Reversão Contrária ao Excesso de Posições do Varejo, Long-Short (Cesta de 3 Ativos Binance USD-M com Alta Participação do Varejo DOGE/XRP/SOL, candles de 4h + feed da razão GLOBAL long/short ACCOUNT, operar contra a multidão ONLY em extremos estatísticos de posicionamento — vender quando o varejo está maximamente comprado líquido / comprar quando está maximamente vendido líquido, saída na reversão à média, 3 parâmetros)

Uma estratégia LONG-SHORT contrária, com vários instrumentos, em três perps Binance USD-M com alta participação do varejo (DOGEUSDT, XRPUSDT, SOLUSDT), em candles de 4h, guiada pela razão global long/short de GLOBAL ACCOUNT (proxy de posicionamento do varejo baseado em contagem nas métricas CSV da Binance Vision — count_long_short_ratio — que tem histórico de MULTI-YEAR, ao contrário do feed de traders de topo, disponível apenas via API, que deixou a cesta anterior de 'Informed-Positioning' inativa após 2021). A vantagem é comportamental e estrutural, não uma previsão de preços: a multidão de contas do varejo erra sistematicamente nos extremos — quando a maioria esmagadora das contas do varejo está comprada líquida em um ativo, os compradores marginais se esgotaram e os retornos futuros são fracos; quando o varejo está maximamente vendido líquido, a pressão de venda se esgota e vêm as recuperações. A leitura é, em particular, CONTRARIAN do varejo (operar contra a multidão), NOT da leitura de acompanhamento de tendência das contas informadas e grandes, que já falhou. Deliberadamente com 3 parâmetros (z_lookback, entry_z, atr_stop_mult) para resistir ao sobreajuste; uma cesta de 3 ativos dilui o ajuste da curva a um único símbolo e aumenta o número de operações para melhorar a confiabilidade estatística.

A iteração 4 corrige a falha da Layer-4 QA (incompatibilidade no conjunto de instrumentos + possibilidade de mensuração de um único ativo) ao transformar a estratégia na cesta genuína de 3 ativos exigida pela hipótese: extra_instruments agora inclui XRPUSDT.BINANCE e SOLUSDT.BINANCE, on_extra_bar é sobrescrito, e as duas pernas adicionais são de fato negociadas, com tratamento completo de posição, saída e dimensionamento. Isso restaura a diversificação e a contagem de aproximadamente 3x operações (cerca de 300 operações contra as 100 anteriores) que a hipótese aponta como mecanismo central contra sobreajuste e para aumentar o tamanho da amostra, respondendo à observação QA de que o Sharpe CI abrangia zero em um único ativo. Restrição de dados tratada com transparência: confirmei em src/backtesting/supp_collector.py e executando load_for_subprocess que o pipeline de backtest carrega a razão de contas L/S ONLY para a perna principal (as adicionais recebem apenas funding); portanto, uma cesta estrita com razão por perna deixaria XRP/SOL sem dados e sem operações (uma cesta fictícia). Em vez disso, a cesta compartilha a razão global de contas da DOGE principal — DOGE sendo o ativo com maior predominância de investidores de varejo entre os três, um termômetro amplo do sentimento do varejo —, mantendo o mecanismo contrarian de razão de contas L/S da SAME (NOT uma troca por um indicador baseado apenas em preço), enquanto a execução de cada perna (momento de entrada baseado no z compartilhado, mas stop ATR, saída por reversão, preço e dimensionamento independentes por perna) permanece totalmente separada. Os cálculos de z-score, entrada, saída e dimensionamento são idênticos byte a byte à lógica já aprovada na Layer 3 para DOGE (100 operações, refatorada em funções auxiliares compartilhadas _zscore_for_bars/_atr_of/_size_for); assim, o comportamento DOGE é preservado e as pernas adicionais se comportam da mesma forma. Segurança da Layer-2: as ordens das pernas adicionais passam por _submit_entry_instrument da classe base, que retorna antecipadamente quando o cache simulado não fornece instrumento; portanto, o caminho adicional on_extra_bar não pode causar falha no proxy sintético — verifiquei localmente que a Layer 1 (estática) e todos os seis cenários da Layer 2 passam. Imports inalterados (nenhuma adição proibida); o analisador da razão continua sendo uma closure local para evitar a armadilha de binding estático do proxy. A alavancagem é referenciada em _size_for (max_size = patrimônio*alavancagem/preço), portanto não fica definida e sem uso.

