Market timing funciona? O que a ciência diz sobre acertar o momento certo

01O que a ciência testa quando fala em timing

"Market timing funciona?" parece uma pergunta simples, mas esconde uma armadilha: qualquer um consegue, olhando um gráfico já formado, apontar o dia exato em que deveria ter vendido e o dia exato em que deveria ter comprado de volta. Isso não é timing — é retrospectiva. A pergunta que a ciência de fato testa é outra: existe alguém, hoje, sem saber o futuro, capaz de prever a direção do mercado com acerto suficiente para que valha a pena tentar, líquido de custos?

Essa reformulação importa porque muda o padrão de prova. Não basta mostrar que existe uma sequência de decisões que teria dado certo — isso sempre existe, em qualquer ativo, em qualquer período. É preciso mostrar habilidade repetível, testada estatisticamente, fora da amostra usada para descobri-la. O restante deste artigo segue essa vara mais alta, olhando três tipos de evidência, em ordem crescente de proximidade com a pessoa física: primeiro a matemática pura da tentativa de timing; depois o resultado agregado de investidores reais, em fundos e no mercado como um todo; por fim, o teste mais direto que existe até hoje, aplicado a conta de investidor individual.

02O que a matemática diz, mesmo sem viés nenhum

Antes de qualquer discussão sobre excesso de confiança ou pânico, vale entender por que o timing já começa em desvantagem matemática — mesmo supondo um investidor perfeitamente racional, sem nenhum dos vieses comportamentais que aparecem mais adiante neste artigo.

William Sharpe, em 1975, fez o teste mais direto possível: quão bom um investidor precisaria ser para que trocar entre ações e caixa valesse a pena? Usando dados de 1929 a 1972, ele mostrou que um "timer perfeito" — que sempre acerta a direção do próximo ano — teria obtido 14,86% ao ano, contra 10,64% ao ano de quem simplesmente ficasse investido o tempo todo. Um resultado e tanto, mas Sharpe não parou aí: ele calculou também quanto de acerto um investidor precisa ter, sem ser perfeito, para que o timing ainda compense, líquido do risco de errar. A conclusão, na frase do próprio autor, ficou como uma das mais citadas da área: a menos que o investidor consiga prever se o mercado vai subir ou cair "com considerável precisão — pelo menos sete em cada dez vezes" —, ele deveria evitar por completo tentativas de timing.

Vinte e seis anos depois, Gunter Bauer e Julie Dahlquist testaram a mesma ideia por outro ângulo: em vez de perguntar "qual taxa de acerto é necessária", eles perguntaram "quão difícil é vencer a sorte pura". Usando dados da Ibbotson de 1926 a 1999 para seis classes de ativos americanos, os autores compararam o resultado de simplesmente ficar investido contra todos os caminhos possíveis de alternância entre ações e títulos de curto prazo — uma espécie de roleta de todas as trocas que um investidor poderia ter feito, certas ou erradas, ao longo do período. O resultado, no par mais testado do estudo (ações large-cap vs. títulos de curto prazo): comprar e manter ações superou, em média, 66,22% de todos os caminhos possíveis de troca mensal, e 80,41% dos caminhos possíveis de troca anual entre 1930 e 1999. Ou seja, para bater o buy-and-hold só de tentar acertar o timing, um investidor precisaria ficar, de forma consistente, entre os 20% e 35% melhores resultados de uma roleta — não é impossível em um ano isolado, mas é uma barra alta para sustentar ano após ano.

Existe também uma explicação puramente matemática para por que o resultado mais provável de uma tentativa de timing tende a ficar abaixo da mediana. Um cálculo de 2017 — ainda sem revisão por pares, então tratado aqui só como intuição matemática, não como evidência empírica — mostra que, como os retornos de mercado se acumulam de forma multiplicativa (um ano bom multiplica o ano anterior, não soma a ele), a distribuição de resultados possíveis de uma estratégia de timing fica assimétrica: a moda — o resultado mais provável de acontecer — cai abaixo da mediana. Na prática, isso significa que o cenário mais provável para quem tenta cronometrar o mercado é um resultado pior do que "a metade do caminho", mesmo antes de qualquer erro de julgamento entrar em cena.

03O que os dados reais de investidores mostram

A matemática mostra o piso teórico. A pergunta seguinte é: quando se olha para investidores reais — não uma simulação, mas dinheiro de verdade entrando e saindo do mercado — o resultado bate com essa previsão?

