Atualização AlphaVue: da pesquisa de ações com IA a um sistema de decisão de investimentos

A AlphaVue sempre foi boa em uma coisa: transformar um ticker em uma nota de pesquisa estruturada. Você insere uma empresa, e a plataforma monta as demonstrações financeiras, a avaliação, os riscos e as fontes em algo que você realmente consegue ler. Essa capacidade ainda existe, e ainda importa. O que esta versão adiciona é tudo o que acontece depois que a nota é gerada.

Uma nota de pesquisa é uma foto instantânea, e fotos envelhecem. As empresas continuam reportando, os preços continuam se movendo, as estimativas continuam sendo revistas, e uma conclusão que fazia sentido há três meses pode deixar de fazer sentido sem nenhum evento dramático isolado. A parte difícil da pesquisa de ações raramente é a primeira leitura. É acompanhar o que mudou, decidir se seu raciocínio original ainda se mantém e entender o que um novo fato significa para as ações que você já possui.

A segunda metade é sobre isso: transformar uma plataforma de pesquisa de ações com IA em um sistema de decisão de investimento. A AlphaVue agora mantém estado durável em torno de sua análise: versões da pesquisa, as evidências por trás de cada versão, os resultados que ela produziu e os alertas que a seguem. O produto é organizado em torno de um ciclo, e cada nova interface desta versão se encaixa em algum ponto dele:

Descobrir → Pesquisar → Acompanhar → Entender mudanças → Validar → Teste prospectivo → Ver impacto na carteira → Revisar novamente.

Aqui está o que foi lançado, o que cada parte faz e como usar.

Por que um relatório não é suficiente

A limitação da maioria das ferramentas de pesquisa de ações com IA não é a qualidade de uma única resposta. É o que a resposta faz por você depois.

Um fluxo de trabalho típico é assim: você pede uma análise, você a lê, talvez a salva, e então o processo termina. O relatório não se lembra de si mesmo. Ele não avisa quando um novo documento contradiz uma suposição que ele fez. Ele não é reexecutado quando o mercado repricing a ação. Se você voltar três semanas depois, você está efetivamente recomeçando, e a menos que tenha anotado, pode nem notar que a conclusão original deixou de ser defensável silenciosamente.

Os investidores, na verdade, não precisam de mais relatórios. Eles precisam de respostas para um conjunto menor de perguntas recorrentes:

• O que mudou desde a última vez que olhei para esta empresa?

• Qual nova afirmação é suportada por evidências, e onde estão essas evidências?

• Essa ideia teria funcionado historicamente, e sob quais condições?

• A ideia funciona no futuro, sem o benefício da retrospectiva?

• O que uma mudança significa para uma carteira que já detém a ação?

Essas perguntas têm uma característica em comum: todas exigem estado. Você precisa da versão antiga da análise para comparar com a nova. Você precisa de entradas congeladas para reproduzir uma decisão de forma justa. Você precisa de uma data de início que anteceda o resultado para que o teste seja honesto. Uma ferramenta que apenas gera relatórios não consegue responder a nenhuma delas.

Então a AlphaVue foi reconstruída em torno de um ciclo em vez de um documento. Descubra uma empresa, pesquise-a, acompanhe-a, entenda o que muda, valide a hipótese, observe-a prospectivamente, verifique o impacto na carteira e revise toda a cadeia novamente. A análise continua sendo o motor. O produto é o ciclo.

Considere como um erro típico se forma. Você lê uma análise de uma empresa em abril. O relatório é sólido e a avaliação parece razoável. Dois meses depois a empresa revisa a orientação para baixo, a ação cai e a tese original silenciosamente se quebra. O relatório nunca lhe diz, porque um relatório não pode lhe dizer nada depois de escrito. O que você precisava não era de um relatório melhor em abril. Você precisava de um sistema que percebesse a mudança na orientação, a associasse à tese, mostrasse as evidências por trás da nova conclusão e explicasse o que a mudança faz para uma posição que você detém. Essa é a lacuna que este lançamento fecha.

