Plataforma de inteligência de dados para investidores

Decisões Inteligentes em Tempo Real

A Valitância processa grandes volumes de dados de mercado e os converte em recomendações acionáveis, com filtros de risco aplicados antes de cada sugestão chegar até você. Nenhuma recomendação é publicada sem passar pela camada de mitigação de risco.

Explorar Demonstração Ver Logs de Performance

Acurácia preditiva (90d)

73,2%

Drawdown máx. registrado

-11,4%

Ciclos de backtesting

1.248

Dados históricos simulados, apresentados para fins ilustrativos. Consulte a seção de logs de performance para a metodologia completa.

Metodologia

Como o modelo chega a uma recomendação

O processo é dividido em quatro etapas sequenciais. Cada uma delas é registrada, o que permite auditar retroativamente qualquer recomendação emitida pela plataforma.

Ingestão de dados

Séries de preços, volume, liquidez e indicadores macroeconômicos são coletados de múltiplas fontes e normalizados em uma base única, atualizada continuamente.

Modelagem preditiva

Modelos de análise estocástica geram cenários de probabilidade para diferentes horizontes de tempo, em vez de uma única projeção determinística.

Filtragem de risco

Cada cenário é confrontado com limites de exposição e volatilidade definidos previamente. Cenários fora da tolerância de risco são descartados antes de chegar ao usuário.

Recomendação final

A recomendação resultante inclui a lógica que a originou, permitindo que o investidor avalie as premissas antes de decidir.

Verificabilidade: toda recomendação é acompanhada do registro de dados e premissas que a geraram.

Transparência em Números

Abaixo, um recorte do log público de performance. Cada linha corresponde a um ciclo de avaliação fechado, com dados históricos — não há projeção de resultados futuros nesta tabela.

Período	Estratégia	Retorno simulado	Drawdown máximo	Acurácia preditiva
Jan–Mar 2024	Conservadora	+6,1%	-4,2%	71,8%
Abr–Jun 2024	Moderada	+9,4%	-7,9%	69,3%
Jul–Set 2024	Moderada	-2,7%	-11,4%	64,1%
Out–Dez 2024	Conservadora	+5,0%	-3,6%	74,6%

Dados históricos simulados em ambiente de backtesting, apresentados para fins ilustrativos sobre o funcionamento do modelo. Desempenho passado, simulado ou real, não constitui garantia de resultado futuro.

Retorno simulado:: variação percentual da carteira hipotética no período, antes de custos operacionais.
Drawdown máximo:: maior perda acumulada observada entre um pico e um vale dentro do período avaliado.
Acurácia preditiva:: proporção de cenários em que a direção prevista pelo modelo coincidiu com o movimento efetivo do ativo.

Ferramentas de gestão de risco

O que compõe a análise

Três módulos operam em conjunto para reduzir a distância entre o volume de dados disponível e a decisão que precisa ser tomada.

Análise Preditiva de Volatilidade

Estimativas de amplitude de variação para cada ativo monitorado, recalculadas a cada novo lote de dados recebido pela plataforma.

Otimização de Portfólio via IA

Sugestões de realocação baseadas em correlação entre ativos e limites de exposição definidos pelo próprio investidor.

Alertas de Risco em Tempo Real

Notificações emitidas quando um ativo monitorado ultrapassa os parâmetros de risco configurados, antes que a variação se consolide.

Aplicações práticas

Quem utiliza esse tipo de análise

Os mesmos módulos atendem a perfis diferentes, com parâmetros de risco e horizonte de tempo ajustados a cada caso.

Estratégias de hedge institucional

Mesas de gestão utilizam os alertas de risco em tempo real para calibrar posições de proteção, reduzindo a exposição líquida da carteira em cenários de alta volatilidade identificados pelo modelo preditivo.

Redução de exposição líquida observada em backtesting

-18,6%

Diversificação para carteira individual

Investidores pessoa física utilizam a otimização de portfólio para distribuir posições entre ativos com baixa correlação, substituindo decisões tomadas por reação a notícias de curto prazo por parâmetros definidos previamente, o que reduz o peso do fator emocional na negociação.

Ativos distintos considerados por ciclo de rebalanceamento

12–20

Valitância — equipe e infraestrutura de análise de dados por trás da plataforma

Sobre a operação

Uma plataforma pensada para quem desconfia de caixas-pretas

A Valitância foi estruturada partindo da premissa de que um investidor cauteloso precisa entender o raciocínio por trás de uma recomendação, não apenas recebê-la. Por isso, cada etapa do modelo — da ingestão de dados até a filtragem de risco — fica registrada e disponível para consulta.

Isso não elimina o risco inerente a qualquer decisão de investimento. O objetivo é tornar esse risco visível e mensurável, em vez de presumido.

Conhecer a metodologia completa

Perguntas frequentes

Dúvidas comuns de investidores cautelosos

As perguntas abaixo refletem as questões mais levantadas por quem avalia incorporar um modelo de IA ao processo de decisão.

Como a IA reage a cisnes negros?

Eventos de baixa probabilidade e alto impacto, por definição, não têm precedente suficiente nos dados históricos para serem previstos com precisão. O modelo não tenta prever o evento em si — ele mantém filtros de risco que reduzem exposição automaticamente quando a volatilidade observada excede os limites configurados, limitando o dano em vez de antecipar a causa.

Qual a frequência das atualizações dos dados?

A base de dados é atualizada continuamente conforme novas informações de mercado chegam às fontes integradas. Os modelos preditivos são recalculados em ciclos regulares, e qualquer recomendação ativa é revisada sempre que um novo ciclo é concluído.

Como a transparência é garantida?

Todas as recomendações emitidas são registradas em um log público, junto com os dados e premissas que as originaram. O histórico de acerto e erro permanece visível, incluindo os períodos de desempenho abaixo do esperado, na seção de logs de performance.