Invest Lucy

Pesquisa de autonomia financeira orientada por evidência, risco e governança.

Evidence-Driven Autonomous Investment Research#

Invest Lucy é uma plataforma experimental para pesquisa, validação e evolução controlada de estratégias financeiras.

O projeto começou com uma pergunta aparentemente simples:

é possível construir um sistema capaz de analisar mercados e executar estratégias automaticamente?

À medida que a arquitetura amadureceu, a pergunta mais importante mudou:

como saber quando um sistema realmente possui evidência suficiente para receber autonomia?

Essa mudança transformou o Invest Lucy de um projeto de automação em um laboratório de engenharia para sistemas autônomos em ambientes de alto risco.

Overview#

Sistemas financeiros são um bom domínio para estudar autonomia porque erros possuem consequências concretas.

Uma estratégia pode parecer correta em backtest, funcionar em um período específico, explorar informação futura, degradar quando o regime de mercado muda, produzir resultados diferentes em produção, falhar por dados ou infraestrutura e continuar tecnicamente operacional mesmo quando deveria parar.

Por isso, Invest Lucy não foi projetado apenas para responder “Qual estratégia funciona?”, mas também:

  • Por que acreditamos que ela funciona?
  • Em quais condições?
  • Com qual evidência?
  • Qual o nível de incerteza?
  • O comportamento continua válido fora da amostra?
  • O sistema consegue detectar quando não deveria operar?

The Core Principle#

Evidence Before Autonomy#

autonomia precisa ser conquistada por evidência.

Existe uma separação importante entre:

Diagram
Can execute

e

Diagram
Should execute

O primeiro é problema de software. O segundo é problema de evidência, risco e governança.

From Trading Bot to Research System#

Arquitetura tradicional:

Diagram
Market Data
     ↓
Strategy
     ↓
Signal
     ↓
Order
     ↓
Broker

Arquitetura evoluída:

Diagram
Market Data
     ↓
Strategy
     ↓
Recommendation
     ↓
Shadow Execution
     ↓
Outcome
     ↓
Scientific Evidence
     ↓
Calibration
     ↓
Validation
     ↓
Human Review
     ↓
Runtime Decision

A execução passou a ser apenas uma parte de um ciclo maior de aprendizagem e controle.

The Research Pipeline#

Evidence Pipeline
Evidence Pipeline Fluxo vertical de onze etapas, da primeira evidência científica até a revisão humana: Scientific Evidence Accumulation, Shadow Outcomes, Calibration, vinte ou mais Matured Outcomes, Strategy Advisor Thesis, Hypothesis Experiments, Walk-forward, Out-of-Sample Validation, Monte Carlo, Consolidated Evidence e Human Review. Só depois dessa sequência completa existe espaço para discutir handoff para runtime. Scientific Evidence Accumulation Shadow Outcomes Calibration ≥ 20 Matured Outcomes Strategy Advisor Thesis Hypothesis Experiments Walk-forward Out-of-Sample Validation Monte Carlo Consolidated Evidence Human Review

Somente após essa sequência existe espaço para discutir Runtime Handoff e eventual nova campanha PAPER.

Scientific Evidence Accumulation#

A fase atual é centrada em acumulação científica.

O objetivo não é gerar mais sinais, mas construir base de observações consistente para avaliar comportamento da estratégia.

Cada recomendação precisa produzir contexto suficiente: estratégia, ativo, timestamp, contexto de mercado, recomendação, preço de referência, resultado posterior, horizonte e evidência associada.

Shadow Mode#

Shadow Mode é uma peça central.

Diagram
Market
  ↓
Strategy
  ↓
Recommendation
  ↓
Shadow Execution
  ↓
Observed Outcome

O sistema produz recomendação como se estivesse autorizado a operar, mas nenhuma ordem real precisa ser enviada.

Isso permite estudar a diferença entre o que o sistema teria feito e o que realmente aconteceu depois, sem colocar capital real em risco.

Why Shadow Mode Matters#

Backtests são importantes, mas podem sofrer overfitting, leakage, look-ahead bias e seleção de períodos favoráveis.

Shadow Mode introduz uma característica diferente: o futuro ainda não aconteceu quando a decisão é registrada.

Isso diferencia “testing what would have happened” de “recording what we believed before knowing what happened”.

Matured Outcomes#

Uma recomendação precisa atingir seu horizonte de avaliação:

Diagram
Recommendation
      ↓
Pending Outcome
      ↓
Matured Outcome

Somente outcome maduro deve contribuir para determinadas métricas científicas.

Calibration#

Uma estratégia não deveria apenas acertar. Deveria possuir relação coerente entre confiança, decisão e resultado.

Calibration investiga se confiança declarada corresponde à realidade observada.

Strategy Advisor#

Após acumulação suficiente de evidência, o Strategy Advisor pode formular hipóteses baseadas em evidência existente.

Uma tese não significa verdade. Ela gera um experimento.