Hoje: um feed de decisões que mostra o que mudou

A primeira coisa que você vê após fazer login não é mais um painel genérico. É o Today, um feed pessoal construído a partir das empresas que você segue.

Um item aparece no feed quando algo relevante acontece: novas evidências que apoiam ou minam a tese atual, uma mudança de risco, um catalisador, um resultado observado ou uma mudança na própria postura de pesquisa. Cada alteração produz uma atualização única, sem duplicatas, em vez de um monte de notificações sobrepostas. A atualização mostra o que mudou, por que importa, a tese atual, as evidências de apoio e, quando disponível, o que a mudança significa para um portfólio que mantém a posição.

O feed é construído com uma regra simples: se nada mudou, você não deve ver nada. Isso soa óbvio, mas a maioria dos sistemas de alerta o viola diariamente, enviando volume em vez de sinal. A AlphaVue trata uma atualização como um evento raro que vale a pena ler, não como um ponto de contato de marketing. Atualizações que você já revisou ficam fora do caminho, e o feed carrega em lotes para se manter responsivo mesmo à medida que sua lista de empresas seguidas cresce.

Seguir empresas é assim que o feed é construído. Você segue as empresas que lhe interessam a partir do workspace de pesquisa, e o cadastro é deliberadamente leve: preserva o símbolo que você estava consultando e a atualização que estava lendo, e retorna você ao mesmo lugar após o cadastro. Esse caminho de retorno importa mais do que parece. No momento em que um visitante se cadastra, o produto deve continuar a tarefa que ele já estava fazendo, não jogá-lo em uma tela de boas-vindas genérica.

As notificações seguem a mesma disciplina. As preferências são definidas por empresa e por canal: alertas no aplicativo, resumo por e-mail, horário de silêncio. Ao cancelar a inscrição, você realmente deixa de receber, e uma única mudança relevante gera uma única entrega apontando para a versão exata do caso. Eventos duplicados ou sem mudança não geram nada.

A escada de evidências na página inicial

A página inicial agora começa com a mesma ideia em forma mais simples: Pesquisa, Validar, Observar, Decidir. Isso não é um slogan. Cada degrau dessa escada mapeia-se para uma área no produto, e a ordem é intencional.

Pesquisa é onde você forma sua visão sobre uma empresa. Validar é onde você testa essa visão contra a história em vez de aceitar a narrativa. Observar é onde você congela a visão que sobreviveu e deixa o tempo real produzir evidências. Decidir é onde você age com um registro do que acreditava e do que aconteceu desde então. A escada é uma maneira de dizer que uma opinião gerada por IA se torna útil apenas quando passa por estágios que podem ser verificados.

Esse enquadramento mudou o que o produto promete. A antiga página inicial descrevia uma plataforma de IA e deixava o processo falar por si. A nova pede um compromisso menor e mais concreto: teste uma tese, siga a evidência e veja se o raciocínio se sustenta. A diferença importa, porque um produto que pede um compromisso menor é um produto que um investidor sério tem mais probabilidade de experimentar.

O espaço de trabalho de pesquisa da empresa agora é um terminal

Ao abrir uma empresa, você obtém um espaço de trabalho com abas em vez de uma única página longa para rolar. As abas separam tarefas que antes estavam misturadas:

• Visão geral — a conclusão atual, uma verificação da saúde dos dados e o histórico por trás de ambos.

• Pesquisa de IA — o processo de pesquisa profundo e multiperspectiva, mantido como a camada analítica central.

• Dados & Avaliação — os números, as tendências financeiras e a visão de avaliação.

• Eventos & Evidências — arquivamentos, catalisadores e as fontes originais.

• Validação — regras, backtests, reprodução por IA e observações futuras.

A aba Visão geral agora segue uma ordem de leitura deliberada: conclusão atual primeiro, depois uma verificação da saúde dos dados e, em seguida, a revisão histórica. O layout anterior empilhava vários blocos de "o que pensamos" um sobre o outro, cada um respondendo aproximadamente a mesma pergunta sob um ângulo ligeiramente diferente. O novo torna a resposta inequívoca primeiro e depois mostra como ela foi alcançada.