Ilia Dichev respondeu essa pergunta no nível mais agregado possível: o mercado inteiro. Comparando o retorno "dollar-weighted" (ponderado pelo dinheiro que efetivamente estava investido a cada momento) com o retorno buy-and-hold do próprio índice, ele encontrou uma diferença persistente. Na NYSE e na AMEX, entre 1926 e 2002, o investidor médio obteve 8,6% ao ano contra 9,9% ao ano de quem tivesse simplesmente ficado investido — uma diferença de 1,3 ponto percentual ao ano, estatisticamente significativa. Na Nasdaq, entre 1973 e 2002, o efeito foi muito mais severo: 4,3% ao ano contra 9,6% ao ano, uma diferença de 5,3 pontos percentuais. Essa diferença gigantesca na Nasdaq tem uma explicação concreta: cerca de US$ 1 trilhão entrou no mercado em 1999 e 2000, pouco antes das quedas de 39,6%, 20,8% e 30,9% em 2000, 2001 e 2002 — dinheiro que chegou tarde demais, na euforia, e pegou a queda em cheio. O mesmo padrão aparece fora dos Estados Unidos: testando 19 países entre 1973 e 2004, Dichev encontrou uma perda média de 1,5 ponto percentual ao ano por conta desse descompasso entre quando o dinheiro entra e quando o mercado sobe ou cai.

No nível de fundo individual — não mais o mercado inteiro, mas cada fundo separadamente —, Geoffrey Friesen e Travis Sapp encontraram o mesmo padrão, usando dados de 7.125 fundos de ações americanos entre 1991 e 2004: um "performance gap" médio de 0,13% ao mês, ou 1,56% ao ano, entre o que o fundo rendeu e o que o investidor médio do fundo efetivamente ganhou. O gap é maior em fundos com taxa de entrada (0,16% ao mês) do que em fundos sem taxa (0,08%), e maior em fundos ativos (0,13%) do que em fundos passivos (0,05%) — mesmo quem investe em fundos de índice erra o timing, só que menos. O achado mais contraintuitivo do estudo, porém, é outro: o gap é fortemente correlacionado com o desempenho do próprio fundo (correlação de 0,84 entre gap e alfa). Os fundos que mais entregam alfa são justamente os que têm o maior gap — nos fundos com alfa positivo, o ganho médio de seleção de ativos (0,273% ao mês) é quase inteiramente anulado pela perda de timing (0,252% ao mês). Dito de outro modo: escolher um bom fundo não adianta muito se o investidor entra e sai dele na hora errada.

Vale uma ressalva sobre o tamanho desse número, calculada aqui a partir da própria tabela anual publicada pelos autores. Separando os anos de bolha (1999 a 2002) do resto da amostra, o gap médio nos outros dez anos cai para cerca de 0,18% ao ano — bem longe do 1,56% anual do estudo como um todo, puxado desproporcionalmente pela bolha e pelo estouro da bolha ponto-com. Isso não invalida o achado, mas evita um erro comum de leitura: o custo do mau timing não é uma torneira constante pingando 1,56% ao ano — ele se concentra em episódios extremos de euforia e pânico, com anos "normais" custando bem menos.

Um contraponto importante de rigor, para não exagerar o tamanho do problema: nem todo "gap" divulgado popularmente reflete perda real de patrimônio. Um estudo de 2026 examinou o número mais citado da indústria — o "Mind the Gap" da Morningstar, que reporta cerca de -1,2% ao ano (perto de 15% do retorno total) — e, usando uma decomposição estatística mais fina (o método de Hayley, de 2014), separou esse número em duas partes: um efeito de "timing" real, com impacto de fato na riqueza do investidor, de apenas -0,10% ao ano; e um "efeito de retrospectiva" de cerca de -0,07% ao ano, que é um artefato matemático da forma como o cálculo pondera fluxos de caixa passados — sem nenhum impacto real na riqueza de ninguém. O mesmo estudo mostra ainda que boa parte da queda do número divulgado pela Morningstar entre as edições de 2023 e 2025 (de -1,83%/-2,14% para -1,40%/-1,43%) veio de uma mudança na metodologia de cálculo, não de uma melhora real no comportamento dos investidores. A lição aqui não é que o mau timing não existe — é que o tamanho exato do número popularmente citado exige mais cautela do que costuma receber.

04Testando a pessoa física direto, no nível da conta

Os estudos até aqui olham para o mercado como um todo ou para fundos — uma aproximação indireta do comportamento da pessoa física. O teste mais direto que existe hoje na literatura aplica, na conta real de investidores individuais, o mesmo instrumental estatístico que a academia usa para medir habilidade de timing em gestores profissionais: os testes de Treynor-Mazuy e Henriksson-Merton, desenvolvidos originalmente nos anos 1960 e 1980 para separar sorte de habilidade real.

