas de Bollinger) às imagens de gráficos.
3. Benchmarking de Arquitetura: A primeira comparação direta de CNNs versus Vision Transformers em imagens de gráficos de candlestick.
4. Análise de Aprendizado por Transferência: Uma avaliação da eficácia do pré-treinamento do ImageNet no domínio especializado de gráficos financeiros.
5. Interpretabilidade: A aplicação de GradCAM para visualizar e validar os recursos visuais que as CNNs aprendem a partir de gráficos financeiros.
6. Código Aberto: Fornecimento de código, modelos treinados e resultados experimentais para reprodutibilidade.

Resultados Experimentais

Codificação de Imagem

Contrariando a hipótese de que codificações matemáticas preservam melhor as dependências temporais, gráficos de candlestick brutos superaram significativamente as variantes GAF. A abordagem de candlestick bruto alcançou um AUC-ROC de 0,760, enquanto as variantes GAF de Soma e Multicanal pontuaram abaixo do acaso aleatório (0,310 e 0,252, respectivamente). Os autores sugerem que transformações matemáticas podem destruir os padrões espaciais essenciais para a extração de recursos por CNNs.

Componentes de Gráfico

A simplicidade provou ser superior. Candlesticks apenas de preço renderizaram o maior AUC-ROC (0,815). A adição de barras de volume, médias móveis ou Bandas de Bollinger degradou consistentemente o desempenho, com a configuração "Todos os Indicadores" caindo para 0,704. Isso sugere que indicadores técnicos ou introduzem ruído visual ou fornecem informações redundantes já implícitas nos dados de preços.

Janela de Retrocesso e Resolução

• Retrocesso: Uma janela de 30 dias alcançou o melhor desempenho (0,734 AUC), enquanto janelas mais curtas (14 dias) e mais longas (60/90 dias) performaram pior.
• Resolução: Uma resolução de 128×128 pixels alcançou o pico de AUC-ROC de 0,892. Resoluções mais baixas (64×64) perderam padrões de alta granularidade, enquanto resoluções mais altas (224×224) introduziram ruído ou exigiram mais dados do que o disponível.

Arquitetura de Modelo

Uma CNN simples de 4 camadas (~422k parâmetros) superou todos os modelos maiores e pré-treinados. Ela alcançou um AUC-ROC de 0,831, superando ResNet18 (0,662), EfficientNet-B0 (0,365) e ViT-Tiny (0,570). Os modelos maiores exibiram superajuste severo no conjunto de dados limitado de 500 amostras, sugerindo que, para este domínio específico e volume de dados, a complexidade do modelo é prejudicial.

Aprendizado por Transferência

Apesar da lacuna de domínio entre imagens naturais e gráficos financeiros, o pré-treinamento do ImageNet melhorou consistentemente o desempenho. Para ResNet18, o pré-treinamento aumentou o AUC-ROC em 4,1 pontos percentuais; para EfficientNet-B0, o ganho foi de 16,1 pontos percentuais. Isso indica que recursos de baixo nível (bordas, texturas) aprendidos a partir do ImageNet transferem-se efetivamente para a análise de gráficos.

Generalização entre Ativos

O desempenho variou significativamente por ativo. Bitcoin mostrou a maior previsibilidade (0,734 AUC), enquanto Ethereum (0,492) e S&P 500 (0,459) performaram perto ou abaixo do acaso aleatório. Os autores atribuem a previsibilidade do Bitcoin ao domínio de traders varejistas que dependem de análise técnica, criando padrões de autorrealização.

Interpretabilidade

Visualizações do GradCAM confirmaram que o modelo foca na ação recente dos preços (o lado direito do gráfico) e em candlesticks com corpos grandes (momento significativo). O modelo também prestou atenção às transições de cor (reversões de tendência), alinhando seus recursos aprendidos com princípios estabelecidos de análise técnica.

Significado e Alegações

O artigo conclui que "a simplicidade vence" na previsão visual de regimes. A configuração ótima identificada é uma CNN simples treinada em gráficos de candlestick brutos, apenas de preços, com resolução de 128×128 e uma janela de retrocesso de 30 dias.

As principais implicações extraídas pelos autores incluem:

• Representação de Dados: Visualizações brutas preservam informações preditivas melhor do que codificações matemáticas abstratas.
• Engenharia de Recursos: Adicionar indicadores técnicos às imagens é contraproducente; menos ruído visual leva a um melhor desempenho do modelo.
• Seleção de Modelo: Os praticantes devem priorizar modelos simples sobre arquiteturas grandes e pré-treinadas quando os dados são limitados, pois modelos complexos superajustam facilmente.
• Aprendizado por Transferência: Mesmo com uma lacuna de domínio significativa, o pré-treinamento do ImageNet fornece um aumento mensurável no desempenho.
• Especificidade de Mercado: Padrões visuais são mais preditivos em mercados de criptomoedas (especificamente Bitcoin) do que em ações tradicionais, provavelmente devido à microestrutura de mercado e ao comportamento dos participantes.

Os autores enfatizam que essas descobertas oferecem orientação prática para o design de sistemas de negociação visual, sugerindo que os esforços de engenharia devem focar na qualidade dos dados e na formulação do problema, em vez de aumentar a complexidade do modelo. Eles alertam que os resultados podem variar com conjuntos de dados maiores e que padrões previsíveis podem ser arbitrados à medida que os mercados evoluem.