"AI trading" virou hype em 2024-2025. Em 2026, com mais tempo de operação e dados, conseguimos avaliar resultados reais. Esta página é o snapshot honesto.
Frameworks dominantes em 2026
- OpenClaw: ~40% dos AI bots retail em trading. Foco em agents flexíveis com skills.
- LangChain agents: ~20%. Generic agents framework, ainda usado mas perdeu mindshare específico.
- Custom (Anthropic SDK / OpenAI SDK direto): ~25%. Devs sérios construindo do zero.
- Outros (Hummingbot ML, Freqtrade ML, etc.): ~15%. Frameworks tradicionais adicionando AI.
Resultados reais (pesquisa SSRN Abril 2026)
Estudo de 1.247 retail traders usando AI agents trading bots por 12+ meses:
- 30% net positive PnL após custos (vs 15-30% em manual trading retail)
- Win rate médio: 51% (próximo ao chance level)
- Sharpe ratio médio: 0.4 (positivo mas baixo)
- Maior drawdown médio: 18%
Conclusão: AI bots melhoram resultados marginally vs manual, mas ainda 70% perdem net.
Por que melhorou marginalmente
- Bots removem emoção (revenge trading, fear selling)
- Decisões consistentes 24/7
- Risk management hardcoded
- Pode integrar mais fontes de dados
Por que ainda 70% perdem
- Mercado continua eficiente — bot não cria edge inexistente
- Bot ruim com strategy ruim perde eficientemente
- Custos (LLM, VPS, fees) consomem retorno marginal
- Overfitting em backtest não survive live conditions
- Black swan events afetam bot e humano igual
Categorias onde AI funciona melhor
- News-based trading: LLM interpreta news rapidamente, decide em segundos
- Multi-source signal aggregation: combina charts + sentiment + on-chain
- Risk management consistente: bot não "rompe regra essa vez"
- Funding rate arbitrage: monitora cross-exchange 24/7
Categorias onde AI NÃO funciona
- Scalping HFT: latência LLM mata edge
- Market making puro: bot tradicional é melhor
- Strategies overfit em backtest: AI não conserta strategy ruim
- Binary options retail: matemática contra você não muda
Tendências 2026-2027
- Multi-agent orchestration: agents colaborando (research agent + execution agent + risk agent)
- On-chain native AI agents: agents que vivem na blockchain (early stage)
- Regulação emergindo: alguns países começam classify AI trading
- Open-source models match performance: Llama 3.5+ rivaling proprietary
- Specialization: agents especializados por asset class
A verdade institucional
AI trading funciona dramaticamente melhor em institutional (Renaissance, Two Sigma, etc.) porque:
- Data feeds privados (microsecondo)
- Latência sub-millisecond co-location
- Capital massivo permite strategy de baixo edge
- Talents PhDs em statistics + ML
Retail com Claude/GPT acessando APIs públicas não compete em mesma liga.
O que isso significa pra você
Não vá pra AI bot esperando "AI = lucro automático". Vá pra AI bot porque:
- Você tem strategy validated manualmente
- Quer automatizar pra escalar
- Quer eliminar emoção
- Disposto a investir setup time + custo mensal
Sem strategy underlying boa, AI bot só perde mais eficientemente.
Veja: AI trading hype vs realidade | manifesto. 🦞