O bloco de atualização de decisão fica no topo da Visão geral. Ele declara a visão atual, o que mudou desde a versão anterior e quais evidências sustentam a mudança. Abaixo dele, a verificação da saúde dos dados informa quais seções estão completas, quais estão parciais e quais ainda estão em preparação, para que você nunca fique tentando adivinhar se uma área vazia significa "sem dados" ou "ainda não coletado." A revisão histórica abaixo conecta a visão presente à linha do tempo do caso, para que você veja como a tese evoluiu em vez de tratar cada visita como um recomeço.

Também há uma aba de notícias da empresa. As manchetes são contextualizadas em vez de despejadas: o espaço de trabalho distingue fatos reportados pela empresa de interpretações de terceiros, e notícias importantes são vinculadas ao anúncio ou ao arquivamento subjacente quando a fonte permite. Uma manchete não deve automaticamente se tornar uma tese, mas deve apontar você para o documento que merece verificação.

A verificação da saúde em quatro dimensões que costumava se basear em pontos vagos e mini-gráficos nus agora é explícita. Cada métrica mostra seu valor, sua direção, seu período e sua dimensão de dados. O gráfico de tendência financeira permite escolher a métrica, a unidade e o intervalo de tempo, mostra o valor mais recente e explica o que mudou. Se uma dimensão não tem dados confiáveis, ela permanece oculta em vez de ser preenchida com um espaço reservado neutro. Apresentar a ausência como evidência era uma fonte silenciosa de confusão; removê-la foi uma das mudanças mais honestas nesta versão.

A Company One-Pager ainda existe como o caminho rápido: contexto de mercado, fatos reportados, histórico financeiro, arquivamentos e eventos futuros em uma visão estruturada. É o lugar certo para começar quando você precisa de uma orientação de trinta segundos. O espaço de trabalho em abas é para onde você vai quando a questão fica específica.

A atualidade é tratada como parte do conteúdo, não como um detalhe. O instantâneo da pesquisa mostra quando foi gerado e se está atual, desatualizado ou parcial, para que você nunca precise adivinhar se a vista à sua frente reflete o último arquivamento. A linha do tempo do caso mantém cada versão da tese com uma visão estruturada do que mudou entre elas: a conclusão anterior, a nova e a evidência que motivou a diferença.

O gaveteiro de evidências fica por trás das alegações. Cada declaração material traz sua fonte e status de coleta, e abrir uma alegação mostra o material original em vez de pedir que você confie no resumo. Esta é a camada que transforma "a IA disse" em "a IA disse, e aqui está o arquivamento em que se baseou."

Strategy Lab: teste a regra antes de confiar na ideia

A maioria das ideias de ações são, na verdade, regras de negociação disfarçadas. "Esta empresa está subrepresentada" se transforma em "compre quando o mercado estiver precificando-a incorretamente." "O setor está mudando" se transforma em "compre os líderes, evite os retardatários." O Strategy Lab existe para testar essa segunda camada, a parte que você realmente pode medir.

Você pode executar um backtest de ações com regras técnicas sem escrever código. Escolha uma regra ou uma combinação de regras, selecione o universo e o intervalo de datas, defina o benchmark e os custos, e a plataforma executa o trabalho de forma assíncrona e retorna um resultado que começa com um veredicto em linguagem simples. As estatísticas estão disponíveis, mas vêm depois da resposta, e não em seu lugar.

Abaixo do veredicto você obtém as premissas, a amostra, a comparação com o benchmark, o drawdown, medidas de robustez e taxas. Janelas walk-forward e sensibilidade de parâmetros mostram se o resultado resiste a mudanças nas entradas ou apenas aconteceu uma vez. A distinção importa: uma regra que só funciona com um único período de lookback é uma descrição de sorte, não uma estratégia.

