Strasmore Research
Deep Dives · Matt ConnorBy Matt Connor · · Updated 2026-07-23

comprar no medo funciona segundo os dados

Analisamos se a estratégia de Warren Buffett é eficaz usando um indicador de sentimento baseado em notícias para testar retornos de mercado em dias de pânico.

A regra de ouro mais citada de Warren Buffett é ter medo quando os outros estão gananciosos e ser ganancioso quando os outros estão com medo. Ela é tratada como um saber estabelecido. Também é, em princípio, uma afirmação testável: se o sentimento de um mercado inteiro puder ser medido, os retornos que seguiram os momentos de maior medo e maior ganância podem ser alinhados e comparados. Esta página realiza esse teste, utilizando um indicador de medo e ganância construído a partir do sentimento de centenas de milhares de artigos de notícias.

Construindo um indicador de medo a partir das notícias

Cada artigo em nosso feed de notícias possui uma etiqueta de sentimento por empresa — positiva, negativa ou neutra — anexada no momento da publicação. Contar essas etiquetas em todo o mercado a cada dia transforma as notícias em uma leitura diária de humor. O sentimento líquido de um dia aqui é a contagem de positivos menos a contagem de negativos, sobre o total das duas: uma leitura próxima ao topo de sua faixa é um registro otimista e ganancioso, e uma leitura próxima ao fundo é o que há de mais próximo de medo nestes dados.

Dois limites devem ser considerados antes de qualquer retorno. As etiquetas de sentimento existem apenas de 2024 em diante, portanto a janela mensurável é de cerca de dois anos e meio, não um ciclo de mercado completo. Além disso, as etiquetas tendem ao otimismo.

QueryCobertura de sentimento por ano: total de insights e share de notícias negativas
O SQL exato por trás de cada número
SELECT toString(toYear(published_utc)) AS year, count() AS tagged_insights,
       round(100.0 * countIf(JSONExtractString(ins,'sentiment')='negative') / count(), 1) AS negative_pct
FROM global_markets.stocks_news ARRAY JOIN insights AS ins
WHERE JSONExtractString(ins,'sentiment') != ''
GROUP BY year ORDER BY year

Artigos pessimistas representaram perto de 19.1% do total de etiquetas no último ano, e o padrão se mantém ao longo de toda a janela. Um dia de medo nesta amostra é o registro menos otimista disponível, não um dia de pânico absoluto. Esse é o material bruto. O teste é o que o mercado fez em seguida.

O teste: o que seguiu o medo e a ganância

Para cada dia com uma leitura de humor, o retorno do S&P 500 foi medido nos próximos 5, 20 e 60 dias úteis. Os dias foram então divididos no décimo mais medroso, no décimo mais ganancioso e tudo o que estivesse entre eles, e os retornos futuros foram calculados pela média dentro de cada grupo.

QueryRetorno médio do S&P 500 após dias de medo, ganância e neutros (2024-2026)
O SQL exato por trás de cada número
WITH sent AS (
    SELECT toDate(published_utc) AS d,
           (countIf(s='positive') - countIf(s='negative')) / (countIf(s='positive') + countIf(s='negative')) AS net
    FROM (SELECT published_utc, JSONExtractString(ins,'sentiment') AS s
          FROM global_markets.stocks_news ARRAY JOIN insights AS ins
          WHERE JSONExtractString(ins,'sentiment') != '')
    GROUP BY d HAVING countIf(s='positive') + countIf(s='negative') >= 20
),
spyd AS (
    SELECT toDate(toTimeZone(window_start,'America/New_York')) AS d,
           argMax(toFloat64(close), toTimeZone(window_start,'America/New_York')) AS c
    FROM global_markets.delayed_stocks_minute_aggs
    WHERE ticker='SPY' AND window_start >= '2024-01-01'
      AND (toHour(toTimeZone(window_start,'America/New_York'))*60 + toMinute(toTimeZone(window_start,'America/New_York'))) BETWEEN 570 AND 959
    GROUP BY d
),
spy AS (
    SELECT d, c, leadInFrame(c,5) OVER w AS c5, leadInFrame(c,20) OVER w AS c20, leadInFrame(c,60) OVER w AS c60
    FROM spyd WINDOW w AS (ORDER BY d ASC ROWS BETWEEN CURRENT ROW AND 60 FOLLOWING)
),
j AS (
    SELECT s.net AS net, (spy.c5/spy.c-1)*100 AS f5, (spy.c20/spy.c-1)*100 AS f20, (spy.c60/spy.c-1)*100 AS f60
    FROM sent s INNER JOIN spy ON s.d = spy.d WHERE spy.c60 > 0
),
qt AS (SELECT quantile(0.1)(net) AS p10, quantile(0.9)(net) AS p90 FROM j)
SELECT multiIf(net <= (SELECT p10 FROM qt), 'Extreme fear (least upbeat)',
               net >= (SELECT p90 FROM qt), 'Extreme greed (most upbeat)',
               'In between') AS market_mood,
       count() AS days,
       round(avg(f5),2)  AS fwd_5d_pct,
       round(avg(f20),2) AS fwd_20d_pct,
       round(avg(f60),2) AS fwd_60d_pct
FROM j GROUP BY market_mood
ORDER BY multiIf(market_mood='Extreme fear (least upbeat)',0, market_mood='In between',1, 2)