Hypothesis-Driven Research#

Diagram
Evidence
   ↓
Observation
   ↓
Hypothesis
   ↓
Experiment
   ↓
Validation
   ↓
Evidence

Isso reduz o risco de modificar constantemente estratégia com base nos últimos resultados.

Walk-Forward Validation#

Diagram
Train
  ↓
Validate
  ↓
Move Window
  ↓
Train
  ↓
Validate

O objetivo é aproximar o processo de uma situação real e avaliar estabilidade.

Out-of-Sample Validation#

Pergunta: a hipótese continua funcionando em dados que não participaram de sua construção?

OOS funciona como barreira contra falsa confiança produzida por adaptação excessiva.

Monte Carlo#

Monte Carlo explora distribuições de resultados, drawdowns, variabilidade, cenários desfavoráveis, risco de ruína e sensibilidade à ordem dos eventos.

O objetivo não é prever exatamente o futuro, mas compreender melhor a incerteza.

Consolidated Evidence#

Nenhuma métrica individual deve decidir prontidão.

Diagram
Performance
+
Stability
+
Calibration
+
Risk
+
OOS
+
Walk-forward
+
Monte Carlo
+
Operational Reliability

Human Review#

Mesmo depois das etapas quantitativas, existe uma etapa deliberadamente humana para avaliar coerência econômica, dependência de regime, risco operacional, mudanças recentes, confiabilidade de infraestrutura e motivos para manter autonomia desabilitada.

Human Review não substitui evidência; adiciona julgamento ao final de uma cadeia de evidência.

Progressive Autonomy#

Diagram
Research
   ↓
Recommendation
   ↓
Shadow
   ↓
Human-approved PAPER
   ↓
Policy-controlled PAPER
   ↓
Possible Future Runtime

Cada etapa possui critérios próprios.

Architecture#

Diagram
               Market Data
                    ↓
            Strategy Engine
                    ↓
             Recommendation
                    ↓
       ┌────────────┴────────────┐
       ↓                         ↓
 Research Pipeline           Runtime Pipeline
       ↓                         ↓
Evidence                    Risk Evaluation
       ↓                         ↓
Calibration                      OMS
       ↓                         ↓
Experiments                 Execution
       ↓                         ↓
Validation                  Portfolio

Ambos convergem para Audit, Observability, Reconciliation e Governance.

A separação entre Research e Runtime é deliberada.

Market Data#

Qualidade de dados precisa considerar freshness, gaps, duplicação, ordem temporal, timezone, mercado aberto/fechado e inconsistência entre fontes.

Strategy Engine#

A estratégia produz uma recomendação, não uma ordem:

Diagram
Strategy
   ↓
Recommendation

Risk Engine#

Risk é responsabilidade independente e pode avaliar exposição, posição atual, limites, capital, concentração, horário, estado do sistema e kill switch.

OMS#

Diagram
Intent
  ↓
Order
  ↓
Submitted
  ↓
Acknowledged
  ↓
Filled / Rejected / Cancelled

Uma chamada de API para corretora não equivale a ordem concluída.

Crash Recovery#

Exemplo:

Diagram
Send Order
   ↓
Broker accepts
   ↓
Application crashes

Quando o sistema volta, o estado verdadeiro não pode depender apenas da memória local anterior ao crash.

Reconciliation#

Diagram
Local OMS
   ↕
Broker State

Procura divergências como ordem existente apenas localmente ou externamente, status diferente, fill não registrado e posição inconsistente.

Retry and Backoff#

Retries precisam considerar idempotência, tipo da operação, número de tentativas, backoff, cancellation e correlation.

Dead-Letter Queue#

Diagram
Failure
   ↓
Retry
   ↓
Retry
   ↓
Persistent Failure
   ↓
DLQ

Falha persistente se torna evento operacional visível.

Auditability#

A trilha ideal conecta:

Diagram
Market Data
   ↓
Strategy Decision
   ↓
Risk Evaluation
   ↓
Order
   ↓
Fill
   ↓
Portfolio Change

por correlation id.

Immutable Events#

Eventos financeiros e de governança não deveriam ser reescritos arbitrariamente. Correções geram novos eventos; o passado permanece auditável.

Observability#

Três dimensões:

  • Technical Observability: health, errors, latency, database, workers;
  • Operational Observability: orders, fills, reconciliation, DLQ, retries;
  • Scientific Observability: recommendations, outcomes, calibration, experiments, evidence accumulation.

Um sistema pode estar tecnicamente saudável e cientificamente inútil.

Kill Switch#

Kill switch deve ser capacidade arquitetural, não botão isolado.

Diagram
New Decisions → blocked
New Orders → blocked
Existing Orders → policy-defined handling
Monitoring → remains active

Safe Defaults#

autonomy defaults to off.

A ausência de configuração nunca deve resultar em maior liberdade operacional.

Local Homologation#

O ambiente local reproduzível permite validar containers, persistência, banco, TLS, readiness, restart, recovery, reconciliation, backup e restore.