Um exemplo concreto ajuda. Suponha que você queira testar uma regra simples de tendência: comprar quando a média de 50 dias cruza acima da média de 200 dias, vender quando ela cruza de volta. O Strategy Lab permite definir essa regra, escolher o universo e o intervalo de datas, e executá-la contra o benchmark SPY. O resultado informa não só o retorno, mas quantas operações a regra realmente executou, como a curva de patrimônio se comportou durante os drawdowns, quão sensível o resultado é às duas janelas de lookback, e o que os custos fariam ao desempenho. Você pode decidir que a regra é adequada, ou pode decidir que a vantagem é consumida pelas taxas. De qualquer forma, agora você sabe — e sabe antes de arriscar qualquer coisa.

O construtor de estratégias sem código vem com padrões sensatos. As datas são preenchidas automaticamente, uma regra de entrada já está em vigor, e uma barra de progresso em estágios deixa claro em que ponto uma execução longa se encontra. Quando um backtest não produz sinais ou resulta em uma manutenção total, o espaço de trabalho explica por quê em vez de mostrar um gráfico vazio. O benchmark está travado ao SPY, o que elimina uma fonte comum de viés silencioso: você não pode escolher discretamente um benchmark que favoreça a estratégia.

A validação vai além de uma única execução. A área de trabalho informa a cobertura, de modo que você pode saber se um resultado se baseia em um punhado de operações ou em centenas, e sinaliza a qualidade da amostra em vez de escondê‑la. Estudos de eventos isolam como a estratégia se comportou em torno de eventos específicos do mercado. Relatórios podem ser exportados, e execuções salvas podem ser comparadas lado a lado, o que transforma um teste pontual em uma pequena biblioteca de pesquisa por si só.

Uma limitação é afirmada claramente no produto: um backtest não é uma previsão. É uma descrição de como uma regra se comportou em dados passados, com taxas, viés de sobrevivência e mudanças de regime — todos capazes de distorcer o quadro. O Strategy Lab tenta tornar essas distorções visíveis. A linha de veredicto, a nota da amostra e a discriminação das taxas existem por esse motivo.

Reprodução histórica de IA: refaça a pesquisa em um ponto no tempo

Backtests testam regras. A reprodução histórica de IA testa a pesquisa em si.

A ideia é simples: pegue uma execução de pesquisa por IA e refaça‑a a partir de uma data anterior, usando apenas as evidências e os instantâneos de dados que existiam naquela época. A reprodução mostra o que o sistema teria concluído antes que o resultado fosse conhecido: qual versão do modelo, qual prompt, qual versão dos dados e quais fontes foram usadas, e o que foi sinalizado como os riscos principais. Isso é útil para auditar uma decisão passada. A pesquisa fez as perguntas certas na época, ou ela só parece impressionante em retrospectiva?

A reprodução é deliberadamente separada do backtest determinístico. Um backtest reproduz uma regra fixa; uma reprodução reexecuta um processo de pesquisa aberto. Eles respondem a perguntas diferentes, e são rotulados de forma distinta no produto para que você nunca confunda uma reprodução de pesquisa com um teste estatístico.

Quando uma decisão publicada não tem um pacote de pesquisa congelado anexado, a plataforma recorre à análise privada mais recente em vez de retornar um erro, e é transparente sobre qual versão foi reproduzida. O resultado sempre mostra as versões do modelo, do prompt e dos dados utilizadas, porque uma reprodução que você não consegue reproduzir não serve como auditoria. As reproduções são baseadas em créditos e limitadas em universo e custo, o que mantém o recurso utilizável sem transformar‑se em uma conta de computação interminável.

Teste prospectivo: o único teste que não pode trapacear

Aqui está a diferença entre um backtest e um teste prospectivo em uma frase: um backtest pergunta se a ideia teria funcionado; um teste prospectivo pergunta se ela funciona a partir de agora.

A retrospectiva é o viés mais difícil de eliminar em backtests. Você sabe o que aconteceu, então sabe quais parâmetros escolher, qual regime enfatizar e qual período chamar de normal. Nenhuma disciplina de walk‑forward elimina totalmente essa vantagem. Um teste prospectivo a elimina por construção: a estratégia é congelada antes de os resultados existirem, e os resultados simplesmente não podem ser preenchidos retroativamente.