Urbi Garay e Fredy Pulga aplicaram exatamente esses testes ao universo completo de investidores de varejo da Bolsa de Valores da Colômbia: 5.380.810 negociações feitas por 42.211 investidores individuais entre 2006 e 2016 — não uma amostra, o universo inteiro de contas de pessoa física naquele mercado no período. O primeiro achado já é revelador: o investidor médio teve retorno anormal negativo entre 4% e 4,4% ao ano (dependendo do modelo de ajuste de risco usado), um resultado que piora ainda mais quando se descontam custos de transação. Mas o achado central, para a pergunta deste artigo, está na aplicação formal dos testes de timing: o coeficiente de habilidade de timing foi negativo e estatisticamente significativo ao longo do período inteiro, tanto em retorno bruto quanto líquido — a 1% no teste de Treynor-Mazuy e a 5% no teste de Henriksson-Merton —, evidência de que, em vez de neutralidade (nem acerto nem erro), esses investidores tiveram uma habilidade de timing sistematicamente pior do que o acaso.

Uma ressalva de honestidade importa aqui, e o próprio estudo a expõe: dividindo a amostra em dois períodos, antes e depois da falência da maior corretora colombiana (Interbolsa, em outubro de 2012), o efeito negativo de timing é forte e significativo apenas no primeiro subperíodo (2006–2012); no segundo (2012–2016), o sinal muda para positivo e deixa de ser estatisticamente significativo. Os próprios autores levantam a hipótese de que os piores "timers" simplesmente não sobreviveram como clientes ativos depois do colapso da corretora — o que enfraquece um pouco a generalização do achado como uma constante ao longo do tempo, ainda que não mude a conclusão para o período em que o efeito foi medido com solidez.

Esse resultado é o mais próximo que a literatura chega hoje de responder à pergunta original deste artigo com dado real de conta de pessoa física, testado com o instrumental estatístico correto — sem ser um teste indireto via fundo, giro de carteira ou newsletter. Ele confirma, com evidência direta, o que os capítulos anteriores já sugeriam de forma indireta: não é falta de sorte, é habilidade de timing mensuravelmente negativa.

05Por que as pessoas erram o timing

Até aqui, os números mostram o quê. Esta seção trata do porquê — os dois canais comportamentais mais bem documentados por trás desse padrão.

O primeiro é o excesso de confiança combinado com giro excessivo de carteira. Brad Barber e Terrance Odean analisaram 66.465 famílias clientes de uma grande corretora de desconto entre 1991 e 1996, e dividiram os investidores por intensidade de negociação. O resultado: quem estava no quinto de maior giro (mais de 8,8% de turnover mensal) obteve 11,4% ao ano líquido de custos, contra 18,5% ao ano de quem estava no quinto de menor giro — uma diferença de 7,1 pontos percentuais ao ano. O detalhe crucial é que essa diferença não vem de escolher ações piores: o retorno bruto (antes de custos) dos dois grupos é praticamente igual. A diferença inteira vem de custo de transação e frequência de negociação, atribuída pelos autores a excesso de confiança — a crença de que se sabe mais do que de fato se sabe sobre a hora certa de agir.

O segundo canal é mais específico e mais visível para quem já passou por uma crise de mercado: a venda em pânico. Um estudo de 2022, conduzido por pesquisadores do MIT, analisou 653.455 contas de corretora pertencentes a 298.556 famílias americanas entre 2003 e 2015 e definiu, com um critério objetivo, o que é uma "venda em pânico": queda de pelo menos 90% do valor em ativos de risco da carteira em um único mês, sendo pelo menos metade dessa queda explicada por venda líquida (não só pela desvalorização do mercado). O padrão é raro — cerca de 0,10% das contas fazem isso em um mês típico — mas dispara para até três vezes essa frequência em meses de forte queda de mercado, como Lehman Brothers, o TARP e o Flash Crash de 2010. Do total de 36.374 vendas em pânico identificadas, 26.852 famílias (9,0% de toda a base) fizeram isso pelo menos uma vez ao longo dos treze anos analisados — e 30,9% delas nunca mais voltaram a investir em ativos de risco.

O achado mais interessante do estudo, porém, é que ele evita um julgamento simplista. O retorno mediano de quem vende em pânico, somando todos os episódios, é zero a levemente negativo — nem uma tragédia nem um golpe de sorte. Mas isso esconde uma divisão real: em mercados que continuam se recuperando depois da venda, o investidor perdeu dinheiro por sair cedo demais; em mercados que continuam caindo de forma prolongada, a venda funcionou como uma espécie de stop-loss, evitando perdas maiores. O problema prático é que essa distinção só é visível depois do fato — no momento da decisão, ninguém sabe qual dos dois cenários vai se realizar. Uma ressalva importante que os próprios autores fazem, com honestidade: o estudo não tem como distinguir se a venda foi motivada por medo do mercado ou por necessidade real de dinheiro (perda de emprego, uma emergência) — ele documenta o padrão de comportamento com precisão, mas não consegue isolar a causa por trás de cada venda individual.