A infraestrutura faz parte das evidências de confiabilidade.

Deployment Gates#

Diagram
Build
  ↓
Migrations
  ↓
Health
  ↓
Readiness
  ↓
Recovery
  ↓
Reconciliation
  ↓
Backup

Same-Candle Execution#

Uma decisão gerada com fechamento do candle N só pode ser elegível a partir do candle seguinte:

Diagram
Candle N closes
     ↓
Signal generated
     ↓
Execution eligible from N+1

Isso preserva causalidade temporal e evita look-ahead bias.

Scientific Bugs vs Software Bugs#

Um software bug pode gerar exception, crash ou resultado incorreto. Um scientific bug pode executar normalmente e produzir evidência inválida.

Exemplos: look-ahead, leakage, seleção inadequada, avaliação prematura e dados fora de ordem.

Qualidade científica exige validar software e metodologia.

Strategy Isolation#

Experimentos precisam preservar baseline:

Diagram
Baseline
vs
Hypothesis A
vs
Hypothesis B

Financial Domain as a Stress Test#

Muitas questões do Invest Lucy são aplicáveis a sistemas autônomos de alto risco em geral: autonomia progressiva, auditabilidade, policy enforcement, human review, evidence accumulation, fail-safe defaults, recovery e decision traceability.

LucyOS Integration#

Diagram
Lucy
 ↓
Investment Copilot
 ↓
Specialist Agents
 ↓
Research Domain

A inteligência conversacional não deve possuir autoridade implícita sobre o sistema financeiro.

Investment Committee#

Diagram
Research Agent
     +
Risk Agent
     +
Market Agent
     +
Strategy Agent
     ↓
Investment Committee

O objetivo é separar perspectivas analíticas, não criar personagens.

Strategy Advisor#

Em vez de apenas responder Buy/Sell, deve ajudar a responder: O que os dados atuais sugerem que devemos investigar?

What the System Should Refuse to Do#

O sistema não deveria automaticamente ativar autonomia, aumentar risco, alterar estratégia de produção, ignorar gate científico, promover experimento para runtime, usar capital real sem autorização ou remover proteções operacionais.

Governance#

  • Code Governance
  • Runtime Governance
  • Scientific Governance
  • Financial Governance
  • Human Governance

Reproducibility#

Uma evidência ideal deve permitir recuperar versão da estratégia, parâmetros, dados, período, metodologia, resultado e código associado.

The Current Stage#

O foco principal deixou de ser infraestrutura e passou para Scientific Evidence Accumulation.

A pergunta já não é apenas “O sistema consegue rodar?”, mas “O que estamos aprendendo com o comportamento observado?”.

Current Research Direction#

Diagram
Scientific Evidence Accumulation
              ↓
Shadow Outcomes
              ↓
Calibration
              ↓
≥20 Matured Outcomes
              ↓
Strategy Advisor Thesis
              ↓
Hypothesis Experiments
              ↓
Walk-forward
              ↓
OOS
              ↓
Monte Carlo
              ↓
Consolidated Evidence
              ↓
Human Review

Runtime Handoff é discussão futura, não meta imediata.

Lessons Learned#

  1. Automation is easy compared with autonomy.
  2. Evidence needs architecture.
  3. Scientific correctness is different from software correctness.
  4. Runtime and research should be separated.
  5. Recovery is a normal state.
  6. Auditability increases with autonomy.
  7. Risk should not belong to strategy.
  8. Human review is not failure.

What I'm Exploring Next#

Scientific Evidence, Calibration, Strategy Advisor, Multi-Strategy Research, Market Regimes, AI-Assisted Research e Explainability.

Why This Project Matters to Me#

Invest Lucy se tornou uma forma prática de explorar uma pergunta cada vez mais relevante:

como construímos sistemas que podem receber autonomia sem abrir mão de evidência, controle e responsabilidade?

Evidence Before Autonomy · Human-in-the-loop · Observability by Design · Failure Is Part of the Architecture · Documentation Is Engineering · Incremental Evolution · Safe Defaults

Why Shadow Mode Before Autonomy? · Why Research and Runtime Must Be Separate? · Why Financial Audit Should Be Append-Only? · Why Risk Must Be Independent from Strategy? · Why Reconciliation Is Part of Runtime?

From Automation to Autonomy · Evidence Before Autonomy · Why Shadow Mode Matters · Scientific Bugs in Autonomous Systems · Observability for Autonomous Agents · Human-in-the-loop for Critical Systems · Why AI Systems Need Safe Defaults

Closing#

Invest Lucy não é uma tentativa de construir o sistema que mais rapidamente consiga operar sozinho.

É uma tentativa de construir um sistema que saiba por que ainda não deveria operar sozinho.

O objetivo não é maximizar autonomia. É construir um processo no qual autonomia, se algum dia for ampliada, seja consequência de evidência, confiabilidade e revisão consciente.

Invest Lucy — Autonomy should be earned, not assumed.