Quando você inicia um teste prospectivo, o AlphaVue congela a versão da estratégia, seus parâmetros, o contrato de dados, o capital inicial, o benchmark e o horário de início. A partir desse momento, a plataforma executa um livro em papel — ordens, execuções, valor líquido do ativo (net asset value), checkpoints — no calendário real do mercado. Você pode pausar, retomar ou encerrar o teste, e cada evento é imutável. Não existe mecanismo para reescrever a história, porque não há história: o registro começa na criação e cresce apenas para a frente.

Testes prospectivos produzem algo que backtests não conseguem: observações feitas antes do desfecho. Após pontos de verificação suficientes, um resultado prospectivo material pode gerar uma atualização no feed de decisões, fechando o ciclo entre validação e monitoramento diário. Esta é a parte do produto que mais diretamente cumpre a promessa do lançamento: saber o que mudou e se a tese se manteve.

Impacto na carteira: o que uma mudança significa para suas posições

Uma atualização de decisão pode estar correta e ainda assim ser inútil se ignorar que você já possui a ação. O impacto na carteira é a ponte entre a pesquisa e suas posições reais.

Você pode criar uma carteira manualmente ou importá‑la de um CSV, incluindo posições, custo médio e caixa. O AlphaVue calcula exposição, concentração, distribuição por setor, correlação e contribuição ao risco de forma determinística. O objetivo não é soar sofisticado. É responder a uma pergunta concreta: se essa tese falhar, quanto da minha carteira será afetado e por quais posições?

Toda atualização de decisão que afeta uma posição pode ser vista por três cenários: a situação agora, a situação se a tese falhar e a situação se a posição mudar. O histórico de impacto na carteira mantém um registro dessas visões ao longo do tempo, para que você possa ver como seu perfil de risco mudou junto com a pesquisa, em vez de depender da memória.

Um exemplo deixa isso concreto. Você mantém uma posição em uma empresa cuja postura da pesquisa acabou de ficar mais cautelosa. A visão da carteira mostra o quão grande essa posição é em relação ao total, quanto da carteira está no mesmo setor e o que a matemática dos cenários implica se a tese falhar. Esses são fatos que você pode ponderar. Não são instruções para vender, e o produto nunca finge que são.

O produto traça uma linha firme aqui. Ele explica o que uma mudança significa para uma carteira, e nunca emite instruções de negociação personalizadas. A matemática dos cenários descreve o que aconteceria sob hipóteses declaradas; ela não diz o que você deve fazer. Essa linha faz parte do desenho, não de uma nota de rodapé, porque a diferença entre "aqui está o impacto" e "você deveria vender" é exatamente onde uma ferramenta de pesquisa ou ajuda ou ultrapassa para um conselho que não está licenciada a dar.

Biblioteca de pesquisas, casos salvos e compartilhamento

Pesquisas que você não encontra novamente são pesquisas que você não fez. O espaço Salvos reúne as coisas que você quer revisitar: empresas que está pesquisando, casos de investimento com seus históricos, execuções de validação, testes prospectivos e exportações. A caixa de entrada de decisões mantém as atualizações que você ainda não revisou, para que o feed possa permanecer focado no que é novo em vez de reapresentar itens antigos.

Compartilhamento recebeu um passe de privacidade nesta versão. Você pode compartilhar um recibo de pesquisa: um instantâneo somente leitura do que a pesquisa concluiu, com campos privados ocultos e as evidências públicas anexadas. O destinatário vê a conclusão, as evidências e a atribuição sem ver seu portfólio, suas anotações ou sua identidade, a menos que você escolha o contrário. Compartilhar uma conclusão costumava significar colar capturas de tela ou exportar um documento que carregava mais contexto do que você pretendia. O recibo oferece uma maneira de apontar alguém para o raciocínio sem expor o resto do seu espaço de trabalho.

Um fluxo de trabalho que vale a pena copiar

As novas superfícies são úteis individualmente, mas foram projetadas para serem usadas em sequência. Uma versão disciplinada do ciclo é a seguinte:

1. Descobrir. Use a descoberta para encontrar uma empresa que valha a pena. Nem toda ação merece uma pesquisa completa, e a maneira mais rápida de desperdiçar uma manhã é pesquisar uma empresa que você não tem motivo para se importar.