Nos dois meses seguintes, os dias de medo vieram bem antes dos dias de ganância. O S&P 500 teve uma média de 6.35% nos 60 dias úteis após uma leitura de medo extremo, contra 2.85% após uma leitura de ganância extrema, com dias comuns registrando 4.03% no intervalo. O ranking confirma o ditado: o registro de medo foi a melhor oportunidade de entrada, e o registro de ganância foi a pior.

De perto, o cenário fica confuso. Nos cinco dias seguintes, os grupos de medo e ganância ficam a uma fração de um percentual de distância um do outro, e em vinte dias o grupo de ganância avança ligeiramente. A separação ocorre apenas na marca de dois meses. Cada grupo extremo possui apenas 45 dias, e uma pequena sequência de episódios carrega a média.

Por que isso é uma pista, não um veredito

Três fatores impedem que o resultado seja considerado uma prova.

A janela é de um mercado em alta. Todos os grupos registraram um retorno positivo de 60 dias, e a comparação estabelece um bom resultado contra um melhor, não um ganho contra uma perda. Uma regra feita para proteger contra a ganância perto de um topo não tem um topo para ser testada aqui.

Os dias de medo também tendem a chegar após o mercado já ter caído, quando há um agrupamento de coberturas pessimistas. Um repique a partir desses pontos se ajusta à reversão à média tanto quanto se ajusta a qualquer previsão no próprio sentimento. Separar os dois exige mais do que uma dispersão de datas.

E a amostra é pequena. Dois anos e meio, com 45 dias em cada extremo, é uma base estreita para uma afirmação sobre todos os mercados em todas as eras. Um único período de 2024 a 2026 é apenas um sorteio, não a população total.

O que o exercício define é menor e mais útil do que o próprio ditado: a afirmação é mensurável. Uma frase que costuma ser apenas uma citação pode ser transformada em um número, auditada contra o registro e recalculada conforme o histórico de sentimento cresce. A direção, por enquanto, é a de Buffett.

FAQ

Comprar quando os outros estão com medo realmente funciona?

Nesta amostra de 2024-2026, os dias de maior medo foram seguidos por um retorno médio de 60 dias do S&P 500 (6.35%) maior do que os dias de maior ganância (2.85%). Em janelas mais curtas a diferença quase desaparece, e a amostra é curta; isso serve como suporte direcional, não como prova.

Como o indicador de medo e ganância é construído?

A partir das etiquetas de sentimento por artigo em nosso feed de notícias: a contagem de artigos positivos de cada dia menos os negativos, sobre o total de ambos. Uma leitura baixa é um registro pessimista, uma leitura alta é um registro otimista.

Por que o teste começa em 2024?

As etiquetas de sentimento no feed de notícias começam em 2024, o que define a janela mensurável em cerca de dois anos e meio.

Isso é recomendação de investimento?

Não. É uma medição de dados passados com limites declarados, uma janela curta, etiquetas com viés otimista, um mercado em alta e possível reversão à média, não uma estratégia ou previsão.


Cada número aqui vem da consulta armazenada abaixo dele. Expanda qualquer painel para auditar as contagens de sentimento e os retornos futuros, ou execute o mesmo teste você mesmo no terminal Strasmore. Para uma forma relacionada de ler a ansiedade do mercado, veja volatilidade implícita; para um evento real de medo no registro, veja o crash de março de 2020.

#market data#investing#news sentiment#warren buffett