Assertividade do robô na Deriv: como ler no Codexium
"Qual é a assertividade?" é provavelmente a pergunta mais feita sobre qualquer robô de dígitos. E também uma das mais mal interpretadas. Um número alto de assertividade do robô na Deriv pode conviver com prejuízo, dependendo de como o robô usa gale e de quanto custa um ciclo perdido.
No Codexium, a aba IA mostra uma linha de assertividade calculada pelo próprio servidor, junto com um painel de Estado que diz o que o robô está fazendo naquele momento. Este guia explica de onde vêm esses números, como lê-los com olhar técnico e como usá-los para testar na conta demo. Nada aqui é promessa de resultado: assertividade é uma descrição do passado e não garante o futuro.
O que a linha de assertividade mostra
Na área de sinais da aba IA, quando o servidor tem histórico disponível, aparece um quadro com:
- Assertividade até G*n* · Modo: a porcentagem de sinais que terminaram em vitória até o gale escolhido, para o modo selecionado (por exemplo, Moderado).
- Quantidade de sinais: o tamanho da amostra usada no cálculo.
- WIN · LOSS: quantos sinais venceram e quantos perderam até aquele gale.
- Histórico real das rodadas desde uma data, com o aviso de que resultado passado não garante resultado futuro.
O número muda quando você troca o gale máximo (G0 a G8) ou o modo de sinais. Isso é esperado: com mais etapas de gale, mais ciclos terminam em vitória, porque há mais tentativas dentro de cada ciclo.
De onde vem o número: replay das rodadas
A assertividade não é um número fixo escrito na tela. O servidor do Codexium guarda as rodadas registradas do índice usado pela IA e faz um replay: aplica as regras do modo de sinais a esse histórico e conta, para cada gale de G0 a G8, quantos sinais teriam terminado em vitória e quantos em perda. O cálculo é refeito periodicamente, então a amostra cresce com o tempo.
Em termos técnicos, isso é um backtest sobre dados reais do índice, com as mesmas regras de gatilho do modo. É útil, mas carrega as limitações de qualquer backtest. Se você quer entender essas limitações a fundo, veja backtest de robô na Deriv e viés de seleção em backtest.
Por que assertividade alta não basta
Este é o ponto que mais confunde. Com gale, a assertividade mede ciclos vencidos, não lucro. E um ciclo perdido custa muito mais do que um ciclo vencido rende.
Um exemplo hipotético
Suponha entrada de 1 dólar, fator de gale 2,2, gale até G3 e um payout de exemplo em que a vitória devolve 1,9 vez a entrada:
- Um ciclo vencido rende, em média, algo próximo de +1 dólar (de +0,90 em G0 a +1,54 em G3).
- Um ciclo perdido custa a soma das quatro entradas: cerca de -18,69 dólares.
Para empatar, cada ciclo perdido precisa ser compensado por algo entre 12 e 21 ciclos vencidos, conforme a etapa em que as vitórias acontecem. Isso exige uma assertividade entre cerca de 92% e 95% só para não perder dinheiro nesse exemplo. Uma assertividade de 90% até G3, que parece excelente, seria negativa com esses parâmetros.
Os valores são ilustrativos: o payout real e as suas configurações mudam a conta. O importante é o método: compare sempre a assertividade com a relação entre ganho por ciclo e perda por ciclo. Os conceitos por trás estão em expectativa matemática e taxa de acerto vs payout.
A amostra importa
Uma assertividade calculada com poucas dezenas de sinais é muito instável; com milhares, fica mais confiável como descrição do passado. Olhe sempre o número de sinais ao lado da porcentagem. Para saber quanto é "suficiente", leia amostra mínima para avaliar um robô.
O quadro Exposição até G: a outra metade da leitura
Logo acima da assertividade, a aba IA mostra o quadro Exposição até G, que traduz o risco em dinheiro:
- Exposição total do ciclo se todas as etapas perderem, a partir do valor de entrada atual.
- Maior entrada do ciclo, na última etapa.
- Líquido se WIN na última etapa, com o payout usado no cálculo.
- Alertas quando a exposição passa do limite de perda restante (o ciclo é bloqueado pelo controle de risco), quando a última entrada passa do limite por contrato ou quando o fator está abaixo do mínimo de recuperação.
Ler a assertividade ao lado desse quadro é o que dá sentido técnico ao número: quanto o robô acerta e quanto custa quando erra. Para calcular o limite de perda a partir dessa exposição, veja stop de perda no robô de dígitos.
O painel Estado: o que o robô está fazendo agora
Abaixo do botão Operar, o Codexium mostra um painel com o estado da IA em tempo real:
- Estado: por exemplo, DESARMADA, ou aguardando sinal até o gale escolhido quando a IA está armada.
- Recuperação: NORMAL ou o ciclo de recuperação em que você está (por exemplo, ciclo 1 de 3), conforme a Quantidade de ciclos configurada.
- Próxima entrada: o valor que será usado no próximo sinal.
- Resultado da sessão e P/L diário.
- Último ciclo: o desfecho mais recente, como META DE GANHO ATINGIDA, LIMITE DE PERDA ATINGIDO, CICLOS ESGOTADOS · VALOR NORMAL, PARADA SOLICITADA ou SINAL NÃO EXECUTADO · FORA DA JANELA.
O botão Resetar IA para a IA, volta o ciclo para o valor inicial e limpa erros da sessão. É indicado quando a recuperação fica presa ou quando a banca não comporta a próxima entrada.
Como usar esses números para testar na demo
- Escolha a Conta Demonstrativa no topo do app.
- Na aba IA, defina entrada, meta de ganho, limite de perda, ciclos, fator e gale.
- Anote a assertividade até o seu gale, o número de sinais e a exposição mostrada.
- Calcule a assertividade mínima para empatar com a sua relação ganho/perda por ciclo.
- Rode várias sessões na demo e compare o resultado real de Minhas entradas com o que o replay sugeria.
Se o resultado real divergir muito do replay, investigue: horários, sinais não executados, mudanças de configuração. Isso é parte de avaliar qualquer automação, como discutimos em como avaliar um robô de trading.
Veja a assertividade e a exposição na demo
Crie sua conta no Codexium, conecte a Deriv pelo login oficial e compare assertividade, exposição e resultado real na Conta Demonstrativa.
Lembrete: operar opções digitais envolve alto risco e você pode perder todo o capital utilizado. Assertividade histórica não é garantia de resultado.
Perguntas frequentes
O que é assertividade de um robô na Deriv?
É a porcentagem de sinais que terminaram em vitória. Com gale, normalmente se refere a ciclos vencidos até a etapa escolhida, não a operações individuais.
De onde vem a assertividade mostrada no Codexium?
De um replay feito no servidor: as regras do modo de sinais são aplicadas às rodadas registradas do índice, contando vitórias e perdas por gale.
Por que a assertividade muda quando troco o gale?
Porque com mais etapas cada ciclo tem mais tentativas de vencer. A porcentagem sobe, mas a perda de um ciclo que falha também fica maior.
Assertividade de 90% é boa?
Depende da relação entre o ganho de um ciclo vencido e a perda de um ciclo perdido. Com gale, 90% pode ser insuficiente para empatar.
A assertividade garante lucro?
Não. Ela descreve o passado. Resultados passados não garantem resultados futuros, e operar envolve risco de perder todo o capital.