2. Pesquisar. Abra o espaço de trabalho da empresa e comece pela Visão geral. Leia a conclusão atual antes de formar a sua, depois verifique quais partes dos dados estão completas.

3. Verificar. Abra a aba Eventos & Evidências e examine as fontes originais das alegações que importam. Um resumo é um ponto de partida, não um substituto para o documento oficial.

4. Validar. Antes de confiar em uma ideia, teste-a no Strategy Lab. Teste a regra, não apenas a narrativa. Verifique a cobertura, o benchmark e as suposições de taxa antes de deixar o resultado mudar sua opinião.

5. Observar. Se a ideia sobreviver à validação, transforme-a em um teste prospectivo e deixe o registro em papel acumular observações reais. O registro é curto no início. Esse é o objetivo.

6. Revisar. Quando uma atualização material chegar, verifique o impacto no portfólio e depois revise o histórico do caso para ver se a tese está sendo confirmada ou contestada.

A lista de verificação não é uma promessa de retornos melhores. É uma forma de tornar o processo repetível, o que importa mais a longo prazo do que qualquer decisão isolada. Um processo repetível também é a única maneira de aprender com os erros, porque dá a você um registro do que você acreditava, quando acreditava e o que aconteceu em seguida.

O que permaneceu igual

Nem tudo foi reconstruído, e as partes que foram mantidas merecem ser mencionadas.

AI Research continua sendo o núcleo analítico. É o processo que produz a análise profunda e multiperspectiva por trás da camada de decisão, e não foi enfraquecido para abrir espaço às novas superfícies. As citações de fonte ainda percorrem o produto: toda alegação material remonta ao material de onde veio. A plataforma continua a suportar múltiplos idiomas, incluindo inglês, chinês e japonês, com localidades adicionais a seguir. O design responsivo continua a funcionar de um celular a um monitor de desktop amplo, e a revisão de acessibilidade nesta versão cobriu os novos espaços de trabalho, não apenas as páginas de marketing.

A razão para nomear estes itens é que uma atualização de capacidade é mais fácil de confiar quando fica claro o que não mudou. A camada de decisão é um acréscimo em torno de um motor de análise que já existia.

O que o AlphaVue ainda não faz

Vale a pena ser explícito sobre os limites, porque eles fazem parte da honestidade do produto.

AlphaVue não promete retornos superiores ao mercado, e não apresenta a confiança do modelo como uma taxa de vitória estatística. Não emite instruções de negociação personalizadas, e nada na pesquisa é uma recomendação de compra ou venda de um título. As saídas de cenário descrevem o que aconteceria sob as premissas declaradas; elas não consideram seus objetivos, situação fiscal ou tolerância ao risco.

A cobertura de dados varia por empresa, fonte e práticas de reporte. Alguns conjuntos de dados são coletados sob demanda, portanto uma seção pode estar parcial ou ainda em preparo, e o ambiente de trabalho (workspace) mostra esse status em vez de fingir que os dados estão completos. Datas estimadas de eventos são marcadas como estimativas e devem ser verificadas por meio de materiais de relações com investidores. Saídas geradas por IA podem conter erros ou omitir contexto relevante, e dados de mercado podem sofrer atrasos ou ser afetados por problemas a montante. A maneira correta de usar este produto é como uma das entradas em um processo que também inclui documentos originais e seu próprio julgamento.

Perguntas frequentes

O que é o AlphaVue?

AlphaVue é uma plataforma de pesquisa acionária com IA para investidores autogeridos de ações dos EUA. Ela produz pesquisas estruturadas sobre empresas com fontes citadas e agora adiciona uma camada de decisão: um feed pessoal de mudanças materiais, validação de estratégia, reexecução histórica por IA, testes prospectivos e análise de impacto no portfólio.

O que é o feed de decisões do AlphaVue?

Today é um feed pessoal de atualizações materiais para as empresas que você acompanha. Uma atualização aparece quando a evidência, o risco, um catalisador, um resultado ou a postura da pesquisa muda. Cada atualização vincula-se às evidências de apoio e mostra a tese atual, então o feed responde a uma pergunta: o que mudou desde a última vez que você olhou?