06Nem os profissionais pagos para isso conseguem

Uma objeção natural até aqui é que talvez o problema seja só de quem investe sem apoio — talvez quem segue orientação profissional se saia melhor. A evidência disponível não sustenta essa esperança.

John Graham e Campbell Harvey testaram 326 estratégias de alternância entre ações e títulos de curto prazo, extraídas de 132 newsletters especializadas em prever o mercado, entre 1983 e 1995 — justamente o produto vendido a quem quer terceirizar a decisão de timing. Usando uma medida rigorosa e ajustada a risco (chamada GH1 no estudo), apenas cerca de 17,6% das estratégias tiveram desempenho acima de uma fronteira eficiente de referência — ou seja, a grande maioria não superou o que seria esperado por puro acaso. Havia sim alguma persistência de curto prazo entre as newsletters "quentes" (que tinham acabado de acertar), mas simulações de Monte Carlo mostraram que esse padrão é inteiramente consistente com sorte, e não prediz desempenho futuro.

Esse resultado fecha o quadro de forma coerente com tudo o que veio antes: nem investidor individual, nem fundo, nem profissional pago especificamente para prever a direção do mercado sustenta uma taxa de acerto acima da barra que Sharpe calculou em 1975 — pelo menos sete em dez.

07Existe alguma versão do timing que "funciona"?

Vale uma pergunta final antes de fechar o quadro: será que, sob algum critério, tentar cronometrar o mercado faz sentido — mesmo sem melhorar o retorno esperado?

Hubert Dichtl, Wolfgang Drobetz e Lawrence Kryzanowski testaram exatamente isso, com uma simulação de bootstrap rodada 500 mil vezes, comparando um "timer simulado" com taxas de acerto de 52%, 55% e 58% contra buy-and-hold, sob diferentes modelos de preferência do investidor. Sob utilidade esperada clássica — o modelo padrão de decisão racional em finanças —, o timing só compensa a partir de uma taxa de acerto de pelo menos 58%, um patamar próximo ao que Sharpe já havia calculado quatro décadas antes. Mas, sob modelos de preferência comportamental (teoria da perspectiva) e horizontes curtos de avaliação — olhar o resultado a cada mês ou a cada ano, em vez de olhar só o fim do período —, o timing pode parecer mais atrativo psicologicamente mesmo sem melhorar o retorno real esperado. Esse efeito, porém, desaparece quando o horizonte de avaliação passa de cinco anos: quem avalia a decisão olhando de longe não sente essa vantagem ilusória.

A leitura honesta desse resultado não é que o timing "funciona sob certas condições" — é que ele pode parecer preferível para quem avalia resultado com muita frequência, mesmo sem entregar nenhum ganho de retorno real. É a mesma armadilha psicológica de curto prazo, olhando por outro ângulo, que explica por que tanta gente continua tentando cronometrar o mercado apesar de toda a evidência contrária.

08O que fazer com isso na prática

1. Trate qualquer intuição de "hora certa de comprar ou vender" com ceticismo: a barra de acerto necessária para o timing compensar (pelo menos sete em dez, segundo Sharpe) é mais alta do que qualquer grupo testado — pessoa física, fundo ou newsletter — conseguiu sustentar de forma consistente.
2. Separe, na sua própria cabeça, "seguir uma alocação definida com rebalanceamento programado" de "reagir ao humor do mercado". A primeira é gestão de risco; a segunda é a tentativa de timing que a evidência deste artigo mostra que não compensa.
3. Se um evento de mercado te deixar tentado a vender tudo, pergunte primeiro se a motivação é uma necessidade real de dinheiro (perda de renda, uma emergência) ou medo do movimento do mercado em si — são duas decisões diferentes, e só a primeira tem uma justificativa que não depende de acertar o timing.
4. Desconfie de qualquer comparação que avalie sua decisão de investimento olhando só o retorno do mês ou do ano corrente — a vantagem psicológica aparente do timing só existe em horizontes curtos de avaliação, e desaparece quando o horizonte passa de cinco anos.
5. Se você usa um fundo ativo, lembre que escolher um bom fundo não neutraliza o risco de errar o timing de entrada e saída — a correlação entre alfa do fundo e perda de timing do investidor é alta o bastante para anular boa parte do ganho de uma boa escolha de fundo.

09Recapitulando