Vantagem ajustada ao risco não significativa, além de caudas pesadas dependentes de dias de colapso. O Sharpe é apenas 0.285, com um 95% CI de [-0.326, 0.916] que abrange zero; portanto, não é possível distinguir a vantagem do ruído, e a otimização de três parâmetros não consegue elevá-la até cerca de ~1.5, nível necessário para promoção. O retorno total de +1814% é um artefato de caudas pesadas (curtose 15.5, assimetria 1.18), sustentado por cerca de ~6 dias extremos isolados — +80.8% no colapso de 2022-11-01 FTX, +40.3%, +37.5%, +32.9%, +30.2%, +30.0% — ou seja, alguns shorts contrários afortunados durante colapsos, não uma vantagem consistente de operar contra o comportamento do varejo. Fundamentalmente, a nota no código admite que o pipeline de dados suplementares do backtest fornece a razão de contas L/S apenas para a perna principal; assim, XRP e SOL operam com o z-score de posicionamento coletivo de DOGE, em vez de usarem o próprio. Portanto, a premissa central de diversificação da hipótese (três sinais independentes de posicionamento do varejo) não se concretiza: trata-se de um sinal em três ativos principais correlacionados, o que explica a variância enorme e o colapso do Sharpe. Esse defeito é uma restrição de fornecimento de dados do mecanismo que o desenvolvedor não pode corrigir, então iterar não ajudará. Agravado por max_drawdown 40.4% (CI a 98.4%), giro de 784x, impacto de 14.6% do bruto e capacidade de apenas US$ 4.67M. avg_trade_return_pct 0.716% supera o piso de taxas; portanto, trata-se de abandonar por qualidade de risco/significância da vantagem, não por inviabilidade da vantagem após as taxas.

Falha na verificação (Camada 4 — revisão de QA): - Incompatibilidade no conjunto de instrumentos: a hipótese define explicitamente uma cesta de 3 ativos (DOGEUSDT, XRPUSDT, SOLUSDT) e afirma que a cesta IS o mecanismo central contra sobreajuste e para aumentar o número de operações ('uma cesta de 3 ativos dilui o ajuste da curva a um único símbolo e eleva o número de operações para confiabilidade estatística'). O código entregue só usa o ativo DOGE: config.instrument_id=DOGEUSDT.BINANCE, extra_instruments=[], a docstring da classe diz 'single-name' e não há tratamento multi-instrumento (on_extra_bar não foi sobrescrito). Dois dos três instrumentos mencionados (XRP, SOL) estão ausentes. Portanto, o código não implementa a hipótese sob a qual foi registrado, e desaparecem a diversificação e o tamanho de amostra nos quais ela se baseia. - O Sharpe do sandbox 1.05 CI é [-0.57, 2.66] (cruza zero) em 100 operações, e o resultado depende da posição vendida (short_win_rate 0.596 contra long_win_rate 0.417) em uma única janela de 363 dias. Reduzir a cesta a um ativo deixa a vantagem no limite inferior da mensurabilidade.

Falha na verificação (Camada 2 — cenários sintéticos): Parâmetros usados: ['entry_z', 'risk_frac', 'atr_period', 'z_lookback', 'min_notional', 'atr_stop_mult', 'min_ratio_pts'] Verifique se __init__ define todos os atributos usando self.parameters.get(). - steady_uptrend: TypeError: RetailCrowdingContrarianReversalLS._extract() recebe 1 argumentos posicionais, mas foram fornecidos 2 (timestamp do candle: 1735692540000) - steady_downtrend: TypeError: RetailCrowdingContrarianReversalLS._extract() recebe 1 argumentos posicionais, mas foram fornecidos 2 (timestamp do candle: 1735692540000) - flat_ranging: TypeError: RetailCrowdingContrarianReversalLS._extract() recebe 1 argumentos posicionais, mas foram fornecidos 2 (timestamp do candle: 1735692540000) - volatility_spike: TypeError: RetailCrowdingContrarianReversalLS._extract() recebe 1 argumentos posicionais, mas foram fornecidos 2 (timestamp do candle: 1735692540000) - zero_volume: TypeError: RetailCrowdingContrarianReversalLS._extract() recebe 1 argumentos posicionais, mas foram fornecidos 2 (timestamp do candle: 1735692540000) - price_gap: TypeError: RetailCrowdingContrarianReversalLS._extract() recebe 1 argumentos posicionais, mas foram fornecidos 2 (timestamp do candle: 1735692540000)