Posso backtestar uma estratégia de ações sem escrever código?

Sim. O Strategy Lab suporta backtests sem código com um construtor visual de estratégias e regras técnicas. Você escolhe as regras, o universo, o intervalo de datas e o benchmark; a plataforma executa o teste de forma assíncrona e explica o resultado em linguagem simples, incluindo drawdown (retração), robustez, taxas e limitações.

Qual é a diferença entre um backtest e um forward test?

Um backtest testa uma regra contra dados históricos e está sempre exposto ao viés retrospectivo. Um forward test congela uma estratégia no momento da criação e registra apenas o que acontece posteriormente em um livro-razão simulado. Resultados de forward tests não podem ser preenchidos retroativamente, portanto não carregam vantagem de retrospectiva.

O que é a reexecução histórica por IA?

A reexecução histórica por IA reexecuta um processo de pesquisa por IA em uma data anterior, usando apenas as evidências e instantâneos de dados disponíveis naquela época. É uma auditoria de pesquisa em vez de um backtest determinístico, e mostra o modelo, o prompt e as versões dos dados usados para que o resultado possa ser reproduzido.

Como funciona a análise de impacto no portfólio?

Você cria um portfólio manualmente ou o importa via CSV. O AlphaVue calcula exposição, concentração, distribuição por setor, correlação e contribuição de risco, e então mostra o que uma atualização de decisão significaria para o portfólio sob diferentes cenários, incluindo o caso em que a tese falha.

AlphaVue é aconselhamento de investimento?

Não. O AlphaVue fornece informações e ferramentas de pesquisa. Não leva em conta seus objetivos individuais, situação financeira, posição fiscal ou tolerância ao risco, e não emite recomendações de negociação personalizadas.

O AlphaVue garante retornos?

Não. A plataforma não promete retornos superiores ao mercado, e os resultados de validação e de testes futuros descrevem o comportamento sob as hipóteses declaradas em vez de prever desempenho futuro.

Quais empresas a AlphaVue cobre?

A cobertura de pesquisa foca em empresas listadas nos EUA e varia conforme a disponibilidade de dados. A cobertura pode ser parcial enquanto os conjuntos de dados estão sendo coletados, e o espaço de trabalho mostra o status de coleta de cada seção para que você não precise adivinhar.

Quanto custa a AlphaVue?

A AlphaVue oferece um plano gratuito e um plano Pro. O plano gratuito fornece análises limitadas e um conjunto restrito de execuções de validação; o Pro adiciona cotas maiores, evidências mais profundas, mais acompanhamentos, impacto em portfólios e um histórico de testes futuros mais longo. Veja a página de preços para detalhes atuais.

Como a AlphaVue evita o viés de antecipação?

As execuções de validação usam instantâneos de dados versionados e entradas congeladas, de modo que a análise reflete apenas o que era conhecido na data de referência. Os testes futuros vão além: a estratégia é congelada no momento da criação, e os resultados não podem ser preenchidos retroativamente, o que elimina a visão retrospectiva por construção. A reexecução histórica por IA mostra o modelo, o prompt e as versões de dados usados, para que o processo possa ser reproduzido.

Meus dados de portfólio e pesquisa são privados?

Posições do portfólio, notas e casos salvos são privados na sua conta. Relatórios de pesquisa compartilhados são somente leitura, com campos privados ocultos, e expõem apenas a conclusão e as evidências públicas que você optar por compartilhar.

Comece pela mudança, não pelo relatório

A maneira mais fácil de ver o que essa atualização significa é abrir uma empresa que você já acompanha e começar pela Visão Geral. Leia a conclusão atual. Verifique o que mudou. Observe as evidências. Se a ideia for importante para você, submeta-a à validação e, se sobreviver, congele-a em um teste futuro para que a próxima revisão tenha algo real para avaliar.

A AlphaVue continua sendo uma plataforma de pesquisa de ações com IA. Só que não é mais um beco sem saída depois da resposta.

Abra uma empresa na AlphaVue e comece pela nova Visão Geral.